Vielleicht haben Sie schon einmal „am eigenen Leib“ erfahren, dass die Zeitspanne von der Online-Kreditanfrage über die Antragsbearbeitung bis hin zum endgültigen Entscheid und der damit verbundenen Kreditauszahlung oft mehrere Wochen oder sogar Monate dauern kann. Ausschlaggebend hierfür ist die manchmal vergleichsweise schwierige und langwierige Überprüfung der Bonität des Antragstellers. Wenn von Bonitätsprüfung gesprochen wird, so fallen meist die Stichworte Kreditscoring (allgemeiner Oberbegriff, insbesondere auch für die Überprüfungs- und Einordnungsverfahren eines Kreditinstituts verwendet), SCHUFA-Scoring (das von der Schutzgemeinschaft für allgemeine Kreditsicherung durchgeführte Einstufungsverfahren) und Score-Wert (das in den meisten Fällen in Form von Punkten abgebildete Ergebnis der Bonitätsprüfung). Die Prüfung der Kreditwürdigkeit soll eine Einordnung des mit dem Kreditvertrag verbundenen Risikos ermöglichen.
Kreditscoring – So funktioniert das Ganze
„Ein Kreditscore (von engl. to score -punkten, score – Punktestand) ist ein Zahlenwert auf Basis einer statistischen Analyse, der die Kreditwürdigkeit einer Person repräsentiert. Mit Kreditscoring versuchen Unternehmen die Kreditwürdigkeit von Kunden oder Partnerunternehmen nach einem vorgegebenen Verfahren mehr oder weniger automatisiert zu ermitteln.“
(Quelle: Wikipedia)
Der Begriff Kreditscoring umfasst unterschiedliche Verfahren von verschiedenen Institutionen. Kreditbanken und andere Kreditgewährende Unternehmen führen eine Überprüfung der Kreditfähigkeit eines potenziellen (oder auch bereits bestehenden Kunden) durch. Neben eigenen Daten und Verfahren (diese können von Bank zu Bank durchaus unterschiedlich sein) bedienen sie sich auch des Datenbestandes und der Einstufungen von Auskunfteien wie der SCHUFA. Die statistische Aufbereitung und Auswertung der verschiedenen Datenbestände erfolgt durch standardisierte Verfahren. Diese werden auch als Scorekarte bezeichnet und unterliegen einer ständigen Überprüfung um eine möglichst hohe Abbildung der Wirklichkeit zu gewährleisten.
Da Ratenkredite im allgemeinen unbesichert vergeben werden und eine individuelle Überprüfung der wirtschaftlichen Gesamtsituation eines Antragstellers meist nur ansatzweise möglich ist muss der Score-Wert als Ergebnis der vorgenommenen Risikoklassifizierung eine verlässliche Größe mit hoher Prognosefähigkeit sein. Unabhängig von der Auswirkung des Score-Werts für eine tatsächliche Kreditentscheidung spielt das Verfahren auch eine wichtige Rolle bei der Festlegung von bonitätsabhängigen Kreditzinsen (je besser die Bonität desto geringer der zu zahlende Zinssatz) und individuellen Kreditlinien (beispielsweise bei Kreditkarten).
Das dargestellte Verfahren ist insofern kritisch zu sehen als es vor allem Bestandskunden nicht gerecht wird – die langjährige Erfahrung eines Kreditsachbearbeiters in Kombination mit langfristigen Kundenbeziehungen zählt hier sicher mehr als ein mathematisches Verfahren. Als weiterer wichtiger Kritikpunkt anzusehen ist die Problematik des Umgangs mit den gesammelten Bonitätsdaten (Datenschutz!).
Kreditscoring der SCHUFA und Score-Wert als Ergebnis
Auch im Zusammenhang mit der Arbeitsweise von Auskunfteien wie der SCHUFA wird von Kreditscoring gesprochen. Die wichtigste Rolle bei der Überprüfung der Kreditwürdigkeit spielen die sog. Positiv- und Negativmerkmale, welche die SCHUFA (aber auch andere professionelle Auskunfteien wie beispielsweise Creditreform, Infoscore oder Bürgel) über jeden Einzelnen speichern. Basis des Datenbestands der SCHUFA sind die Rückmeldungen ihrer Vertragspartner, wobei sowohl reguläre Vertragserfüllungen („Positivmerkmale“) als auch evtl. auftretende Zahlungsprobleme („Negativmerkmale“) gemeldet werden. Wer also beispielsweise einen Kredit planmäßig zurückbezahlt, erhält genauso einen SCHUFA-Eintrag wie derjenige, der eine Rechnung des Handyanbieters nicht bezahlt oder das Girokonto gekündigt bekommt etc. – im ersteren Fall ein Positivmerkmal, im letzteren eben ein Negativmerkmal.
Während jeder Betroffene für die persönliche Kreditvergangenheit mehr oder minder selbst verantwortlich zeichnet sieht dies beim zweiten Teil der Prüfung der Kreditwürdigkeit schon etwas anders aus. Die SCHUFA bedient sich nämlich auch statistischer Merkmale und versucht damit abzuschätzen wie wahrscheinlich eine reguläre Vertragserfüllung erscheint. Zu den erhobenen Merkmalen zählen beispielsweise Alter, Geschlecht, Wohnort, familiäre und berufliche Situation, Art der Haushaltsführung, gefahrenes Kraftfahrzeug u.v.m. Der genaue „Algorithmus“ des SCHUFA Score ist nach wie vor ein Geheimnis – trotz zahlreicher Aufforderungen diverser Verbraucherschutzvereinigungen wurde er bis dato nicht vollständig offengelegt. Umstritten ist dieses Verfahren vor allem deswegen, da statistische Werte als Maßstab für die Beurteilung eines Einzelnen herangezogen werden. Dass diese hin und wieder zu einer Fehlbeurteilung der Bonität und – auch dies spielt natürlich eine Rolle – zu einem entgangenen Gewinn für die Bank führen können liegt auf der Hand.
Seit 1997 gibt es bei der SCHUFA den Score-Wert als Ergebnis der vorgenommenen Risikoklassifizierung. Hierbei handelt es sich um einen Wert zwischen 1 und 1000, je höher der Wert desto wahrscheinlicher ist eine reguläre Vertragserfüllung, je niedriger desto grösser die Ausfallwahrscheinlichkeit. Wer eine Online-Eigenauskunft durchführt kann den Basis-Score-Wert seit 2007 in Prozentwerten einsehen. Es ist anzumerken, dass in Abhängigkeit vom Zweck der Anfrage verschiedene Score-Werte existieren. Beispielsweise unterscheidet sich der Score-Wert den ein Mobilfunkanbieter erhält von dem der einer Kreditbank übermittelt wird (in diesem Zusammenhang wird auch von Branchenscore gesprochen). Das Kreditscoring der SCHUFA basiert seit 2001 auf dem sog. logistischen Regressionsmodell, hierbei erfolgt eine Modellierung der Eintrittswahrscheinlichkeit eines zufälligen Ereignisses mit zwei möglichen Ausgängen. Basis dieser Modellierung war die Auswertung von ca. 6,7 Millionen Datensätzen in anonymisierter Form.
Vorteile eines statistischen Kreditscoring
Weitestgehende Standardisierung der Entscheidungsabläufe
Ausschalten persönlicher Präferenzen eines Sachbearbeiters
Objektivität
Sehr gut für computergestützte Datenverarbeitung geeignet
Automatisierung von Abläufen, dadurch erhöhte Wirtschaftlichkeit
Schnellere Kreditentscheidungen möglich
Nachteile eines Kreditscoring in der aktuellen Form
Individuelle Faktoren werden nicht oder nur in geringem Masse berücksichtigt
Persönliche Erfahrungen von Kundenberatern und Sachbearbeitern als wichtiger Bestandteil einer ganzheitlichen Entscheidung werden außer Acht gelassen
Problematik der Erfassung und Speicherung sowie der möglichen Weitergabe personenbezogener Daten
Aktualität der Daten nicht immer gewährleistet (mögliche Fehlentscheidungen aufgrund veralteter Datensätze)
Abfrage ohne Einverständnis des Kunden
