KI im Kreditmanagement – Wie verändert sich die Arbeit?

Generative KI, wie ChatGPT, erfreut sich großer Beliebtheit, stellt jedoch nur eine von vielen KI-basierten Methoden dar. In verschiedenen Branchen wird vermutet, dass die Künstliche Intelligenz die Arbeitsweise der Menschen grundlegend verändern wird. Wie sich dies speziell auf das Kreditmanagement auswirkt, beleuchtet Prof. Matthias Schumann in seiner Analyse.

Heute schon automatisieren IT-Lösungen im Kreditmanagement Prozesse wie das Einräumen von Kreditlinien und Zahlungszielen, basierend auf automatisch generierten Ratings. Ob ein menschlicher Entscheider in den Prozess eingreift, hängt von den zugewiesenen Befugnissen der IT-Lösung und rechtlichen Rahmenbedingungen, wie Datenschutzvorschriften, ab. Diese Entwicklungen führen zu einer verstärkten Prognose von Ausfallrisiken durch KI-gestützte Verfahren, welche zusätzliche Datenquellen wie soziale Medien oder Mitarbeiterportale nutzen können, um die Vorhersagequalität zu verbessern.

Durch den Einsatz von KI ergeben sich neue Möglichkeiten, etwa bei der Prognose von Zahlungseingängen auf Basis von Kundenprofilen. Solche Methoden verbessern nicht nur die Risikobeurteilung eines Kunden, sondern ermöglichen auch präzisere Vorhersagen über Zahlungseingänge, die für eine verbesserte Liquiditätsplanung genutzt werden können. Die erzielten Ergebnisse dienen vorrangig der Entscheidungsunterstützung und weniger der vollständigen Automatisierung von Prozessen, insbesondere in Szenarien negativer Entwicklungen.

Das automatische Lernen von KI-Systemen stößt auf Herausforderungen, besonders wenn Entscheidungen von Menschen überstimmt werden. Es ist kritisch zu bewerten, ob die Entscheidung auf der vorhandenen Datenbasis oder auf externen Informationen beruhte, und ob diese Entscheidungen zum Zeitpunkt ihrer Ausführung als korrekt angesehen werden können. Diese Faktoren beeinflussen, ob und wie das System aus den Entscheidungen lernt. Ein Beispiel: Wenn ein Kunde vom System abgelehnt wird, aber später doch akzeptiert wird, besteht das Risiko, dass dieser Kunde ausfällt. Zudem lässt sich bei einem abgelehnten Kunden nicht feststellen, ob er tatsächlich zahlungsfähig gewesen wäre.

Ebenso werden sich durch den betrügerischen KI-Einsatz neue Gefahren ergeben, beispielsweise in Bezug auf den Umgang mit Unternehmensmänteln oder GmbH-Bestattungen. Um diesen Herausforderungen zu begegnen, müssen geeignete Instrumente zum Erkennen solcher Aktivitäten entwickelt werden.

Schließlich geht es auch um die grundlegenden Anforderungen an erfolgreiche KI-Lösungen. Eine wesentliche Voraussetzung dafür ist das Vorhandensein ausreichender Trainingsdaten. Um Verzerrungen in den Ergebnissen zu vermeiden, ist es wichtig, dass bei einer Insolvenzausfallprognose beispielsweise mit etwa gleichgroßen Mengen an „guten“ und „schlechten“ Kunden trainiert wird. Diese Notwendigkeit unterstreicht, dass der primäre Einsatzbereich von KI-unterstützten Lösungen wahrscheinlich bei Wirtschaftsauskunfteien liegen wird, da diese über die notwendigen großen Datenmengen verfügen.

Abschließend lässt sich sagen, dass KI-unterstützte Lösungen im Kreditmanagement zu einer verbesserten Entscheidungsunterstützung führen und die Automatisierung leicht zunehmen wird. Es wird jedoch nicht erwartet, dass es zu grundlegenden Veränderungen in der Branche kommt. Vielmehr bietet die durch KI gewonnene Zeit die Möglichkeit, Entscheidungen gründlicher vorzubereiten und in einer zunehmend komplexen globalen Handelssituation agiler zu reagieren.