Wenn Algorithmen über die Bonität entscheiden

6. Februar 2015, 09:00
40 Postings

Günstige Kredite gegen die Preisgabe von Daten – auf dieses System setzen in den USA mehrere Start-ups. Der Computer bestimmt dann, ob ein Kunde kreditfähig ist. Konsumentenschützern stößt das sauer auf

Wien - Wenn man bei der Bank ein Darlehen haben möchte, etwa für eine Immobilie oder ein neu zu gründendes Unternehmen, ist für gewöhnlich die Kredithistorie des Kunden ausschlaggebend. Hat der Antragsteller in letzter Zeit schon einmal einen Kredit aufgenommen? Ist er schuldenfrei? Hat er ein geregeltes Einkommen? Geht es nach einigen Start-ups, könnten aber schon bald Algorithmen entscheiden, ob man einen Kredit bekommt oder nicht. Die Banker könnten etwa darauf schauen, ob Kunden das Formular nur in Großbuchstaben ausfüllen oder wie viel Zeit sie damit verbringen, die AGB zu lesen.

Dies sind nur einige von vielen persönlichen Eigenschaften, die das Banking-Start-up Earnest bei der Kreditvergabe berücksichtigt. "Wir haben tausende Datenpunkte für jeden Einzelnen, um ein komplettes finanzielles Bild zu zeichnen", heißt es auf der Website des US-Unternehmens. Earnest vergibt zinsgünstige Darlehen in einem Volumen von bis zu 30.000 Dollar. Das Angebot richtet sich speziell an junge Leute, die einen Studienkredit abbezahlen müssen. Mit ein paar Mausklicks kann man den Antrag ausfüllen. Man gibt die Höhe des Darlehens an und den Zeitraum, in dem man es zurückbezahlt. Dann fügt man den Verwendungszweck, etwa eine Hochzeit oder einen Umzug, hinzu, zu dem weitere Details genannt werden müssen.

Der Clou: Earnest verlangt von seinen Kunden, sich mit ihrem LinkedIn-Profil einzuloggen. Dadurch erlangt das Unternehmen Zugriff auf das Profil. Diese Daten füttern einen Algorithmus, der eine Wahrscheinlichkeit berechnet, mit der der Antragsteller das Darlehen zurückbezahlt. "Earnest untersucht tausende Datenpunkte, unter anderem die Ausbildung und den Lebenslauf, um zu bestimmen, ob jemand finanziell haftbar ist", teilt das Unternehmen auf Anfrage mit. Wer keinen Highschool-Abschluss und Lücken im Lebenslauf hat, bekommt eher keinen Kredit.

Kredite und Zahlungen

Earnest hat bei einer Finanzierungsrunde von mehreren Venture-Capital-Gebern 15 Mio. Dollar eingenommen, unter anderem von Andreessen Horowitz, Atlas Venture und Maveron. Wenn Andreessen Horowitz in ein Start-up investiert, gilt das als Beglaubigung einer Geschäftsidee.

Im Silicon Valley entsteht die Zukunft des Kreditwesens. Auch das Start-up Affirm hat hier, in San Francisco, seinen Sitz. 30 Mitarbeiter werken in einem alten Backsteinbau mit hohen Decken. Ins Leben gerufen wurde das Start-up vom Paypal-Gründer Max Levchin. Affirm verfolgt ein ähnliches Geschäftsmodell wie Earnest: Mit der Auswertung persönlicher Daten soll die Zahlungsfähigkeit der Kreditnehmer exakter eruiert werden. Es ist eine Wette auf die Zukunft. Affirm hat auch einen Online-Zahlungsdienst. In Shopping-Apps kann man Affirm bereits als Zahlungsmethode angeben. Immer mehr Geschäfte akzeptieren diese Zahlungsmodalität. Hinzu kommt, dass der Darlehenszins bei Affirm und Co niedriger ist, als der Überziehungszins von Kreditkarten ist. Damit kommen auch Direktbanken immer stärker unter Druck.

Experten hegen Zweifel

Die Frage ist nur, ob Algorithmen die Kreditwürdigkeit tatsächlich bestimmen können. Experten bezweifeln das. Peter Fader, Marketingprofessor an der Wharton School, sagt im Gespräch mit dem STANDARD: "Diese Data-Mining-Herangehensweise ist in den meisten Fällen nicht effektiv. Zufällige Charakteristika der Persönlichkeit sagen kaum etwas über die zukünftige Bonität aus." Fader bemängelt die Methodik. "Die Modelle, die zu diesen falsch positiven Ergebnissen führen, ermangeln statistischer Aussagekraft, um wahre von falschen Effekten zu unterscheiden."

Die verzerrten Ergebnisse können aber wiederum zur Folge haben, dass ein Kreditanwärter wegen seiner religiösen oder ethnischen Herkunft diskriminiert wird. Wer aus einem Problemviertel in New York kommt, hat statistisch gesehen zwar ein höheres Ausfallrisiko als ein Bewohner im noblen Stadtteil SoHo. Doch man darf nicht vom Allgemeinen auf den Einzelfall schließen. Das lernen schon Studenten in Statistikkursen.

Auf Anfrage teilt Earnest mit, dass die eingespeisten Daten direkt mit der Solvenz zusammenhängen. "In dem Evaluierungsprozess nutzen wir nicht alle zur Verfügung stehenden Daten über einen potenziellen Kunden, etwa die Postleitzahl, die einen diskriminierenden Effekt haben könnte." Doch wie genau aus dem Datengebräu eine Entscheidung gefällt wird, bleibt unklar. Es gibt keine transparenten Kriterien. Die Gefahr besteht darin, dass mit so vielen Daten und so großer Komplexität ein automatisches System generiert wird. Zwar betont Earnest, dass am Ende immer fünf verschiedene Mitarbeiter den Antrag prüfen und gegebenenfalls eine Kreditlinie einräumen.

Doch letztlich spurt die Software die Entscheidung vor. Die Verbraucherschutzbehörden in den USA wollen das Geschäftsmodell daher auf den Prüfstand stellen. Start-ups wie Earnest oder Affirm operieren in einem noch weitgehend unregulierten Sektor.

Ausfallsrisiko minimieren

Großbanken interessieren sich immer mehr für computergenerierte Ratingsysteme. Laut einem Bericht des Wall Street Journal stehen die Investmentbank Morgan Stanley, die Bank of America Merrill Lynch sowie die Deutsche Bank in Gesprächen mit dem New Yorker Start-up OnDeck, das ebenfalls einen Algorithmus zur Bestimmung der Kreditwürdigkeit entwickelt hat. Ihr Interesse: Die Banken wollen das Ausfallrisiko von Kreditlinien minimieren. Wer künftig ein Darlehen möchte, muss sich daher wohl mit der Preisgabe seiner Daten abfinden oder eine Bank suchen, die noch nicht auf solche Systeme setzt (Adrian Lobe, DER STANDARD, 6.2.2015)

  • Daten gegen Geld: In den USA wird die Kreditvergabe mittlerweile mit persönlichen Daten verknüpft. Konsumentenschützer sehen darin auch die Gefahr der Diskriminierung, etwa wenn jemand nicht die passende Postleitzahl hat.
    dpa / oliver berg

    Daten gegen Geld: In den USA wird die Kreditvergabe mittlerweile mit persönlichen Daten verknüpft. Konsumentenschützer sehen darin auch die Gefahr der Diskriminierung, etwa wenn jemand nicht die passende Postleitzahl hat.

Share if you care.