{"id":166677,"date":"2022-07-11T14:06:19","date_gmt":"2022-07-11T12:06:19","guid":{"rendered":"https:\/\/dievolkswirtschaft.ch\/?p=166677"},"modified":"2023-08-24T01:28:33","modified_gmt":"2023-08-23T23:28:33","slug":"payment-footprint-zahlungsdaten-als-solvenzsignal","status":"publish","type":"post","link":"https:\/\/dievolkswirtschaft.ch\/de\/2022\/07\/payment-footprint-zahlungsdaten-als-solvenzsignal\/","title":{"rendered":"Payment-Footprint \u2014 Zahlungsdaten als Solvenzsignal"},"content":{"rendered":"

Ohne effizientes Zahlungssystem ist eine komplexe Wirtschaft nicht denkbar. Egal ob Sie in der Migros ein Joghurt kaufen oder einen neuen Firmenwagen: Jeder wirtschaftlichen Transaktion steht eine \u00dcbertragung von Geld in die andere Richtung gegen\u00fcber. Die Summe dieser Zahlungsbewegungen eines Menschen oder Unternehmens nennen wir den \u00abPayment-Footprint\u00bb \u2014 den Fussabdruck des Zahlungsverkehrs. Er stellt ein ann\u00e4hernd perfektes Abbild aller Markttransaktionen dar und enth\u00e4lt aus diesem Grund eine grosse Menge an granularer Information. Neue Forschung an der Universit\u00e4t Basel untersucht, ob Kreditinstitute diese Informationen f\u00fcr die Beurteilung der Bonit\u00e4t ihrer Firmenkunden nutzen k\u00f6nnen.<\/p>\n

Kreditrisiko besser bewerten<\/h2>\n

Banken k\u00f6nnen den gr\u00f6ssten Teil des Zahlungsverkehrs ihrer Kunden sehen. Die einzige Ausnahme sind Zahlungen mit Bargeld. Doch Barzahlungen sind immer seltener und werden zunehmend durch elektronische Zahlungen mittels Debit- oder Kreditkarten im Laden oder durch E-Banking ersetzt. Banken verf\u00fcgen deshalb \u00fcber ein zunehmend genaues Abbild der wirtschaftlichen Aktivit\u00e4ten ihrer Kunden.<\/p>\n

Dieses Wissen ist wertvoll. Denn bevor eine Bank einem Kunden einen Kredit gew\u00e4hrt, will sie beurteilen, wie gross dessen Ausfallwahrscheinlichkeit ist. Hier gew\u00e4hrt der Payment-Footprint wichtige Hinweise: Beispielsweise gibt er Einblicke, wie das kreditnehmende Unternehmen im Vergleich zu seinen Mitbewerbern in der gleichen Branche und in der gleichen Gegend abschneidet. Zudem kann man auch einseitige Abh\u00e4ngigkeiten von einzelnen Kunden (Klumpenrisiken) erkennen.<\/p>\n

In einer k\u00fcrzlich durchgef\u00fchrten Big-Data-Studie[1]<\/a> konnten wir von der Wirtschaftswissenschaftlichen Fakult\u00e4t der Universit\u00e4t Basel zeigen, dass maschinelle Lernalgorithmen<\/a> (ML) die Ausfallwahrscheinlichkeit von Kreditnehmern ziemlich pr\u00e4zise sch\u00e4tzen k\u00f6nnen. Um die N\u00fctzlichkeit der Zahlungsverkehrsdaten zu untersuchen, entwickeln wir in unserer Studie ein Kreditrisikomass, das ausschliesslich auf dem Zahlungsverkehr basiert. Traditionelle Informationen wie den Kreditb\u00fcro-Score lassen wir bewusst weg. Es zeigt sich, dass unser auf dem Payment-Footprint basierendes Kreditrisikomass einen k\u00fcnftigen Zahlungsausfall besser signalisiert als der Kreditb\u00fcro-Score (siehe Kasten).<\/p>\n

In der Praxis bereits verbreitet<\/h2>\n

Unsere Studie basiert auf einem grossen Datensatz eines Zahlungsdienstleistungsanbieters in Indien. Der Wert des Payment-Footprints ist allerdings auch in fortgeschrittenen Volkswirtschaften etabliert. So haben Moody\u2019s sowie die Wirtschaftsauskunftei Crif in Grossbritannien zahlungsbasierte Echtzeitanalysen f\u00fcr KMU entwickelt. In den USA hat Fico, der wichtigste Kreditauskunftsdienstleister, den \u00abUltrafico\u00bb-Score entwickelt; dabei wurde der klassische Kreditscore mit Zahlungsprofilen erg\u00e4nzt. Und in Europa bietet das Fintech-Unternehmen Yolt Kreditgebern die Analyse von Zahlungsdaten an.<\/p>\n

Alle diese Initiativen wurden durch die Einf\u00fchrung der Open-Banking-Politik m\u00f6glich. Diese erlaubt es Dritten, mit Zustimmung der Kunden auf Transaktionsdaten von Banken zuzugreifen. Der Payment-Footprint gepaart mit dem Open-Banking-System k\u00f6nnte weitreichende Auswirkungen auf das Kreditwesen haben. Doch dazu sp\u00e4ter mehr.<\/p>\n

Bank geht auf Kreditnehmer zu<\/h2>\n

Bei kleineren Unternehmen, die bis anhin noch keine Finanzierung von einer Bank erhalten haben, fehlen herk\u00f6mmliche Daten wie die Kredithistorie oder Ratings. Ihr Payment-Footprint ist dann besonders n\u00fctzlich und kann der Bank helfen, ihre Qualit\u00e4t schnell und kosteng\u00fcnstig zu beurteilen.<\/p>\n

Laut einer Studie<\/a> des Staatssekretariats f\u00fcr Wirtschaft (Seco)[2]<\/a> kann ein Drittel aller KMU nicht absch\u00e4tzen, welches Rating sie von ihrer Bank erhalten w\u00fcrden. Viele KMU sind entmutigt, sich um Finanzierung von ihrer Bank zu bem\u00fchen, weil sie den Prozess als schwerf\u00e4llig empfinden und bef\u00fcrchten, die Anforderungen bez\u00fcglich Sicherheiten nicht erf\u00fcllen zu k\u00f6nnen. Diese sind oft sehr hoch und darauf zur\u00fcckzuf\u00fchren, dass die Bank Schwierigkeiten hat, die Solidit\u00e4t der einzelnen KMU mit vertretbarem Aufwand gen\u00fcgend pr\u00e4zise zu ermitteln.<\/p>\n

Die Seco-Studie konstatiert denn auch, dass ein Drittel der entmutigten KMU, basierend auf ihren Unternehmensmerkmalen, einen Kredit h\u00e4tte erhalten k\u00f6nnen, h\u00e4tten die Banken diese Unternehmenscharakteristiken gekannt. Die Nutzung des Payment-Footprints k\u00f6nnte solche solvente, aber entmutigte KMU ausfindig machen. Dabei w\u00fcrden die Rollen vertauscht: Anstatt dass KMU sich bei ihrer Hausbank um einen Kredit bem\u00fchen, k\u00f6nnte die Bank den Zahlungsverkehr ihrer Kunden maschinell auswerten und dann gezielt auf geeignete Kunden zugehen.<\/p>\n

Solvenzbeurteilung in Echtzeit<\/h2>\n

Zahlungsdaten k\u00f6nnen aber nicht nur zur Akquisition von neuen Kreditnehmern genutzt werden. Selbst bei gut dokumentierten Kreditnehmern k\u00f6nnen sie die Risikobewertung verbessern. Bei solchen Kreditnehmern st\u00fctzen die Banken ihre Risikobewertung in der Regel auf Informationen wie Finanzberichte, Pr\u00fcfungsberichte und Steuererkl\u00e4rungen, die nur sporadisch aktualisiert werden.<\/p>\n

Der grosse Vorteil des Zahlungsverkehrs ist, dass die Bank detaillierte Informationen in Echtzeit erhalten kann. Sie kann damit zeitnah erkennen, wenn sich die Zahlungsf\u00e4higkeit des Kreditnehmers verschlechtert. Klumpenrisiken, Umsatzeinbr\u00fcche oder Ver\u00e4nderungen der Zahlungsmoral zeigen sich in Echtzeit.<\/p>\n

Open Banking schafft Vorteile<\/h2>\n

Das alles klingt \u00e4usserst vielversprechend f\u00fcr die Banken. Doch die Datenanalyse hat auch Grenzen. Ein Hindernis f\u00fcr die Bank ist etwa, dass sie nicht den gesamten Zahlungsverkehr des Kreditnehmers beobachten kann, beispielsweise wenn der Kreditnehmer weitere Bankverbindungen hat. Dies kann die Aussagekraft des beobachteten Teils des Zahlungsverkehrs einschr\u00e4nken. Die Verbreitung von neuen, reinen Digitalbanken \u2013 sogenannten Neo-Banken wie Revolut oder Neon, die im Zahlungsverkehr zunehmend eine Konkurrenz darstellen \u2013 kann dieses Problem noch versch\u00e4rfen.<\/p>\n

Das oben angesprochene Open Banking kann Banken helfen, das Problem der unvollst\u00e4ndigen \u00dcbersicht, die durch die Nutzung von mehreren Konten entsteht, zu \u00fcberwinden. Beim Open Banking handelt es sich um ein System, bei dem Banken und andere befugte Institute mit Zustimmung der Kunden auf Zahlungsdaten bei anderen Finanzinstituten zugreifen k\u00f6nnen. Obwohl Banken durch dieses System ihre Monopolmacht \u00fcber die Zahlungsdaten verlieren, glauben wir, dass es den Banken gleichzeitig auch die M\u00f6glichkeit gibt, das Potenzial des Payment-Footprints zu nutzen.<\/p>\n

Durch die Konsolidierung von Informationen \u00fcber die anderen Bankkonten eines Kunden k\u00f6nnen Banken mit Open Banking n\u00e4mlich einen vollst\u00e4ndigeren Payment-Footprint erhalten. Durch die Nutzung von Open Banking h\u00e4tten die Banken auch einen komparativen Vorteil gegen\u00fcber den neuen Fintech-Anbietern. Eine Bank hat einen sogenannten First-Mover-Vorteil. Denn sie verf\u00fcgt bereits \u00fcber eine grosse Menge an Zahlungsdaten, die ihr helfen, ihre Machine-Learning-Modelle besser zu trainieren.<\/p>\n

Banken geniessen h\u00f6heres Vertrauen<\/h2>\n

Da die gemeinsame Nutzung von Daten im Rahmen des Open-Banking-Systems mit der Zustimmung der Kunden erfolgt, spielt Vertrauen eine wichtige Rolle. Ein weiterer komparativer Vorteil ist daher, dass Banken ein hohes Mass an Vertrauen bei den Kunden geniessen, wenn es um den Umgang mit ihren Zahlungsdaten geht. Studien[3]<\/a> haben wiederholt gezeigt, dass dieses Vertrauen gegen\u00fcber traditionellen Banken deutlich h\u00f6her ist als gegen\u00fcber Fintechs und Bigtechs. Die vorherrschende und wohl auch berechtigte Meinung in der Bev\u00f6lkerung ist, dass traditionelle Banken sorgf\u00e4ltiger mit Kundendaten umgehen als Fintech-Start-ups oder Giganten wie Facebook.<\/p>\n

Banken haben im Wettlauf um die produktive Nutzung des Payment-Footprints also einen Vorsprung. Diejenigen Banken, die agil sind und die technologische Herausforderung annehmen, k\u00f6nnen diesen Vorsprung in eine nachhaltige Ertragsquelle umwandeln.<\/p>\n

  1. Siehe Rishabh (2022). [<\/span>]<\/a><\/li>
  2. Dietrich et. al. (2017). [<\/span>]<\/a><\/li>
  3. Armantier et. al. (2021) und Chen et. al. (2021). [<\/span>]<\/a><\/li><\/ol>","protected":false},"excerpt":{"rendered":"

    Ohne effizientes Zahlungssystem ist eine komplexe Wirtschaft nicht denkbar. Egal ob Sie in der Migros ein Joghurt kaufen oder einen neuen Firmenwagen: Jeder wirtschaftlichen Transaktion steht eine \u00dcbertragung von Geld in die andere Richtung gegen\u00fcber. Die Summe dieser Zahlungsbewegungen eines Menschen oder Unternehmens nennen wir den \u00abPayment-Footprint\u00bb \u2014 den Fussabdruck des Zahlungsverkehrs. Er stellt ein […]<\/p>","protected":false},"author":3313,"featured_media":173563,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"ep_exclude_from_search":false,"footnotes":""},"post__type":[69,66],"post_opinion":[],"post_serie":[],"post_content_category":[96],"post_content_subject":[169,178,166,171],"acf":{"seco_author":3313,"seco_co_author":[8948],"author_override":"","seco_author_post_ocupation_year":"","seco_author_post_occupation_de":"Professor f\u00fcr National\u00f6konomie, Wirtschaftswissenschaftliche Fakult\u00e4t, Universit\u00e4t Basel","seco_author_post_occupation_fr":"Professeur d\u2019\u00e9conomie nationale \u00e0 la Facult\u00e9 des sciences \u00e9conomiques de l\u2019universit\u00e9 de B\u00e2le et ancien membre du conseil d\u2019administration de l\u2019Autorit\u00e9 f\u00e9d\u00e9rale de surveillance des march\u00e9s financiers, Finma (2011-2019)","seco_co_authors_post_ocupation":[{"seco_co_author":8948,"seco_co_author_post_occupation_year":"","seco_co_author_post_occupation_de":"Dr. rer. pol., Wissenschaftlicher Mitarbeiter, Wirtschaftswissenschaftliche Fakult\u00e4t, Universit\u00e4t Basel","seco_co_author_post_occupation_fr":"Collaboratrice scientifique, March\u00e9s financiers, Facult\u00e9 des sciences \u00e9conomiques, Universit\u00e9 de B\u00e2le"}],"short_title":"Payment-Footprint \u2014 Zahlungsdaten als Solvenzsignal","post_lead":"Banken kennen den Zahlungsverkehr ihrer Kunden. Diesen Informationsvorteil k\u00f6nnten sie nutzen, um zuverl\u00e4ssige Kreditnehmer zu identifizieren.","post_hero_image_description":"Viele KMU haben heute M\u00fche, eine Finanzierung zu erhalten, weil Banken ihre Kreditw\u00fcrdigkeit kaum einsch\u00e4tzen k\u00f6nnen.","post_hero_image_description_copyright_de":"Keystone","post_hero_image_description_copyright_fr":"Keystone","post_references_literature":"