Kreditwürdigkeitsprüfung und Prozeßmodellierung im Konsumentenkreditgeschäft am Beispiel der Oyak Anker Bank GmbH

Transkript

1 Kreditwürdigkeitsprüfung und Prozeßmodellierung im Konsumentenkreditgeschäft am Beispiel der Oyak Anker Bank GmbH Dr. Karsten Füser Schitag Ernst & Young Deutsche Allgemeine Treuhand AG Zunehmende Insolvenzen und die damit verbundene Zunahme der Arbeitslosigkeit breiter Bevölkerungsschichten verdeutlichen das Erfordernis nach einer Fortentwicklung der Methoden und Verfahren zur Kreditbearbeitung, insbesondere der damit einhergehenden Kreditwürdigkeitsprüfung. Dabei ist es das Bestreben der Banken, dieses Prüfungsverfahren angesichts der möglichen Tragweite der Entscheidung weitestmöglich zu standardisieren und nachvollziehbar zu machen, andererseits aufgrund des Massengeschäfts den Prüfungsvorgang zu rationalisieren. 1 Am Beispiel einer seitens der Schitag Ernst & Young Deutsche Allgemeine Treuhand AG (SEY AG), Stuttgart, entwickelten Software zur Kreditwürdigkeitsprüfung für die Oyak Anker Bank GmbH, Koblenz, die u.a. Neuronale Netzwerke zur Kreditwürdigkeitsprüfung 2 und Lotus Notes 4.6.X zum replizieren von Daten nutzt, soll der Aspekt der Prozeßmodellierung im Konsumentenkreditgeschäft hier vor dem oben genannten Hintergrund eingehend diskutiert werden. Es wird dargestellt, daß die effiziente Verbindung zwischen der Antragserfassung und der mit diesem Prozeß einhergehenden Bonitätsprüfung im Konsumentenkreditgeschäft mittels Neuronaler Netzwerke zu schlankeren Arbeitsabläufen und -prozessen führt. Mit Hilfe moderner Informationstechnologie und Künstlicher Intelligenz führt dieser Ansatz schließlich zu einer höheren Performance und auf das einzelne Engagement bezogen geringerem Ausfallrisiko. Der Ansatz liegt somit im Spannungsfeld von Kundeninteresse und Risikominimierung. Die Oyak Anker Bank GmbH ist ein Institut, deren Kreditgeschäft über zur Zeit acht Filialen und zahlreiche Kreditvermittler abgewickelt wird. 1 Vgl. Derigs, U./Schirp, G. (1997), Genetische Modellierung von Künstlichen Neuronalen Netzen, OR Spektrum, 1997, S Vgl. Dietrich, R. (1998), Integrierte Kreditprüfung, Verlag Wissenschaft und Praxis, Sternenfels. 1

2 Horizontal diversifiziert können als wesentliche Geschäftsfelder das vermittelte Kreditgeschäft mit Kunden deutscher Nationalität, türkischer Nationalität sowie die Eigenkapitalvorfinanzierung (EKV) und die Beteiligungsfinanzierung von Immobilienfondsanteilen genannt werden. Die nachfolgenden Ausführungen konzentrieren sich auf die Darstellung der Besonderheiten beim vermittelten Kreditgeschäft mit Kunden deutscher Nationalität (kurz: deutscher Vertriebsweg ). Im Rahmen der Entwicklung der o.g. Software stand der Aspekt der Bonitätsprüfung mit Hilfe Neuronaler Netzwerke stets im Vordergrund, wobei dieser durch die parallele Entwicklung einer Software zur Antragsbearbeitung bzw. -erfassung flankiert wurde. Gemeinsam konzipiert und entwickelt wurde ein Programm, daß die von der Bank individuell gestellten Anforderungen an die Bonitätsprüfung, die Antragsbearbeitung und den Bank-Kunde-Vermittler-Dialog erfüllt. Da die nachfolgend aufgeführten Anforderungen kein am Markt bis dato käufliches Produkt aufwies, entschied sich die Oyak Anker Bank GmbH dafür, gemeinsam mit Schitag Ernst & Young eine Individuallösung zu implementieren. Im einzelnen umfaßte der Anforderungskatalog folgende Punkte: kurze Bearbeitungszeiten ( time is credit ), zukunftsweisende Kreditprüfung mit Hilfe modernster Instrumente (z.b. Neuronale Netzwerke), einfache Bedienbarkeit durch den Kreditsachbearbeiter, dezentrale Kreditbearbeitung und -entscheidung, Unterstützung des Bank-Kunde-Vermittler-Dialogs, modularer, selbsterklärender Aufbau der Software sowie Berücksichtigung der Spezifika des vermittelten deutschen/türkischen Kreditgeschäfts. Neben diesen Punkten zählt des weiteren sicherlich der Datenaustausch zwischen den acht Filialen der Bank mittels Lotus Notes zu den Hauptanforderungen an die entwickelte Software, deren konzeptioneller Aufbau nachfolgend skizziert wird. Die oben genannten Faktoren sind grundsätzlich als Erfolgsdeterminanten im Kreditgeschäft zu sehen. Jacob/Dachtler/Ergenzinger benennen die Kapitalausstattung, die Marktausrichtung, das derzeitige und künftige Geschäftsportfolio, die Mitarbeiterqualifikation sowie die IT-Architektur als Kernparameter. 2

3 Neuronale Netzwerke Das Gehirn der Software, daß die intelligenten Leistungen des Systems ausmacht, ist ein Neuronales Netzwerk, welches die Bonitätsprüfung mittels einer Entscheidungsmatrix ermöglicht. Neuronale Netze 3 sind lernfähige Computerprogramme, die ihr Entscheidungsverhalten in einer Trainingsphase mit repräsentativen Daten ( historische Fälle ) erlangen und in der Anwendungsphase für die Beurteilung der Bonität eines Antragstellers heranziehen. Im Unterschied zu klassischen Scorekarten 4 bewerten Neuronale Netzwerke einzelne Merkmale eines Antragstellers, z.b. sein Alter oder Einkommen, nicht mit Punkten und addieren dann die einzelnen Punktwerte der Merkmale zur Bildung einer Punktsumme vielfach ohne Berücksichtigung der Abhängigkeiten der Merkmale eines Antragstellers untereinander, die mit einem Cut-off-Score verglichen wird, der, falls er unter- bzw. überschritten wird, dann über die Bonität des Antragstellers entscheidet, sondern bewerten Profile von Antragstellern, die in eine Entscheidungsmatrix eingebettet werden, unter Berücksichtigung der Abhängigkeiten zwischen den einzelnen Merkmalen eines Antragstellers. Als Ergebnis einer solchen neuronalen Beurteilung erhält man einen Score-Wert (N-Wert), der ein Maß für die Bonität des Antragstellers ist. Dieses Bonitätsmaß erlaubt es, Antragsteller hinsichtlich ihrer Kreditwürdigkeit zu beurteilen und eine Kreditentscheidung abzuleiten. Entscheidend für die Akzeptanz des Ansatzes ist die Möglichkeit der Resultatsbegründung mittels einer Sensitivitätsanalyse (vgl. Abb. 4). Das Ergebnisse der neuronalen Bewertung kann darüber hinausgehend zur Ermittlung einer individuellen Risikoprämie herangezogen werden, um eine Preisdifferenzierung in Abhängigkeit des ermittelten Risikos vorzunehmen. Das Netzwerk findet sich innerhalb einer Entscheidungshierarchie auf der dritten Ebene. Vorgeschaltet sind auf der ersten Bearbeitungsebene eine Reihe von Abfragen, die auf K.O.-Kriterien zielen und bei Gültigkeit 3 Vgl. Füser, K. (1995), Neuronale Netzwerke in der Finanzwirtschaft, Gabler Verlag, 1995; Füser, K. (1999), Neuronale Netze: Kreditentscheid per Künstlicher Intelligenz, Kreditpraxis, Heft 1, 1999, S ; Dietz, J./Füser, K./Schmidtmeier, S. (1996), Kreditwürdigkeitsprüfung durch Neuronanale Netzwerke, Die Sparkasse, Heft 11, 1998, S ; Dietz, J./Füser, K./ Schmidtmeier, S. (1997); Neuronale Kreditwürdigkeitsprüfung im Konsumentenkreditgeschäft, DBW, Heft 4, 1997, S ; Füser, K. /Schmidtmeier, S./Dietz, J. (1997), Kreditwürdigkeittsprüfung durch Neuronale Netze, Finanzierung Leasing Factoring, Heft 5, 1997, S Vgl. Elsas, R. et al. (1999), Risikoorientiertes Kreditmanagement deutscher Banken, Die Bank, 1999, S

4 eines K.O.-Kriteriums zu einem (sofortigen) Abbruch der Antragsbearbeitung führen. Auf einer zweiten Ebene findet sich eine Haushaltsrechnung, die ebenso rasch zu einem Negativentscheid im Einzelfall führen kann. Im Rahmen des Aufbaus dieser dreistufigen Entscheidungshilfe waren eine Reihe von Determinanten des sehr spezifischen Kreditgeschäfts der Bank zu berücksichtigen. Exemplarisch sei hier nur der Punkt genannt, daß es durchaus nicht untypisch für die Geschäftsfelder der Bank ist, daß die Kreditanfrage von bis zu vier Antragstellern vorgenommen wird, d.h. bis zu vier Antragsteller pro Vorgang zu verwalten und hinsichtlich ihrer Bonität gemeinsam bzw. aggregiert zu beurteilen sind. Die vier wichtigsten Prozeßschritte hierzu zeigen die nachfolgenden Bildschirmabzüge: 4

5 Abbildung 1: Erfassung der Antragsteller Abbildung 2: Haushaltsrechnung 5

6 Abbildung 3: Neuronales Netzwerk Abbildung 4: Beispiel einer Annahmebegründung 6

7 Abb. 1 zeigt die Maske zur Ersterfassung der Kreditantragsteller. Über diese Erfassungsmaske werden bereits eine Reihe von Prozessen bzw. Kontrollmechanismen im Rahmen der Bearbeitung angestoßen. Hierzu zählt zukünftig z.b. das automatische Einholen einer Schufa-Auskunft oder heute bereits die Generierung von Schreiben zum Einholen einer Bank- oder Arbeitgeberauskunft. In der Kreditbearbeitung oft zu schließende Informationslücken können hierdurch früh im Bearbeitungsprozeß geschlossen werden. Zu den Kontrollmechanismen gehören z.b. die Ableitung des Geschlechts des Antragstellers aus der Anrede, die Ermittlung der Ost- /West-Zugehörigkeit aus der Postleitzahl oder die Bestimmung der Vorwahlnummer des Wohnortes des Antragstellers. Eine Reihe weiterer Plausibilitätsprüfungen unterstützt das Programm, wozu z.b. auch die Überprüfung zählt, ob unter der gleichen Adresse bereits Kunden im Bestand geführt werden oder der Kunde bereits ein Altkunde der Bank ist. Volkswirtschaftliche Informationen zur Branche des Antragstellers können in der Software verankert und als Warnhinweis im Rahmen der Beurteilung der Bonität ein ihnen entsprechendes Gewicht erlangen. Die Haushaltsrechnung erfolgt nach der hier nicht dargestellten Überprüfung der K.O.-Kriterien in einem weiteren Bearbeitungsschritt. Voreingestellt finden sich dort ableitbare Größen, wie z.b. das Kindergeld, Pauschalen oder Sockelbeträge. In sekundenschnelle wird damit dem Kreditsachbearbeiter ein Bild von der finanziellen Gesamtsituation der Antragsteller gegeben. Abb. 3 zeigt den ersten Teil der dem Ansatz zugrundeliegenden Entscheidungsmatrix, die mittels eines Neuronalen Netzwerkes ausgewertet werden kann, wohingegen die Abb. 4 die Annahmebegründung zum dargestellten Fall liefert. Insgesamt läßt sich somit die Antragsbearbeitung als ein geschlossener Arbeitsprozeß skizzieren, zu dem als weitere Bausteine z.b. Übersichtsoder Ergebnisseiten, eine kleine Sicherheitenverwaltung oder der Druck von Annahme- und Ablehnungsschreiben zählen. Entscheidungsbögen, die die Einzelentscheidung darstellen, sind in verschiedensten Formen, je nach Informationsbedarf, vom Anwender generierbar. Erweiternd zu der dargestellten Funktionalität weist die Software eine Option auf, die das dezentrale Entscheiden mittels hinterlegter Kompetenzstufen ermöglicht. Die Kompetenzen der einzelnen Mitarbeiter des 7

8 Instituts werden dabei in einem Kompetenztableau verwaltet. Im Rahmen der dort verankerten Kompetenzregelungen können sich die einzelnen Mitarbeiter des Instituts bewegen und Kredite dezentral vor Ort entscheiden. Das hier dargestellte Modul ermöglicht somit eine schnelle und unkomplizierte Kreditsachbearbeitung. Die Zeit von der Erfassung über die Beurteilung bis hin zum Vertragsdruck soll perspektivisch weniger als 10 Minuten dauern. Die zur Erlangung dieses ehrgeizigen Ziels noch notwendigen Anpassungen/Erweiterungen der Soft- und Hardware-Landschaft der Bank sollen in den nächsten Monaten umgesetzt werden. Grundsätzlich sichert das Programm die Konsistenz und Qualität in der Kreditsachearbeitung mit einer damit einhergehenden Vergrößerung der persönlichen Überzeugung des Sachbearbeiters bei der Kreditbeurteilung. Besonders komplizierte und langwierige Antragsprüfungen sind in dem von der Oyak Anker Bank GmbH betriebenen Geschäft grundsätzlich problematisch, denn je länger die Prüfung im Mittel dauert, um so geringer ist die Bindung der Vermittler an die Bank. Mit Zunahme der Prüfungsdauer sinkt somit für die Bank die Chance, neue Kunden (über die Vermittler) zu gewinnen. Es kann festgehalten werden, daß die Vorteile der Software sich auf die Senkung der Kreditbearbeitungskosten, die Beschleunigung der Kreditentscheidung und nicht zuletzt die Minderung der Risikokosten einzelner Engagements beziehen. Die im Kfz-Sektor bereits seit geraumer Zeit praktizierte Anbindung der Kfz-Händler könnte zukünftig auch für die Vermittler der Oyak Anker Bank GmbH greifen. Mit einfachen Abfrageroutinen und einer Online- Schaltung der Vermittler an das Institut könnte der Vorgang der Kreditbearbeitung einschließlich der Bonitätsprüfung und Bewilligung noch weiter reduziert werden. Der Schulungsaufwand der hier beschriebenen Software liegt bei höchstens einem Tag. Die intuitive Bedienerführung gewährt, daß die Anwender innerhalb kürzester Zeit mit dem Programm produktiv arbeiten können. Lotus Notes Eingesetzt wird die hier skizzierte Lösung auf einer Client-Server-Architektur. In den einzelnen Filialen der Oyak Anker Bank GmbH können pro 8

9 Server ( lokale Datenbank ) bis zu 15 Arbeitsplätze ( Clients, privater Arbeitsbereiche ) eingerichtet werden, die eine Parallelerfassung und - bearbeitung ermöglichen. Der Datenaustausch zwischen den Filialen erfolgt mittels einer Lotus Notes-Anbindung. Es ist gewährleistet, daß die in den einzelnen Standorten erfaßten Kreditanträge stündlich zwischen den einzelnen Filialen ausgetauscht werden. Hierdurch kann gewährleistet werden, daß ein Antrag, der z.b. am Standort in Berlin erfaßt wurde, nur eine Stunde später allen restlichen Standorten bekannt ist, d.h. dort ein parallel gestellter Kreditantrag, der beim vermittelten Kreditgeschäft keine Seltenheit ist, sofort erkannt würde. Kunde Vermittler vermitteltes Geschäft Filiale - 1 Filiale - n Kreditantrag Sachbearbeiter Direktgeschäft Kreditentscheidung ja/nein Einholen der Schufa-Auskunft Einholen einer Bank-/Arbeitgeberauskunft Prüfung der K.O.-Kriterien Durchführung einer Haushaltsrechnung Bewertung durch das Neuronale Netzwerk Antrags-/Vertragsdruck (bei Annahme) nein ja lokaler Server lokale DB Privater Arbeitsbereich, Clients Datenübernahme, sobald der Kunde den Antrag annimmt oder ablehnt Archiv (Lotus-Notes) Datenaustausch zwischen den Filialen Mitarbeiter lokale DB Abbildung 5: Prozeßmodell der Oyak Anker Bank GmbH Die Abb. 5 zeigt, daß auch die Speicherhierarchie der Software dreistufig ist. Die aktuell in Bearbeitung befindlichen Fälle finden sich im lokalen Arbeitsbereich der Mitarbeiter, d.h. in einer Datenbank auf dem Arbeitsplatz-PC des den Fall bearbeitenden Kreditsachbearbeiters. Nach Bearbeitung überstellt er den entschiedenen Fall in die lokale Datenbank der Filiale. Auf diese auf dem Server der Filiale gespeicherten Datenbank greift ein über Lotus-Notes gesteuerter Prozeß stündlich zu und überträgt alle dort zwischenzeitlich neu eingegangenen Fälle in eine zentrale Datenbank, die den Bestand aller in den Filialen erfaßten Vorgänge führt. Mittels dieser Form des Datenaustauschs ist die Eindeutigkeit der Fälle beim Replizieren, d.h. dem Datenaustausch zwischen den Filialen, gewährleistet. Hohe Effizienz und Sicherheit umschreiben das Verfahren. 9

10 Fazit Eingebettet in die EDV-Landschaft der Oyak Anker Bank GmbH optimiert die hier skizzierte Software den Kreditvergabeprozeß entscheidend, im wesentlichen geprägt durch den Einsatz Neuronaler Netzwerke, die im Vergleich zu klassischen Verfahren, wie z.b. der Diskriminanzanalyse, signifikant höhere Trennschärfen aufweisen. Adäquat eingebettet in den Entscheidungsprozeß senken sie die Verarbeitungszeit zu dem deutlich. Künstliche Neuronale Netze (KNN) haben sich für eine automatisierte Klassifikation, wie sie etwa bei der Kreditwürdigkeitsprüfung durchzuführen ist, als Alternative zu klassischen statistischen verfahren etabliert. 5 Unsere Erfahrungen mit Neuronalen Netzen zeigen, daß diese zur Beurteilung von Antragstellern hinsichtlich ihrer Bonität sehr gut geeignet sind. In einem modular aufgebauten Gesamtsystem 6 liefern Neuronale Netze durch die mit ihnen verbundene Form der Datenerfassung und -verarbeitung nicht nur Bonitätseinstufungen. Sie optimieren, so zeigen es unsere Erfahrungen, nachhaltig Arbeitsabläufe und verbessern damit einhergehend Kostenstrukturen. Als weitere Entwicklung läßt sich auf Basis der Beurteilung der Neuronalen Netzwerke zu jedem Antrag barwertig die zu erwartende Marge nach Risiko ableiten und damit die Kreditkonditionierung insgesamt verbessern. Ziel ist es in der Zukunft, ein am Risiko adjustiertes Pricing vorzunehmen, um zu einer individuellen Konditionierung des Einzelfalls zu gelangen. Grundsätzlich sind alle Banken von der lokal agierenden Volksbank bis hin zur international ausgerichteten Großbank mit der skizzierten Problematik konfrontiert: Die objektive Risikoquantifizierung wird aufgrund der Informationsasymetrie zwischen Kreditnehmer und Kreditgeber erschwert, die Ableitung kundenindividueller Risikoprämien als Grundlage für das Kreditrisikomanagement bleibt die zentrale Herausforderung im Kreditgeschäft. 7 Man nähert sich durch die hier dargestellte Form der Modellierung schrittweise dem Ziel, ein ertragsoptimiertes Portfolio aufzubauen. Übergeordnetes Ziel der Institute muß es jedoch zunächst sein, Kreditanfragen und deren Bearbeitung kundenorientiert auszugestalten. Neben der Süd-West-Kreditbank Finanzierung GmbH, der SKG Bank 5 Derigs, U./Schirp, G. (1997), Genetische Modellierung von Künstlichen Neuronalen Netzen, OR Spektrum, 1997, S Das von uns modular aufgebaute Gesamtsystem enthält neben dem Neuronalen Netzwerk zur Kreditwürdigkeitsprüfung beispielsweise Komponenten zur Kreditberechnung und Kalkulation, zukünftig eine Online-Schufaanbindung und eine Datenbank mit der Möglichkeit zur Erstellung und Auswertung von zahlreichen Statistiken. 7 Jacob, H.R./Dachtler, C./Ergenzinger (1999), Steuerung von Kreditrisiken: Ganzheitliche Sichtweise gefragt, Die Bank, Heft 6, 1999, S

11 GmbH und der akf bank Gmbh & Co gehört die Oyak Anker Bank GmbH nunmehr zu den ersten deutschen Banken, die ein Neuronales Netz zur automatisierten Kreditentscheidung einsetzen. Geplant ist der Einsatz Neuronaler Netzwerke ebenso bei der Entrium AG, der ehemaligen Quelle Bank und der Intrum Justitia AG, einer schweizerischen Inkassogesellschaft. 11