Seit Jahr­zehn­ten ent­schei­det der Kre­dit­s­core über den Abschluss von Kre­dit­ver­trä­gen. Hier­bei han­delt es sich um eine Metho­de zur Quan­ti­fi­zie­rung von Ver­trau­en, da der Kre­dit­s­core die »Ver­trau­ens­fra­ge Kre­dit­ver­ga­be« nume­risch beant­wor­tet. KI und Big Data las­sen auf genaue­re Boni­täts­be­wer­tun­gen hof­fen, ber­gen hin­ge­gen die Gefahr undurch­sich­ti­ger Ent­schei­dun­gen. Dies ver­schärft die gegen­sätz­li­che Inter­es­sen­la­ge der Kre­dit­ver­trags­par­tei­en, denn der Kre­dit­ge­ber will mög­lichst risi­ko­ad­äqua­te Ent­schei­dun­gen tref­fen, wäh­rend der Kre­dit­neh­mer sei­ne Daten selbst­be­stimmt offen­le­gen und sich best­mög­lich prä­sen­tie­ren möch­te. Die Arbeit unter­sucht die auf­ge­wor­fe­ne Fra­ge der Trans­pa­renz des Kre­dit­s­corings am Maß­stab des Bank­auf­sichts- und Daten­schutz­rechts. Neben der Her­aus­ar­bei­tung des gel­ten­den Rege­lungs­kon­strukts zeigt die gemein­sa­me Betrach­tung, dass die sich ergän­zen­den Vor­ga­ben einen inter­es­sen­ge­rech­ten Aus­gleich zuguns­ten von Erklär­bar­keit und Finanz­sta­bi­li­tät hervorbringen.

Quel­le: Die Quan­ti­fi­zie­rung des Vertrauens

Lese­pro­be

Wei­te­re Informationen:

Bak­er McKen­zie-Preis für aus­ge­zeich­ne­te For­schung zu Umwelt­re­gu­lie­rung und Kreditwürdigkeit