Wer Anbietende wie Klarna kennt, der weiß, dass die Kreditvergabe für Privatpersonen blitzschnell in trockenen Tüchern sein kann. Was wäre, wenn Banken das auch für KMUs leisten könnten? Und welche Rolle spielen Open Banking, Daten und Machine Learning Modelle dabei?
Die hohen Energiekosten und anhaltenden Lieferengpässe sorgen dafür, dass sich der Finanzierungsbedarf für Betriebsmittel und Lagerhaltung auf Rekordkurs befindet: Laut der KfW ist das Kreditneugeschäft mit KMUs im Vergleich zum Vorjahr um 21 % gewachsen. Und trotz steigender Zinsen steigt auch die Tendenz.
Was dem Wunsch nach einer schnellen und friktionslosen Kreditanfrage allerdings gegenübersteht, sind komplexe, weniger nutzerfreundliche und langwierige Prozesse, die – so das Ergebnis einer internen Studie – in 80 Prozent aller Banken noch Standard sind:
Wirtschaftliche Unterlagen müssen noch in Papierform oder per E-Mail eingereicht werden
Mails und Unterlagen werden noch manuell gelesen
Kennzahlen wie z. B. die Cash Intensity werden manuell berechnet
Ratings werden noch manuell ausgewertet und erstellt
Kreditentscheidungen gestalten sich häufig zäh und intransparent
Es gibt zu viele Medienbrüche (Papier, digitale Formulare, E-Mail, Anruf etc.)
Erhöhte Konditionen: Durch den großen Verwaltungsaufwand können sich weniger KMUs den Kredit leisten
Kann Kreditvergabe nicht fixer gehen?
Damit entgehen vielen Banken Marktanteile. Denn online sind passendere Anbieter nur einen Klick entfernt – etwa FinTechs, Plattformen, die Embedded Finance integrieren, und bereits die ersten traditionellen Banken. Und damit gewinnen neue Kreditprodukte wie Instand Lending (Kreditentscheidungen in wenigen Minuten) für KMUs immer mehr an Relevanz. Umgekehrt gilt: Je schneller und nutzerfreundlicher die Kreditantragsstrecke, desto erfolgreicher auch die Bank.
Somit sollte auch für KMUs gelten, was im Retailbereich längst real ist: Vollständig automatisierte und digitalisierte Kreditanfragestrecken, die schnell zum Angebot oder zur Entscheidung führen. Dafür sollten Mittelständler den Banken ihre Daten unkompliziert freigeben können, was eine schnellere Bonitätsanalyse und damit Kreditfreigabe ermöglicht.
Dabei bildet die PSD2-Schnittstelle das verbindende Glied, während Open-Banking-Technologien – und die damit einhergehende Öffnung gegenüber Drittanbietenden – den Zugang zu den Daten über Unternehmensgrenzen hinweg ermöglichen.
Eine zentrale Rolle in diesem Prozess spielen sogenannte Kontoinformationsdienstleistende (KIDs) – wie zum Beispiel finleap connect, Tink, finAPI, Klarna Cosma oder auch Nordigen. Sie sind die Institutionen, die den Kreditgebenden (Banken) die Konto- und Transaktionsdaten der Kreditantragstellenden (KMU) über die PSD2-Schnittstelle zur Verfügung stellen. Voraussetzung dafür: Die KIDs sind in den Kreditvergabeprozess der Bank eingebunden.
Sie können beispielsweise Konto- und Transaktionsdaten im Rahmen von Dashboard-Lösungen zur Verfügung stellen, die für die Mitarbeiter der Bank einfach und schnell abrufbar sind, sowie Kennzahlen berechnen und Kategorisierungen vornehmen, die für eine Kreditentscheidung oder auch für KYC/AML-Zwecke relevant sind.
Für Banken ist es sehr sinnvoll KIDs einzubinden, denn sie tragen wesentlich dazu bei, langwierige Prozesse spürbar zu verkürzen. Die Gründe:
· Sie bilden etwa 95 Prozent der deutschen Finanzdienstleistenden ab.
· Sie bieten Daten zum Training von bankeigenen Kreditrisikomodellen an.
· Sie bieten ihre eigenen KYC- und Kreditrisikomodelle an.
· Sie stellen häufig nutzerfreundliche Dashboards für die Bank zur Verfügung.
Wie Open Banking beim Credit Scoring helfen kann
Mit Open Banking können sowohl Privatpersonen als auch Unternehmen ihre Konto- und Transaktionsdaten über APIs (Application Programming Interfaces) sicher mit Drittanbietenden von Finanzdienstleistungen austauschen. Im Gegenzug nehmen sie deren Produkte oder Services in Anspruch, die ihnen neuen Mehrwert bieten.
So funktioniert Kreditvergabe mit Open Banking:
Bei der Kreditvergabe im Firmenkundengeschäft greift die Bank auf die bestehenden Konto- und Transaktionsdaten zurück, die über die API zur Verfügung gestellt werden.
Mit Hilfe dieser Daten lassen sich verschiedene Kreditrisikomodelle (z. B. Machine Learning oder Affordability Model) füttern, um eine schnelle Kreditentscheidung zu treffen.
Zusätzlich erhalten Verbraucher mehr Auswahl und Kontrolle über ihre Finanzdaten und können neue, innovative Finanzdienstleistungen nutzen.
Dank Data und Machine Learning schneller zum Kredit?
Bei Klarna und Co gilt: Alles, was in Sachen Kreditvergabe länger als eine halbe Sekunde dauert, ist schlechte User Experience. Und um die zu vermeiden, sind Daten das A und O:
Aktuelle und Informationen aus der Vergangenheit,
aus internen Sammlungen oder von externen Kontoinformationsdienstleistern
von angebundenen Partnern wie z. B. Compeon, Check24
und grundsätzlich alle Daten, deren Analyse relevant und erlaubt ist.
Mit all diesen Daten werden dann Machine-Learning-Modelle gefüttert, um Ratings zu erstellen und Kreditwürdigkeiten zu evaluieren. Dabei zeigt sich meist erst im Prozess, welche Daten zur Modellerstellung wirklich relevant sind. Mit zusätzlicher Hilfe der von Analysten erstellten Regeln wird dann blitzschnell pro oder contra Kredit entschieden.
Tech Deep Dive
Die benutzten Daten und Modelle speichern Banken beispielsweise in einem Data Lake. Das bietet sich besonders an, wenn die Daten unterschiedlicher Natur sind. Nach der Bereinigung, Homogenisierung und Transformation der Daten, werden diese dann einer Trainings Pipeline für Modelle zur Verfügung gestellt.
Ziel der Daten und Modelle ist es, möglichst viele Einzelprozesse im Rahmen von Open-Banking-Anfragen zu automatisieren. Deswegen pflegt man sie in eine neue oder bestehende Decision Engine ein. Darin sind von Data Analysts Regeln und Schritte festgelegt, die bei der Bearbeitung der Anfrage befolgt werden müssen.
Abgerundet wird das Vorgehen durch ein Monitoring. Das heißt: Alle Entscheidungen der Decision Engine und die Performance der Modelle werden kontinuierlich überwacht, geprüft und basierend darauf optimiert.
Das Ziel: Kreditentscheidungen für KMUs innerhalb von 24 Stunden
Für eine traditionelle Bank, die Kredite an KMUs vergibt, wäre eine Kreditentscheidung unter einer Sekunde eher utopisch, aber auch gar nicht nötig: Allein eine digital optimierte Kreditanfragestrecke, die mit einer reibungslosen End-to-End Customer Experience überzeugt und innerhalb von 24h Entscheidungen liefert, würde die Conversion Rate in die Höhe treiben. Und damit einen enormen Wettbewerbsvorteil bringen.
New Banking: Die Zukunft gehört den Daten!
Der offene Zugang zu Kunden- und Transaktionsdaten läutet einen fundamentalen Umbruch ein, der etablierte Banking-Geschäftsmodelle transformiert. Die Zukunft gehört also den Unternehmen, die agil, kundenzentriert und datenbasiert handeln – und die es schaffen, Services und Produkte zu etablieren, die ein positives und umfassendes Kundenerlebnis bieten.
Im Privatkunden-Kreditgeschäft hat Open Banking bereits erhebliche Erschütterungen verursacht und die Entwicklung neuer und innovativer Produkte und Services ermöglicht. Nicht ohne Grund: FinTech-Unternehmen können nun die Finanzdaten ihrer Kund:innen nutzen, um maßgeschneiderte Kreditprodukte anzubieten. Dazu kommen smarte Add-Ons wie etwa die Nutzung von KI-Texterkennung und E-Mail-Bots, um die relevanten Daten automatisch bereitzustellen.
All das erhöht den Wettbewerb im Banking-Bereich und macht es für Kund:innen leichter denn je, eine größere Auswahl an Kreditoptionen zu vergleichen und auszuwählen. Dazu kommt die Erstellung fortschrittlicherer Kreditrisikobewertungen, die es erlaubt, blitzschnell fundiertere Kreditentscheidungen zu treffen und das Ausfallrisiko zu verringern.
Offen für ein digitalisiertes Bankenwesen?
Wollen Banken den gestiegenen Anforderungen einer digital- und internetaffinen Kundschaft gerecht werden, müssen sie sich mehr denn je transformieren. Dabei ist die Kreditvergabe nur ein Thema, aus dem sich mit Hilfe von Daten und Machine Learning Modellen gewinnbringender Umsatz schöpfen lässt.
Wir kennen uns bestens in der Banking-Branche aus und unterstützen dich, die vorhandenen Potenziale zu heben. Und zwar ganzheitlich von der ersten Beratung, Modellentwicklung, technischen Umsetzung, dem Projektmanagement und UX-Design über die gesamte Customer Journey hinweg.
