Kreditwettbewerb 2.0: Wie KI den Fokus auf zweitrangige Anbieter verschiebt

Kreditwettbewerb 2.0: Wie KI den Fokus auf zweitrangige Anbieter verschiebt

Im Kreditmarkt zeichnet sich eine strukturelle Verschiebung ab. Nicht mehr die Hausbank mit dem stärksten Kundenbindungsprogramm bestimmt, wer den Kredit vergeben darf. Es sind zunehmend zweitrangige Anbieter, die mit datengestützten Modellen Konditionen anbieten, die traditionelle Institute schwer unterbieten können. Dieser Wandel wird von einer Studie von PYMNTS AI beschrieben und findet in der Schweiz unter spezifischen regulatorischen Rahmenbedingungen statt, die das Tempo drosseln, aber nicht verhindern.

Hinter dem Begriff "Second of Wallet" verbirgt sich eine einfache Dynamik: Wer keinen Kredit bei der Erstbank bekommt oder günstigere Konditionen sucht, wendet sich an Alternativen. KI-basierte Plattformen können diese Alternativen systematisch attraktiver machen, weil sie Risikomodelle einsetzen, die weit mehr Parameter berücksichtigen als klassische Kreditwürdigkeitsprüfungen. Eine McKinsey-Prognose geht davon aus, dass bis 2030 rund 40 Prozent aller Kreditentscheide in der EU durch KI-gestützte Systeme beeinflusst sein werden.

Technologische Verschiebung im Risikomodell

KI-gestützte Kreditvergabe operiert auf anderen Grundlagen als das klassische Kreditwesen. Anstatt sich auf historische Bonitätsdaten zu stützen, analysieren Algorithmen laufende Cashflows, digitale Verhaltensmuster, Lieferkettenzuverlässigkeit und Branchentrends. Die US-Plattform Upstart etwa bewertet Kreditanträge anhand von über 1700 Parametern und weist nach eigenen Angaben 50 Prozent weniger Fehler bei der Risikoeinschätzung aus als traditionelle Modelle.

Die Kostenseite ist nicht minder relevant. Eine automatisierte Kreditprüfung auf KI-Basis kostet einen Bruchteil manueller Verfahren, was Anbietern erlaubt, günstigere Zinssätze anzubieten und dennoch profitabel zu operieren. Finanzspezifische Sprachmodelle wie FinBERT beschleunigen die Auswertung von Kreditdokumenten und verkürzen die Prüfzeit um bis zu 40 Prozent.

In der Schweiz ist die Nutzung solcher Modelle seit 2024 explizit durch die FINMA geregelt: KI-gestützte Risikomodelle in der Kreditvergabe sind erlaubt, müssen aber transparent und nachprüfbar sein. Das bedeutet konkret, dass Black-Box-Entscheide unzulässig sind. Explainable AI ist nicht eine technische Option, sondern regulatorische Pflicht.

Doppeldruck auf Schweizer Banken und Treuhänder

Für Schweizer Finanzinstitute entsteht ein Doppeldruck. Einerseits müssen sie eigene Kreditmodelle modernisieren, um mit spezialisierten Plattformen konkurrieren zu können. Andererseits verlieren sie Kunden, wenn zweitrangige Anbieter schneller und günstiger liefern. Einzelne Genossenschaftsbanken haben 2025 Pilotprojekte mit KI-gestützten Kreditplattformen gestartet; flächendeckende Adoption ist jedoch noch nicht eingetreten.

Treuhänder stehen vor einer ergänzenden Herausforderung: Ihre KMU-Klienten fragen vermehrt nach Beratung zu alternativen Finanzierungsquellen. Wer diese Entwicklung ignoriert, verliert an Beratungsrelevanz. Wer sie aktiv aufgreift, kann neue Dienstleistungsfelder erschliessen.

Für KMU selbst öffnet sich ein neuer Handlungsspielraum. Sie profitieren potenziell von günstigeren Konditionen bei zweitrangigen Anbietern, müssen aber verstehen, wie KI-Modelle ihre Bonität bewerten. Wer eine digitale Buchhaltung führt, strukturierte Cashflow-Daten bereitstellt und alternative Datenquellen pflegt, verbessert seine Position in automatisierten Kreditprüfungen erheblich.

Prioritäten für Schweizer Finanzprofis

Erstens sollten bestehende Kreditmodelle auf ihre Digitalisierungsfähigkeit geprüft werden. Welche Datenquellen werden heute nicht genutzt? Welche Legacy-Systeme verhindern die Integration moderner Risikomodelle? Diese Fragen müssen beantwortet sein, bevor externe Plattformen evaluiert werden.

Zweitens ist die Compliance-Architektur zu klären. Die FINMA-Leitlinien von 2026 verlangen auditierbare KI-Systeme. Investitionen in XAI-fähige Plattformen sind daher keine optionalen Extras, sondern Eintrittsbedingungen für den regulierten Markt. Tools von Anbietern wie IBM oder spezialisierten Schweizer Regtech-Firmen decken diesen Bereich ab.

Drittens braucht es eine Datenstrategie. Kreditmodelle sind nur so gut wie die Daten, auf denen sie trainieren. Veraltete oder lückenhafte Kundendaten führen zu verzerrten Risikoeinschätzungen. Die Bereinigung von Datenbeständen und die Einrichtung strukturierter Datenpipelines sind Voraussetzungen, nicht Begleiterscheinungen der KI-Adoption.

Der Kreditwettbewerb findet bereits statt. Schweizer Institute, die jetzt in Datenqualität, Modell-Compliance und organisatorisches Know-how investieren, sichern ihre Wettbewerbsposition. Abwarten erhöht den Rückstand.

---

Quelle: PYMNTS AI — Dieser Artikel wurde automatisch mit KI erstellt und basiert auf der oben verlinkten Originalquelle. Er wurde nicht individuell redaktionell geprüft. Keine Finanzberatung.