Zusammenfassung
Deutsche Kreditinstitute befinden sich in einer Phase ausschlaggebender Veränderungen. Aufgrund der anhaltenden Niedrigzinsen ist das Geschäft der Fristentransformationen nur noch bedingt möglich. Zu einem bisher vernachlässigten Firmenkundensegment gehören die Geschäfts- und Gewerbekunden. Das Berliner Start-up VAI Trade nimmt sich dieses Segments an und setzt auf automatisierte Entscheidungswege. Die Zielgruppe der VAI Trade GmbH sind kleine Unternehmen des Mittelstands. Dies entspricht Unternehmen mit bis zu 50 Mitarbeitern und einem Umsatz zwischen 100.000 und 15 Millionen Euro. Einen besonderen Fokus legt die VAI Trade GmbH auf eCommerce-Händler. VAI Trade verwendet die Bonitätseinschätzungen der Auskunfteien als Vorselektierung der Finanzierungsanfragen. So können harte Negativmerkmale und eventuell bestehende Zahlungserfahrungen der Auskunfteien dabei helfen, das anfragende Unternehmen vorerst einzuschätzen. Da Einzelunternehmen keine Veröffentlichungspflicht ihrer Umsätze haben, liegen den Auskunfteien lediglich rudimentäre Informationen zu den Unternehmen vor.
Mit Blick auf die asiatischen Vorläufer der FinTech-Branche steht der Kurs fest. Themen wie die Nutzung unstrukturierter Daten werden weiter an Relevanz in deutschen Finanzunternehmen gewinnen. VAI Trade setzt aus diesem Grund auf die Akkumulation von Daten durch die Anbindung diverser Microservices der Kunden und die Speicherung und das Monitoring der Social Media Auftritte. Betrugsversuche werden hierdurch bereits abgewehrt und Ausfälle vermieden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Dohms, H.-R./Schlenk, C. (Stand: 16.11.2019): Wie Kreditech fast 200 Mio. Euro verbrannt hat, unter: https://finanz-szene.de/eigene-artikel-von-finanz-szene-de/wie-kreditech-es-schaffte-fast-200-mio-euro-zu-verbrennen/, Finanz-Szene
Eschbach, R./Eschenbach, K./Langer, C. (2013): Rating und Finanzierung im Mittelstand, 1. Auflage, Springer Gabler, Wiesbaden
Eschholz, S./Djabbarpour, J. (2016): Scoring in der Finanzbranche”, in Hoeren, T./Kolany-Raiser: Big Data zwischen Kausalität und Korrelation, 1. Auflage, LIT Verlag, Berlin
Kleinschmidt, P./Hufenstuhl, A. (2018): Ist Deutschland bereit für Social Scoring? Unter: https://www.pwc.de/de/finanzdienstleistungen/studie-ist-deutschland-bereit-fuer-social-scoring.pdf, zuletzt abgerufen am 24.03.2020.
Vassakis, K./Petrakis, E./Kopanakis, I. (2018): Mobile Big Data: A Roadmap from Models to Technologies, 1. Auflage, Springer International Publishing, Cham
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Schütte, H., Klein, M. (2020). Social Credit Ratings in der Praxis – dargestellt am Beispiel des Wareneinkaufsfinanzierers. In: Everling, O. (eds) Social Credit Rating. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-29653-7_33
Download citation
DOI: https://doi.org/10.1007/978-3-658-29653-7_33
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-29652-0
Online ISBN: 978-3-658-29653-7
eBook Packages: Business and Economics (German Language)