Wie Daten die Zukunft im Factoring sichern

Das Datenmanagement in der Rechnungsfinanzierung weist erhebliches Verbesserungspotenzial auf. Kritische Entscheidungsprozesse könnten deutlich optimiert werden, wenn bestehende Fragmentierung und Insellösungen überwunden und umfassendere Datenpools geschaffen würden. Auch regulatorische Weiterentwicklungen, wirksamere Betrugsprävention und die breitere Einführung fortschrittlicher Technologien wie Künstlicher Intelligenz (KI) ließen sich mit besserer Datenverfügbarkeit und -zugänglichkeit deutlich beschleunigen. 

Als Technologieanbieter in diesem Umfeld stellt sich daher eine entscheidende Frage: Wie können wir Technologie am wirksamsten einsetzen, um die bestehende Datenlücke zu schließen? 
Bei Lenvi Riskfactor beschäftigen wir uns aktiv mit dieser Fragestellung und definieren unsere Rolle in einer möglichen Lösung. 

In diesem Artikel werfe ich einen Blick auf die Datenlandschaft der Branche, analysiere sowohl Potenzial als auch Grenzen technologischer Ansätze und unterstreiche die unverändert zentrale Bedeutung von menschlicher Expertise, fundiertem Urteilsvermögen und partnerschaftlicher Zusammenarbeit. 

Beginnen wir mit einer Herausforderung, die vielen europäischen Factoring-Anbietern vertraut ist: Basel 3.1 (in Europa meist als CRR3 bezeichnet und oft auch unter dem Schlagwort „Basel 4“ diskutiert). 

Die Regulierung sieht für Factoring eine Risikogewichtung von 100 % vor. Das bindet erheblich Eigenkapital und limitiert die Finanzierungskapazität. Die EUF (European Federation for the Factoring and Commercial Finance Industry) arbeitet aktiv daran, diese Einstufung zu hinterfragen – mit dem Argument, dass Factoring eine sichere und effektive Finanzierungsform mit sehr geringen Ausfallquoten sei und daher eine günstigere Risikogewichtung verdient. 

Gute Argumente allein reichen jedoch nicht. Um Aufsichtsbehörden zu überzeugen, braucht es belastbare Daten. Gefordert sind Zahlen, die niedrige Verlustquoten, wirksames Risikomanagement und stabile Performance belegen. Doch genau diese Daten sind bislang nur unvollständig vorhanden. 

Ohne einen datengetriebenen Business Case bleibt die Branche in der Defensive. 

Während der britische Markt etwas flexibler agiert, bleibt eine konsistente und verlässliche Marktberichterstattung ohne Datengrundlage schwierig. Zentrale Register und verpflichtende Dateneinreichungen klingen zwar naheliegend, stoßen aber auf erhebliche Widerstände – nicht zuletzt wegen der verbreiteten Zurückhaltung, sensible Informationen zu teilen. 

Hier können Technologieanbieter einen entscheidenden Beitrag leisten: mit sicheren, effizienten Lösungen zum Sammeln, Analysieren und Teilen von Daten. 

Ein weiteres zentrales Thema ist die unzureichende Meldung von Betrugsfällen. Zwar machen betrügerische Transaktionen nur einen kleinen Teil des Gesamtvolumens aus, können aber für einzelne Anbieter und die gesamte Branche erhebliche Schäden verursachen. 

Wie Kevin Day von Lendscape bereits im vergangenen BCR Yearbook betonte, „haben Unternehmen historisch oft darauf verzichtet, Betrugsfälle korrekt in ihren Datensätzen zu kennzeichnen“. Gründe dafür sind u. a. Reputationssorgen und die Angst, interne Schwächen offenzulegen. 

Doch wer Betrug nicht offen dokumentiert, verhindert kollektives Lernen und schwächt die Entwicklung wirksamer Präventionsstrategien. Die Branche braucht eine Kultur der Transparenz und Zusammenarbeit, in der Unternehmen sicher Erfahrungen und Erkenntnisse teilen können. 

Technologie kann bei der Betrugserkennung und -prävention helfen, ist aber kein Allheilmittel. KI und insbesondere Machine Learning sind nur so gut wie die Daten, mit denen sie trainiert werden. Fehlen Daten oder sind sie ungenau, sind auch die Ergebnisse unzuverlässig.

Wie in vielen Branchen versprechen KI-gestützte Lösungen, die Herausforderungen der Rechnungsfinanzierung grundlegend zu verändern – auch im Hinblick auf die Datenproblematik. Doch diese Versprechen sollte man mit gesunder Skepsis betrachten. 

Viele als „KI“ vermarktete Lösungen basieren im Kern auf fortgeschrittener Statistik und Algorithmik. Das schmälert ihren Wert nicht – im Gegenteil: Was Lenvi Riskfactor seinen Nutzern heute bereits bietet, entspricht in vielen Bereichen dem, was andere Anbieter erst für die Zukunft ankündigen. Entscheidend ist aber, die Erwartungen realistisch zu halten: Von echter, selbstlernender KI ohne menschliches Zutun sind die meisten Systeme weit entfernt. 

Es geht also nicht darum, KI abzuschreiben, sondern sie als Werkzeug zur Verstärkung menschlicher Fähigkeiten zu begreifen. Wichtig ist, Entwicklung nicht um der Entwicklung willen zu betreiben, sondern den konkreten, praktischen Mehrwert in den Fokus zu stellen. 

Die Chance liegt darin, KI-Power mit Erfahrung und Urteilsvermögen erfahrener Fachkräfte zu kombinieren.

Die Rechnungsfinanzierung basiert seit jeher auf Beziehungen und Vertrauen. 

Es geht darum, Kundenbedürfnisse zu verstehen, Risiken differenziert einzuschätzen und auf Basis vielfältiger Faktoren fundierte Entscheidungen zu treffen. Technologie kann diese Prozesse unterstützen – aber nicht ersetzen. 

Gerade im Fraud-Management sind menschliches Urteilsvermögen und die Fähigkeit, scheinbar unverbundene Informationen zu verknüpfen, unverzichtbar. KI kann Anomalien erkennen, aber oft sind es subtile Muster, die nur erfahrene Experten deuten können. 

Eine zukunftsfähige Branche braucht daher eine enge Zusammenarbeit von Mensch und Technologie – ergänzt durch Transparenz, etwa beim offenen Austausch über Betrugsfälle. Wer Wissen über neue Bedrohungen teilt, stärkt die gesamte Branche und schafft Mehrwert für Kunden. 

Mit dem Eintritt immer neuer FinTechs in die Branche bleiben die bestehenden Risiken bestehen, solange wir das Datenproblem nicht entschlossen angehen. 

Technologieanbieter wie Lenvi Riskfactor können hier eine Schlüsselrolle übernehmen. 

Wir arbeiten aktiv mit Branchenverbänden, Geschäftspartnern und Forschungseinrichtungen zusammen, um datengetriebene Lösungen zu entwickeln, die dem gesamten Ökosystem zugutekommen. 

Ein Schwerpunkt liegt darauf, Verbände bei den Herausforderungen durch Basel 3.1 zu unterstützen – etwa indem Technologieanbieter Expertise für Datenerfassung, -speicherung und -pflege bereitstellen, um kostspielige Auswirkungen regulatorischer Anforderungen zu mildern. 

Im Bereich KI analysieren wir, wie sich die Fülle ungenutzter Daten in der Branche wirksam erschließen lässt, um Risikobewertungen und Forecasting zu verbessern. 

Zudem können Lender helfen, die Verluste durch Betrug besser zu verstehen, indem sie ihre Daten beisteuern. So lassen sich sowohl die Sicherheits- und Resilienzargumente für die Rechnungsfinanzierung im britischen Markt untermauern als auch wertvolles Schulungsmaterial für die nächste Generation von Branchenexperten schaffen. 

Das volle Potenzial von Daten und Technologie entfaltet sich nur in Kombination mit einer Kultur der Zusammenarbeit, Transparenz und kontinuierlichen Verbesserung. 
Das bedeutet konkret: 

Wer partnerschaftlich agiert, kann aus bestehenden Daten wertvolle Insights gewinnen und sie in konkrete Strategien für Wachstum, Resilienz und Innovation umsetzen – zum Vorteil der gesamten Branche.