Schlüsselwort: Bonitätsprognose

Die rapide Entwicklung und die damit einhergehenden Grenzkostenreduktionen bei Speicher- und Verarbeitungskapazitäten in der elektronischen Datenverarbeitung haben maßgeblich zur Etablierung des „Big Data“-Paradigmas beigetragen. Dabei werden möglichst viele verfügbaren Daten gespeichert und erst danach Analysen vorgenommen, um betriebswirtschaftlich verwertbare Fragestellungen und Informationen zu generieren („Data Science“). Im Bereich der Speicherung und Verarbeitung personenbezogener Daten und insbesondere bei sensiblen Themen wie Bonitätsprognosen, stellt sich die Frage, ob und in welchem Umfang der ökonomische und betriebswirtschaftliche Nutzen eines Datums unter Abwägung regulatorischer und ethischer Aspekte diese Nutzung rechtfertigt. Während die deutsche und europäische Gesetzgebung als Voraussetzung für die Datennutzung bei Bonitätsprognosen überwiegend auf statistische Korrelationen abstellen, sind die wenigsten Verbraucher in der Lage, die verwendeten mathematisch-statistischen Prognosemodelle nachzuvollziehen oder kausale Zusammenhänge zwischen ihrem Verhalten und dem Ergebnis einer Bonitätsprognose herzustellen. Dieses Informationsdefizit hat Einfluss auf die Intensität der politischen Debatte sowie auf Akzeptanz und Stabilität von Institutionen. Die vorliegende Arbeit versucht, dieses Informationsdefizit zu reduzieren und den Mehrwert unterschiedlicher Bonitätsdatentypen auf einem Echtdatensatz mit ca. 1,6 Mrd. Beobachtungen statistisch zu ermitteln. Dazu wird eine qualitative Typologie von Bonitätsdaten entwickelt, welche diese Daten in unterschiedliche Grade „kontextueller Spezifität“ differenziert und anschließend die statistischen Erklärungsbeiträge unterschiedlich spezifischer Bonitätsdaten auf eine Bonitätsprognose ermittelt. Kontextuell spezifisch bedeutet hier, dass unabhängig von einer statistischen Korrelation ein erkennbarer zeitlicher und inhaltlicher Zusammenhang zwischen einem Bonitätsdatum und dem Verhalten im Kredit-Kontext erkennbar ist, und dass das Datum tatsächlich eine valide Repräsentation individuellen Verbraucherverhaltens ist. Die zentrale informationsökonomische Fragestellung besteht darin, ob und welche Vorteile Bonitätsdaten mit höherer Spezifität gegenüber solchen mit geringerer Spezifität haben und diese Unterschiede zu quantifizieren. Daraus lässt sich auf die mikro- und makroökonomische Vorteilhaftigkeit unterschiedlich spezifischer Bonitätsdaten schließen. Zusätzlich wird eine Einordnung in die Neue Institutionenökonomik vorgenommen sowie ethische Aspekte der Verwendung von Bonitätsdaten und Prognoseverfahren diskutiert.