Künstliche Intelligenz ist im Firmenkundengeschäft längst mehr als ein Zukunftsthema. Die Einsatzfelder reichen von der Analyse wirtschaftlicher Verhältnisse über die Bildung von Gruppen verbundener Kunden (Verbünde) und die Immobilienbewertung bis zur Erstellung von Kreditbeschlüssen. Trotzdem bleibt die Produktivitätssteigerung im Kreditprozess häufig hinter den Erwartungen und technischen Möglichkeiten zurück.
Ein wichtiger Grund dafür liegt in den bestehenden Kreditprozessen. Risikoappetit, Vergabekriterien und Analysetiefen sind vielfach nicht konsequent definiert. Wer KI produktiv einsetzen will, muss daher zunächst am eigenen Kreditprozess ansetzen.
Am Anfang steht der Risikoappetit
Die Bank braucht eine gemeinsame Sicht darauf, welches Kreditgeschäft sie eingehen möchte und welche Risiken sie dabei akzeptiert. Diese Leitplanken müssen von Vertrieb und Marktfolge gleichermaßen getragen werden.
Daraus folgen konkrete Kreditvergabestandards: Welche Laufzeiten werden akzeptiert? Welche Anforderungen gelten für die Kapitaldienstfähigkeit? Welche Beleihungsgrenzen sind einzuhalten? Welche Auflagen sind in welcher Struktur erforderlich? Sind diese Kriterien definiert, können sie im Kreditprozess einheitlich angewendet werden und die Grundlage automatisierter Bearbeitung bilden. Erst mit einem klar definierten Risikoappetit und eindeutigen Vergabestandards kann KI Kreditentscheidungen substanziell unterstützen.
Die Bearbeitungstiefe folgt dem Risiko
Ein Engagement bei einem Kreditnehmer mit guter Bonität, gesunder Kapitaldienstfähigkeit und werthaltigen Sicherheiten sollte konsequent anders bearbeitet werden als eine komplexe Finanzierung mit mehreren Risikofaktoren. Die Erfahrung zeigt, dass diese Differenzierung in den Kreditabteilungen der Banken noch zu wenig ausgeprägt ist. Dadurch bleiben erhebliche Effizienzpotenziale ungenutzt.
Automatisierte kennzahlenbasierte Analysen, modular erweiterbare Prüftiefen, manuelle Bearbeitung und ein risikoadjustierter Dokumentationsumfang im Beschluss sollten deutlich stärker differenziert zum Einsatz kommen. Voraussetzung dafür sind klare Logiken, die eine frühzeitige Klassifizierung ermöglichen und eine differenzierte Bearbeitung systematisch im Kreditprozess verankern.
Das Institut muss dafür festlegen, welche Informationen und Prüfungen je nach Fall erforderlich sind und wann menschliches Urteilsvermögen gefragt ist. Ist diese risikoadjustierte Differenzierung implementiert und akzeptiert, kann KI im nächsten Schritt die datenbasierte Entscheidungsfindung unterstützen und in einfachen Fällen den Prozess von der Antragstellung bis zum Beschluss übernehmen.
Erst standardisieren, dann automatisieren
Auf dieser Grundlage lässt sich bestimmen, welche Aufgaben KI übernehmen kann. Dafür muss nicht der gesamte Kreditprozess auf einmal verändert werden. Für den Einstieg bieten sich abgegrenzte Anwendungen an, etwa die Bewertung von Sicherheiten, die Durchführung der wirtschaftlichen Analyse, die Ermittlung verbundener Unternehmen oder die qualitative Analyse von Geschäftsmodellen.
In einfachen und eindeutigen Fällen kann KI die Bearbeitung weitgehend fallabschließend übernehmen. Treten Auffälligkeiten auf, übergibt die KI den Fall an Analysten und zeigt den manuellen Analysebedarf spezifisch auf. Mitarbeitende prüfen anschließend gezielt die kritischen Aspekte und nehmen damit den letzten Schritt der Willensbildung vor. So kann die manuelle Tätigkeit auf Kontrollaktivitäten und spezifische Vertiefungsanalysen konzentriert werden.
Mitarbeitende müssen in der Lage sein, KI-Ergebnisse zu beurteilen und einzuordnen. Entscheidend ist, dass sie erkennen, ob ein Ergebnis plausibel ist, wann eine vertiefte Prüfung erforderlich ist und wann sie selbst eingreifen müssen. Werden automatisierte Analysen aus Unsicherheit grundsätzlich noch einmal vollständig manuell geprüft, entsteht kaum Entlastung. Der Einsatz abgegrenzter Anwendungen hilft deshalb auch dabei, Erfahrungen zu sammeln und den Umgang mit den Systemen zu lernen.
Vom einzelnen Anwendungsfall zum integrierten Prozess
Mit zunehmender Nutzung stellt sich die Frage der Einbindung in die bestehende IT-Landschaft. Das Kernbankensystem bleibt die regulierte Basis für Pflichtdaten, Meldewesen und Nachweise. Ergänzende Frontends und KI-Anwendungen können über kontrollierte Schnittstellen angebunden werden. Dafür müssen Banken klar festlegen, welche Daten wo verarbeitet werden, welche Informationen zwischen den Systemen ausgetauscht werden dürfen, und welche Kontrollmechanismen gelten.
Die Integration ist dabei nicht nur eine technische Frage. Der Handlungsdruck wächst auch durch den demografischen Wandel. Erfahrene Mitarbeitende in der Kreditanalyse werden knapper. Umso wichtiger wird es, ihre Expertise auf die Fälle zu konzentrieren, in denen sie tatsächlich benötigt wird.
KI wird im gewerblichen Kreditgeschäft dann zum Produktivitätshebel, wenn die Prozesse die richtigen Voraussetzungen schaffen. Der Weg dorthin kann schrittweise erfolgen. Die folgende Checkliste zeigt, wo Banken ansetzen können.
Checkliste: Ist Ihr Kreditgeschäft bereit für KI?
- Risikoappetit schärfen
Sind Risikoappetit, Kreditvergabestandards und Entscheidungsregeln eindeutig definiert? - Risikoadjustierte Prozesse verankern
Ist klar, welche Fälle standardisiert bearbeitet werden können und wann eine vertiefte Prüfung erforderlich ist? - KI-Agenten implementieren
Welche klar abgegrenzten Prozessschritte eignen sich für den Einstieg? Wie ist das Endprodukt der KI-Analyse definiert? - Mitarbeitende befähigen
Können Mitarbeitende KI-Ergebnisse beurteilen, verifizieren und erkennen, wann sie selbst eingreifen müssen? - Technische Integration vorbereiten
Bestehen Regelungen, wie KI-Anwendungen und Kernbankensystem zusammenspielen, welche Daten über uni-/bidirektionale Schnittstellen ausgetauscht und welche Kontrollen implementiert werden?
