top of page
Automatisierte Kreditmodelle von ING steigern die Effizienz und den Wert für Kunden und Mitarbeiter
  • In der Vergangenheit verursachten Kreditentscheidungen, die durch eine Vielzahl von manuellen Arbeitsschritten und –prozessen geprägt waren, einen hohen Zeitaufwand bei den sie bearbeitenden Mitarbeitern. Dadurch fehlte diesen die Zeit für die Bearbeitung der wichtigeren, risikoreichen Fälle. 

  • Expertenbasiertes Lernen ermöglicht einerseits eine regelmäßige und häufiger wiederkehrende Bewertung und andererseits eine zeitnahe Anpassung an neue Rahmenbedingungen  

  • Die Modelle wurden innerhalb der ING von den Abteilungen “Model Risk Management”, “IT-Risikomanagement” und “Kreditrisikomanagement” validiert und genehmigt. 

  • 80 % der Kreditüberprüfungen und 50 % der Kreditverlängerungen wurden automatisiert; die Automatisierung der Prozesse im Bereich der Neukreditvergabe wird aktuell im Rahmen eines Pilotprojekts getestet.  

  • Die Customer Journeys wurden verbessert und die Mitarbeiterzufriedenheit erhöht. 

Auf einen Blick:

ING Real Estate Finance möchte auch weiterhin der Vorreiter im Markt bleiben und gleichzeitig den Vorgaben und Regularien der Aufsichtsbehörden entsprechen. Manuelle Kreditprüfungsprozesse nahmen ein hohes Maß an menschlicher Kapazität in Anspruch. Die manuelle Durchführung der Kreditprüfungsanträge und die damit verbundenen repetitiven Aufgaben nehmen einen Großteil der den Mitarbeitern zur Verfügung stehenden Zeit in Anspruch. Dies verhindert schnelle und effiziente Entscheidungsprozesse hin zum Kunden. Dieser Umstand stellte sich bei risikoreichen Fällen noch schwerwiegender dar, da für deren Prüfung nicht ausreichend Zeit zur Verfügung stand.   


Regelbasiert oder künstliche Intelligenz...warum nicht beides? 

ING beauftragte IG&H zunächst mit der Entwicklung eines regelbasierten Modells für die Kreditrisikoprüfung. Das regelbasierte Modell erwies sich letztlich als zu komplex; die vielen Regeln erschwerten die Pflege und marginale Unterschiede wurden nicht erkannt, was dazu führte, dass das Modell in sich zu ungenau wurde. Dies führte zu einer großen Unsicherheit in der Anwendung. Der von IG&H bevorzugte Ansatz bestand darin, das Wissen und die Erfahrung der Experten mithilfe von KI zu erfassen. Die Verwirklichung dieser Vision erforderte eine enge Zusammenarbeit der Risikoabteilung mit der Fachabteilung und dem Data-Science-Team. So wurde ein Modell der Künstlichen Intelligenz (KI) entwickelt, um dessen Mehrwert unter Beweis zu stellen. Auf der Grundlage dieses Erfolgs wurden weitere Modelle für die Krediterweiterung bzw. - verlängerung und Kreditanträge erstellt. 


Expertenbasiertes Lernen, das im Haus bleibt 

Data Science Projekte wie dieses können eine Herausforderung darstellen. Sowohl Risikomanager als auch Data Scientist müssen mit an Bord sein. Folglich ist ein Gleichgewicht zwischen Business und Risiko entscheiden für den Projekterfolg. IG&H ist dazu in der Lage, die wesentlichen Teile eines Projekts miteinander zu verbinden: Business, Risiko und IT und Telekommunikation. Zudem verfügt die IG&H über weitreichende Erfahrung im Managen unterschiedlicher Interessensgruppen innerhalb von komplexen Organisationen.  

 

Expertenbasiertes Lernen (EBL) sorgt dafür, dass sich die Experten einbringen und engagieren. Dieses Engagement basiert auf Transparenz: Das Modell macht die Ergebnisse offensichtlich und visualisiert sie in einem Dashboard für den Benutzer. Da die Experten die Kontrolle darüber haben, was das Modell tut und wie es funktioniert, sind sie es auch, die es ermöglichen, dass das Modell sich leicht an neue Umstände anpasst.  Product Owner und Sponsor des KI-Modells ist die Abteilung für Kreditrisikomanagement. 

 

KI-Modelle lernen aus historischen Daten und Ergebnissen. Historische Daten sind jedoch nicht immer verfügbar. Und was passiert, wenn sich etwas an den äußeren und nicht zu beeinflussenden Rahmenbedingungen verändert, wie etwa COVID, das einen enormen Einfluss auf die Wertentwicklung von Büroflächen hatte oder eine VEränderung der Inflationsrate, neue Richtlinien etc.? Das vorliegende EBL-Modell wurde in nur wenigen Tagen trainiert, ohne dass historische Daten benötigt wurden. Mit experten basiertem Lernen können Anpassungen innerhalb weniger Tage oder Wochen anstatt Monaten vorgenommen werden. Aufgrund zahlreicher Umweltfaktoren, die einen direkten Einfluss auf die Immobilienfinanzierung haben, liegt die Stärke des Modells in seiner schnellen Anpassungsfähigkeit.  


 

"Gemeinsam mit dem Data-Science-Team der IG&H haben wir innerhalb der ING ein einzigartiges Entscheidungsmodell für den Immobilienfinanzierungsmarkt für Prüfungen, Erweiterungen und Anträge entwickelt. Hierdurch schaffen wir einen Mehrwert, indem wir unsere Immobilienfinanzierungsexpertise dort einsetzen, wo spezifisches Fachwissen benötigt wird, wie z.B. bei risikobedingten Ausnahmefällen. Indem wir repetitive Arbeiten weitgehend reduzieren, schaffen wir mehr Effizienz und Mehrwert für unsere Kollegen." 


Hein Wegdam | General Manager ING Real Estate Finance