Integriertes Scoring-System im gewerblichen Leasing-Geschäft1

B e r i c h t e

Integriertes Scoring-System im gewerblichen Leasing-Geschäft

von Dipl. Vw. Hans -Joachim Spittler

Gliederung

1. Definition Scoring

2. Gründe für ein Scoring-System

2.1 Beschleunigung der Entscheidungen im Standard-Geschäft 2.2 Verringerung der Prozeßkosten für die Antragsbearbeitung im

Standardgeschäft

2.3 Die elektronisch gespeicherten Unternehmens - und Bonitätsdaten der Kunden können gut zu Akquisitionszwecken genutzt werden 2.4 Objektivierung des Entscheidungsprozesses

2.5 Optimierung der Risikokosten

3. Entwicklung eines Scoring-Systems – des Scoring-Systems der MMV Leasing GmbH

4. Implementierung des Scoring -Systems in die edv-gestützte Vorgangsbearbeitung

5. Monitoring von Scoring-Systemen

5.1 Stabilitäts- und Verteilungsbericht 5.2 Gegenentscheidungsquote

5.3 Schlechtenrate

5.4 Dynamische Rückstandsberichte 6. Weiterentwicklungsmöglichkeiten 7. Fazit

1 Vortrag im Rahmen des Bank- und Börsenseminars von Prof. Dr. Hartmann-Wendels an der Universität zu Köln

Der Beitrag soll ein Risk-Management-Modell für das Massengeschäft vorstel- len; d.h. für Geschäfte unterhalb der Obligen, für die die Offenlegung des Jah- resabschlusses verlangt wird.

Die Angaben und Daten aus der Praxis beziehen sich auf die sich im Einsatz befindlichen Scoring-Systeme bei der MMV Leasing.

1. Definition Scoring

Man subsumiert unter diesem Begriff mathematisch statistische EDV-gestützte Verfahren zur Prognose von Kundenverhalten, wobei man aus Erfahrungswer- ten der Vergangenheit auf gleichgelagerte Ereignisse in Gegenwart und Zukunft schließt. Ziel ist die jeweilige Entscheidung im Einzelfall. Solche Verfahren wer- den neben der Kreditwirtschaft u.a. auch in der Versicherungswirtschaft zur Be- rechnung von Versicherungsrisiken angewandt, und sie sind auch aus der Markt- und Wahlforschung allgemein bekannt. Die Qualität von Scoring- Modellen hängt von der zur Verfügung stehenden Datenbasis ab – je größer die Datenbasis ist um so präziser wird die Prognose. Das englische Wort "to score"

stammt aus dem sportlichen Bereich und läßt sich mit "Treffer erzielen", "punk- ten" oder "Erfolg haben" übersetzen. Für Scoring werden Informationen über Zahlungsverhalten, die betriebliche wirtschaftliche Situation, aber auch sozio- demographische Phänomene, wie Alter, Sitz des Unternehmens u.ä. verarbei- tet. Die prognostisch wichtigsten Merkmale werden analytisch identifiziert und dann mit Hilfe multivariater bzw. mathematisch statistischer Methoden gruppiert und in Form einer Score-Tabelle (Score-Karte) dargestellt. Mit dieser Score- Karte werden dann Einzelfälle analysiert bzw. abgearbeitet. Das Grundprinzip einer Scoring -Entscheidung kann man mit einer Verkehrsampel vergleichen:

grün bedeutet "einverstanden", rot heißt "abgelehnt" und gelb erfordert "weiter überlegen, weiter analysieren, weitere Informationen einholen", um dann zu einer Entscheidung zu kommen.

2. Gründe für ein Scoring-System

2.1 Beschleunigung der Entscheidungen im Standard-Geschäft

Vorneweg sei hierzu festgestellt, daß sich die Bearbeitungszeit – einschließl.

der Kreditentscheidung – durch den Einsatz von Scoring bei der MMV Leasing für die Scoring-Fälle im Regelfall auf unter 10 Minuten reduziert hat. Das Sys- tem basiert auf der Nutzung der breiten Informationsbasis der Creditreform (al- so einer Auskunftei) und den eigenen Erfahrungen / Kenntnissen der MMV

Leasing über den zu beurteilenden Kunden. Bei Geschäftsvorfällen, die das System eindeutig positiv oder negativ scort, kann im Regelfall auf Bankauskünf- te verzichtet werden, was zu einer Verkürzung der Durchlaufzeiten um 3 – 5 Tage führt. Neben diesem Zeitvorteil bringt der Verzicht auf Bankauskünfte auch den strategischen Vorteil, den mit dem Kunden in Verbindung stehenden Banken keinen Hinweis auf eine anstehende Investition zu geben. Selbstver- ständlich wird mit der Beschleunigung auch den Marktanforderungen der Ver- triebspartner und Kunden nach schneller Antragsentscheidung Rechnung ge- tragen. Fakt ist, daß es im Regelfall relativ lange dauert bis ein Kunde seine Investitionsentscheidung trifft, wenn diese aber gefallen ist, muß die Finanzie- rungsentscheidung - zumindest im Massengeschäft - nahezu sekundengleich vorliegen. Mit dieser Marktgegebenheit, die sich sicherlich rational nicht erklä- ren läßt, ist im Tagesgeschäft zu leben.

2.2 Verringerung der Prozeßkosten für die Antragsbearbeitung im Standardgeschäft

Schnellere Durchlaufzeiten verringern logischerweise die Prozeßkosten.

2.3 Die elektronisch gespeicherten Unternehmens- und Bonitätsdaten der Kunden können gut zu Akquisitionszwecken genutzt werden Wie noch zu zeigen sein wird, bedarf es für jeden zu entscheidenden Fall um- fangreicher, strukturierter Daten. Diese Daten bilden eine ideale Materialsamm- lung für aktives Data-Base-Marketing, d.h. gezielte Kundenselektionen, wobei das Scoring-System zwangsläufig zur Kompletterfassung eines Neukunden führt. Darüber hinaus bieten die umfangreichen erfaßten Daten auch eine gute Grundlage für ein qualifiziertes Kreditüberwachungssystem. Einleuchtend ist auch, daß das bzgl. Neukunden gespeicherte Beurteilungsmaterial die kurzfris- tige Nachakquisition wesentlich erleichtert.

2.4 Objektivierung des Entscheidungsprozesses

Durch ein akzeptiertes und verständlich aufgebautes Scoring-System werden die Entscheidungen transparenter und durch die Objektivierung auch besser nachvollziehbar.

2.5 Optimierung der Risikokosten

Verschiedentlich wird als Grund für ein Scoring -System auch eine Reduzierung der Risikokosten angegeben. Ein derartiger Effekt ist aus zweierlei Hinsicht denkbar. Grundsätzlich bildet man zusätzlich die bisherige Kreditvergabepraxis rechnerisch ab. Nun kann zum einen die Objektivierung der Entscheidung einen risikominimierenden Effekt erzielen und zum anderen kann man die Annahme- quoten, d.h. die Intervalle der Rot-, Grün- oder Gelbenscheidungen verändern und damit strengere Annahmekriterien schaffen. Ziel des nachfolgend darzu- stellenden Scoring-Systems war primär eine Beschleunigung der Entschei- dungspraxis, sekundär eine Verringerung der Prozeßkosten – alles unter der Prämisse einer gleichbleibenden Entscheidungsqualität.

3. Entwicklung eines Scoring-Systems – des Scoring-Systems der MMV Leasing GmbH

Das erste System wurde gemeinsam mit Prof. Häussler von der Fachhochschu- le Rosenheim sowie dem "Verband der Vereine Creditreform" entwickelt. Zu- nächst war es erforderlich, das Einsatzgebiet des geplanten Scoring-Systems genau zu definieren. Hier lag es nahe einen Bereich zu wählen, mit dem man eine möglichst hohe Scoring -Quote realisieren konnte. Die MMV Leasing hat sich für den Vertriebsleasing -Sektor entschieden, d.h. für den Bereich, in dem Leasinggegenstände aus dem Sektor Bürokommunikation und Bürotechnik vermietet werden. Die Einzelvertragsgrenze wurde bei DM 20.000,-- festgelegt und das Kundengesamtengagement eines zu scorenden Falls wurde auf DM 30.000,-- begrenzt, um zu verhindern, daß durch mehrere Einzelgeschäfte ein zu großes Einzelkundenvolumen entsteht. Auf der Basis des zukünftig zu sco- renden Segmentes mußte nun eine repräsentative Stichprobe analysiert wer- den, um – wie bereits ausgeführt – die vorhandene Kreditentscheidungsstruktur im zukünftigen Scoring-System abzubilden. Diese Stichprobe wurde aus abge- laufenen Verträgen zusammengestellt, da man erst nach Ablauf des Vertrages schlußendlich die Güte der Bonitätsentscheidung abschließend beurteilen kann.

Damit die Stichprobe die Kundschaft auch wirklich repräsentiert, auf die das Scoring-System zukünftig angewendet werden soll, müssen die zu untersu- chenden Merkmale nicht nur bei schlechten, schlechtgewordenen und guten sondern auch bei früher abgelehnten Verträgen erfaßt werden. Die Erfassung abgelehnter Verträge ist häufig ein großes Problem, das diese üblicherweise nicht edv-technisch festgehalten werden. Für sämtliche Verträge der Stichprobe

wurden alle Merkmale, die nicht automatisch aus EDV-Dateien ersichtlich wa- ren, teilweise mit erheblichem manuellen Aufwand aus den Altakten ermittelt und erfaßt. Bei dem zugrundeliegenden Modell wurden insgesamt ca. 3.500 Verträge – davon ca. 1.500 gute Verträge, also Verträge die von Anfang bis Ende ohne Probleme liefen, ca. 1.000 während der Laufzeit schlecht geworde- ne Verträge und ca. 1.000 abgelehnte Verträge – angesehen, die erforderlichen Merkmale vervollständigt und pro Vertrag 37 Kriterien abschließend erfaßt.

Selbstverständlich mußte exakt definiert werden, was unter einem guten und einem schlechten Vertrag zu verstehen ist. Hier gibt es sicherlich von Unter- nehmen zu Unternehmen unterschiedliche Abgrenzungskriterien für die Klassi- fizierung eines schlechten Vertrages. Man kann dies an der Mahnstufe aufhä n- gen oder aber erst die Abgabe an die Rechtsabteilung als Entscheidungskriteri- um ansehen bzw. last not least die Insolvenzsetzung. Wichtig ist auch, daß bei den Stichproben Kundengruppen ausgeschieden werden, die zukünftig nicht über das Scoring-System laufen sollen, z.B. öffentliche Verwaltungen, Kommu- nen, Sozialversicherungen, Kreditinstitute u.ä.

Der nächste Schritt war dann die Ermittlung von "trennscharfen Merkmalen".

Der Bogen der analysierten Merkmale spannte sich von leicht einzusehenden Kriterien, wie Rechtsform, Objektschlüssel, Anzahl der aktiven Verträge, Kapi- talausstattung, Creditreform-Index, Anzahl der Mitarbeiter u.ä. bis zu Merkma- len, die zunächst nicht alltäglich erscheinen, wie beispielsweise Alter der ein- zelnen Geschäftsführer, gewünschte Vertragsart, Vertragslaufzeit usw. Insge- samt wurden im vorliegenden Fall 37 Kriterien untersucht und festgehalten.

Diese Kriterien sind dann mit Hilfe eines statistischen Verfahrens – im vorlie- genden Fall einer multivariaten Diskriminanzanalyse – bzgl. ihrer interessieren- den statistischen Eigenschaften analysiert worden. Interdependenzen wurden festgestellt und mit geeigneten mathematisch-statistischen Mitteln wurden die besten "Merkmale" ausgewählt und eine geeignete Punktebewertung bestimmt.

Die Methode eine Diskriminanzanalyse wurde auf Anraten des Fachmannes gewählt. Es gibt hier viele andere verwendbare Verfahren, die aber wohl keine eindeutige Überlegenheit haben. Zu beachten ist außerdem, daß bei komplizier- teren komplexeren Verfahren auch das Problem, daß die Erklärung der Punkte- bewertung, die ohnehin nicht immer leicht nachzuvollziehen ist, nur noch von Mathematikern nachvollzogen werden kann. Nebenbei sei erwähnt, daß für die Stichprobe natürlich eine äußerst sorgfältige und exakte Erfassung von großer Bedeutung ist. Unter Statistikern gilt: "garbage in = garbage out" (garbage = Abfall), d.h. aus nur oberflächlich definiertem oder ungenau erfaßtem Date nma-

terial resultieren auch nur ungenaue oder unsinnige Punktbewertungen. Zu empfehlen ist deshalb die Datenerfassung nicht extern von Aushilfen durchfüh- ren zu lassen sondern eigene Mitarbeiter einzusetzen. Dies gewährleistet zum einen, daß unklare Akteninformationen richtig interpretiert und erfaßt werden und zum anderen, daß sich die Mitarbeiter später auch mit dem daraus resultie- renden Scoring- System leichter identifizieren können.

Vor allem der Aspekt der Identifizierung mit dem System darf nicht unterbewer- tet werden. Mitarbeiter, die bisher Entscheidungen mühsam anhand von Akten vorbereiten mußten und teilweise auch getroffen haben, waren gezwungen zu- künftig die Entscheidung einer Maschine zu akzeptieren. Die frühe Einbindung in das neue System hat im vorliegenden Fall sicher wesentlich zur späteren Akzeptanz beigetragen. Aufgabe des Statistikers war es "trennscharfe" Merk- male zu ermitteln, d.h. Merkmale, mit denen es möglich ist, gute und schlechte Verträge zum Zeitpunkt der Entscheidung abzugrenzen. Es ist leicht einzuse- hen, daß dies keine einzelnen Merkmale sein können sondern nur eine Kombi- nation von verschiedenen Merkmalen mit unterschiedlichen Gewichten. Im Re- gelfall reichen bei einem Scoring-System, wie es erforderlich war, 8 – 14 Merk- male aus, wobei im vorliegenden Fall die optimale Struktur mit 10 Merkmale n erreicht werden konnte. Die einzelnen Merkmale werden in Ausprägungen ein- geteilt und mit Punkten versehen, wobei gilt, daß je höher die Punktebewertung ist, um so höher ist die zukünftige Zahlungsmoral des Kunden einzustufen. Alle Merkmale werden dann in einem sog. Punktebewertungssystem (Score-Karte) zusammengefaßt. Bei der Einzelfallbearbeitung werden die Punkte der entha l- tenen Merkmale addiert; dies ergibt den Score-Wert oder den Gesamtpunktwert des Einzelfalls.

Nachfolgend 2 Beispiele:

r Rechtsform

Rechtsform AG GmbH KG OHG

GmbH &

Co.KG

BGB- Gesellschaft

Einzel- firma

Gewerbe- betrieb

Freie Berufe

Punkte 30 0 30 40 20 10 40 10 50

r Alter der Firma Alter in Jahren

keine

Angabe bis

1 bis

2 bis

6 bis

11 über

11

Punkte 50 0 22 50 64 105

Die Punkteverteilung beim Alter der Firma kann man sicher nachvollziehen, wobei sich die Identität der Punktzahl bei "keine Angabe" und bei "Alter bis 6 Jahre" statistisch ergeben hat. Bei der Punkteverteilung bzgl. der Rechtsform sieht man allerdings deutlich, daß die Erfahrungen aus dem Geschäft, welches der Score-Karte zugrunde liegt, einfließen.

Die individuelle Basis einer Score-Karte wird noch deutlicher, wenn man die regionale Risikostruktur als Merkmal betrachtet. Bei den Überlegungen zugrun- deliegenden Score-Karten war es nicht möglich mit einer 3- oder gar 4- bzw. 5- stelligen Postleitzahl zu operieren. Es ist nachvollziehbar, daß auch ein überre- gional tätiges Leasingunternehmen nicht flächendeckend überall repräsentativ tätig sein kann, so daß im vorliegenden Fall die regionale Risikostruktur auf 2- stellige Postleitzahlen subsumiert werden mußte, um zu einem aussagefähigen Ergebnis zu gelangen.

Das Ergebnis der Stichprobe führte zu einer Score-Karte mit folgenden Werten:

Punktewert Entscheidung Anteil

0 - 370 sofort ablehnen 13,70%

371 - 550 manuell weiterprüfen 34,10%

551 - 1.000 sofort annehmen 52,20%

Bei Addition der positiven und negativen Entscheidungen sieht man, daß ca.

66% aller Leasinganträge, die im Scoring-Verfahren bearbeitet werden, auch sofort vom System entschieden werden können.

Auf die Notwendigkeit der Akzeptanz des Systems wurde bereits hingewiesen, und es ist leicht nachzuvollziehen, daß die Entscheidungen des Systems auch ohne jegliche Einschränkung akzeptiert werden müssen, d.h. Rot-Fälle sind rot und dürfen nicht durch irgendwelche Manipulationen erneut aufgegriffen wer- den; es sei denn, nachweislich sind falsche Informationen, z.B. über Firmenalter in die Score-Karte eingeflossen.

Diese strikte Handhabung hört sich einfach an, sie bedarf aber, vor allem in der Anfangsphase, einer eindeutigen Durchsetzung, wobei eine mehr als dreijähri- ge Erfahrung zeigt, daß man bei konsequenter Anwendung im Regelfall keine Probleme hat.

4. Implementierung des Scoring-Systems in die edv-gestützte Vor- gangsbearbeitung

Im vorliegenden Fall wurden folgende technischen Schritte vorgenommen:

a) Programmierung der Score-Karte

b) Aufbau einer Programm-zu-Programm-Kommunikation zwischen dem Leasingdialog-System des Unternehmens und dem Zentralrechnersys- tem der Creditreform

c) Eingang der Creditreform-Auskunftsdaten in strukturierter und codierter Form sowie deren automatisierte Verarbeitung im Scoring -System

d) Integration des Scoring-Systems in die normale Antragsbearbeitung e) Aufbau einer Kundendatenbank mit den gelieferten Creditreform-

Informationen

Sicher sehen derartige EDV-Aufgaben auf dem Papier immer etwas einfacher aus als es in Wirklichkeit ist. Hier hilft allerdings sehr, die richtigen Partner aus- gewählt zu haben, denn es sind eine ganze Reihe von schwierigen Fragen zu bewältigen: z.B. die Handhabung wenn die Auskunftei die Auskunft nicht ge- speichert hat, die Handhabung bei Abweichung der Informationen der Auskunf- tei und den eigenen vorliegenden Informationen u.ä.

Nachdem man das System implementiert hat, läuft die technische Abwicklung im Regelfall mit folgenden Schritten ab:

a) Die vorhandenen und bekannten Kundendaten werden in das System eingegeben

b) Durch eine Online-Verbindung zur Auskunftei wird der Kunde lokalisiert und eindeutig bestimmt

c) Die strukturierten Auskunftsdaten der Auskunftei bzgl. des Kunden wer- den übertragen und in das eigene System eingepflegt

d) Die Einzelkreditentscheidung wird vom System getroffen

5. Monitoring von Scoring-Systemen

Es ist offensichtlich, daß ein Scoring-System nur so lange sachgerecht ent- scheiden kann wie die Kundenstruktur und die wirtschaftlichen Rahmenbedin-

gungen der Stichprobe und der jeweils aktuellen Praxis nicht zu weit auseina n- derdriften. Das Scoring-System muß daher im laufenden Einsatz permanent daraufhin überprüft werden, ob die auf der Basis der Entwicklungsstichprobe vorhergesagten Trennungseigenschaften gültig bleiben. Hierzu sind verschie- dene Auswertungen (EDV-Statistiken) erforderlich, die sinnvollerweise bereits bei der Implementierung des Scoring-Systems gleichzeitig programmiert wer- den.

Zum Monitoring gibt es die unterschiedlichsten Erhebungsmethoden und Sys- teme, von denen nachfolgend einige angesprochen werden sollen:

5.1 Stabilitäts- und Verteilungsbericht

Beispiel für einen bestimmten Zeitraum:

Dieser Bericht stellt dar, ob die Verteilung der beurteilten Verträge auf die Punk- teklassen Rot, Gelb und Grün insbesondere auf die Entscheidungsintervalle in dem Rahmen bleibt, wie er von der Entwicklungsstichprobe vorhergesagt wurde oder ob sich Punkteverteilungen verschoben haben.

Darüber hinaus gibt es natürlich die Möglichkeit die Gelb-Entscheidungen de- taillierter nach verschiedenen Punktintervallen und nach Entwicklungen im Zeit- ablauf zu überprüfen.

5.2 Gegenentscheidungsquote

Trotz größter Disziplin, d.h. Akzeptanz der Scoring-Entscheidungen, wird es den ein oder anderen Fall für manuelle Gegenentscheidungen geben, d.h. in diesen Fällen wird Rot zu Grün und Grün zu Rot. Diese manuellen Eingriffe müssen in allen Fällen penibel dokumentiert werden, wobei die Erfahrung zeigt,

Scoring- Quote Entwicklungs-

stichprobe Aktuelle

Anträge 3.142 10,9% 10.782 37,3% 14.966 51,8% 28.890 100,0% 48,2%

13,7% 34,1% 52,2% 100,0%

Rot Gelb Grün Summe

daß dann, wenn sie 5% der Scoring -Enscheidungen übertreffen, das System erhebliche Mängel aufweist und überarbeitet werden muß.

5.3 Schlechtenrate

Hier betrachtet man die Entwicklung der schlechtgewordenen Geschäfte in Re- lation zu den Gesamte ntscheidungen, wobei noch einmal die Abgrenzung gut / schlecht in Eri nnerung gerufen werden soll.

5.4 Dynamische Rückstandsberichte

Diese dokumentieren die Schlechtenratenentwicklung im Zeitablauf, d.h. alle in einem Quartal aktivierten Leasingverträge werden über die Zeitachse beobach- tet. Ein Vergleich mit den prognostizierten Schlechtenraten bei Projektbeginn zeigt dann, ob das System dann noch "im Ruder ist".

Abschließend zu diesem Abschnitt sei darauf hingewiesen, daß ein Scoring- System in der Regel in 2 – 4 Jahren überarbeitet werden muß, wobei diese Er- neuerung dann aufgrund der vorhandenen Datenbasis relativ unkompliziert ist.

6. Weiterentwicklungsmöglichkeiten

Hier ist vor allem an eine Erweiterung der Objektwertgrenzen sowie an eine Verkleinerung des "Gelb-Bereiches" zu denken. Da ein Scoring-System per De- finition die Entscheidung treffen soll, ist der Idealzustand natürlich dann erreicht, wenn treffsicher sofort zwischen grün und rot entschieden wird und der Gelb- Bereich völlig verschwunden ist. Es muß eigentlich nicht erwähnt werden, daß ein derartiges System natürlich theoretisch effektiv, in der Praxis jedoch fast nicht sinnvoll sein wird.

Hinsichtlich der Entwicklung weiterer Scoring-Systeme sei ausdrücklich noch- mals auf die Grundbedingungen eines ausreichenden Mengengerüstes hinge- wiesen, d.h. nicht jedes Geschäft eignet sich für ein Scoring-System. Die Stich- probe sollte erfahrungsgemäß zwischen 1.000 und 5.000 Grundeinheiten um- fassen, dies bedeutet, daß ein jährliches Neugeschäft von mindesten 2.000 An- trägen eines Segments welches auf Scoring-Fähigkeit untersucht werden soll, gegeben sein müßte.

7. Fazit

Scoring-Systeme bieten aufgrund von eigenen Erfahrungswerten gutes Risk- Management für das Breitengeschäft, d.h. sie sind ein effizientes Instrument zur Antragsprüfung und Entscheidung im Standardgeschäft. Derartige Systeme bieten positive Kosten- und Marketingaspekte, wobei bei konsequenter Anwe n- dung keine Verschlechterung des Risikoergebnisses eintreten darf.

Eine der Haupterfolgsfaktoren für Scoring-Systeme ist die frühzeitige Einbin- dung aller betroffener Mitarbeiter und Fachbereiche. Das für Scoring-Systeme erforderliche Monitoring bietet den Vorteil gleichzeitig zu einer Verfeinerung des Kreditüberwachungssystems beizutragen. Abschließend seien aber auch die Grenzen erwähnt: Scoring-Systeme sind nur so gut wie die Menschen den Grundstein gelegt haben, mit Ihnen umgehen und sie weiterentwickeln.