Neues FinTech Scorable will Finanzkrisen voraussagen

Mit Scorable ist ein neues FinTech aus Berlin an den Start gegangen. Das Start-up will das Kreditrisiko von Anleihen mit KI analysieren. Scorable nutzt hierzu verschiedene Datenquellen, wie zum Beispiel Finanznachrichten, Geschäftszahlen, Marktpreise und Kredit-Ratings und ermittelt deren Einfluss auf die Bonität eines Unternehmens. Das Geschäftsmodell soll zentrale Entwicklungen aufgreifen, die sich seit der Finanzkrise 2008 in der Finanzindustrie vollziehen: Höhere Transparenzanforderungen und verbesserte Datenanalysemethoden, um künftig ähnliche Krisen früher voraussehen zu können.

Talanx als Investor an Bord

An der Seite des jungen Unternehmens steht der Versicherungskonzern Talanx mit seiner Tochtergesellschaft Ampega Asset Management GmbH als Investor. Darüber hinaus begleitet Deloitte das FinTech als Company Builder. Zum Start richtet sich Scorable an Kunden in ganz Europa mit dem Fokus auf Deutschland, Großbritannien, Österreich, Schweiz und Frankreich.

Unterstützung bei der Risikobewertung

„Asset-Manager verwalten allein in Deutschland Summen in Milliardenhöhe und tragen eine entsprechende Verantwortung bei der Risikobewertung. Künstliche Intelligenz kann hier mit der Analyse relevanter Daten einen echten Mehrwert bei der täglichen und langfristigen Entscheidungsfindung bieten“, begründet Philippe Padrock, CFO und COO von Scorable, begründet die Notwendigkeit des eigenen Angebots.

So funktioniert Scorable

Scorable ist eine Web-Applikation, die Daten analysiert und die daraus gewonnenen Informationen in einen Score umwandelt, der aktive Asset Manager bei der Risikobewertung von Anleihe-Investments unterstützt. Quantitative und qualitative Daten werden dabei im Rahmen einer durch KI gesteuerten Analyse miteinander kombiniert.

Umfassende Datenbasis

Die herangezogenen Datenquellen reichen von Kredit-Ratings und Marktdaten bis hin zu Geschäftszahlen und tagesaktuellen Unternehmensnachrichten über die weltweit wichtigsten Emittenten von Anleihen. Auf Basis dieser Daten modelliert Scorable die Wahrscheinlichkeit, dass es zu einer Verschlechterung der Kreditwürdigkeit kommt.

Auch qualitative Daten werden ausgewertet

Damit neben quantitativen auch qualitative Daten ausgewertet werden können, arbeitet die Applikation zudem mit der Methode des Natural Language Processing (NLP), die die Analyse von textbasierten Quellen ermöglicht. Durch die Methode der explainable AI schafft Scorable Transparenz und ermöglicht es den Anwendern, Modellinformationen zu verfolgen und zu verstehen (White Boxing). So ist für Anwender jederzeit nachvollziehbar, auf welcher Grundlage Veränderungen im Score entstanden sind. (mh)