Genossenschaftsbank halbiert Bearbeitungszeit für Firmenkredite — durch KI-Bilanz-Vorprüfung

Ausgangslage

Die Bank — eine Genossenschaftsbank in Süddeutschland mit Schwerpunkt Mittelstands-Finanzierung — bearbeitete Firmenkredit-Anträge bis 500 k € in einem klassischen Drei-Schritt-Prozess: Aufbereitung durch Firmenkundenbetreuer (durchschnittlich 4,2 Stunden), Vorbewertung durch Kreditreferent (3,1 Stunden), Entscheidung im Kreditausschuss. Gesamt-Durchlaufzeit: 11,4 Tage im Mittel, in Einzelfällen bis zu 22 Tage. Die Conversion vom Erstantrag zur Auszahlung lag bei 64 % — der Rest sprang ab, meist wegen anderer Banken mit kürzerer Antwortzeit.

Strategischer Treiber: zunehmender Wettbewerb durch Direktbanken (compeon, Auxmoney Business) und durch Hausbanken-Konkurrenz, die ähnliche KI-Initiativen ankündigten.

Ziele & KPIs

• Bearbeitungszeit Firmenkredit ≤ 500 k € auf ≤ 7 Tage Median.
• Conversion-Steigerung um ≥ 10 Prozentpunkte.
• Kein Anstieg der Ausfallquote (Default-Rate) im KI-bewerteten Portfolio.
• MaRisk-Audit-Bereitschaft als Vorbedingung.

Die Lösung

Drei Komponenten als Pipeline:

Komponente 1: Bilanz-Doku-Extraktion

OCR + LLM-basierte Extraktion strukturierter Daten aus eingereichten Bilanzen, BWAs, GuVs und Anlagenspiegel. Output: standardisierter JSON-Datensatz mit den 38 wichtigsten Bilanz-Kennzahlen, die der Bank-Bewertungs-Standard verlangt.

Komponente 2: Bonitäts-Vorbewertung

Klassifikator (Gradient-Boosting + kalibrierte Confidence) mit Output: 5-stufiger Bonitäts-Score, Branchen-Vergleichs-Kennzahlen, Top-3-Risiko-Indikatoren mit Begründung. Wichtig: der Score ist eine Empfehlung, keine Entscheidung.

Komponente 3: Standard-Vorlage für Kreditausschuss

Automatische Generierung der Ausschuss-Vorlage in einem standardisierten Layout, mit allen regelmäßig nachgefragten Kennzahlen, Branchen-Kontext, historischen Vergleichsdaten und einer klaren Trennung zwischen „KI-extrahierten Fakten“ und „KI-Empfehlung mit Begründung“.

MaRisk-Konformität

Drei zentrale Maßnahmen: (1) Klassifikation als „internes Verfahren“ — keine Auslagerung, keine Cloud-Drittdienste. (2) Jährliche Validierung durch beauftragten Wirtschaftsprüfer mit dokumentiertem Backtesting gegen tatsächliche Kredit-Performance.(3) Vollständige Audit-Spur mit Modell-Version, Eingabe-Snapshot, Confidence-Score und Empfehlung in einer unveränderlichen Audit-DB.

Vorgehen & Zeitplan

Ergebnisse nach 12 Monaten Live-Betrieb

Die Median-Bearbeitungszeit ist von 11,4 auf 6,1 Tage gefallen. Die Conversion vom Erstantrag zur Auszahlung ist von 64 % auf 82 % gestiegen — Hauptursache: schnellere Erstantworten an Antragsteller. Die Default-Rate im KI-bewerteten Portfolio ist statistisch identisch mit dem Vorjahres-Vergleichsportfolio (90-%-Konfidenzintervall überlappt).

„Wir haben gemerkt: nicht der Score ist der Wert. Der Wert ist die saubere, einheitliche Aufbereitung der Bilanz und die schnelle Bereitstellung für den Kreditausschuss. Das hat unsere Diskussionsqualität in den Sitzungen spürbar gehoben.“
— Bereichsleiter Firmenkunden, März 2026

Wirtschaftlichkeit

Total Cost of Ownership Jahr 1: ca. 410 k € (Pilot, Implementation, Managed Service, interne Aufwände). Realisierte Einsparung 540 k € (Personalkosten-Vermeidung 380 k € + Conversion-Steigerung 160 k € Brutto-Margen-Effekt). Net Benefit Jahr 1: 130 k €. Ab Jahr 2 ohne Implementations-Kosten: ca. 415 k € Net Benefit p. a.

Lessons Learned

• MaRisk-Memo vor Modell-Bau — spart spätere Audit-Diskussionen.
• Empfehlung statt Entscheidung — schafft Akzeptanz im Kreditausschuss.
• Schatten-Betrieb 4 Wochen minimum — KI parallel zum klassischen Prozess für Vergleichszahlen.
• Bilanz-Datenqualität ist Engpass — bei manuellen Excel-Bilanzen 89 % Erfolgsquote, bei DATEV-PDFs 98 %.

Mehr: Erstgespräch buchen.