Künstlicher Intelligenz für Kreditvergabe / Scoring

Nutzen Sie KI für robuste Kreditvergabeanwendungen: Künstliche Intelligenz für die Kreditvergabe und das Scoring revolutionieren die Art und Weise, wie Kunden Kredite erhalten. Es bestand schon lange ein echter Bedarf an der Entwicklung automatisierter Kreditwürdigkeitsprüfungen mit KI auf dem Markt. Das Kundenverhalten im Kreditgeschäft hat sich bereits und wird sich in den kommenden Jahren weiter massiv verändern. B2C und B2B Kunden werden verstärkt online und auf mobilen Endgeräten nach Krediten suchen, um von kurzen Vorlaufzeiten und günstigen Konditionen zu profitieren. Laut einer Marktstudie wurden 2017 bereits 27 Prozent aller Konsumentenkredite online abgeschlossen. Diese Zahl wird auch durch die Corona-Krise weiter steigen und auch Unternehmen werden verstärkt digitale Kanäle nutzen. Trotz der zunehmenden Digitalisierung des Antragsprozesses erfolgt die finale Kreditbearbeitung und -entscheidung oft noch mit hohem manuellem Aufwand. So werden beispielsweise Antragsunterlagen manuell validiert und externe Auskunfteien eingebunden, die die Bonität eines Kunden anhand von Einkommen, Ausgaben, Beschäftigungsverhältnis oder Kredithistorie prüfen Nachdem die Kreditprozesse in den letzten Jahren auf Workflow-Management-Tools übertragen wurden, gehen die Institute nun verstärkt dazu über, auch alle Elemente der inhaltlichen Prüfung der Antragspipeline zu digitalisieren. So werden beispielsweise Informationen wie Gehaltsabrechnungen, Grundbücher oder Details zum Finanzierungsobjekt mittels OCR-Technologie (Optical Character Recognition) und künstlicher Intelligenz in Sekundenschnelle analysiert und automatisch verarbeitet. Auf Basis einer Zahlungsstromanalyse wird dann die Kreditwürdigkeit des Kunden ermittelt. Dabei können auch PSD2-Datenpunkte von anderen Instituten verwendet werden. Bei Unternehmenskrediten ist die Sache aber noch weit komplizierter: Die Herausforderung für Unternehmen, insbesondere für kapitalmarktorientierte, besteht in der Analyse zahlreicher Dokumente im Rahmen des Kreditprozesses. Zentrales Dokument ist dabei meist der Jahresabschluss, der zunächst normalisiert wird, um darauf aufbauend ein Rating durchzuführen. Dieser Prozess wird in der Regel manuell intern von Analysten oder extern von Outsourcing-Dienstleistern durchgeführt und dauert je nach Umfang und Komplexität eines Abschlusses mehrere Tage. Mit Hilfe von optischer Zeichenerkennung (OCR) und natürlicher Sprachverarbeitung (NLP) kann die zeitaufwändige Finanzspreizung heute jedoch weitgehend automatisiert werden. Damit reduziert sich der Zeitaufwand für die Analyse von Dokumenten von mehreren Tagen auf wenige Minuten. Wir werden sehen, wie die Verarbeitung natürlicher Sprache (NLP) mithilfe von ML und KI, in Kombination mit Deep Learning / Zeitserienvorhersage für Sie genutzt werden kann, um Antragsteller besser zu verstehen, zu bearbeiten und eine Kreditwürdigkeit schneller und präziser zu bestimmen.