Eine Bonitätsbewertung beantwortet nur eine einzige Frage: Wie wahrscheinlich ist es, dass jemand eine Zahlungsverpflichtung erfüllt? Sie misst weder Verlässlichkeit als Charaktereigenschaft noch Bedürftigkeit noch die Sinnhaftigkeit eines Vorhabens. Scoring ist das Verfahren, mit dem aus vielen Einzeldaten ein einzelner Wahrscheinlichkeitswert für genau diese Frage wird.
Dieser Artikel erklärt, was in eine solche Bewertung einfließt, welche Grenzen das deutsche Recht dafür setzt und woran die Kritik am Scoring ansetzt.
Was in eine Bonitätsbewertung einfließt
Zwei Gruppen von Faktoren spielen zusammen. Harte Faktoren sind messbar: Einkommen, Vermögen, laufende Verpflichtungen, bei Unternehmen der Cashflow und der Verschuldungsgrad. Weiche Faktoren betreffen die Vorgeschichte und die Stabilität: bisherige Zahlungshistorie, Dauer der Beschäftigung, bei Unternehmen die Qualität der Geschäftsführung.
Entscheidend ist ein Unterschied, der in der Alltagssprache verschwimmt: Zahlungsfähigkeit und Zahlungsbereitschaft sind zwei verschiedene Dinge. Die erste ist eine Rechnung, die zweite eine Prognose aus Erfahrungswerten. Ein Score vermischt beides zu einer Zahl.
Wie aus Daten ein Score wird
Ein Score entsteht in vier Schritten: Auswahl der Merkmale, Messung, Gewichtung, Aggregation. Der methodisch heikelste Schritt ist die Gewichtung. Sie entscheidet, wie stark ein einzelnes Merkmal durchschlägt — und sie ist eine Setzung, keine Ableitung aus den Daten.
Daraus folgt ein Satz, der für die Beurteilung von Scoring zentral ist: Kein Score ist neutral. Jede Gewichtung enthält eine Priorität. Das ist kein Vorwurf, sondern eine Eigenschaft des Verfahrens. Problematisch wird es erst, wenn die Gewichtung weder offengelegt noch überprüfbar ist.
Was das deutsche Recht verlangt
Scoring ist in Deutschland nicht frei gestaltbar. § 31 BDSG — „Schutz des Wirtschaftsverkehrs bei Scoring und Bonitätsauskünften“ — knüpft die Verwendung eines Wahrscheinlichkeitswerts über künftiges Verhalten an mehrere Bedingungen. Zwei davon sind besonders greifbar:
- Die genutzten Daten müssen unter Zugrundelegung eines wissenschaftlich anerkannten mathematisch-statistischen Verfahrens nachweisbar erheblich für die berechnete Wahrscheinlichkeit sein. Ein Merkmal darf also nicht einfließen, nur weil es verfügbar ist.
- Für die Berechnung dürfen nicht ausschließlich Anschriftendaten genutzt werden. Die reine Wohnlage darf einen Score nicht allein bestimmen.
Hinzu kommt Artikel 22 DSGVO für automatisierte Einzelentscheidungen. Wo eine Entscheidung ausschließlich automatisiert fällt und erhebliche Wirkung entfaltet, gelten besondere Anforderungen; zu den Informationspflichten gehören aussagekräftige Angaben über die involvierte Logik sowie Tragweite und angestrebte Auswirkungen der Verarbeitung.
Woran die Kritik ansetzt
Erstens: Rückwärtsgewandtheit. Ein Score beschreibt Muster der Vergangenheit. Wer keine Vorgeschichte hat — junge Menschen, Zugewanderte, Selbstständige nach einem Neuanfang — erscheint nicht als geringes Risiko, sondern als unbekanntes. Das Verfahren bestraft Datenarmut.
Zweitens: Rückkopplung. Ein schlechter Score verteuert Kredit, teurer Kredit erhöht die Ausfallwahrscheinlichkeit, der höhere Ausfall bestätigt den Score. Die Prognose beeinflusst das Ergebnis, das sie vorhersagt.
Drittens: Undurchsichtigkeit. Solange Gewichtungen als Geschäftsgeheimnis behandelt werden, lässt sich eine Bewertung praktisch nicht bestreiten. Wer nicht weiß, welches Merkmal den Ausschlag gab, kann es weder korrigieren noch widerlegen.
Die Kritik richtet sich also nicht gegen die Idee, Risiko zu schätzen. Sie richtet sich gegen Verfahren, deren Wirkung erheblich und deren Zustandekommen unzugänglich ist.
Was das für zinsfreie Finanzierung bedeutet
In zinsbasierten Modellen dient die Bonitätsprüfung vor allem der Preisbildung: Wer als riskanter gilt, zahlt einen höheren Zins. Risiko wird also monetarisiert und dann auf die Schuldnerseite verlagert.
In beteiligungsbasierten Modellen fehlt dieser Hebel. Wer am Ergebnis beteiligt ist, kann ein schlechtes Risiko nicht durch einen Aufschlag ausgleichen — er trägt es mit. Das verschiebt die Prüfung von der Frage „welcher Preis?“ zur Frage „trägt das Vorhaben?“. Praktisch heißt das: mehr Gewicht auf Cashflow-Analyse, Szenarien und die Belastbarkeit des Geschäftsmodells, weniger auf einen aggregierten Score.
Ein Vorteil ist das nicht automatisch. Die Prüfung wird aufwendiger, sie braucht mehr Daten vom Vorhaben selbst und sie skaliert schlechter. Was sie gewinnt, ist Nachvollziehbarkeit: Eine Cashflow-Rechnung lässt sich bestreiten, ein Score nur schwer.
Die Begriffe dahinter erklären die Einträge Kreditwürdigkeit und Scoring; wie Ergebnisbeteiligung funktioniert, steht unter Risikoteilung.
Häufige Fragen
Darf meine Adresse meinen Score bestimmen?
Nicht allein. § 31 BDSG verlangt ausdrücklich, dass für die Berechnung des Wahrscheinlichkeitswerts nicht ausschließlich Anschriftendaten genutzt werden. Als ein Merkmal unter mehreren kann die Anschrift einfließen.
Muss mir jemand erklären, wie mein Score zustande kam?
Bei ausschließlich automatisierten Entscheidungen mit erheblicher Wirkung sieht Artikel 22 DSGVO besondere Anforderungen vor, und zu den Informationspflichten gehören aussagekräftige Angaben über die involvierte Logik. Das ist nicht dasselbe wie die Offenlegung der vollständigen Formel.
Ist ein schlechter Score dauerhaft?
Nein. Scores beruhen auf Daten mit begrenzter Speicherdauer und werden fortlaufend neu berechnet. Wie schnell sich etwas ändert, hängt davon ab, welches Merkmal den Ausschlag gab — und genau deshalb ist die Frage nach der Gewichtung praktisch relevant.
Brauchen zinsfreie Modelle überhaupt eine Bonitätsprüfung?
Ja, eher mehr als weniger. Wer Verluste mitträgt, hat ein stärkeres Interesse an einer belastbaren Einschätzung als jemand, der sich über einen Risikoaufschlag absichert. Der Unterschied liegt nicht im Ob, sondern in der Methode.