KI in der Kreditanalyse: Was belegbar sein muss, bevor Menschen entscheiden

Eine flüssige Zusammenfassung kann eine falsche Kreditannahme überzeugend aussehen lassen. Für mich beginnt eine brauchbare KI-Kreditanalyse deshalb bei einer einfachen Forderung: Der Prüfer muss erkennen können, woher eine Aussage kommt und was passiert, wenn ihre Grundlage sich ändert.

Diese Forderung prägt die Architektur, die wir mit FINKI verfolgen. Ein Textmodell allein löst sie nicht.

Eine Wissensbasis braucht widersprüchliche Antworten

Fiktives Beispiel: Im Finanzierungsplan steht eine Zahlung im Juni. Im zugehörigen Vertrag hängt sie von einer Abnahme ab, die laut aktuellem Terminplan erst im August stattfinden soll.

Eine gute Analyse darf diese Angaben nicht zu einem plausibel klingenden Datum verschmelzen. Sie muss den Widerspruch zeigen, die Belege verlinken und eine Klärung anstoßen.

Die Wissensbasis sollte deshalb nicht nur Textabschnitte speichern. Sie braucht Beziehungen zwischen Vertrag, Verpflichtung, Projekt, Zahlung und verwendeter Dokumentversion. Der Status einer Information gehört dazu: vorgeschlagen, geprüft oder durch eine maßgebliche Vereinbarung belegt.

Branchenwissen verändert die Fragen

Bei einem Film kann die Erlösprüfung von Nutzungsrechten und Liefermaterialien abhängen. Bei einem Energieprojekt stehen andere Vertrags- und Betriebsannahmen im Vordergrund. Eine allgemeine Kategorie wie "gesicherte Einnahme" reicht nicht aus.

Eine Taxonomie ordnet diese Begriffe und ihre Beziehungen. Ein Branchenpaket legt fest, welche Informationen und Prüfungen relevant sind. Beide brauchen Versionen, damit später nachvollziehbar bleibt, welche Regeln eine Analyse verwendet hat.

Das ist der praktische Nutzen von Branchenkontext: Die KI soll die richtige offene Frage erkennen, statt nur vertraute Finanzbegriffe zu wiederholen.

Lassen Sie Modelle erklären und Rechenwerkzeuge rechnen

Ein Sprachmodell kann einen Vertragsabschnitt erschließen oder eine Erklärung entwerfen. Eine finanzielle Berechnung sollte dagegen mit definierten Eingaben und einer überprüfbaren Methode ausgeführt werden.

Speichern Sie die verwendete Formelversion, die Werte und den Stichtag. Fehlt eine Eingabe, muss das Ergebnis die Lücke zeigen. Eine geschätzte Zahl darf nicht unbemerkt zu einer bestätigten Zahl werden.

Spezialisten müssen ihre Arbeit übergeben können

Ein Vertragsagent könnte die fragliche Abnahmebedingung markieren. Ein Liquiditätswerkzeug berechnet die Folgen des späteren Eingangs. Ein weiterer Arbeitsschritt erstellt eine Rückfrage für den zuständigen Menschen.

Die Übergabe braucht eine gemeinsame Struktur: Aufgabe, Quellen, betroffene Datensätze, Unsicherheit, zuständige Person und Gültigkeitsgrenze. Freie Texte zwischen Agenten reichen dafür nicht zuverlässig aus.

Ebenso wichtig sind Grenzen. Ein Agent für Bank A darf keine privaten Konditionen von Bank B verwenden, auch wenn sie für seine Antwort nützlich wären.

Lernen braucht eine kontrollierte Rückmeldung

Eine menschliche Korrektur ist zunächst ein dokumentiertes Feedback. Sie ist noch keine allgemeingültige neue Regel. Prüfen Sie, ob die Korrektur auf andere Fälle übertragbar ist und ob die Daten dafür genutzt werden dürfen.

Neue Prompts, Regeln oder Modelle sollten gegen bekannte Fälle getestet werden. Dazu gehören Fehlerfälle, nicht nur gelungene Beispiele. Erst nach einer Freigabe werden Änderungen ausgerollt; die vorige Version muss nachvollziehbar bleiben.

So kann ein System aus Arbeitsergebnissen besser werden, ohne vertrauliche Deal-Daten ungeprüft zwischen Kunden zu verwenden.

Prüfen Sie die KI an einer Änderung

Bitten Sie in einer Demo um den Ursprung einer Empfehlung. Ändern Sie danach den relevanten Beleg. Die frühere Aussage sollte als überholt erkennbar sein, und der neue Vorschlag sollte erneut prüfbar werden.

An diesem Ablauf lässt sich mehr ablesen als an einer selbstbewusst formulierten Antwort. Zum Software-Prüfplan.

Der Beitrag beschreibt unsere technischen Gestaltungsprinzipien. Er behauptet weder autonome Kreditentscheidungen noch eine bereits nachgewiesene Leistungssteigerung im produktiven Bankbetrieb.