Predictive Analytics: Insolvenzrisiken mit Machine Learning früher erkennen

Klassische Krisenkennzahlen sind rückwärtsgewandt. Sie zeigen, was bereits geschehen ist. Predictive Analytics versucht, das Krisenrisiko vorherzusagen, bevor es sich in der Bilanz niederschlägt.

Modelle des maschinellen Lernens werten eine Vielzahl von Merkmalen aus, von Zahlungsverhalten über Auftragslage bis zu Branchensignalen, und schätzen daraus die Ausfallwahrscheinlichkeit. Sie erkennen Muster, die einzelnen Kennzahlen entgehen.

Früher als die Bilanz

Der Vorteil liegt im Zeitvorsprung. Wo eine Eigenkapitalquote erst nach dem Jahresabschluss sichtbar wird, registriert ein Modell schon die schleichende Verschlechterung des Zahlungsverhaltens. Dieser Vorsprung ist im Sanierungskontext entscheidend.

Prognose ersetzt keine Würdigung

Ein Modell liefert eine Wahrscheinlichkeit, keine Gewissheit und keine rechtliche Bewertung. Es ersetzt weder die Feststellung der Insolvenzreife noch die fachliche Einschätzung. Es richtet die Aufmerksamkeit, bevor die harten Tatbestände erfüllt sind.