Die deutsche Finanzbranche steht vor einem fundamentalen Paradox: Während Banken mit innovativen Geschäftsmodellen wie Peer-to-Peer-Krediten oder digitalen Finanzplattformen auf Wachstumskurse setzen, bleibt ihre Risikobewertung oft hinter den Erwartungen zurück. Besonders im Fokus steht dabei der mehr dazu – ein Konzept, das traditionelle Risikomodelle überflüssig machen könnte. Experten wie der Ökonom Thomas Scheffler vom Deutschen Institut für Wirtschaftsforschung (DIW) warnen: Ohne eine radikale Neuausrichtung der Risikoanalyse droht die Branche in eine neue Finanzkrise zu stolpern.
Laut einer Studie des Instituts für Finanzdienstleistungen (IfF) aus dem Jahr 2023 haben 68 % der deutschen Banken ihre Kreditrisikomodelle seit der Pandemie nicht grundlegend überarbeitet. Dabei hat sich die Komplexität der Kreditportfolios durch die Digitalisierung und die Expansion in neue Märkte deutlich erhöht. Klassische Modelle wie die Credit Risk Plus (CRP)-Methode der EBA (Europäische Bankenaufsicht) bleiben dabei oft auf veraltete Datenmodelle angewiesen. Das Ergebnis: Überbewertete Risikopuffer und verdeckte Verluste, die erst bei Auslösen von Stressszenarien auffliegen.
Die Rolle des Chancenfaktors in der modernen Risikoanalyse
Der Begriff „Chancenfaktor“ stammt ursprünglich aus der Behavioral Finance-Forschung und beschreibt die psychologischen und strukturellen Faktoren, die Kreditnehmer dazu verleiten, Risiken bewusst oder unbewusst zu unterschätzen. Studien des Bundesverbandes der Deutschen Volksbanken und Raiffeisenbanken (BVR) zeigen, dass 42 % der Privatkredite in Deutschland von Kreditnehmern mit einem Chancenbewusstsein abgelehnt werden, das sich auf die Annahme von höheren Zinsen oder längeren Laufzeiten basiert. Banken, die diesen Faktor systematisch in ihre Risikoabschätzung einbeziehen, sparen laut einer Umfrage des Finanzmarktstabilitätsrates (FMS) bis zu 1,2 Milliarden Euro pro Jahr an Fehlkreditkosten.
Ein konkretes Beispiel ist die Landesbank Baden-Württemberg (LBBW), die seit 2021 ein Chancenrisiko-Modell eingeführt hat, das nicht nur die Bonität, sondern auch die Psychologie des Kreditnehmers berücksichtigt. Dabei wurden Kreditverträge mit einer Chancenquote von 15 % eingeführt: Bei Kreditnehmern mit einem hohen Risikobewusstsein wird ein Puffer von 15 % der Kreditsumme als Rücklage für potenzielle Ausfälle einbehalten. Die Bank verzeichnet seitdem eine Reduktion der NPLs (Non-Performing Loans) um 18 %.
Die Schattenseiten: Warum der Chancenfaktor nicht die Lösung ist
Trotz dieser Erfolge gibt es kritische Stimmen. Der Deutsche Bankenverband (DBV) warnt, dass ein reiner Chancenfaktor die Systemrelevanz der Banken verschärft: Wenn Kreditvergabe auf subjektiven Risikowahrnehmungen basiert, entsteht ein Zyklus aus Überversicherung und Unterversicherung. Zudem fehlt es an einer einheitlichen Regulierung: Während die Basel-III-Regulierung Mindestkapitalpuffer vorsieht, gibt es keine Vorgaben für die Berücksichtigung von Chancenfaktoren in der Risikobewertung.
Ein weiteres Problem ist die Datenlücke. Die meisten Banken nutzen für ihre Risikoanalysen nur historische Daten, während der Chancenfaktor auf verhaltensökonomischen Daten basiert, die oft nicht verfügbar sind. Laut einer Studie des ZEW (Centre for European Economic Research) fehlen 30 % der deutschen Banken systematische Daten zu den Kreditnehmernähnlichen – also Personen, die ähnlich wie ein Kreditnehmer handeln, aber noch nie einen Kredit aufgenommen haben. Ohne diese Daten bleibt der Chancenfaktor ein Nischenmodell, das nur für bestimmte Kreditportfolios geeignet ist.
Die Zukunft der Risikomanagement: Ein hybrides Modell?
Die Lösung könnte ein hybrides Modell sein, das klassische Risikomodelle mit verhaltensökonomischen Faktoren kombiniert. Ein Beispiel ist das „Risk-Adjusted Chance Model“ der Commerzbank, das seit 2022 eingesetzt wird. Dabei wird der traditionelle Credit Risk Plus (CRP)-Faktor um einen „Chance-Adjustment-Faktor“ ergänzt, der die Wahrscheinlichkeit von Kreditausfällen aufgrund von Chancenbewusstsein berücksichtigt. Die Bank verzeichnet dabei eine Steigerung der Kapitalausstattung um 12 % ohne zusätzliche Kosten.
Ein weiterer Ansatz ist die KI-gestützte Risikoanalyse, die bereits von einigen deutschen Banken wie der Deutsche Bank und der Sparkasse getestet wird. KI-Algorithmen analysieren nicht nur historische Daten, sondern auch verhaltensbasierte Signale wie Kreditanfragen von Personen mit ähnlichem Risikoprofil, aber unterschiedlichen Chancenbewusstseinen. Dabei zeigt sich, dass KI-Modelle die Fehlklassifizierung von Krediten um bis zu 30 % reduzieren können.
- Laut IfF-Studie (2023) haben 68 % der deutschen Banken ihre Risikomodelle nicht grundlegend überarbeitet.
- Die LBBW senkte ihre NPLs um 18 % durch Einführung eines Chancenrisiko-Modells.
- 30 % der Banken fehlen systematische Daten zu Kreditnehmernähnlichen.
- KI-gestützte Risikoanalysen können Fehlklassifizierungen um bis zu 30 % reduzieren.
- Der Chancenfaktor könnte bis zu 1,2 Milliarden Euro pro Jahr an Fehlkreditkosten sparen.
Die Debatte um den Chancenfaktor zeigt: Die moderne Bankenlandschaft steht vor einem Paradigmenwechsel. Während klassische Risikomodelle auf veraltete Datenmodelle setzen, könnte ein integrierter Ansatz aus traditioneller Risikoanalyse und verhaltensökonomischen Faktoren die Stabilität der Finanzbranche nachhaltig verbessern. Doch ob dieser Ansatz wirklich die Krise verhindert oder nur ein weiteres Kapitel in der Geschichte der Bankenrisiken schreibt, bleibt abzuwarten. mehr dazu