Credit Scoring in Österreich

Bonitätsbewertungen entscheiden immer öfter darüber, ob Sie als Vertragspartner akzeptiert werden. Die Wirtschaft verweist auf die Notwendigkeit des Risikomanagements und argumentiert mit dem Schutz des Verbrauchers vor Verschuldung. Daten- und Verbraucherschützer warnen demgegenüber vor Intransparenz, überschießenden Datennutzungen und Methoden, die Verbraucher im Geschäftsleben benachteiligen. Das Institut für Technikfolgenabschätzung der Akademie der Wissenschaften hat sich deshalb im Auftrag der AK mit der Praxis und den sozialen Folgen des Credit Scorings kritisch auseinandergesetzt.

Undurchschaubar

Nachvollziehbar ist, dass die Kreditvergabe nicht ohne Sicherheiten und Überprüfungen ablaufen kann. Es ist legitim, dass der Gläubiger den potentiellen Schuldner unter die Lupe nehmen will. Für Banken gibt es auch die Sorgfaltspflicht nach dem Bankwesen- und Verbraucherkreditgesetz, die Bonität ihrer Kreditnehmer zu prüfen. Allerdings: die Akteure (die kreditgebende Wirtschaft, Wirtschaftsauskunfteien und viele weitere Unternehmen, die Bonitätschecks durchführen) handeln dabei überaus intransparent. VerbraucherInnen wissen oft nicht einmal, dass Credit Scoring durchgeführt wird, kennen ihren Score nicht bzw. erfahren nicht, wie Scoring funktioniert und haben keine Möglichkeit, den Bewertungsprozess in Frage zu stellen. Gleichzeitig nimmt die Menge der für Scoringzwecke durchkämmbaren Datenarten durch die Digitalisierung rasant zu.

Test bestanden oder durchgefallen?

Wissen ist Macht. Kreditgeber, Versicherungen, Leasingfirmen, Anbieter von ratenfinanzierten Geschäften oder einfach Firmen, die mit Kunden eine längerfristige Vertragsbeziehung eingehen (zB Telefon- und Internetdienste, Vermietung, Ausbildungslehrgänge) – sie alle versuchen seit jeher die Risiken eines Geschäftsabschlusses abzuschätzen und zu verringern. Noch nie wurde dabei aber so viel Aufwand getrieben wie aktuell. Firmenintern wird über komplexen Kundenbewertungsmodellen gebrütet und neue Dienstleister werben für ihre Analysewerkzeuge und Datenberge, um letztlich bei jedem Unternehmen das Bedürfnis nach (vermeintlich) besserer Absicherung zu wecken. Damit kommt längst nicht nur bei klassischen Krediten Credit Scoring zum Einsatz, sondern auch bei Bestellungen mit sehr überschaubaren Ausfallsrisken. So prüft auch so mancher Küchenhändler, bevor er Material vorausbezahlt, schon online auf Knopfdruck die finanzielle Lage des Bestellers.

Was ist Credit Scoring?

Scoring kann, ähnlich wie im Sport, mit „Punktvergabe“ bei übersetzt werden. Rating (Einstufung) und Scoring sind Bewertungsprozesse, mathematische Verfahren zur Bewertung eines bestimmten Verhaltens. Scoring-Methoden versuchen mit Hilfe von Fakten über eine Person, allgemeinen Erfahrungen und statistischen Werten möglichst zuverlässig das Verhalten eines Kunden vorherzusagen. ZB wird damit die mathematisch-statistische Wahrscheinlichkeit berechnet, mit der ein Kunde seine Zahlungspflichten erfüllen bzw. verletzen wird: Kann sich der/die Konsument/in den Vertragsabschluss leisten, wird er/sie pünktlich zahlen und dem Unternehmen außerdem lange treu bleiben? Alles was man über den potentiellen Vertragspartner weiß oder aufgrund statistischer Zuschreibungen von ihm auch nur zu wissen glaubt, fließt in einen numerischen Wert (den Score) und dann in die unternehmerische Entscheidung ein: bei der Zusage oder Verweigerung eines Vertrages, bei der Festlegung von Konditionen und bei eventuellen Preis- oder Zinsverhandlungen.

Ein Blick zurück

„Schwarze Listen“ gibt es bereits seit den 1960er Jahren. Sich auf die Selbstauskünfte des Konsumenten, die Erfahrungen des Bankmitarbeiters und Warnlisten über säumige Schuldner und gemeldete Insolvenzen zu verlassen, das war gestern. Lange Zeit wurden vor allem Negativdaten erhoben (harte Fakten wie z.B. Insolvenzen, gerichtliche Mahnverfahrenoderweiche Fakten zB vorgerichtliche Inkassomahnungen). Auch statistische, soziodemographische Annahmen (Zahlungserfahrung im Wohnumfeld, Alter, Geschlecht, Gebäudeinformation, Mobilität) hatten eine gewisse Relevanz. Datenzuwachs gab es auch während der Vertragslaufzeit (Konsum- und Zahlungsverhalten).

Was ist neu daran?

Aktuelle Verfahren gehen über solche simplen Negativdatensammlungen weit hinaus. Nicht die Zahlungsmoral von Herrn oder Frau X stehen mehr allein im Fokus, sondern die Analyse sämtlicher Lebensumstände einer Person. Es wird nicht nur zurückgeblickt (wie war zuletzt das Zahlungsverhalten), sondern immer öfter vorausgeschaut, um das (wahrscheinliche) Verhalten von X in der Zukunft vorherzusagen. Ist in der Praxis schon die Rückschau fehleranfällig, so gilt das für Prognosen umso mehr. Dabei werden mittels statistischen Prozessen inzwischen Bevölkerungsgruppen klassifiziert und (aus)sortiert. Hinzu kommt der internationale Trend, Scoringmodelle mit externen, mitunter auch daten­schutzrechtlich sensiblen Informationen anzureichern, die absolut nicht für Bonitätsbewertungen gedacht sind (zB Facebookeinträge).

Bedenkliche Entwicklung

Sorge bereitet, dass heute grundsätzlich alle Verhaltensmerkmale einer Person von Interesse sind, unendlich viele statistische Annahmen über eine Person in die Bewertungen einfließen können, Bewertungen hochgradig automatisiert vorgenommen werden, diese Scorewerte von Menschen nur mehr schwer beeinflussbar sind undsich die für derartige Analysen verfügbaren Datenmengen dramatisch vergrößert haben. Ein Beispiel: Von den Handy-Standortdaten des X kann auf seinen Lebenswandel geschlossen werden (Aufenthaltsorte, Mobilitätsumfang, Beziehungsverhalten, Nachtruhe). Das Schürfen in Big-Data-Beständen (etwa auch in Sozialen Netzwerken) hilft bei der Prognose, ob X in drei Jahren noch einen Arbeitsplatz und gemeinsamen Ehehaushalt haben wird. Solche Faktoren beeinflussen wiederum die Wahrscheinlichkeit, dass eine Schuld zurückgezahlt werden kann.

Absicherungszwänge

Die Studienautoren orten allgemein einen Trend zur „Absicherungsgesellschaft“. Etwa angesichts der Beobachtung, dass selbst bei überschaubaren „Allerwelts“-Bestellungen (Online-)Anbieter zu Risikobewertungen der Verbraucher greifen. Sichtbar wird dieser Hang auch in der unternehmerischen Strategie, sich gleich mehrfach abzusichern (Bonitätschecks, Versicherung, Einpreisung des Ausfallsrisikos, Vorauszahlung uä).

Vor dem Hintergrund einer globalisierten Marktwirtschaft, prekären Arbeitsverhältnissen und einer starken Individualisierung verändert sich die Anbieter-Konsumentenbeziehung: mit Unsicherheiten wird nach Versicherungslogik umgegangen. Soziale Integration tritt in den Hintergrund und macht Verfahren des Sicherheits- und Risikomanagements Platz. Anstelle von Anstrengungen, gesellschaftliche Unsicherheiten und Ungleichheiten zu beseitigen, wird ihre finanzmathematische Kalkulation verfeinert.

Das hat soziale Folgen

Statistische Methoden zur Klassifizierung realer Menschen führen auch unvermeidbar zu ethischen und rechtlichen Problemen: die vielen Facetten der sozialen Wirklichkeit lassen sich nicht in Zahlenwerten ausdrücken. Mit Credit Scorings ist deshalb die Gefahr stereotyper Diskriminierung verbunden. Dies illustriert etwa der Fall eines gut situierten Angestellten, dessen Reihenhaus statistisch betrachtet am falschen Ort steht. Dem Betroffenen wurde die Ausstellung einer Kreditkarte verweigert. Auf Nachfrage mutmaßte die Mitarbeiterin des Kartenausgebers, dass die Nähe zur wenig prestigeträchtigen Rennbahnwegsiedlung der Abwertungsgrund gewesen sein könnte. Die zukunftskritische Anmerkung der Autoren: unser Leben wird trotz des offensichtlich hohen Fehlerpotentials immer mehr digital vermessen.

Was läuft derzeit schief

Für den durchschnittlichen Verbraucher ist der Einsatz von Scoring Verfahren, der praktische Ablauf, die verwendeten Variablen und deren Gewichtung in der Regel unbekannt. Meist erfahren Betroffene nicht einmal ihren tatsächlichen Score. Oft ist nicht einmal bekannt, dass Scoring durchgeführt wird. Vor diesem Hintergrund sind KonsumentInnen auch kaum in der Lage, Scoring-Modelle methodisch zu verstehen und können die Bewertung auch nicht erfolgreich in Frage stellen. Die komplexen Modelle haben den Anschein wissenschaftlicher Exaktheit. Selbst unternehmensintern gibt es immer nur eine kleine Zahl an Personen, die in der Lage ist, die Berechnungen nachzuvollziehen oder in sie einzugreifen. Die Verschiebung der Entscheidungsgewalt vom Kundenbetreuungspersonal zur Technik wird mit der Objektivierung der Entscheidung zu legitimieren versucht.

Der Ausblick

Im aktuellen Regierungsübereinkommen wurden Bestimmungen zum Scoring (vorzugsweise im Datenschutzgesetz) vereinbart. Denn die Tätigkeit von Wirtschaftsauskunfteien ist nur äußerst dürftig geregelt. Aufgrund der hohen Intransparenz der Branche wird das Aus­maß des Regulierungsbedarfs nur in Ausnahmefällen sichtbar. Eine präzise Regulierung und Aufsicht über Scoring wäre wichtig.

So sollten die Betroffenen über die Mechanismen und Faktoren, die in ihre Bonitätsbewertung einfließen, informiert werden. Das Vollzugsdefizit bezüglich Auskunft, Richtigstellung und Löschung nach dem Datenschutzgesetz trägt ebenso zur Intransparenz bei. Die verschiedenen Berechnungsmethoden sollten durch unabhängige Aufsichtsstellen auf ihre wissenschaftliche Haltbarkeit geprüft werden. Die Datensammlung muss sich auf unmittelbar bonitätsrelevante Daten beschränken. Das wären im Wesentlichen die Einkommenssituation und die zu erwartenden Ausgaben. Bestimmte Lebensbereiche und Datenarten sind explizit auszunehmen. Zudem dürfen Daten, die zweckfremd erhoben wurden (zB Facebook-Informationen über eine Person), nicht in Scoring-Modellen verarbeitet werden. Für Scoring-Verfahren sollte gelten, dass diese nur ab einer bestimmten Höhe des Geschäftsvolumens angewandt werden dürfen. Dienste, die zum grundlegenden Lebensstan­dard von Menschen in Österreich gehören, sind von umfassenden Bonitätsbe­wertungen auszunehmen. Die Kontrolle über die Einhaltung der Bestimmungen sollte einem betrieblichen Datenschutzbeauftragten übertragen werden, der in Firmen, die Scoringverfahren einsetzen, unbedingt einzurichten wäre.