Künstliche Intelligenz im Kredit- und Forderungsmanagement – Use Cases

Im Blickpunkt der Anwendungsfälle steht ein KI-optimierter Workflow, der mit der Segmentierung der Schuldner beginnt – um die am besten passende Kommunikationsstrategie zu ermitteln -, Empfehlungen für optimierte Zahlungspläne enthält und eine automatische Verhandlung mit dem Schuldner über einen Chatbot ermöglicht.

Für jeden Anwendungsfall wurde innerhalb eines 3,5-monatigen Projekts ein Prototyp auf Basis anonymisierter Daten erarbeitet. Das geschätzte Verbesserungspotenzial bezieht sich auf mehrere Bereiche:

• Ressourceneinsparung (z. B. Agenten eine schnellere Entscheidung zu ermöglichen) und/oder
• Ergebniserzielung (z. B. eine höhere Rückzahlung oder kürzere Rückzahlungsdauer/DSO zu erreichen).

Künstliche Intelligenz bietet viele Anknüpfungspunkte

Für die Optimierung entlang der Wertschöpfungskette eines Kredits werden künftig drei konkrete Formen der Künstlichen Intelligenz in den Fokus der Entwicklung geraten:

• Predictive Analytics – die Auswertung großer Datenmengen zum Zwecke von Vorhersagen
• Text Analytics – das Erkennen und Verarbeiten von Sprache
• Social Network Intelligence – Analysen im Netzwerk zu Interessen, Präferenzen und Eigenschaften des Kreditnehmers usw.

Alle drei beinhalten eine Vielzahl von Anwendungsmöglichkeiten, die auch für die Kreditvergabe und deren Nachverfolgung große Relevanz besitzen und die Kriterien Effizienz, Effektivität und Nutzerfreundlichkeit maßgeblich optimieren.

Massiver Wandel der Prozesskette des Kredits

Aryza CPO Christoph Tahedl betont: „Der Einsatz von künstlicher Intelligenz im Forderungsmanagement und Inkasso bietet große Hebel – sowohl zur Effektivitäts- als auch zur Effizienzsteigerung“. Mit dem verstärkten Einsatz der neuen Technologie wird die Branche einen massiven Wandel entlang der gesamten Prozesskette sehen. Angefangen mit den Aktivitäten im Bereich Marketing und Sales, über den Kreditabschluss bis hin zur Kommunikation mit den Kunden.

Ganz besonders relevant wird die Künstliche Intelligenz im Umgang mit notleidenden Krediten bzw. solchen mit dem Risiko eines Zahlungsausfalls. Hier wird KI die Risiken der Banken und den Komfort der Kunden maßgeblich beeinflussen. Der Vorteil: „KI-basierte Empfehlungen können viel mehr Quellen berücksichtigen als menschliche Experten. Ferner kann die Vielzahl möglicher Variablen besser für Vorhersagen adaptiert werden. Denkbar ist etwa, dass nicht nur Rating- und Scoring-Verfahren, sondern auch die internen Daten der Bank und ihr Wissen über den Kunden in die Segmentierung der Schuldner für eine optimale Inkassostrategie einfließen“, erläutert Tahedl.