Beschreibung / Problemstellung:
Kreditinstitute stehen vor der Herausforderung, Kreditrisiken von kleinen und mittleren Unternehmen effizient und verlässlich einzuschätzen. Aktuelle Verfahren sind oft stark manuell geprägt, ressourcenintensiv und basieren auf teilweise unvollständigen oder heterogenen Datengrundlagen.
Gesucht werden innovative Ansätze, die moderne datenbasierte Verfahren für eine präzisere und schnellere Kreditrisikobewertung nutzbar machen und gleichzeitig regulatorische Anforderungen erfüllen.

Zielsetzung der Challenge:

• Entwicklung eines prototypischen Modells oder Konzepts zur automatisierten Analyse von KMU-Kreditrisiken

• Nutzung von strukturierten (z. B. Jahresabschlüsse) und unstrukturierten Daten (z. B. Branchenberichte, Managementtexte)

• Verbesserung der Transparenz und Nachvollziehbarkeit von Risikobewertungen

• Unterstützung bei der Entscheidungsfindung im Kreditvergabeprozess

Mögliche Fragestellungen:

• Wie können qualitative Unternehmensinformationen (Management, Geschäftsmodell, Marktposition) automatisiert bewertet werden?

• Wie lassen sich alternative Datenquellen in ein Risikomodell integrieren?

• Welche Modelle eignen sich zur skalierbaren Einschätzung von KMU-Risiken?

• Wie kann ein Explainability-Ansatz aussehen, der regulatorischen Anforderungen genügt?

Erwartete Ergebnisse:

• Prototypischer Risikomodell-Entwurf oder Computational Model

• Konzepte zur Integration alternativer Datenquellen

• Bewertung der Chancen und Risiken der vorgeschlagenen Methoden

• Konzept für regulatorische Einbettung und Governance

Relevante Stakeholder:

• Kreditinstitute

• KMU

• Aufsichtsbehörden

• Daten- und Technologieanbieter

Potenzielle Anwendungsszenarien:

• Schnellbewertung neuer Kreditkunden

• Monitoring laufender Kreditengagements

• Frühwarnsysteme für Risikoentwicklung

Nutzen / Impact:

• Effizientere Kreditentscheidungsprozesse

• Höhere Prognosequalität in der Risikoanalyse

• Verbesserte Dokumentation und Nachvollziehbarkeit

• Wettbewerbsfähigkeit durch digitale Entscheidungsunterstützung

Tags / Kategorisierung:

• Banken & Finanzwirtschaft

• Risikoanalyse

• KMU-Finanzierung

• Datengetriebene Entscheidungsunterstützung

• Digitalisierung im Finanzsektor