FINTECH3. September 2020

FinTechs erschließen Gig-Ökonomie mit KI und zusätzlichen Daten

Ungeachtet der zahlreichen Corona-Hilfspakete ist die Prüfung der Kreditwürdigkeit derzeit ein kritisches Thema. Viele Finanzinstitute versuchen vor allem, diesen Prozess zu beschleunigen. FinTechs in aller Welt gehen dagegen neue Wege. Mit Hilfe von KI und bislang unbeachteter Daten erschließen sie neue Zielgruppen, die bei traditionellen Banken nicht als Kreditnehmer akzeptiert werden: die Gig-Worker.

Mit den richtigen Daten und Bewertungsmodellen lassen sich neue Kreditkunden identifizieren.<q>ilixe48 / Bigstockphoto
Mit den richtigen Daten und Bewertungsmodellen lassen sich neue Kreditkunden identifizieren.ilixe48 / Bigstockphoto

 

Die Covid-19-Pandemie hat den Blick auf eine Beschäftigungsgruppe gelenkt, über die sonst wenig gesprochen wird: Bringdienste aller Art, die für die Versorgung im Home-Office unerlässlich sind. In der Regel sind die Fahrradkuriere, Paketauslieferer und Essenslieferanten nicht angestellt, sondern freischaffend tätig. Zuletzt als „Genies“ (Flaschengeister) der Corona-Pandemie gelobt, sind sie aus Sicht eines Kreditsachbearbeiters in der Regel nur moderne Tagelöhner ohne festes Einkommen. Und haben daher bei traditionellen Banken kaum Chancen auf ein Darlehen.

Neuer Blick auf Gig-Worker

Die sogenannte Gig-Ökonomie, wie die plattformbasierte Vermittlung von Kleinstaufträgen genannt wird, hat weltweit ein Heer an selbstständigen Auftragnehmern („Gig-Worker“) hervorgebracht. Während dieses Modell einerseits als reguläre Entwicklung der Dienstleistungsgesellschaft gesehen oder sogar als „New Work“ gefeiert wird, sind Banken häufig noch nicht darauf eingestellt. So schneiden sie sich im Kreditgeschäft von einer wachsenden Zahl potenzieller Kunden ab.

Laut dem Daten- und Analyseunternehmen GlobalData stoßen in diese Lücke zunehmend FinTechs mit neuen Bewertungs- und Analysemodellen. Sie versuchen, unter den Gig-Workern jene herauszufiltern, denen mit vertretbarem Risiko ein Darlehen gewährt werden kann. Dabei nutzen sie bislang unbeachtete Daten, die mittels Künstlicher Intelligenz (KI) zu neuen Erkenntnissen führen. Interpretiert werden unter anderem Zahlungshistorie, aber auch Erkenntnisse der Verhaltensökonomie oder der digitale Fußabdruck eines potenziellen Kunden.

<Q>Twitter
Twitter

„Banken sollten rechtzeitig damit beginnen, alternative, KI-basierte Bewertungsmodelle einzuführen, um ihren Kundenkreis zu erweitern und den Gig-Workern den Zugang zu Finanzierungen zu erleichtern.“

Kiran Raj, Principal Disruptive Tech Analyst bei GlobalData

Konkrete Beispiele

GlobalData merkt an, dass traditionelle Kreditbewertungsmodelle wie FICO nur eine Handvoll Variablen berücksichtigen, um das Kreditausfallrisiko zu berechnen. Zudem stünden die Kreditgeber häufig unter dem Druck, in kurzer Zeit umfassende Kreditentscheidungen zu treffen. Das Unternehmen hat daher eine Reihe von Beispielen aus aller Welt gesammelt, wie sich FinTechs neue Datenquellen erschließen, die für die Risikobewertung herangezogen werden können. Aufgrund des Einsatzes von KI-basierenden Modellen könnten sie zudem Entscheidungen häufig schneller treffen als traditionelle Banken.

Lenddo (Singapur): Das FinTech greift auf E-Commerce- und andere Finanztransaktionen zu, wertet Telekommunikations-, Browser-, Bewegungsdaten sowie soziale und psychometrische Informationen aus, um einen Score zu errechnen. CredoLab, ebenfalls in Singapur ansässig, verwendet sogar Opt-In-Smartphone-Metadaten, um kriminelle Verhaltensmuster von Kreditnehmern vorherzusagen, die dann in ihre Kreditbewertung einfließen.

Qwil (USA): Das kalifornische FinTech-Startup hat direkten Zugriff auf Zahlungsdaten in der Gig-Ökonomie. Denn das in San Francisco beheimatete Unternehmen arbeitet mit Online-Marktplätzen und Dienstleistern zusammen, um Zahlungen an Freiberufler in deren Namen abzuwickeln. Auf dieser Basis kann Qwil kreditwürdigen Kunden auch vorab Gelder freigeben, noch bevor die nächste Auszahlung der Auftraggeber fällig wird.

Upstart (USA): Dieses Unternehmen wertet Bildungsdaten wie den SAT-Score (Scholastic Assessment Test) und den Notendurchschnitt (GPA) aus, um die Kreditwürdigkeit eines Kreditsuchenden vorherzusagen.

Credit Kudos (Großbritannien): Hier liefern Echtzeit-Verhaltensdaten die Basis, um die Glaubwürdigkeit eines Antragstellers bei der Rückzahlung eines Kredits vorherzusagen. Das FinTech analysiert die Interaktionen eines potenziellen Kunden mit digitalen Geräten, wie Mausbewegungen, Tastendruck, Kreiselbewegung und Touchscreen-Nutzung, um nach potenziell betrügerischem Verhalten zu suchen.

DSGVO beachten

Kiran Raj, Principal Disruptive Tech Analyst bei GlobalData, ist bewusst, dass die teils ungewöhnlichen Datenquellen nicht überall erschlossen werden können. Jedes Unternehmen müsse die im eigenen Land gültigen Datenschutzgesetze beachten und seine Risikobewertungsmodelle daran anpassen. Dennoch biete dieses Vorgehen große Chancen, denn es gebe eine zunehmende Bereitschaft in der Gig-Ökonomie, freiwillig zusätzliche Daten beizusteuern. hj

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/110952 
 
1 Stern2 Sterne3 Sterne4 Sterne5 Sterne (Noch keine Bewertungen)
Loading...

 

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Zukunft von KI im Handel – EHI zeigt 8 Szenarien von disruptiv bis hintergründig

Künstliche Intelligenz gilt als wichtiger Zukunftstrend, auch im Handel. Eine flächendeckende Verbreitung von KI-Anwendungen lässt sich im deutschen Handel aktuell zwar noch nicht feststellen, aber...

Schließen