Dirk Altenbäumker, Stephan Dürscheid, Kamilla Thierjung, Christoph Zilligen, parcIT GmbH, Prof. Dr. Tobias Schlüter, TH Köln

Studierendenprojekt TH Köln/parcIT: Zweite Runde erfolgreich abgeschlossen

Können mithilfe von Machine-Learning-Algorithmen Verbesserungen bei der Identifikation latent risikobehafteter Kunden erzielt werden?

Mit dieser Ausgangsfrage beschäftigten sich sechs Studierende des Wirtschaftsmasters „Marktorientierte Unternehmensführung“ an der Technischen Hochschule Köln in den vergangenen Monaten. Nasser M. Alladhoun, Paul Dahmen, Tim Klöting, Jonas Knippel, Jana Paassen und Timo Wagner entwickelten dabei einen Algorithmus zur Risikofrüherkennung im Rating-Kontext.

Unterstützt wurden sie sowohl durch Prof. Dr. Tobias Schlüter, der an der Hochschule den Bereich Quantitative Methoden mit Schwerpunkt auf Data Mining verantwortet, als auch durch die parcIT-Mitarbeitenden Dirk Altenbäumker, Stephan Dürscheid, Kamilla Thierjung und Christoph Zilligen.

Die Gruppe erhielt von der parcIT einen anonymisierten Datensatz mit rund 500.000 Zeilen sowie verschiedenen Kennzahlen.

Ob Datenbeschaffung, Datenaufbereitung, Data Exploration, Recherche und Auswahl geeigneter Modelle, Modellanpassung und -validierung oder Interpretation und Einordnung der Modellergebnisse: Bei der Umsetzung des Projektes hatten die Studierenden diverse Schritte zu bewältigen und konnten sich auf diesem Weg wichtiges Praxiswissen aneignen.

Wichtig war allen Beteiligten zudem der regelmäßige Austausch: Alle zwei Wochen sprachen Studierende und Projektverantwortliche über den Stand der Dinge und mögliche Herausforderungen.

Das Fazit der Studierenden in aller Kürze: Machine-Learning-Ansätze können in diesem Kontext sinnvoll sein, immer auch in Abhängigkeit der vorhandenen Datenqualität.

Unser Fazit darüber hinaus: Die zweite Auflage hat uns wieder viel Freude bereitet und wertvolle Impulse geliefert. Wir wünschen den Studierenden weiterhin viel Erfolg und freuen uns auf neue Projekte mit der TH Köln.