Jan Enno Einfeld - Finiata

Jan Enno Einfeld ~ Finiata

Jan Enno ist Geschäftsführer von Finiata, einem Fintech mit Fokus auf kurzfristiges Liquiditätsmanagement für Kleinunternehmen, Selbstständige und FreiberuflerInnen. Finiata nimmt seit März 2020 neben dem Kernmarkt Polen nun Märkte wie Italien und Spanien für die kommenden Jahre ins Visier und ist Kooperationspartner in Westeuropa und Deutschland für Banken und andere Akteure im Kreditgeschäft. Die Bonitätsprüfung erfolgt komplett digitalisiert und automatisiert. Der Algorithmus „Copernicus“ hat sich durch Machine Learning kontinuierlich weiter entwickelt und prüft binnen weniger Minuten die Kreditwürdigkeit der Online-AntragsstellerInnen.

Herr Einfeld, Sie sagen, B2B-Plattformen und -Onlinehändler mutieren zu Kreditanbietern. Was meinen Sie damit genau?

Bis dato herrschte im Handel eine relativ klare Aufgabenteilung: Beim Onlinehändler kaufe und bezahle ich ein Produkt, die Finanzierung des Kaufs, also die Geldmittel, regeln die Kaufenden über ein externes Kreditinstitut, beispielsweise mittels der Hausbank. Zwar boten einige große Unternehmen, etwa Automobilkonzerne, schon unternehmenseigene Finanzdienstleistungen für ihre KundInnen zur Finanzierung eines Kaufs. Allgemein waren diese Embedded-Finance-Dienstleistungen, also das Angebot von Finanzdienstleistungen von Nicht-Banken, aber unüblich und mit hohen Hürden verbunden.

Das ändert sich im Moment. Onlinehändler und Plattformen aller Größen bieten ihren KundInnen gerade im B2B-Segment vermehrt Finanzierungsmöglichkeiten wie Mikrokredite oder flexible Finanzierungen am Point of Sale. Somit verschmelzen die Finanzierung eines Produktes und dessen Kauf und gehen ineinander über. Die KundInnen müssen praktisch keinen Umweg mehr über die Bank machen, um ein Produkt zu kaufen. Ein Beispiel: Einer Bäckerin geht der Ofen kaputt, sie braucht Ersatz. Nun steht sie vor einem Dilemma. Ihr fehlen die finanziellen Reserven um auf die Schnelle eine tausende Euro teure Maschine zu kaufen und den Laden offen zu halten. Ohne diesen Ofen verliert sie aber auch ein Gros der potenziellen Einnahmen. Normalerweise muss die Bäckerin nun zur Bank, einen Antrag auf einen Kurzzeitkredit stellen, warten, hoffen, dass dieser bewilligt wird und kann dann erst mit einiger Verzögerung den Ofen kaufen. Dieser Weg fällt vermehrt weg, wenn die Händlerin selbst zu Finanzdienstleistern werden. Stattdessen vereinbart sie mit der Händlerin direkt während des Kaufs einen kurzfristigen Kredit, erhält umgehend den Ofen und kann den Betrieb am laufen halten.

Nun sind Kredite nicht das Kerngeschäft von Plattformen und Händlern. Warum sollten sie das tun? Weswegen verlagert sich das Angebot von Krediten plötzlich auch in andere Branchen?

Das Bäcker-Beispiel zeigt: Die kundenseitige Nachfrage war schon immer da. Für die Kundschaft ist es natürlich deutlich einfacher und entspannter, die finanziellen Fragen an Ort und Stelle des Produktkaufs, am Point of Sale, zu klären. Aber so gerne viele Händler diese Nachfrage bedient hätten, Finanzdienstleistungen waren auf eine relativ kleine Gruppe von sehr großen Anbietern beschränkt. Denn nur Banken hatten die Expertise und die Ressourcen, große Mengen an Krediten anbieten zu können. Und außerhalb großer Konzerne hatte und hat kein Anbieter eine eigene Bank im Unternehmen.

Die Digitalisierung rüttelt jedoch an diesem Monopol und demokratisiert das Angebot von Finanzdienstleistungen; sie werden für alle zugänglich. Plötzlich können Algorithmen die Bonität von KreditnehmerInnen bewerten und Kredite zusagen, Ratenzahlungen und Tilgungspläne werden digital vereinbart, Software wickelt die Zahlvorgänge ab. Eigens ausgebildete SachbearbeiterInnen zur Prüfung von Kreditanträgen sind plötzlich obsolet. Damit ist das Wissen, welches es für das Angebot von Finanzdienstleistungen braucht auch für Anbieter außerhalb des Bankensektors oder der großen Konzerne verfügbar – und Händler können endlich die kundenseitige Nachfrage nach flexiblen Finanzdienstleistungen am Point of Sale bedienen.

Und welchen Vorteil haben die Plattformen und Händler davon?

In der Customer Journey vieler Händler – also dem Weg der Kundin vom ersten Besuch auf der Landing Page des Händlers bis zum Produktkauf – klaffte jahrelang ein riesiges Loch: die Finanzierung. Und der Weg über die Bank, um ein Produkt erst zu kaufen ist für viele KundInnen umständlich und beschwerlich. Negative Erfahrungen mit der Bank färben auf den gesamten Produktkauf und damit auch auf den Händler ab. Wenn die Bäckerin unzählige Wege zur Bank machen muss, um einen Ofen zu kaufen, dann bewertet sie die Erfahrung eher negativ. Egal, wie reibungslos die Interaktionen mit dem Händler waren. Händler schließen durch Embedded-Finance-Dienstleistungen nicht nur die eigene Customer Journey, sie haben auch direkten Einfluss auf die Kundenzufriedenheit.

Andere Vorteile sind strategischer Natur: Gerade KleinunternehmerInnen sind keine Finanzexperten. Eine Maschine geht kaputt, eine Großkundin zahlt nicht, ein Wasserschaden; plötzlich hat das Unternehmen Liquiditätsprobleme. Banken springen in solchen Fällen selten ein. Denn sie meiden oft die Vergabe kurzfristiger Überbrückungskredite. Aufgrund ihrer oft noch manuellen und zeitaufwändigen Verarbeitung von Kreditanträgen stehen Arbeitsaufwand, Ausfallrisiko und Ertrag für sie in keinem guten Verhältnis. Ergo, die Bank lehnt viele Kleinkredite einfach ab. Die Folge: unverschuldet gerät ein Unternehmen in einen finanziellen Engpass. Und kann dann selbstverständlich auch keine Produkte mehr beim Händler kaufen. Indem Händler ihre KundInnen beim Liquiditätsmanagement unterstützen, stellen sie sicher, dass ihre KundInnen Partner bleiben und schützen somit ihre eigenen Einnahmequellen.

Welche konkreten Services bieten die Händler und Plattformen ihren KundInnen an?

Embedded-Finance-Dienstleistungen umfassen ein breites Array an Services, von on-Demand-Versicherungen, über flexible Finanzierungen, bis hin zu klassischen Finanzdienstleistungen. Spannend für die meisten Händler und Plattformen sind sicherlich die angesprochen Klein- und Kurzzeitkredite zum Zeitpunkt des Kaufs. Händler bieten ihren KundInnen neben dem eigentlichen Produkt dessen Finanzierungsmöglichkeit gleich mit an. Dies funktioniert nicht nur bei klassischen Investitionsgütern wie Maschinen, sondern setzt sich mehr und mehr auch im Bereich der Güter des Umlaufvermögens durch.

Ein anderer Service ist das Cash-Flow-Management. Händler unterstützen also ihre KundInnen beim Ausgabemanagement. Dafür prognostizieren sie mittels moderner Algorithmen die zukünftige Liquidität der Kundin, zeigen gezielt Einsparpotenziale auf, weisen auf die Möglichkeit hin, Engpässe zu überbrücken und bieten die passenden Kredite gleich mit an. Sinnvoll ist dieses Angebot gerade dann, wenn Händler ihre KundInnen regelmäßig beliefern. Beispielsweise Großhändler für die Gastronomie. Auf diese Weise stellen sie die finanzielle Stabilität ihrer KundInnen, somit deren wirtschaftliches Wohlergehen und den Bedarf an neuen Lieferungen sicher. Derartige Services im Cash-Flow-Management sind derzeit stark im Trend: Beispielsweise wollen laut der Boston Consulting Group aufgrund der Corona-Pandemie 72 Prozent aller Unternehmen aus der fertigenden Industrie das Working-Capital-Management stärker in den Fokus rücken.

B2B-Plattformen und Onlinehändler haben in der Regel relativ wenig Erfahrung im Kreditgeschäft. Wie wollen sie dieses neue Service-Angebot anbieten?

Anbieter brauchen auch keine große Erfahrung im Kreditgeschäft. Das Angebot und die Funktionalität der Finanzdienstleistungen werden von modernen Finanztechnologien sichergestellt. Externe Partner wie Fintechs stellen diese oft als White-Label-Lösung bereit. Sprich, die Plattformen und Händler integrieren die externe Expertise über die vorhandenen Technologien per API-Schnittstelle in das eigene Angebot. Die Finanzdienstleistung erscheint dann im Branding des Händlers auf deren Website.

Bieten Händler dann ihren KundInnen beispielsweise Kleinkredite an, so füllen diese für den Kreditantrag die Eingabemaske auf der Seite des Händlers aus. Diese Informationen gelangen dann über die Schnittstelle an die Technologie des Partners im Hintergrund. Die holt weitere Informationen von Drittquellen ein, bewertet den Antrag, gibt eine Prognose zur Kreditwürdigkeit der Kundin und spielt den Ball an die Händler zurück. Die Händler brauchen keine Bankerin und keine Sachbearbeiterin. Sie brauchen lediglich eine Technikerin, die die Schnittstelle zum Service freischaltet.

Bleiben wir doch kurz bei Ihren Beispielen: Wie prüfen Machine-Learning-Algorithmen die Bonität einer Kundin – oder geben ihr gleich sogar Tipps zu dessen Cash-Flow-Management?

Zur Bonitätsprüfung eines Antragstellers ziehen Machine-Learning-Algorithmen eine breite Datengrundlage aus zahlreichen Quellen: finanzielle Daten, Verhaltensdaten, Transaktionsdaten, Daten von Auskunfteien wie Creditreform oder Schufa und mikrogeografische Daten. Die meisten Daten müssen die KreditnehmerInnen dabei noch nicht einmal beim Anbieter gesondert angeben, sie sind bei bestehender Geschäftsverbindung bereits vorhanden oder stammen aus öffentlichen Datenbanken und Drittquellen wie der Schufa. So kommen schnell über 10.000 Datenpunkte zusammen, die der Algorithmus in Echtzeit in die Bonitätsprüfung einbezieht. Der Algorithmus clustert diesen Input dann in aussagekräftige Variablen, anhand derer er dann die Bonität der Antragstellerin beurteilen und Hypothesen zu deren Risiko aufstellen kann. Für das Aufstellen dieser Hypothesen greift der Algorithmus auf seinen breiten Schatz an Vorwissen zurück. Denn ein valider und präziser Scoring-Algorithmus hat bereits tausende oder hunderttausende Kreditanträge bewertet. Anhand des Erfahrungsschatzes mit vergleichbaren Fällen kann er dann zuverlässig die Kreditwürdigkeit einer Antragstellerin beurteilen und erreicht damit, auch während der Corona-Krise eine hohe Vorhersagegenauigkeit. Somit sind die Algorithmen nicht nur deutlich schneller, sondern auch präziser als ihre Sachbearbeiter-Pendants in den Kreditinstituten.

Ähnlich arbeitet der Algorithmus auch im Cash-Flow-Management. Anhand der breiten Datengrundlage über die Finanzdaten eines Kunden, makroökonomischer Erfahrungswerte, etwa über saisonale Schwankungen in der Nachfrage und mikrogeografischer Daten über der Kundin kann er dessen Liquidität prognostizieren und Einsparpotenziale identifizieren.

Vielen Dank für das Gespräch, Herr Einfeld.