Neues Studierendenprojekt von parcIT und TH Köln im Bereich Risikofrüherkennung

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

Neues Studierendenprojekt von parcIT und TH Köln im Bereich Risikofrüherkennung

Nach dem erfolgreichen Auftakt im vergangenen Jahr führen wir auch in diesem Wintersemester 2023/2024 gemeinsam mit der Technischen Hochschule Köln ein Studierendenprojekt im Bereich Data Science durch. Diesmal entwickeln sechs Studierende des Wirtschaftsmasters „Marktorientierte Unternehmensführung“ einen Algorithmus zur Risikofrüherkennung im Rating-Kontext. Seitens der parcIT wird das Projekt geleitet von Dirk Altenbäumker, Kamilla Thierjung und Christoph Zilligen aus dem Team MPM RAT VAL.

Als Studierende der TH Köln sind dabei: Nasser M. Alladhoun, Paul Dahmen, Tim Klöting, Jonas Knippel, Jana Paassen und Timo Wagner. Auf Seiten der TH Köln fungiert wie im vergangenen Jahr Prof. Dr. Tobias Schlüter als Betreuer, der an der Hochschule den Bereich Quantitative Methoden mit Schwerpunkt auf Data Mining verantwortet. Tobias Schlüter war es auch, der im vergangenen Jahr gemeinsam mit parcIT-Geschäftsführer Thomas Jagodzinsky die Idee zur Zusammenarbeit hatte.

Die Studierenden haben von der parcIT einen anonymisierten Datensatz (ohne echte Kundendaten) mit mehr als 500.000 Zeilen sowie verschiedenen Kennzahlen erhalten und entwickeln nun einen Algorithmus. Dazu begleitend treffen sich Studierende und Projektverantwortliche im Zwei-Wochen-Rhythmus zum Austausch. Darüber hinaus fand auch bereits eine Zwischenpräsentation in der parcIT statt, in der weitere offene Fragen besprochen werden konnten. Anfang kommenden Jahres stellen die Teilnehmenden schließlich in einer Abschlusspräsentation ihre finalen Ergebnisse vor.

Wir freuen uns auf die Fortsetzung der Zusammenarbeit mit der TH Köln und spannende Ergebnisse.

Was bedeutet Risikofrüherkennung im Kontext des Ratings?

Bei Aufnahme eines Darlehens wird eine initiale Risikobewertung des Kunden durchgeführt. Hierzu wird die Wahrscheinlichkeit (Ratingnote) bestimmt, mit welcher der Kunde das Darlehen nicht zurückzahlen kann.

Die Ratingnote bildet hierbei eine „langfristige“ Bewertung des Kreditrisikos ab und soll der Bank Planungssicherheit bieten. Nach Geschäftsabschluss wird die Risikobewertung automatisiert und regelmäßig wiederholt.

Mithilfe der Risikofrüherkennung sollen kurzfristig erhöhte Risiken auf Kundenebene identifiziert werden. Kunden mit erhöhten Risiken werden in einer „Watchlist“ geführt und durchlaufen eine gesonderte Beobachtung in der Bank (z.B. Intensivbetreuung, Sanierung, Abwicklung).

Die Risikofrüherkennung erfolgt aktuell über ein einfache „kriteriengesteuerte“ Heuristik.