True Balance: KI für Kreditentscheidungen und Risikosenkung

True Balance ist eine in Indien tätige digitale Finanzplattform, die vor allem Kunden in Städten der Kategorien Tier II und Tier III bedient. Die durchschnittliche Kreditsumme liegt bei rund 12.000 bis 13.000 Rupien. Nach Angaben des Unternehmens ist ein großer Teil der Kunden neu im Kreditmarkt oder verfügt nur über eine begrenzte Kreditgeschichte. Herkömmliche Auskunftei-Daten reichen für diese Kundengruppe daher häufig nicht aus, um die Kreditwürdigkeit vollständig zu beurteilen.

True Balance nutzt künstliche Intelligenz für das Underwriting und die Kreditrisikoprognose. Das Unternehmen bewertet Kreditanträge mit traditionellen Auskunftei-Scores, darunter CIBIL, Experian und CRIF, und ergänzt diese Informationen bei ausdrücklicher Zustimmung der Kunden durch alternative Finanzdaten.

Dazu gehören unter anderem Daten aus FASTag-Nutzung, Anlage- und Investmentfondsbeständen sowie Kontoauszügen. Für die Analyse und das Underwriting greift True Balance nach eigenen Angaben auf rund 200 Milliarden Finanztransaktionen zurück. Dazu zählen Gehaltseingänge, UPI- und Kartenzahlungen, Kreditrückzahlungen und weitere Finanzaktivitäten.

Die Auswertung dieser Daten dient dazu, Kreditentscheidungen auch bei Personen mit geringer oder fehlender konventioneller Kredithistorie zu treffen. Als Beispiel für eine solche Kundengruppe nennt True Balance Haushaltsfahrer, die regelmäßige Einnahmen über UPI erhalten, aber kaum oder keine Kreditgeschichte besitzen.

True Balance setzt seit mehreren Jahren maschinelles Lernen im Underwriting ein. Zu den neueren Ansätzen gehören Embeddings, mit denen Kunden als Abfolgen von Finanztransaktionen analysiert werden. Die Modelle liefern keine reine Ja-oder-Nein-Entscheidung, sondern probabilistische Einschätzungen des Risikos.

Die Kreditprüfung ist nicht vollständig automatisiert. Nach Angaben des Unternehmens werden 100 Prozent der Kreditanträge durch KI bewertet. Rund 10 Prozent der KI-bewerteten Anträge werden zusätzlich manuell geprüft, wenn eine weitere Validierung erforderlich ist oder die Konfidenz des Systems nicht ausreicht. Dafür gibt es eine feste Eskalationsregel, den Mechanismus „Eskalation an einen Menschen“.

Die KI wird über die Kreditentscheidung hinaus eingesetzt. True Balance nutzt sie außerdem, um Inkassoaktivitäten zu priorisieren, kontaktbedürftige Kreditnehmer zu identifizieren, Leads zu generieren, Marketingaktivitäten zu unterstützen und Kundenanfragen zu beantworten. Ein separat entwickelter „Traceability Agent“ soll nachvollziehbar machen, wie das System zu einer Antwort oder Entscheidung gelangt ist.

True Balance berichtet, dass das KI-gestützte Underwriting im vergangenen Jahr die Zahl der genehmigten geeigneten Antragsteller auf ein Mehrfaches des früheren Niveaus erhöht habe. Gleichzeitig sei die relative Ausfallhäufigkeit um mehr als die Hälfte gesunken. Die Genauigkeit der Kreditrisikoprognose habe sich nach Unternehmensangaben mehr als verdoppelt.

Im selben Zeitraum sank die Betriebskostenquote laut Finanzvorstand von 60 Prozent auf 35 Prozent. True Balance weist jedoch darauf hin, dass diese Veränderung nicht ausschließlich der künstlichen Intelligenz zugerechnet werden kann. Das Unternehmen hat weder seine KI-Ausgaben noch die Rendite dieser Investitionen quantifiziert.

True Balance gibt außerdem mehr als 100 Millionen kumulierte installierte Nutzer an. Eine weitere Quelle nennt für die Plattform mehr als 120 Millionen kumulierte Downloads und eine Wiederverwendungsrate von über 90 Prozent. Die Angaben beziehen sich auf unterschiedliche Größen und werden hier nicht gleichgesetzt.

Der Einsatz verbindet traditionelle Kreditbureau-Daten mit alternativen Finanzsignalen und maschineller Auswertung von Transaktionsfolgen. Damit adressiert True Balance Kunden, die im formellen Kreditsystem nur unvollständig abgebildet sind. Zugleich bleibt bei einem Teil der Fälle eine manuelle Prüfung vorgeschaltet beziehungsweise nachgelagert.

Die Unternehmensangaben belegen Verbesserungen bei Genehmigungen, Ausfallhäufigkeit und Vorhersagegenauigkeit. Sie weisen jedoch nicht aus, welcher Anteil der einzelnen Effekte unmittelbar auf KI zurückgeht. True Balance ist zudem vorsichtig bei Anwendungen, deren Fehler direkte finanzielle Folgen für Kunden haben könnten. Ein KI-gestützter Kundenassistent wird deshalb zunächst intern und mit kontrollierten Gruppen getestet.