KI-Kreditvergabe erweitert den Kreditzugang, doch Aufsicht ist wichtig

Viele Finanzdienstleistungen sind im Kern Informationsgeschäfte. Ein Versicherungsunternehmen benötigt beispielsweise verlässliche Informationen über die künftige Unfallhäufigkeit und die damit verbundenen Kosten, um den Preis einer Versicherungspolice so festzulegen, dass sie weiterhin rentabel ist.

Auch bei der Kreditvergabe müssen das Ausfallrisiko eines bestimmten Kunden angemessen eingeschätzt und die Zinsen entsprechend festgelegt werden.

Historisch geschah dies zunächst ausschließlich nach menschlichem Ermessen und mithilfe rudimentärer mathematischer Formeln. Dabei beeinflussten die soziale Schicht, persönliche Beziehungen und das persönliche Verhalten den Zugang des Einzelnen zu Finanzdienstleistungen.

Nach und nach kamen professionellere und objektivere Verfahren auf, mit denen sich Risiken angemessen und weniger voreingenommen beurteilen ließen. In den USA entwickelten sich beispielsweise Kreditbewertungen zum vorherrschenden Verfahren, um die Kreditwürdigkeit von Antragstellern einzuschätzen.

Inzwischen setzen sich noch fortschrittlichere Verfahren zunehmend durch: Sie nutzen KI, um Kreditrisiken noch präziser einzuschätzen, und greifen dabei auf einen Datenschatz zurück, den herkömmliche Kreditbewertungen nicht nutzen.

KI-gestützte Kreditvergabe kann daher auch Kreditnehmer erreichen, die von herkömmlichen Kreditmodellen meist übergangen werden, und insgesamt die Risikobewertung verbessern. Eine solche Ausweitung des Kreditzugangs birgt jedoch auch Risiken, wenn sie nicht sachgerecht umgesetzt wird – etwa durch Fehler bei der tatsächlichen Kreditwürdigkeitsprüfung oder eine zunehmende Diskriminierung.

Eine neue Studie von Forschenden der Kunming University (China), der Shanghai University of Finance and Economics (China) und der University of Hamburg (Deutschland) untersucht die Auswirkungen künstlicher Intelligenz auf die Kreditmärkte.

Die Studie ergab, dass KI-gestützte Kreditvergabe die finanzielle Teilhabe im Durchschnitt um 8,4–11,2 Prozentpunkte erhöht, vor allem bei FinTech-Kreditgebern. Zugleich zeigte sich, dass die durch KI vorangetriebene Ausweitung der Kreditvergabe die Volatilität extremer Risiken verstärkt.

Die Forschenden veröffentlichten ihre Ergebnisse in International Review of Economics & Finance¹ unter dem Titel „Künstliche Intelligenz auf den Kreditmärkten: algorithmische Kreditvergabe, finanzielle Teilhabe und regulatorische Arbitrage“.

Analyse der KI-Kreditvergabe

Chancen und Risiken der KI-Kreditvergabe

Was einst eine Neuerung von Vorreitern wie Upstart war (mehr über das Unternehmen weiter unten), ist heute in irgendeiner Form in den meisten Kreditvergabeprozessen zu finden.

„Algorithmen des maschinellen Lernens bilden inzwischen die Grundlage für Kreditvergabesysteme großer Privatkundenbanken und digitaler Kreditplattformen sowie für eine wachsende Zahl von FinTech-Anbietern.“

Diese Systeme können Tausende von Variablen auswerten und berechnen, darunter Transaktionsverläufe, psychometrische Beurteilungen, Verhaltensmuster bei der Mobiltelefonnutzung und soziale Signale in Echtzeit. Das kann jedoch auch neue Probleme verursachen:

• Sie können historische Verzerrungen, die in den Trainingsdaten enthalten sind, fortschreiben oder verstärken.
• Sie arbeiten mit einer gewissen Intransparenz, die eine wirksame Aufsicht erschwert.
• Ihr Einsatz über Länder- und Zuständigkeitsgrenzen hinweg begünstigt eine Form der regulatorischen Arbitrage, die die territoriale Logik der Aufsicht über die Finanzstabilität infrage stellt.

Die richtige Datengrundlage schaffen

Um nicht nur die Auswirkungen der KI-Kreditvergabe auf lokaler Ebene, sondern auch über Ländergrenzen hinweg zu untersuchen, analysierten die Forschenden im Zeitraum 2012–2022 Daten aus 42 Volkswirtschaften: 14 aus dem asiatisch-pazifischen Raum, 10 aus Europa, 10 aus Lateinamerika und 8 aus Subsahara-Afrika.

Für diese Länder erhoben sie Daten zur finanziellen Teilhabe, zur Qualität der Aufsichtsstrukturen und zur umfassenden Ausgestaltung makroprudenzieller Rahmenbedingungen.

Die wichtigste Kennzahl, die finanzielle Teilhabe, wurde anhand folgender Faktoren ermittelt:

• Anteil der Bevölkerung mit einem formellen Kreditkonto.
• Kreditdurchdringung bei Kleinst-, kleinen und mittleren Unternehmen (KKMU).
• Verhältnis der Kreditnehmer zur erwachsenen Bevölkerung.
• Zahl der Geschäftsbankfilialen je 100.000 Erwachsene.
• Anteil der Bevölkerung mit einem Mobile-Money-Konto.

Außerdem entwickelten sie eine neue Kennzahl für die Intensität der Einführung von KI-Kreditvergabe (ALII), um zu ermitteln, wie verbreitet diese in einem bestimmten Land ist.

„Der ALII dient als strukturelle Kennzahl für die Intensität der Technologieeinführung auf makroökonomischer Ebene und die Verteilung der Kapazitäten über den gesamten Sektor hinweg. Anstatt die Genauigkeit einzelner Modelle oder die algorithmische Ausrichtung auf Mikroebene zu prüfen, erfasst der Index die strukturelle Dichte und den operativen Einsatz automatisierter Entscheidungsprozesse im gesamten Finanzökosystem.“

Studienergebnisse

Deutliche Unterschiede

Wie zu erwarten war, zeigte die Studie, dass die finanzielle Teilhabe je nach Region stark variiert: Die Werte reichten von 0,042 in Volkswirtschaften mit niedrigem Einkommen in Subsahara-Afrika in den ersten Jahren des Untersuchungszeitraums bis zu 0,941 in Volkswirtschaften mit hohem Einkommen im asiatisch-pazifischen Raum in späteren Jahren.

Der AI Lending Intensity Index weist eine noch größere Streuung auf: Hinter dem Mittelwert von 0,317 verbirgt sich ein Variationskoeffizient von 0,89. In Ländern mit niedrigem Einkommen lag der Durchschnitt bei 0,089, in Ländern mit hohem Einkommen bei 0,524.

Ein weiterer Befund ist der deutliche Anstieg des ALII nach 2016, der zeitlich mit der kommerziellen Einführung von Deep-Learning-Anwendungen in der Kreditwürdigkeitsprüfung zusammenfällt. Die höchsten Werte der Credit Cycle Volatility (CCV) wurden unterdessen im Zeitraum nach 2015 in Schwellenländern beobachtet. Das fällt mit der raschen Ausweitung der FinTech-Kreditvergabe zusammen, die in den ALII-Daten dokumentiert ist.

KI-Kreditvergabe fördert finanzielle Inklusion

Die Studie stellte einen direkten Zusammenhang zwischen KI-Kreditvergabe und finanzieller Inklusion fest.

„Ein Anstieg des AI Lending Intensity Index um eine Standardabweichung geht mit einem Anstieg des Financial Inclusion Index um 0,084 Standardabweichungen einher.“

Zudem schien der positive Einfluss der KI-Kreditvergabe auf die finanzielle Inklusion bei geringerer Aufsichtskapazität stärker zu sein. Dafür könnte es zwei mögliche, einander nicht ausschließende Gründe geben:

• In Ländern mit schwächerer Aufsicht gibt es größere Gruppen unterversorgter Kreditnehmer, die KI-Kreditgeber mithilfe alternativer Daten profitabel bedienen können.
• KI-Kreditgeber in Ländern mit schwacher Aufsicht sind eher bereit, Kredite an Kreditnehmer mit geringer Bonität zu vergeben, weil die regulatorischen Kosten einer möglichen Zuordnung von Zahlungsausfällen geringer sind.

Dieser Effekt scheint außerdem vor allem von FinTech-Unternehmen auszugehen: KI-Kreditgeber aus dem Technologiesektor erzielen deutlich höhere Zuwächse bei der finanziellen Inklusion (Faktor 3) als etablierte Banken, die KI-Tools einsetzen.

„Ein Anstieg der Intensität der KI-Kreditvergabe durch FinTech-Unternehmen um eine Standardabweichung erhöht den FII um etwa 13,8 Prozentpunkte – nahezu dreimal so stark wie eine gleichwertige KI-Einführung bei etablierten Banken.“

Der Anstieg der finanziellen Inklusion scheint also nicht darauf zurückzugehen, dass KI die Bearbeitungskosten für bestehende Bankkunden senkt. Vielmehr nutzt FinTech KI, um Kreditnehmer zu erreichen, die vom herkömmlichen Bankensystem ausgeschlossen sind.

Das entspricht der allgemeinen Auffassung, dass etablierte Banken KI eher defensiv einsetzen, um bestehende Kundenbeziehungen zu schützen, statt offensiv neue Kundengruppen anzusprechen.

Höhere Risiken je nach Land?

Laut der Studie geht eine stärkere finanzielle Inklusion durch KI-Kreditvergabe in Ländern mit schwacher Aufsicht nicht mit einem signifikanten Anstieg der Systemrisiken einher. Daher dürfte dies das Umfeld sein, in dem KI-Kreditvergabe die besten Ergebnisse erzielt: mit stärkeren Zuwächsen bei der finanziellen Inklusion und geringeren Risiken.

In stärker entwickelten Volkswirtschaften und stärker regulierten Finanzsystemen bringt KI-Kreditvergabe dagegen moderatere Vorteile für die finanzielle Inklusion. Zugleich führt sie dort zu einem kleinen, aber nicht unerheblichen Anstieg der Risiken. Das liegt wahrscheinlich daran, dass in diesen Volkswirtschaften nur Kreditnehmer mit besonders geringer Bonität tatsächlich von jeder Form der Kreditvergabe ausgeschlossen sind.

„Die finanzielle Inklusion ist in der erwachsenen Bevölkerung bereits nahezu universell. Dadurch gibt es für KI-Kreditvergabe nur wenig Spielraum, den Anteil der einbezogenen Kreditnehmer zu erhöhen.“

Wie bei jeder Kreditvergabe treten die größten Risiken nicht unter normalen Marktbedingungen auf, sondern in Phasen hoher Anspannung im Finanzsystem. Automatisierte Kreditvergabe scheint in ruhigen Zeiten zwar stabil zu sein, führt in Krisen jedoch zu raschen, flächendeckenden Kürzungen der Kapitalvergabe. Deshalb sind solide makroprudenzielle Puffer entscheidend, um systemische Zusammenbrüche und Panik an den Märkten zu verhindern.

Regulatorische Arbitrage

Ein etwas besorgniserregenderer Befund der Studie ist, dass FinTech-Unternehmen, die KI für die Kreditvergabe einsetzen, versuchen, strengeren Vorschriften zu entgehen – unter anderem durch den Einsatz von Briefkastenfirmen.

„Im asiatisch-pazifischen Raum bremsten die Unternehmen ihre Aktivitäten nicht, als die lokale Aufsichtsintensität von ＋0,02 auf ＋0,22 stieg. Stattdessen verlagerten sie ihre Geschäfte aus dem regulierten Bereich heraus: Die Zahl ihrer außerhalb des Aufsichtsperimeters angesiedelten Tochtergesellschaften stieg von 2 auf 11. Gleichzeitig erhöhten sie die grenzüberschreitende Weiterleitung von Vermögenswerten von 14,5 % auf 52,8 % – mehr als das Dreifache. In der Folge schnellte die Zahl der Rechtsstreitigkeiten in die Höhe.“

Das zeigt, dass die lokalen Vorschriften Schwierigkeiten haben, diese Art von Kreditgebern vollständig zu regulieren. Stattdessen begünstigt dies agile digitale Kreditgeber dabei, ihre Unternehmen aufzuspalten und Kapital in unüberwachte Gebiete zu verlagern.

Was die Studie zur KI-Kreditvergabe für Anleger bedeutet

Diese Studie bestätigt frühere Untersuchungen, denen zufolge KI-Kreditvergabe die finanzielle Inklusion verbessert. So war beispielsweise bereits bekannt, dass algorithmische Hypothekenprüfungen in den Vereinigten Staaten die Bewilligungsquoten für Kreditnehmer aus Minderheiten erhöhen, ohne dass die Ausfallraten entsprechend steigen. Das spricht dafür, dass sie aufgrund von Diskriminierung und nicht aufgrund einer risikobasierten Bewertung ausgeschlossen werden.

Die Studie zeigt nun, dass dieser Effekt in praktisch allen Regionen und Arten von Volkswirtschaften auftritt. Zudem stützt sie einen direkten kausalen Zusammenhang zwischen einer stärkeren KI-Kreditvergabe und einem besseren, faireren Zugang zu Kapital. Besonders ausgeprägt ist dieser Effekt in Regionen mit geringer finanzieller Inklusion und/oder schwächerer Aufsicht.

Zugleich stellte die Studie fest, dass höhere Risiken und geringere Vorteile in entwickelten Volkswirtschaften häufig sind.

Das könnte also bedeuten, dass KI-gestützte Kreditvergabe zwar zunächst den Zugang zu Kapital verbessert hat, der größte Nutzen und die geringsten Risiken jedoch in Frontiermärkten zu finden sein könnten. Dabei gilt natürlich der Vorbehalt, dass solche Märkte grundsätzlich risikoreicher sind als entwickelte Volkswirtschaften – unabhängig von der Qualität eines einzelnen Unternehmens für KI-gestützte Kreditvergabe.

Schließlich scheinen FinTech-Unternehmen regionale Arbitragemöglichkeiten schnell auszunutzen und zu versuchen, strengere Vorschriften zu umgehen. Langfristig kann dies ein Risiko darstellen: Eine bessere regionale Abstimmung oder ein härteres Vorgehen der Aufsichtsbehörden könnte die Margen beeinträchtigen und für diese Unternehmen sogar zu Gerichtsverfahren führen – ein Risiko, das ihre Aktionäre berücksichtigen sollten.

Insgesamt sollten Anlegerinnen und Anleger bei FinTech-Unternehmen, die KI-gestützte Kreditvergabe anbieten, neben dem Wachstum des Kreditvolumens auch prüfen, ob diese Plattformen den Zugang nachhaltig ausweiten können.

Gibt es eine ausreichend große Gruppe von Menschen, die von der bestehenden Finanzbranche schlecht versorgt wird, dürfte die KI-gestützte Kreditvergabe einen großen Nutzen bieten und einen umfangreichen adressierbaren Markt erschließen.

Ist diese Gruppe zu klein, können höhere Ausfallrisiken in angespannten Marktphasen oder ebenso riskante Methoden, Vorschriften durch grenzüberschreitende Aktivitäten zu umgehen, langfristig verborgene Gefahren für die Aktionäre des Unternehmens mit sich bringen.

In KI-gestützte Kreditvergabe investieren

Upstart Holdings

Mit dem Wandel bei der Kreditvergabe und den Bonitätsbewertungen entstehen neue Unternehmen, die bessere Alternativen zu herkömmlichen Bonitätsbewertungen und Kreditvergabepraktiken anbieten. Eines davon ist Upstart, ein 2012 gestarteter, KI-gestützter Kreditmarktplatz – lange bevor KI in der Tech-Debatte in den Mittelpunkt rückte.

Hinter der Gründung von Upstart stand die Überzeugung, dass das bestehende Bonitätssystem ineffizient und veraltet ist. Da deutlich mehr Daten zur Verfügung standen, musste es möglich sein, Kreditrisiken besser zu erkennen und dadurch einem großen Teil der Bevölkerung günstigere Kredite anzubieten.

„Unser Modell für Privatkredite bewertet das Kreditnehmerrisiko deutlich präziser als ein herkömmliches Kreditmodell. Wir sind überzeugt, dass noch Jahre an Verbesserungen bei der Modellierung vor uns liegen.“

Dieser frühe Start verschaffte dem Unternehmen eine umfangreiche Datenbasis, mit der es seine eigene KI trainieren und die jüngsten Fortschritte bei den Methoden zum KI-Training nutzen konnte.

Quelle: Upstart

Das bedeutet, dass Upstarts Methode Personen mit hohen FICO-Werten erkennen kann, die in der Praxis jedoch ein hohes Risiko haben, ihre Kredite nicht zurückzuzahlen. Umgekehrt ist es bei Personen mit niedrigen FICO-Werten nicht besonders wahrscheinlich, dass sie ihren Kredit nicht zurückzahlen.

Durch den Einsatz von KI und Daten kann Upstart für eine bestimmte Gruppe also herausragende Ergebnisse erzielen. So kann das Unternehmen beispielsweise bei gleichbleibendem Risiko mehr Kredite vergeben und die Bewilligungsquote von 27 % auf 67 % steigern. Oder es kann die Verluste deutlich verringern, indem es die Ausfallquote von 9 % auf 5 % senkt – also auf fast die Hälfte.

Quelle: Upstart

Der Einsatz eines Algorithmus anstelle eines Kreditsachbearbeiters automatisiert den Prozess. Das ist kostengünstiger und macht die Beantragung eines Kredits deutlich schneller und angenehmer.

Upstarts Marktplatz bringt Kreditnehmende mit Banken, Kreditgenossenschaften und institutionellen Kapitalgebern zusammen. Das Unternehmen berichtete, dass institutionelle Anleger 2025 64 % des über seinen Marktplatz vergebenen Kreditkapitals erwarben.

Upstart ist in einem enorm großen Markt tätig: Weltweit werden jedes Jahr Kredite im Umfang von 25 Billionen US-Dollar vergeben. Davon steht den Plattformen, die diese Kredite vermitteln und betreuen, ein Umsatzpotenzial von bis zu 1 Billion US-Dollar zur Verfügung.

2025 vergab das Unternehmen 1,5 Millionen Kredite (ein Plus von 115 % gegenüber dem Vorjahr) mit einem Gesamtvolumen von 11 Milliarden US-Dollar (plus 86 % gegenüber dem Vorjahr) und erzielte einen Gesamtumsatz von 1 Milliarde US-Dollar (plus 64 % gegenüber dem Vorjahr). Das Unternehmen wächst auch in neuen Segmenten schnell: So stieg die Vergabe von Autokrediten auf das Fünffache – von 45 Millionen US-Dollar im vierten Quartal 2024 auf 263 Millionen US-Dollar im ersten Quartal 2026 – und die Vergabe von Immobilienkrediten auf das Sechsfache – von 27 Millionen US-Dollar im vierten Quartal 2024 auf 143 Millionen US-Dollar im ersten Quartal 2026.

Auch wenn die Zahl der derzeit vergebenen Kredite bereits hoch ist, verblasst sie im Vergleich zum vollen Potenzial fortschrittlicher Bonitätsbewertungsmethoden und KI-gestützter Kreditprüfungen.

Quelle: Upstart

Das jüngste Wachstum und die Tatsache, dass Upstart von Anfang an als KI-Unternehmen konzipiert wurde, sind vielversprechende Faktoren für die Zukunft – auch wenn sich dieser Erfolg bislang kaum im Aktienkurs niederschlägt: Er liegt auf dem Niveau von 2022 und deutlich unter seinem Höchststand von 2021 während der Pandemie.

Das liegt zum Teil daran, dass das Geschäftsmodell von Upstart auch einige Risiken birgt.

Ein erstes Risiko besteht darin, dass sich die Leistung des Modells verschlechtern könnte, wenn sich die wirtschaftlichen Rahmenbedingungen außerhalb der Trainingsdaten bewegen und die KI neue Trends übersieht.

Ein weiteres Problem ist der zunehmende regulatorische Druck, die Nachvollziehbarkeit, Fairness und demografische Leistungskennzahlen offenzulegen. Denn selbst unbeabsichtigt könnte KI diskriminierende Praktiken zurückbringen, die in der Finanzbranche zuvor verboten wurden.

Schließlich ist das Unternehmen weiterhin darauf angewiesen, dass institutionelle Finanzierungen über verschiedene Kreditzyklen hinweg verfügbar bleiben. Anzeichen für eine zunehmende Belastung des Finanzsystems zeigen sich vor dem Hintergrund hoher Schuldenstände und einer angespannten geopolitischen Lage.

Dennoch ist Upstart bestens positioniert, sich zu einem wichtigen KI-gestützten Kreditmarktplatz und Anbieter von Infrastruktur für die Kreditprüfung zu entwickeln – eine notwendige Weiterentwicklung des ursprünglichen Vorstoßes der FinTech- und P2P-Netzwerke für neue Kreditvergabeverfahren.

Anleger könnten sich zudem frühzeitig an einem Unternehmen beteiligen wollen, das die Kreditprüfung grundlegend verändert.

Aktuelle Aktiennachrichten und Entwicklungen zu Upstart Holdings (UPST)

Herangezogene Studie

^{1. Podong Song, Shutong Wu, Janson Partab. Künstliche Intelligenz auf Kreditmärkten: algorithmische Kreditvergabe, finanzielle Inklusion und regulatorische Arbitrage. International Review of Economics & Finance. Dezember 2026. Artikel: 105937. Band 112. 10.1016/j.iref.2026.105937}