KI-gestützte Kreditprozesse sind keine Utopie mehr
Wie lassen sich die Prüfung von Kreditunterlagen und die Kreditprozesse intelligenter gestalten? Dieser Beitrag analysiert, wie Banken mithilfe von KI Dokumente automatisiert analysieren, Risiken frühzeitig erkennen und die Kreditvergabe effizienter gestalten können – vier Praxisbeispiele inklusive.
- Kreditprozesse - weniger manuell, mehr KI
- Einzureichende Dokumente unterscheiden sich stark nach Produktart
- Baufinanzierung
- Konsumentenkredite, wie Ratenkredite
- Unternehmensdarlehen
- Förderkredite und -anträge
- Dokumente können sich unterscheiden – nutzbare KI-Technologie ist für nahezu alle Inhalte jedoch gleich
- Fallbeispiel 1: KI-gestützte Grundbuch- und Immobilienprüfung
- Fallbeispiel 2: Schnellere Konsumentenkredite durch automatisierte Dokumentenprüfung
- Fallbeispiel 3: Vertragsprüfung in der Firmenkundenfinanzierung (JP Morgan COIN)
- Fallbeispiel 4: KI-gestützte Verarbeitung von Förderanträgen in der Pandemie
- Eine kohärente Plattform bleibt das A und O
- Quellen
In dieser Collection enthalten:
Collection öffnen
banKIng³ - Folge 5: Daten, Sprache, Kontext: Zwischen Intuition und Algorithmus
KI-gestützte Kreditprozesse sind keine Utopie mehr
banKIng³ - Folge 4: Secret Cyborgs: Wenn Mitarbeitende KI heimlich nutzen
KI-Technologie in Banken – aber welche, wie, wo und mit wem?
Relevantes Detail im EU AI Act: KI-Kompetenz ist ab sofort Pflicht
banKIng³ - Folge 3: Der KI-Realitätscheck – Zwischen Regelbruch und Neuanfang
banKIng³ - Folge 2: Mensch & Maschine: Das neue Zusammenspiel in der Finanzwelt
FIDA und KI: Warum eine gemeinsame Betrachtung wichtig ist
Operationalisierung der AI-Roadmap – aber wie?
banKIng³ - Folge 1: Der KI-Boost für Banken: Wie neue Modelle die Branche aufmischen
Die Prüfung kundenbezogener Unterlagen ist eine zentrale Aufgabe im Kreditvergabeprozess. Um fundierte Kreditentscheidungen zu treffen und Risiken wie Betrug frühzeitig zu erkennen, müssen Banken und Finanzdienstleister eine Vielzahl an Dokumenten – von Gehaltsnachweisen über Kontoauszüge bis hin zu Grundbuchauszügen – sorgfältig analysieren. Dieser Schritt ist bislang häufig noch manuell geprägt. Das macht ihn sowohl zeitintensiv als auch fehleranfällig.
In den vergangenen Jahren hat sich der Einsatz künstlicher Intelligenz (KI) als vielversprechender Hebel erwiesen, um die Effizienz und Qualität dieser Dokumentenprüfungen signifikant zu steigern. KI-gestützte Anwendungen sind in der Baufinanzierung, bei Konsumentenkrediten, Unternehmensfinanzierungen und der Fördermittelvergabe längst Standard.
Im Rahmen von Projekten erproben und implementieren wir gemeinsam mit Finanzinstituten konkrete Lösungen. Entscheiderinnen und Entscheider in Kreditinstituten sollten deshalb wissen, wie sie KI gezielt einsetzen können, um Dokumentenprozesse intelligenter zu gestalten. Unser Ziel sind kürzere Bearbeitungszeiten, frühzeitige Identifizierung von Betrugsversuchen, sichere Erfüllung regulatorischer Anforderungen und gesenkte Kosten.
Der folgende Beitrag liefert Ihnen einen kompakten Überblick über technologische Potenziale und praxistaugliche Ansätze für den Aufbau smarter Dokumentenplattformen.
Einzureichende Dokumente unterscheiden sich stark nach Produktart
Kreditprozesse sind je nach Produktart sehr unterschiedlich. Für jede Produktart gibt es andere Unterlagen und Prüfschritte. Viele Kunden beginnen in Bereichen mit einer hohen Anzahl von Anfragen mit der automatisierten Prüfung von Dokumenten.
Für diesen ersten Schritt sind Baufinanzierungen, Konsumentenkredite, Unternehmensdarlehen und Förderanträge prädestiniert.
Baufinanzierung
Bei der Baufinanzierung dienen Immobilien als Sicherheit, weshalb umfangreiche Dokumente zum Objekt und zur finanziellen Situation des Kreditnehmers geprüft werden. Typische Unterlagen und Prüfungen sind:
- Grundbuchauszug: Belegt die Eigentumsverhältnisse und eventuelle Belastungen (wie zum Beispiel Grundschulden). Die Bank überprüft, ob der Antragsteller als Eigentümer eingetragen ist und welche Grundpfandrechte bestehen. KI kann hier beispielsweise per OCR (Optical Character Recognition) die relevanten Einträge (Eigentümer, laufende Kredite, Beschränkungen) automatisch aus dem meist gescannten Dokument auslesen.
- Flurkarte und Baupläne: Diese technischen Dokumente geben Aufschluss über Lage und Beschaffenheit der Immobilie. Prüfleistungen umfassen die Kontrolle, ob das Bauvorhaben mit den eingereichten Plänen übereinstimmt und behördlich genehmigt ist. KI-gestützte Bilderkennung kann Pläne analysieren und mit vorgegebenen Spezifikationen abgleichen.
- Baugenehmigung und Bauleistungsbeschreibungen: Stellen sicher, dass das Bauprojekt offiziell genehmigt ist und bestimmten Standards entspricht. KI-Systeme können Textpassagen nach Schlüsselbegriffen (wie Auflagen oder Gültigkeitsfristen) durchsuchen, um Abweichungen oder fehlende Inhalte zu erkennen.
- Einkommensnachweise des Kreditnehmers: Trotz Immobilienbesicherung prüft die Bank die Bonität des Kreditnehmers (zum Beispiel Gehaltsabrechnungen, Steuerbescheide), um die Rückzahlungsfähigkeit festzustellen. Hier wird verifiziert, ob Einkommen und Beschäftigungsverhältnis plausibel sind. Automatisierte Dokumentenanalyse extrahiert Gehaltsdaten und vergleicht sie mit Richtwerten, um Auffälligkeiten zu identifizieren.
Konsumentenkredite, wie Ratenkredite
Die Identität und Kreditwürdigkeit des Antragstellers müssen bei unbesicherten Konsumentenkrediten wie Ratenkrediten sorgfältig geprüft werden. Das gilt insbesondere, wenn das Klientel einer Bank historisch schlechte Kreditwürdigkeit nachweisen kann. Hier fallen weniger Dokumente an als bei einer Baufinanzierung, doch sind diese essenziell, um Betrug und Zahlungsunfähigkeit auszuschließen:
- Identitätsdokumente: Ein gültiger Personalausweis oder Reisepass ist erforderlich für Know-Your-Customer(KYC)-Prüfungen. Die Bank stellt sicher, dass das Dokument echt ist und zum Antragsteller gehört. Moderne KI-gestützte Lösungen nutzen Computer Vision, um Ausweisdokumente auf Sicherheitsmerkmale zu prüfen und per Face Matching das Ausweisfoto mit einem Live-Foto des Kunden abzugleichen. Diese automatisierte ID-Prüfung beschleunigt den Prozess der Identitätsfeststellung erheblich.
- Einkommensnachweise: In der Regel werden die letzten Gehaltsabrechnungen und häufig auch Kontoauszüge verlangt. Sie belegen Einkommen und finanzielle Situation. KI-Systeme mit OCR und NLP (Natural Language Processing) können Gehaltsdokumente auslesen und beispielsweise Netto- vom Bruttoeinkommen unterscheiden. Eine Plausibilitätsprüfung durch die KI vergleicht die angegebenen Einkommen mit den Kontoauszügen (Eingang des Gehalts) und alarmiert bei Abweichungen oder auffälligen Mustern (wie zum Beispiel untypisch hohe Beträge).
- Schufa-Auskunft/Bonitätsdokumente: Zwar werden Bonitätsauskünfte elektronisch eingeholt und nicht vom Kunden geliefert, dennoch sind sie Teil der Dokumentenprüfung. KI kann bei der Analyse der Schufa-Daten helfen, etwa indem Auffälligkeiten wie viele kürzliche Kreditanfragen oder bestehende Überschuldungssignale durch Anomalie-Erkennung markiert werden.
Unternehmensdarlehen
Um die Zahlungsfähigkeit der Firma und eventuelle Sicherheiten zu bewerten, erfordert die Kreditvergabe an Unternehmen die Prüfung umfangreicher finanzieller und rechtlicher Unterlagen. Typische Dokumente und Prüfungen umfassen:
- Jahresabschlüsse (Bilanz und GuV): Sie geben Einblick in Vermögenslage und Ertragskraft des Unternehmens. Die Bank analysiert Kennzahlen wie Eigenkapitalquote, Cashflow und Verschuldungsgrad. KI-Systeme können aus PDF-Jahresabschlüssen automatisch diese Finanzkennzahlen extrahieren und beispielsweise Trends über mehrere Jahre berechnen. Auffälligkeiten (etwa sprunghafte Änderungen oder im Branchenvergleich ungewöhnliche Werte) werden durch automatisierte Analysen hervorgehoben.
- Betriebswirtschaftliche Auswertungen (BWA) und Finanzplanungen: Für eine aktuelle Sicht auf die finanzielle Entwicklung werden BWAs und Planungsrechnungen genutzt. KI kann diese Dokumente klassifizieren (zum Beispiel unterscheiden zwischen BWA, Bilanz, Planung) und die enthaltenen Zahlen auslesen. Mittels Machine Learning lassen sich Prognosen validieren, indem Plan-Ist-Abweichungen früherer Zeiträume analysiert werden – so erkennt die Bank, ob aktuelle Planungsannahmen realistisch sind.
- Handelsregisterauszug: Hier werden rechtliche Details zum Unternehmen geprüft (Firmierung, Geschäftsführer, Kapital, Haftung). Eine KI-gestützte Textanalyse kann aus digitalen Handelsregistereinträgen die relevanten Fakten herausfiltern (wie zum Beispiel Unternehmensalter, Änderungen in der Geschäftsführung) und mit den Antragsangaben abgleichen.
- Sicherheiten-Dokumentation: Bei besicherten Firmenkrediten werden Dokumente zu Sicherheiten (Grundschulden, Forderungsabtretungen, Bürgschaften etc.) geprüft. Ähnlich wie in der Baufinanzierung kommen hier OCR und NLP zum Einsatz, um etwa Verträge oder Gutachten maschinell zu lesen. Eine KI-Tools könnte beispielsweise erkennen, ob in einem Bürgschaftsvertrag alle geforderten Klauseln vorhanden sind.
Förderkredite und -anträge
Förderkredite (zum Beispiel von der KfW, EU-Programmen oder regionalen Förderbanken) erfordern zusätzlich zur normalen Kreditprüfung die Beachtung spezieller Förderbedingungen. Banken treten hier oft als Vermittler auf und müssen sowohl die Antragsunterlagen der Kunden als auch die Bewilligungsbescheide der Förderstelle prüfen:
- Förderantrag und -bescheid: Der Antragsteller reicht Formulare ein, die die Fördervoraussetzungen darlegen (zum Beispiel Verwendungszweck, Projektbeschreibung). Nach positiver Entscheidung stellt die Förderbank einen Bewilligungsbescheid aus. KI kann hier prüfen, ob alle benötigten Angaben im Antrag vorhanden und diese mit dem Bewilligungsbescheid konsistent sind. Beispielsweise lassen sich per NLP die bewilligte Fördersumme und Bedingungen aus dem Bescheid auslesen und automatisch mit dem Kreditantrag abgleichen.
- Nachweisunterlagen: Oft müssen bestimmte Nachweise (Umsetzungsberichte, Rechnungen, Verwendungsnachweise) eingereicht werden, um die bestimmungsgemäße Verwendung der Mittel zu belegen. KI-gestützte Systeme können eingereichte Rechnungen automatisch erfassen und mit dem genehmigten Budget abgleichen. Außerdem kann Anomalieerkennung Hinweise auf Unregelmäßigkeiten liefern – etwa wenn ein Begünstigter immer wieder die gleichen Rechnungsbelege vorlegt (möglicher Betrugsindikator).
- Kommunikation mit Förderinstituten: Schriftwechsel oder E-Mails mit der Förderstelle (beispielsweise Rückfragen) können ebenfalls dokumentiert sein. KI kann die Inhalte dieser Schreiben kategorisieren (zum Beispiel Nachforderung von Unterlagen, inhaltliche Rückfragen) und so die Bearbeiter dabei unterstützen, nichts zu übersehen.
Dokumente können sich unterscheiden – nutzbare KI-Technologie ist für nahezu alle Inhalte jedoch gleich
Eins ist also klar: Selbst bei den verbreitetsten Bankleistungen sind die zu verarbeitenden Dokumente sowie die Tiefe der benötigten Prüfung stark unterschiedlich. Grundsätzlich lassen sich die Prüfungen in drei Arten von Checks unterteilen:
- Digitalisierung: Aus einem PDF beziehungsweise einem Scan wird ein Datensatz erstellt
- Validierung von Angaben: Angaben innerhalb des Dokuments werden gegenüber vorherigen Angaben oder gesetzlichen Vorgaben inhaltlich validiert
- Fraud Prevention: Ein Machine-Learning-Modell überprüft, ob auf einem Dokument Veränderungen durchgeführt wurden
Je nach Tiefe der Überprüfung verspricht ein Mix unterschiedlicher KI-Methoden ein gutes Prüfergebnis, wie die folgende Grafik illustriert:
Abbildung 1: Fraud-Prävention am Beispiel von Baufinanzierungsdokumenten
Den Mehrwert KI-gestützter Kreditprozesse sowie KYC-Aktivitäten illustrieren vier Fallballspiele, die nur auszugsweise für innovative Pilotansätze in den zuvor beschriebenen Bereichen stehen.
Fallbeispiel 1: KI-gestützte Grundbuch- und Immobilienprüfung
Eine große deutsche Immobilienbank hat ein KI-System zur Auswertung von Grundbuchauszügen und Bewertungsunterlagen in der Baufinanzierung pilotiert.
Diese Erfolge wurden erzielt: Die OCR-Erkennungsrate bei Grundbuchauszügen lag bei über 90 %. Das heißt, dass Eigentümerinformationen und Lasten automatisch ins Kernbanksystem übernommen werden konnten. NLP-Algorithmen haben die Schlüsseldaten zur Immobilie wie Lage, Baujahr und Marktwert aus den Gutachten extrahiert. Die KI hat Auffälligkeiten, wie zum Beispiel eingetragene Wegerechte oder Nießbrauchrechte, markiert, sodass die Sachbearbeiter gezielt nacharbeiten können.
Die enge Zusammenarbeit zwischen Fachexperten und Data Scientists ist hier das A und O. Das Fachteam hat die relevanten Textstellen und Begriffe definiert, auf die die KI achten muss. Dadurch sank die False-Positive-Rate deutlich. Die Bearbeitungszeit für die Objektprüfung wurde um satte 50 % verkürzt. Die Prüfer stellten zudem fest, dass keine wesentlichen Punkte übersehen wurden. Die Konsistenz und Vollständigkeit der Prüfprotokolle stieg an.
Fallbeispiel 2: Schnellere Konsumentenkredite durch automatisierte Dokumentenprüfung
Ein europäisches FinTech, das Ratenkredite über eine digitale Plattform anbietet, setzt KI ein, um die Bearbeitung vom Antrag bis zur Auszahlung stark zu beschleunigen. Sobald Kunden ihre Dokumente wie Ausweis oder Gehaltsnachweise hochladen, werden diese automatisch von einem KI-Modul klassifiziert.
Unser hochmodernes OCR/NLP-System liest die relevanten Daten – wie zum Beispiel Name, Ausweisnummer, Einkommen, Arbeitgeber – und füllt damit direkt die Felder im Kreditsystem aus. Parallel dazu prüft eine Betrugs-KI, ob zum Beispiel die Ausweisnummer echt wirkt und zum angegebenen Geburtsdatum passt, und ob das gemeldete Einkommen im Vergleich zu Branche und Beruf plausibel ist. Durch diese End-to-End-Automatisierung sank die durchschnittliche Bearbeitungszeit eines Kreditantrags von zuvor zwei bis drei Tagen auf unter 30 Minuten.
Besonders vorteilhaft: Die Implementierung einer „Ampellogik“ sorgt dafür, dass alle KI-Prüfungen, die grün sind, sofort auto-approviert oder nur final durch ein Teammitglied abgesegnet werden. Fälle mit gelben oder roten Indikatoren gehen an erfahrene Kreditspezialisten. Dieses zweistufige Verfahren stellt sicher, dass trotz Automatisierung die Risikokontrolle erhalten bleibt.
Die Unternehmensangaben sind eindeutig: Die Kosten je Kreditantrag konnten um rund 30 % gesenkt werden, während sich die Kundenzufriedenheit durch schnellere Kreditentscheidungen deutlich erhöhte.
Fallbeispiel 3: Vertragsprüfung in der Firmenkundenfinanzierung (JP Morgan COIN)
Ein oft zitiertes Beispiel für den Einsatz von KI im Dokumentenmanagement ist die JP-Morgan-Contract-Intelligence(COIN)-Plattform. Diese AI-Software automatisiert die manuelle Prüfung von Vertragsdokumenten im Firmenkreditbereich.
COIN analysiert gewerbliche Kreditverträge und extrahiert die Kerndaten – und zwar auf die wichtigen Klauseln hin. So spart JP Morgan (laut einem Bericht von 2017) jährlich 360.000 Stunden an Anwalts- und Prüfungsarbeit ein. Die KI erledigt die Aufgaben, die zuvor manuell für die Durchsicht von Kreditverträgen und -dokumentationen aufgewendet wurden, in Sekunden. Dieses beeindruckende Ergebnis wurde möglich, weil die KI auf einer großen Datenbasis historischer Verträge trainiert wurde und so gelernt hat, juristische Formulierungen korrekt zu interpretieren.
JP Morgan hat COIN Schritt für Schritt in seinen Workflow integriert. Anfangs wurde alles manuell gegengeprüft, um die Zuverlässigkeit sicherzustellen. Die Einführung hat eindeutig gezeigt, dass KI bei standardisierten, repetitiven Prüfaufgaben enorme Effizienzgewinne bringt. Juristen und Kreditanalysten können dadurch entlastet werden, sodass sie sich komplexeren Fällen widmen können.
Dieses Beispiel hat in der Branche für große Aufmerksamkeit gesorgt und viele Institute dazu motiviert, ähnliche Technologien für ihre Dokumentenprüfung zu evaluieren.
Fallbeispiel 4: KI-gestützte Verarbeitung von Förderanträgen in der Pandemie
Während der COVD-19-Pandemie haben Förderbanken und Geschäftsbanken eine Flut an Anträgen für Hilfskredite und Zuschüsse erhalten. Ein deutsches Landesförderinstitut hat KI-Technologien eingesetzt, um diese Herausforderung zu bewältigen.
Die Antragsdokumente, von denen es oft mehrere zehntausend innerhalb weniger Wochen gab, wurden automatisiert erfasst und vorsortiert. Ein Dokumentenklassifikator trennte Antragsformulare von Beilagen. Anschließend erfolgte eine Prüfung der Anträge durch NLP-Module. Dabei wurde sichergestellt, dass alle Pflichtfelder ausgefüllt waren und alle erforderlichen Nachweise beigefügt wurden. Auffällige Anträge – insbesondere mit extrem hohen beantragten Beträgen oder unglaubwürdigen Verwendungszwecken – wurden von einem Anomalie-Detector markiert und mussten manuell nachgeprüft werden.
Dank dieser Automatisierung können heute tausende Anträge innerhalb von Tagen bearbeiten. Ohne KI-Unterstützung wäre das nicht möglich.
Best Practices aus diesem Beispiel sind ganz klar die Skalierbarkeit und Fehlertoleranz der KI. Das System lief auch unter Spitzenlast stabil und die Metriken sind so eingestellt, dass im Zweifel lieber ein paar false positives produziert werden, als riskante Anträge durchrutschen zu lassen. Die Kombination aus Geschwindigkeit und Sicherheitsnetz war entscheidend. So können wir sowohl dem enormen Volumen gerecht werden als auch das Risiko von Missbrauch unter Kontrolle halten.
Eine kohärente Plattform bleibt das A und O
Sie möchten KI nutzen, um Schritt für Schritt den Weg zur Dunkelverarbeitung von Dokumenten zu gehen?
Die Wahrheit ist: Vielen Banken fehlt der direkte Kundenkontakt, beispielsweise in Form einer Kreditplattform, um Dokumente direkt vom Kunden einsammeln und prüfen zu können. Insbesondere Sparkassen, Spezialinstitute und Genossenschaftsbanken müssen deshalb bewusst die Entscheidung fällen, ob sie zum Heben von Effizienzen in der Kreditstrecke eigenständig agieren.
Veranstaltungstipp
KI-gestützte Kreditprozesse – Praxisbeispiele und Live Demo für zukunftssicheres KYC
6. Juni 2025 | 11:30 - 12:15 Uhr | Online | kostenfrei
Im Rahmen dieser AI Coffee Break präsentieren wir Ihnen ein Referenzprojekt von msg for banking ag sowie die in diesem Rahmen entwickelte Kreditplattform.
Sie müssen sich anmelden, um einen Kommentar zu schreiben.