Wenn KI über Kreditvergabe entscheidet: Die Kultur als Risiko

Schwerpunkt: Digitale Filiale/KI im Kreditgeschäft

Dr. Ammar Younas befasst sich mit KI in der Kreditvergabe. — Dr. Ammar Younasprivat

Mit der globalen Expansion von FinTech entscheiden KI-Systeme zunehmend darüber, wer einen Kredit, eine Hypothek oder auch nur einen Basiskredit erhält. Diese Entscheidungen erscheinen objektiv, sind aber stark von kulturellen Einflüssen geprägt. Werden Algorithmen mit kleinen, homogenen Datensätzen trainiert, besteht die Gefahr, dass sie das Finanzverhalten anderer Gesellschaften falsch interpretieren. Was in einer Kultur als „Risikosignal“ gilt, kann in einer anderen ein Zeichen von Vertrauen, Ehre oder sozialer Verantwortung sein.

von Dr. Ammar Younas, IEEE Senior Member

In manchen Gesellschaften wird offen über Schulden gesprochen und sie werden sogar strategisch in die Finanzplanung einbezogen. In vielen asiatischen, afrikanischen, nahöstlichen und indigenen Gemeinschaften hingegen sind Schulden mit Scham, Gesichtsverlust oder moralischem Versagen verbunden. Familien meiden oft formelle Kredite, selbst wenn sie diese benötigen, und greifen stattdessen auf familiäre Netzwerke, religiöse Hilfsorganisationen oder informelle Kreditgeber zurück.

Schulden haben nicht überall dieselbe Bedeutung”

Für ein westlich geprägtes KI-Modell erscheint dieses Verhalten als „geringe Kreditaktivität“, die das System fälschlicherweise als mangelnde finanzielle Reife interpretiert. In Wirklichkeit mag der Haushalt finanziell verantwortungsbewusst sein, unterliegt aber kulturellen Normen, die formelle Kredite ablehnen.

Informelle Vertrauensnetzwerke verwirren Algorithmen

In Südasien, dem Nahen Osten und weiten Teilen Asiens basiert Kreditwürdigkeit auf sozialen Vertrauensnetzwerken, nicht auf Papierkram. Bekanntschaftsbasierte Systeme im Nahen Osten und verwandtschaftsbasierte Bürgschaften in Südasien stützen sich auf Familienehre, den Ruf der Gemeinschaft und persönliche Beziehungen. Menschen leihen und zahlen regelmäßig erhebliche Summen zurück, basierend auf mündlichen Zusagen, Vermittlung durch Ältere oder langjährigen sozialen Bindungen, nicht auf formellen Kreditverträgen.

In Asien gibt es tiefe informelle Kreditstrukturen, die zuverlässig funktionieren, aber keine digitalen Spuren hinterlassen. In Südasien funktionieren Komiteesysteme oder Chit-Fonds – rotierende Kreditvereinigungen – als Peer-to-Peer-Mikrofinanzierung.”

Jeden Monat zahlen die Mitglieder einen festen Betrag ein, und ein Teilnehmer erhält den gesamten Betrag. Im Laufe der Zeit erhält jede Person einmal pro Zyklus eine Einmalzahlung. Diese Systeme unterstützen Hochzeiten, Geschäftsinventar, Schulgebühren und Notfälle, erscheinen aber nie in Bankdaten oder bei Kreditauskunfteien.

Ähnlich verhält es sich mit Peer-to-Peer-Kreditgruppen in Südostasien, die auf Netzwerken am Arbeitsplatz, in der Nachbarschaft oder auf Solidaritätsfonds von Tempeln und Moscheen basieren. Das Geld zirkuliert effizient und ethisch korrekt, jedoch völlig außerhalb formaler Finanzsysteme.

Ein eindrucksvolles historisches Beispiel liefert die frühe Expansion westlicher Banken in den Nahen Osten. Viele Kunden betrachteten Kreditkarten nicht als verbindliche Finanzinstrumente, sondern als soziale Schuldscheine, ähnlich informellen Schuldenvereinbarungen innerhalb der Gemeinschaft. Als Zinsen, Tilgungspläne und westliche Kreditdisziplin eingeführt wurden, stiegen die Ausfallraten – ein Zeichen für kulturelles Missverständnis, nicht für finanzielle Verantwortungslosigkeit.

Für ein KI-Modell, das mit Kontoauszügen, Steuerunterlagen, Gehaltsabrechnungen und strukturierten Kredithistorien trainiert wurde, erscheinen diese Personen als risikoreich oder unsichtbar. Der Algorithmus sieht „keine verifizierbaren Daten“ und ist sich nicht bewusst, dass die Rückzahlungsfähigkeit sozial und nicht institutionell geregelt ist. Er kann die kulturellen Vertrauenssysteme, die Kredite historisch gesehen weitaus effektiver verwaltet haben als formale Dokumente, nicht interpretieren.

Das Verhalten von Migranten wird oft falsch eingeschätzt

Autor Dr. Ammar Younas

Dr. Ammar Younas (Webseite) ist ein weltweit anerkannter Experte an der Schnittstelle von KI-Governance, FinTech-Regulierung und interkulturellem Technologierecht. Als IEEE Senior Member und zugelassener Anwalt in vier Jurisdiktionen kombiniert er ingenieurwissenschaftliche Erkenntnisse, juristische Expertise und sozialwissenschaftliche Forschung, um Regierungen, Finanzinstitutionen und internationale Organisationen zu beraten. Er verfügt über sieben akademische Abschlüsse in Medizin, Finanzen, politischem Marketing, internationalen Beziehungen, Menschenrechten, Rechtswissenschaft und chinesischem Recht, was ihm eine seltene multidisziplinäre Perspektive auf Technologie und Gesellschaft verleiht. Er ist als internationaler Schiedsrichter in über 30 Institutionen weltweit tätig und arbeitet intensiv zu KI-Ethik, Datensouveränität, digitaler Finanzregulierung und grenzüberschreitender Compliance. Als gefragter Redner und Autor, der sechs Sprachen fließend beherrscht und über 100 Publikationen verfasst hat, bringt Dr. Ammar eine interdisziplinäre, wirtschaftlich fundierte und kulturell sensible Perspektive ein. Er nutzt vielfältige Wissenssysteme und indigene Erkenntnistheorien, um die Zukunft neuer Technologien und globaler Governance mitzugestalten.

Viele Migrantengruppen überweisen regelmäßig Geld in ihre Heimat, teilen das Einkommen innerhalb der Großfamilie oder unterhalten parallele finanzielle Verpflichtungen. Für einen Algorithmus, der auf Muster von Kernfamilien trainiert wurde, werden diese Verhaltensweisen als Instabilität oder ungewöhnliche Geldabflüsse interpretiert, was unbeabsichtigt zu einer Senkung der Kreditwürdigkeit führt.

Warum KI Verhalten falsch einschätzt: Die Lücke im kulturellen Kontext

Die meisten Kreditbewertungsmodelle werden mit Daten aus westlichen Märkten trainiert, in denen:

Menschen regelmäßig Banken nutzen,
Einkommen dokumentiert ist,
Kreditprodukte standardisiert sind und
das Finanzverhalten vorhersehbaren Mustern folgt.

In vielen Regionen hingegen:

Menschen sparen bar,
leihen sich Geld von Verwandten,
meiden formelle Kredite,
teilen Familieneinkommen und
befolgen kulturelle Regeln in Bezug auf Ehre und Scham.

Ohne kulturellen Kontext reduziert KI diese Muster auf numerische „Risiken“.

Das Problem der Datensättigung

Wir gehen oft davon aus, dass KI mit mehr Daten besser wird. Doch die globale Finanzwelt stagniert: Der Großteil des digitalen Verhaltens ist bereits erfasst. Zusätzliche Daten machen Modelle nicht immer intelligenter – oft verrauschter.

Noch wichtiger ist, dass die fehlenden Daten – kulturelles Verhalten, Vertrauen in Gemeinschaften, bargeldbasierte Transaktionen – nicht über herkömmliche digitale Kanäle erfasst werden können. Indigenes Wissen, gemeinschaftliche Finanzpraktiken und informelle Kredittraditionen werden selten digitalisiert. Diese kulturellen Ökonomien operieren vollständig außerhalb der Datensätze, die zum Training moderner FinTech-Algorithmen verwendet werden.

Infolgedessen leiden KI-Modelle unter:

Datensättigung (keine aussagekräftigen neuen Signale),
Datenblindheit (fehlende kulturelle Daten) und
Datenasymmetrie (einige Gemeinschaften sind überrepräsentiert, andere werden nicht erfasst).

Wenn kulturelle Aspekte verborgen bleiben, trifft KI Fehlentscheidungen

Menschen verbergen ihre Schulden, informellen Kredite oder familiären Verpflichtungen, weil kulturelle Werte die Offenlegung von Informationen ablehnen. In Ehrenkulturen wird die Kreditnutzung oft nicht gemeldet, und viele indigene Gemeinschaften erfassen Kreditzyklen überhaupt nicht.

Das bedeutet, dass KI „unvollständige Menschen“ bewertet, nicht reale.

Der Weg in die Zukunft: Kultursensible FinTech

Damit KI-gestützte Kreditvergabe fair und zuverlässig ist, sollten Banken investieren in:

kulturell kontextbezogene Scoring-Modelle,
nachvollziehbare KI-Tools,
alternative Datenquellen,
ethnografische Finanzforschung und menschliche Expertise in Grenzfällen.

Kredit ist nicht nur eine finanzielle Kennzahl – er ist ein soziales, kulturelles und ethisches Konstrukt. Solange KI diese Vielfalt nicht respektiert, riskiert FinTech, genau die Menschen auszuschließen, die es eigentlich stärken will.Dr. Ammar Younas/dk