Mehr als Automatisierung: Wie KI die Logik im Kreditgeschäft verändert

Künstliche Intelligenz verändert nicht nur, wie Banken Kredite bearbeiten. Sie stellt zunehmend infrage, wie Kreditprozesse überhaupt organisiert sein sollten. Für Sparkassen, Volksbanken, Zentralinstitute und Landesförderinstitute eröffnet sich damit die Chance, drei bislang häufig konkurrierende Ziele zu verbinden: höhere Prozesseffizienz, bessere Kreditentscheidungen und stärkere Kundenorientierung.

Voraussetzung ist jedoch, den Kreditprozess nicht nur technologisch zu ergänzen, sondern seine Bearbeitungslogik neu zu denken – unter Wahrung von Risikotragfähigkeit, Nachvollziehbarkeit und regulatorischer Konformität.

Die eigentliche Herausforderung: Wir automatisieren Prozesse, die wir heute so nicht mehr entwickeln würden

Das Kreditgeschäft gehört zu den zentralen Ertrags- und Differenzierungsfeldern vieler Institute. Gleichzeitig ist es häufig durch hohen manuellen Bearbeitungsaufwand, viele Schnittstellen und historisch gewachsene Strukturen geprägt.

Trotz Fortschritten bei Digitalisierung und Standardisierung folgt die Kreditbearbeitung vielfach einer sequenziellen Logik: Unterlagen werden angefordert, geprüft und aufbereitet, Analysen erstellt, Entscheidungen vorbereitet und Verträge ausgefertigt. Informationen werden mehrfach erfasst, zwischen Organisationseinheiten weitergegeben und an unterschiedlichen Stellen erneut bewertet.

Diese Strukturen schaffen regulatorische Konformität, klare Verantwortlichkeiten und Risikokontrolle. Sie beruhen jedoch auf einer Annahme, die KI zunehmend infrage stellt: dass die Kreditbearbeitung im Wesentlichen durch die Abfolge menschlicher Arbeitsschritte strukturiert werden muss.

KI kann Informationen erschließen, Sachverhalte analysieren, Entscheidungsvorlagen erstellen und Arbeitsschritte koordinieren. Die strategische Frage lautet daher nicht: „Wie beschleunigen wir unseren heutigen Prozess mit KI?“ Sondern: „Wie würden wir die Kreditbearbeitung heute aufbauen, wenn Kundenbedarf, Risiko, Datenqualität und regulatorische Anforderungen der Ausgangspunkt wären?“

Wie KI die Bearbeitungslogik verändert

Das Ziel ist kein vollständig autonomer Kreditprozess. Vielmehr entsteht eine Bearbeitungslogik, die hochautomatisiert, datengetrieben und risikoadaptiv ist – und menschliche Expertise dort einsetzt, wo sie den größten Mehrwert schafft.

Vom Kreditantrag zur intelligenten Kundenbegleitung

Heute beginnt ein Kreditprozess häufig erst, wenn ein Kunde einen konkreten Finanzierungsbedarf artikuliert. Künftig können Institute früher ansetzen: Durch die zulässige Verknüpfung vorhandener Daten lassen sich potenzielle Finanzierungsbedarfe identifizieren. KI kann Berater bei der Interpretation dieser Signale unterstützen, Finanzierungsalternativen simulieren und passende Angebote vorbereiten.

Weniger Zeit fließt dann in Informationsbeschaffung und Administration, mehr in Beratung und Kundenbeziehung. Voraussetzung sind klare Datenfreigaben, Datenschutz, Zweckbindung und eine nachvollziehbare Kundenkommunikation.

Von manueller Sachbearbeitung zur End-to-End-Orchestrierung

Dokumente sichten, Informationen übertragen, Vollständigkeit prüfen oder Entscheidungsvorlagen erstellen: Ein erheblicher Teil der heutigen Kreditbearbeitung erfordert nur begrenzt fachliches Urteilsvermögen. Prozessautomatisierung, generative KI und agentische Systeme können solche Tätigkeiten durchgängig unterstützen.

Jahresabschlüsse, BWAs und weitere Unterlagen können automatisiert ausgelesen, strukturiert und analysiert werden. Fehlende Informationen werden erkannt, Plausibilitätsprüfungen angestoßen und Ergebnisse für die weitere Bearbeitung aufbereitet.

Der entscheidende Fortschritt liegt nicht in der Automatisierung einzelner Tätigkeiten, sondern in ihrer Orchestrierung über Prozess- und Systemgrenzen hinweg. Dabei müssen Datenherkunft, Verarbeitungsschritte und Ergebnisse Rückverfolgbarkeit, Auditierbarkeit, Robustheit und Resilienz gewährleisten – Anforderungen, die u.a. die Aufsicht ausdrücklich an daten- und technologiegestützte Kreditprozesse stellt.^[1]

Von einheitlichen Prozessen zur risikoadaptiven Bearbeitung

Nicht jeder Kreditfall benötigt dieselbe Bearbeitungstiefe. Standardisierte Finanzierungen mit überschaubarem Risiko, hoher Datenqualität und klaren Entscheidungskriterien können weitgehend automatisiert bearbeitet werden. Bei komplexeren Engagements übernimmt KI die Informationsaufbereitung und unterstützt die Analyse, während Spezialisten sich auf entscheidungsrelevante Fragestellungen konzentrieren. Bei erhöhtem Risiko steigt die Analyse- und Kontrollintensität gezielt.

Wichtig ist die Differenzierung: Automatisierte Informationsaufbereitung ist etwas anderes als automatisierte Entscheidungsvorbereitung – und diese wiederum etwas anderes als eine vollautomatisierte Kreditentscheidung. Letztere ist nur für klar definierte Produkte, Segmente und Risikoklassen sowie mit angemessenen Kontrollen, Eskalationswegen und Nachvollziehbarkeit zulässig.

Das Ziel ist nicht, jeden Kredit mit möglichst geringem Aufwand zu bearbeiten, sondern den richtigen Bearbeitungsaufwand für Risiko, Komplexität und Materialität einzusetzen. Effizienz und Risikosteuerung stehen dann nicht im Widerspruch, sondern können sich gegenseitig verstärken.

Von punktueller Überwachung zum kontinuierlichen Kreditmanagement

Die Kreditbearbeitung endet nicht mit der Auszahlung. Veränderungen in Kontobewegungen, wirtschaftlichen Kennzahlen oder anderen relevanten Informationen können frühzeitig auf veränderte Risiken hinweisen. KI kann solche Signale verdichten, priorisieren und konkrete Prüfbedarfe vorbereiten.

Stabile Engagements können – soweit regulatorisch und institutsindividuell zulässig – stärker automatisiert überwacht werden. Entscheidend sind dabei definierte Frühwarnindikatoren, klare Schwellenwerte, dokumentierte Eskalationsregeln und eindeutige Zuständigkeiten für Folgeaktionen. Die EBA erwartet eine laufende Überwachung der Kreditrisiken sowie Frühwarnmechanismen, die rechtzeitig auf Verschlechterungen hinweisen.

Damit entwickelt sich die Kreditbearbeitung vom punktuellen Entscheidungsvorgang zu einem intelligent gesteuerten Kreislauf über den gesamten Kreditlebenszyklus.

Automatisierung allein schafft noch keinen wirtschaftlichen Mehrwert

Für Banken ist nicht entscheidend, was technologisch möglich ist, sondern welcher wirtschaftliche Mehrwert daraus entsteht. Eine reine Betrachtung eingesparter Bearbeitungsminuten greift zu kurz. Der Mehrwert sollte entlang von vier Dimensionen bewertet werden:

• Produktivität: End-to-End-Durchlaufzeiten (von Time-to-Yes über Time-to-Contract zu Tim-to-Cash), Fallbearbeitungskapazität, Nacharbeiten und Ausnahmequote
• Ertrag: Abschlussquote, Cross-Selling-Potenzial, Kundenerlebnis
• Risiko: Entscheidungsqualität, frühere Risikoidentifikation, Qualität der Bonitätsanalyse und Risikovorsorgekosten
• Kapazität: Freisetzung von Expertenkapazität für Beratung, komplexe Risikobeurteilung und Vertrieb

Höhere Produktivität muss nicht primär Personalabbau bedeuten. Sie kann Wachstum ohne proportionalen Kapazitätsaufbau ermöglichen und qualifizierte Mitarbeitende von administrativen Tätigkeiten entlasten.

Die wirtschaftlichen Effekte entstehen jedoch nicht automatisch. Wenn freiwerdende Kapazitäten nicht in Organisationsstrukturen, Zuständigkeiten und Kapazitätsplanung übersetzt werden, bleibt ein wesentlicher Teil des Potenzials ungenutzt.

Warum die Transformation nicht bei einzelnen KI-Anwendungen beginnen darf

Automatisierte Dokumentenanalyse, KI-gestützte Kreditvorlagen oder Assistenzsysteme sind sinnvolle Einstiegspunkte. Sie ergeben jedoch noch keinen grundlegend leistungsfähigeren Kreditprozess. Im Gegenteil besteht die Gefahr, bestehende Strukturen lediglich um zusätzliche technologische Komponenten zu ergänzen.

Dafür braucht es erstens ein End-to-End-Zielbild: Welche Kreditfälle sollen künftig wie bearbeitet werden? Welche Informationen sind erforderlich? Welche Schritte können automatisiert, welche Entscheidungen vorbereitet und wo menschliche Prüfung, Entscheidung und Kontrolle erforderlich bleiben?

Zweitens müssen Daten, Prozesse und Technologie gemeinsam weiterentwickelt werden. KI entfaltet ihren Mehrwert nur, wenn relevante Informationen in ausreichender Qualität verfügbar sind, Systemübergänge funktionieren und Ergebnisse unmittelbar in nachgelagerte Bearbeitungsschritte einfließen. Für KI-Systeme in der Bonitätsbewertung kommen Anforderungen an Datenqualität, Repräsentativität, Verzerrungsfreiheit, Dokumentation und kontinuierliche Leistungsüberwachung hinzu.^[2]

Drittens muss die Organisation Teil der Transformation sein. Wenn KI wesentliche Teile der Informationsaufbereitung und Analyse übernimmt, verändern sich Aufgabenprofile, Kompetenzanforderungen und Verantwortlichkeiten. Menschliche Aufsicht bedeutet dabei nicht, eine KI-Empfehlung formal abzuzeichnen, sondern deren Grundlagen zu verstehen, sie kritisch zu bewerten und bei Bedarf eingreifen zu können.^[3]

Viertens braucht es eine KI- und Modellgovernance im bestehenden Kontrollsystem. Dazu gehören ein klarer Anwendungszweck, definierte Entscheidungsgrenzen, Modellvalidierung, Bias-Tests, Protokollierung, Ausnahme- und Eskalationsprozesse sowie regelmäßige Überprüfung der Modellleistung. ^[4]

Die entscheidende Frage ist nicht, ob KI kommt

Die spannende Frage ist nicht, ob KI wesentliche Teile der Kreditbearbeitung verändern wird. Das wird sie. Die Frage ist, welche Institute die technologischen Möglichkeiten nutzen, um ihre Kreditprozesse grundlegend neu aufzustellen – und welche lediglich bestehende Abläufe um zusätzliche KI-Anwendungen ergänzen.

Wer KI als Ausgangspunkt für eine neue Bearbeitungslogik versteht, kann Prozesse konsequenter an Kundenbedarf, Risiko und wirtschaftlicher Wertschöpfung ausrichten. Menschliche Expertise wird dadurch nicht überflüssig. Ihre Rolle verändert sich: weg von routinemäßiger Informationsverarbeitung und administrativer Koordination, hin zu Beratung, Bewertung komplexer Sachverhalte, Modell- und Ergebnisinterpretation sowie verantwortungsvoller Kreditentscheidung.

Wer dagegen ausschließlich bestehende Arbeitsschritte automatisiert, riskiert, zwar einzelne Effizienzgewinne zu realisieren, das strukturelle Potenzial der Technologie aber nicht auszuschöpfen.

Unsere Experten bei Horn & Company unterstützen Sie dabei, die strategischen, regulatorischen und wirtschaftlichen Implikationen von KI für Ihr Kreditgeschäft zu bewerten – vom End-to-End-Zielbild über die Priorisierung konkreter Transformationsfelder bis zur organisatorischen, technologischen und operativen Umsetzung. Sprechen Sie uns gerne an.