Trad.Fi: KI-gestützte Risikobewertung und Kreditpreisfindung für Equipment-Darlehen

Der US-amerikanische Markt für Equipment-Finanzierungen ist stark papierbasiert und fragmentiert. Laut der Equipment Leasing and Finance Association wurden 2023 Ausrüstungs- und Softwareinvestitionen in Höhe von 1,34 Billionen US-Dollar in den USA finanziert; mehr als acht von zehn US-Unternehmen nutzen beim Erwerb von Ausrüstung irgendeine Form der Fremdfinanzierung. Klassische Kreditprüfungsprozesse in diesem Segment dauern typischerweise mehrere Monate und umfassen manuelle Prüfung, fragmentierte Datensätze und umfangreiche Papierdokumentation – besonders belastend für kleine und mittlere Unternehmen.

Trad.Fi, ein 2024 gegründeter US-amerikanischer Equipment-Finanzierer, kooperiert mit W3, einem Anbieter von KI-Agenten für Unternehmen. Gemeinsam wollen sie über einen Zeitraum von 48 Monaten bis zu 650 Millionen US-Dollar in privatem Kredit auf Blockchain-Infrastruktur abwickeln. Zielsektoren sind Fertigung, industrielle Elektroinfrastruktur, Wohngebäude-Solaranlagen und Rechenzentren.

Der KI-Einsatz konzentriert sich auf drei Kernfunktionen des Underwriting-Prozesses: Risikobewertung, Due Diligence und Kreditpreisfindung. Das erklärte Ziel ist, die Bearbeitungszeit für Equipment-Darlehen von mehreren Monaten auf einen einzigen Geschäftstag zu reduzieren. Auf Kreditgeberseite bietet Trad.Fi akkreditierten Investoren Zugang zu privaten Kreditpools, die durch Equipment-Darlehen besichert sind – das Sicherungsgut umfasst physische Gegenstände wie Solarmodule, Fertigungsanlagen und Rechenzentrumshardware.

Nach öffentlichen Berichten verfügt Trad.Fi bereits über rund 85 Millionen US-Dollar an unterzeichneten Term Sheets, von denen etwa 40 Millionen US-Dollar kurzfristig zum Abschluss erwartet werden.

W3 stellt die programmierbare Treasury- und Workflow-Infrastruktur bereit. Die KI-Werkzeuge automatisieren die Informationsextraktion aus Kaufaufträgen für Ausrüstung sowie die agenten-gesteuerte Prüfung und Fondssteuerung. Für jeden Kredit wird ein sogenannter Programmable Credit Record (PCR) onchain erstellt, der Echtzeit-Einblick in Sicherheitenwert und Zahlungsstatus bieten soll.

Für das Underwriting zieht Trad.Fi Daten aus Plaid sowie aus traditionellen US-amerikanischen Kreditauskunfteien und Finanzinstitutionen heran. Risikobewertungen basieren auf proprietären Algorithmen in Kombination mit diesen externen Datenquellen.

Die rechtliche und vollstreckungsrelevante Infrastruktur – einschließlich UCC-1-Pfandrechtseintragungen und Kreditdokumentation – verbleibt offchain. Das System kombiniert demnach onchain-Aufzeichnungen mit offchain-rechtlicher Abwicklung. In der Anfangsphase wird das Programm durch institutionelles Kapital aus dem traditionellen Privatkredit-Bereich finanziert; ein tokenisierter Liquiditätspool für qualifizierte Investoren soll später hinzukommen. US-amerikanische Investoren sind in der Anfangsphase nicht teilnahmeberechtigt. Die Infrastruktur läuft auf den Blockchains Avalanche, Base und Arc; die Avalanche Foundation hat W3s Infrastruktur unterstützt. Ein noch nicht benannter Drittanbieter wird den onchain-Investmentpool verwalten.

Belastbare Leistungsdaten über einen vollständigen Kreditzyklus liegen nach aktuellem Berichtsstand nicht vor. Dokumentiert sind ca. 85 Millionen US-Dollar an unterzeichneten Term Sheets sowie ca. 40 Millionen US-Dollar, die kurzfristig zum Abschluss erwartet werden. Die angestrebte Verkürzung der Genehmigungszeit auf einen Tag ist das erklärte Ziel, aber noch keine belegte Outcome-Zahl aus dem laufenden Betrieb.

Das Vorhaben ist ein konkreter Test, ob KI-gestützte Automatisierung Kreditprozesse im Equipment-Segment beschleunigen kann, ohne die Kreditqualität zu beeinträchtigen. Mehrere Fachpublikationen weisen darauf hin, dass die entscheidenden Prüfsteine – Ausfallquoten, Verwertungserlöse bei Sicherheiten, Servicing-Qualität und Investoren-Exits – von offchain-rechtlichen und operativen Prozessen abhängen, die durch die Blockchain-Infrastruktur nicht ersetzt werden. Die Qualität des automatisierten Scorings hängt unmittelbar von der Güte der eingespeisten Daten ab. Rechenzentrumshardware als Sicherheit birgt laut Berichterstattung zusätzlich ein Neubewertungsrisiko, falls der aktuelle KI-Infrastrukturaufschwung nachlässt. Der 650-Millionen-Dollar-Zielwert über vier Jahre ist gemessen am 1,34-Billionen-Dollar-Gesamtmarkt bescheiden, aber groß genug, um als Praxistest zu gelten.