Kreditscoring

Ein Scoring-System ist ein automatisiertes statistisches Modell, das das Kreditrisiko eines Kreditnehmers im Vergleich zu anderen einstuft und in einer Zahl zusammenfasst, wie die US-Notenbank in ihrem Bericht zum Kreditscoring (auf Englisch) erklärt. Solche Systeme entstanden Ende der 1950er Jahre in den Kreditabteilungen großer Händler und Finanzierer. Die Daten stammen aus der Kredithistorie: offene Konten, Zahlungsverhalten und Höhe der Schulden.

Nicht nur Banken nutzen Scores: Auch Telekommunikationsfirmen, Versicherer und Vermieter fragen sie ab. Neuere Modelle nutzen Kontodaten, die ein Kreditgeber über einen Kontoinformationsdienst liest, und Methoden des maschinellen Lernens, beschrieben auf Machine Learning im Finanzwesen.

Am 7. Dezember 2023 entschied der Gerichtshof der Europäischen Union in der Rechtssache C-634/21, dass das Scoring der SCHUFA eine automatisierte Einzelentscheidung ist, die die DSGVO grundsätzlich verbietet, soweit Kunden wie Banken dem Score eine maßgebliche Rolle bei der Kreditvergabe beimessen. Ob das deutsche Datenschutzrecht eine wirksame Ausnahme enthält, muss das Verwaltungsgericht Wiesbaden prüfen.

In einem parallelen Urteil entschied der Gerichtshof, dass eine Auskunftei Angaben zur Restschuldbefreiung nicht länger speichern darf als das öffentliche Insolvenzregister, also sechs Monate. Die Seite Kreditvergabe in Deutschland zeigt, was das Urteil für Kreditgeber bedeutet.

Die neue Verbraucherkreditrichtlinie, Richtlinie (EU) 2023/2225, gilt ab dem 20. November 2026. Nach Artikel 18 darf die Kreditwürdigkeitsprüfung auf Einkommen, Ausgaben und finanziellen Verpflichtungen beruhen, nicht aber auf besonderen Kategorien personenbezogener Daten wie Gesundheitsdaten und nicht auf Angaben aus sozialen Netzwerken. Bei automatisierter Prüfung kann der Verbraucher ein menschliches Eingreifen, eine verständliche Erklärung der Hauptvariablen und der Logik sowie eine Überprüfung der Entscheidung verlangen.

Die KI-Verordnung der EU stuft KI-Systeme, die die Kreditwürdigkeit natürlicher Personen prüfen oder ihren Score festlegen, als Hochrisiko ein, mit einer Ausnahme für die Betrugserkennung. Eine Bank mit solchem Modell muss die Pflichten zu Daten, Dokumentation, menschlicher Aufsicht und Risikomanagement erfüllen, beschrieben auf Die KI-Verordnung in der Finanzbranche.

Finance Loop ist der Treffpunkt für Kreditrisiko-Teams, Data Scientists, Kredit-Fintechs und Compliance-Leute, die ein Scoring-Modell der Aufsicht erklären müssen. Es verbindet die Finanz-, IT- und KI-Communitys in Deutschland, Österreich und der Schweiz, mit Events in Frankfurt, München, Berlin und Hamburg.

Finance Loop kündigte die KI Exchange 2026 in Hamburg an, eine Konferenz von Payment & Banking zu KI als Infrastruktur für Banken, mit Governance und Betrugserkennung im Programm. Es ist Partner des FinTech Founder & Investor Evening in Frankfurt, bei dem der CEO des Mittelstandsfinanzierers Teylor spricht.

Kreditscoring ist ein automatisiertes statistisches Verfahren, das die Wahrscheinlichkeit schätzt, dass ein Kreditnehmer einen Kredit zurückzahlt, auf Basis von Daten wie Zahlungsverhalten, offenen Konten und Schulden. Das Ergebnis ist ein Score, nach dem Kreditgeber über Kredit und Preis entscheiden.

Ja, unter Bedingungen. Der EuGH sieht im Score eine automatisierte Entscheidung, wenn eine Bank sich maßgeblich darauf stützt, und die DSGVO erlaubt das nur mit Rechtsgrundlage und Schutzvorkehrungen. Scoring bleibt erlaubt, und Verbraucher haben ein Recht auf aussagekräftige Informationen über die Logik.

Ja. Anhang III der KI-Verordnung führt KI-Systeme, die die Kreditwürdigkeit natürlicher Personen prüfen oder ihren Score festlegen, als Hochrisiko. Systeme, die nur Finanzbetrug erkennen, sind ausgenommen.