Unternehmenskreditrisiko: Was erklärbare KI vor den Kennzahlen erkennt

Wir alle kennen diese Akte: ordentliche Liquiditätskennzahlen, positives Eigenkapital, ein Businessplan, der trägt — und ein Unternehmen, das achtzehn Monate später Gläubigerschutz beantragt. Die Frage stellt sich in nahezu jeder Transaktion, die wir begleiten, und die Zahlen beantworten sie selten eindeutig. Lässt sich eine Insolvenz allein aus den Jahresabschlüssen kommen sehen?

Weitgehend ja — sofern man das Richtige liest. Prüft man nur die 20 % der als am riskantesten eingestuften Fälle, findet man rund drei Viertel der Unternehmen, die innerhalb von drei Jahren ausfallen. Und vor allem, für jeden, der in einem Investitionsausschuss sitzt: Jede Prognose lässt sich auf konkrete Positionen der Bilanz zurückführen.

Warum erklärbare KI in der Kreditarbeit über alles entscheidet

Ein Modell, das „dieses Unternehmen ist riskant“ meldet, ohne zu sagen warum, ist unbrauchbar. Nicht weil es sich irrt, sondern weil kein Aufsichtsrat eine Entscheidung genehmigt, die er nicht prüfen kann, und keine Aufsichtsbehörde eine Kreditbeurteilung akzeptiert, die sich nicht nachvollziehen lässt.

Die Aufgabe besteht also nicht nur im Prognostizieren. Jede Prognose wird mittels SHAP (Shapley-Werte, entlehnt aus der Spieltheorie) in jene buchhalterischen Tatsachen zerlegt, die das Risiko erhöht haben, und jene, die es gesenkt haben — jeweils mit ihrem Gewicht. Wer die Jahresabschlüsse besitzt, kann die Argumentation Zeile für Zeile überprüfen.

Wie es aufgebaut wurde: Daten, Modelle und zeitlich getrennte Validierung

Die Daten. 78.682 Geschäftsjahre von 8.971 an Nasdaq und NYSE notierten Unternehmen zwischen 1999 und 2018. Im Untersuchungszeitraum sind 609 davon ausgefallen — 6,8 %.

Die Fragestellung. Nicht „wird dieses Unternehmen eines Tages insolvent?“, was niemandem hilft, sondern „fällt es innerhalb von drei Jahren aus?“ — der Horizont, mit dem ein Kreditausschuss tatsächlich arbeitet. Nach dieser Definition wird ein Unternehmen nur in seinen letzten drei Geschäftsjahren markiert.

Die Kennzahlen. Achtzehn Bilanz- und GuV-Positionen, aus denen 99 Kennzahlen abgeleitet werden: die üblichen Liquiditäts-, Verschuldungs- und Rentabilitätskennzahlen, der Altman Z-Score — und vor allem Verlaufsgrößen: die Entwicklung jeder Kennzahl über ein, zwei und drei Jahre, aufeinanderfolgende Ergebnisrückgänge, die Erosion der Rücklagen.

Der Test. Die Validierung ist streng chronologisch und folgt dem von den Autoren des Datensatzes empfohlenen Protokoll: Das Modell lernt auf 1999–2011, wird auf 2012–2014 eingestellt und auf 2015–2018 beurteilt — Jahre, die es nie gesehen hat, und 3.700 Unternehmen, denen es nie begegnet ist, von denen 119 ausgefallen sind. Die Zukunft wird ihm nie gezeigt, was den häufigsten Weg ausschließt, derartige Ergebnisse zu schönen.

Fünf Modellfamilien wurden verglichen, vom einfachen Clustering über Gradient Boosting bis zu neuronalen Netzen. Da Ausfälle selten sind — 2,1 % der Beobachtungen im Testzeitraum — wurde der Trainingsdatensatz durch synthetisches Über-Sampling ausgeglichen. Diese Entscheidung wurde in beide Richtungen geprüft statt unterstellt: Sie verbessert die Rangfolge um rund zwei Punkte, verschlechtert jedoch leicht die Genauigkeit der absoluten Wahrscheinlichkeiten.

Was ausfallende Unternehmen unterscheidet

Schon vor jeder Modellierung erzählt der schlichte Vergleich das Wesentliche. Medianwerte im Testzeitraum:

Die erste Zeile verdient einen Moment. Der Altman Z-Score stammt aus dem Jahr 1968 und ist seither unverändert; er setzt die Krisenzone unter 1,8 an. Unternehmen, die ausfallen werden, liegen bei null, die übrigen bei 3,42. Beide Gruppen verteilen sich beiderseits einer vor einem halben Jahrhundert festgelegten Schwelle — und weder das Modell noch sein Autor haben etwas damit zu tun.

Drei Signale dominieren, und keines davon wird einen Kreditanalysten überraschen.

Die aufgebauten Rücklagen. Ein Unternehmen, das nie welche gebildet hat, besitzt keinen Puffer — wie rentabel es heute auch erscheinen mag.

Die Verschuldung. Schulden in Höhe von 90 % der Bilanzsumme gegenüber 55 % lassen nichts mehr zum Nachverhandeln.

Das Urteil des Marktes. Der Kurs preist die Krise lange ein, bevor die Bücher sie abbilden.

Die eigentliche Erkenntnis liegt jedoch anderswo: Es ist die Bewegung der Zahlen, weit mehr als ihr Niveau, die den Ausfall ankündigt. Eine mittelmäßige, aber stabile Kennzahl ist eine Sache. Dieselbe Kennzahl, die drei Jahre in Folge erodiert, eine ganz andere — und nur Letzteres ist eine echte Warnung.

Welche Branchen tatsächlich brechen

Hier braucht es kein Modell — nur den Anteil der Unternehmen je Branche, die zwischen 1999 und 2018 ausgefallen sind. Aufgeführt sind ausschließlich Branchen mit mindestens dreißig börsennotierten Unternehmen; darunter verschieben ein oder zwei Fälle den Wert um mehrere Punkte. Referenz: 6,8 % über alle Industrien.

Selten fügt ein Zeitraum von zwanzig Jahren einem Datensatz derart viele Schocks zu. Das Platzen der Internetblase 2000–2002, verschärft durch den 11. September. Die Subprime-Krise 2008–2009 und die anschließende europäische Staatsschuldenepisode. Eine lange Erholung auf historisch niedrigen Zinsen, unterbrochen vom Ölpreisverfall 2014–2016, als das Barrel von über 100 auf unter 30 Dollar fiel. Jede der folgenden Branchen wurde von mindestens einem davon geprüft — und die Überlebenden wurden nicht zufällig bestimmt.

Die drei am stärksten exponierten Branchen

Luftverkehr — 30,6 % Ausfälle (49 Unternehmen). Das Viereinhalbfache des Basiswerts. Die Branche bekam beide großen Schocks der Periode mit voller Wucht zu spüren: den 11. September und die Rezession 2001–2002, dann die Krise von 2008 vor dem Hintergrund teuren Kerosins. Die Bilanz erklärt den Rest — massive Fixkosten, kreditfinanzierte Flotten und eine Nachfrage, die genau dann verschwindet, wenn der Schuldendienst es nicht tut. Mehrere große Fluggesellschaften durchliefen zwischen 2002 und 2011 ein Chapter-11-Verfahren.

Bekleidungseinzelhandel — 26,8 % Ausfälle (71 Unternehmen). Nahezu das Vierfache des Basiswerts, und die einzige Branche, deren Niedergang keinem makroökonomischen Schock geschuldet ist. Der Zeitraum umfasst den Aufstieg des Onlinehandels und das langsame Ausbluten der amerikanischen Shopping Malls. Die finanzielle Signatur ist eindeutig: durch lange Mietverträge fixierte Mieten, Warenbestände, die schlecht altern, und von beiden Seiten gedrückte Margen. Eine strukturelle Zange, keine konjunkturelle.

Die drei widerstandsfähigsten

Mineralölraffination — 2,6 % Ausfälle (38 Unternehmen). Die aufschlussreichste Zahl der Tabelle, denn die Öl- und Gasförderung verliert in derselben Wertschöpfungskette jedes sechste Unternehmen. Ein Raffineriebetrieb verdient an der Spanne zwischen Rohöl und Fertigprodukten; das Niveau des Barrels zählt weit weniger. Im Upstream hängen die Erlöse von einem Weltmarktpreis ab, den niemand steuert, während das Kapital bereits im Boden versenkt ist. Der Verfall 2014–2016 verwüstete das eine und streifte das andere kaum.

Großhandel, Gebrauchsgüter — 2,8 % Ausfälle (215 Unternehmen, eine der größten Stichproben hier). Die Position als Zwischenhändler schützt. Wenig Anlagevermögen, keine abzuschreibenden Werke, eine über viele Industrien gestreute Kundschaft. Vor allem atmet die Bilanz eines Distributors mit der Konjunktur: In der Rezession schrumpfen Vorräte und Forderungen und setzen Liquidität frei, genau dann, wenn sie andernorts knapp wird — das Gegenteil eines Herstellers, gefangen in seinen Fixkosten. Die Rezessionen 2001 und 2008–2009 drückten die Margen, selten die Solvenz.

Die Logik steht in den Bilanzen, nicht in den Schlagzeilen. Die Branchen oben sind kapitalintensiv, strukturell verschuldet und verkaufen zu Preisen, die sie nicht setzen — ein Abschwung trifft also die Erlöse, während der Schuldendienst unverändert bleibt. Jene unten sind anlagearm, gering verschuldet und bedienen eine Nachfrage, die nicht verschwindet.

Diese Kombination — schweres Kapital, strukturelle Verschuldung, hingenommene statt gesetzte Preise — beschreibt einen guten Teil der Industrie- und Infrastrukturassets, die über einen Transaktionsschreibtisch gehen. Es ist weniger ein Brancheneffekt als eine Bilanzsignatur, und sie überträgt sich: dasselbe Profil bei einem nicht börsennotierten Mittelständler verlangt dieselbe Vorsicht.

Funktioniert es? Fünf Machine-Learning-Modelle im Vergleich

Zwei Antworten, eine technische und eine nützliche.

Die technische Antwort. Legt man ihm zwei Unternehmen vor — eines, das ausgefallen ist, und eines, das es nicht ist — setzt das beste Modell in 86 % der Fälle das richtige an die erste Stelle.

Bei lediglich 119 beobachteten Ausfällen liegt die Fehlermarge je Wert bei rund ±3 Punkten — der Abstand zwischen den ersten drei Modellen ist damit nicht signifikant. Baumbasierte Verfahren führen, der lineare Referenzwert folgt dicht dahinter, und nur Clustering und neuronales Netz fallen deutlich ab. Das Clustering ist die interessante Ausnahme: Letzter in der Rangfolge, Erster bei der Erkennung, weil seine groben Gruppen einen großen Teil der gefährdeten Fälle einsammeln — um den Preis vieler Fehlalarme.

Weitet man die Prüfung auf 30 % der Fälle aus, erreicht man 84 % — die Kurve flacht danach rasch ab, und genau das macht die 20 % zum effizienten Punkt.

Die nützliche Antwort. Prüfen Sie die 20 % der als am riskantesten eingestuften Fälle, und Sie erfassen 76 % der Unternehmen, die ausfallen werden. Innerhalb dieser geprüften Menge fällt etwa jeder zwölfte Fall tatsächlich aus — gegenüber jedem achtundvierzigsten bei zufälliger Auswahl. Die vierfache Trefferquote, bei einem Fünftel des Aufwands.

Lassen sich diese Werte als Wahrscheinlichkeiten lesen?

Nur wenn das Modell dafür kalibriert wurde — ein Schritt, der leicht übergangen wird, und häufig übergangen wird. Ein roher Risikoscore ist ein Ordnungsinstrument, keine Wahrscheinlichkeit: Er besagt, dass ein Unternehmen riskanter ist als ein anderes, mehr nicht.

Nach der Kalibrierung entspricht ein ausgewiesener Wert von 10 % einem beobachteten Wert von 10 %. Genau das erlaubt es, in einem Vermerk eine Ausfallwahrscheinlichkeit auszuweisen statt eines undurchsichtigen Scores.

Ein Vorbehalt, der genannt werden sollte: Die Kalibrierung wurde auf einem Zeitraum mit einer etwas höheren Ausfallquote als in den Testjahren angepasst. Das Modell überschätzt das absolute Risiko daher um einige Zehntelpunkte. Es ordnet besser, als es einordnet.

Ein Unternehmen, aufgeschlüsselt: erklärbare KI in der Praxis

Eine durchschnittliche Rangfolge zeigt, welche Kennzahlen allgemein zählen. Ein Ausschuss braucht etwas anderes: warum dieser Fall, und auf welcher Grundlage.

Lesen Sie es als Kreditvermerk, nicht als Modellausgabe. Jeder Balken nach rechts ist eine Tatsache, die dieses Unternehmen Richtung Ausfall geschoben hat; jeder Balken nach links eine, die dagegen sprach. Die Länge ist das Gewicht, das das Modell ihr gab. Nichts verbirgt sich in einem Aggregat: Ein Fall kann an zwei entscheidenden Positionen auffallen, während ein Dutzend anderer in die Gegenrichtung weisen — und das sieht man sofort, was ein Ausschuss genau dann braucht, wenn er der Maschine widersprechen will.

Das macht das Modell im Feld widerlegbar. Beruht die Zerlegung auf einer Forderungsposition, die sich im Datenraum als einmalig erweist, lässt sich die Schlussfolgerung sachlich verwerfen statt aus dem Bauch heraus. Ein bloßer Score bietet keinen solchen Ansatzpunkt — hier dagegen ist jeder Balken eine Bilanzzeile, überprüfbar von jedem, der die Abschlüsse hat. Nichts stützt sich auf die Autorität des Modells.

Was sich daraus in jeder Transaktionsphase ableitet

Sourcing und Opportunitätsprüfung. Hier zahlt sich der Ansatz am meisten aus. Bei einer langen Zielliste legt er die Reihenfolge fest, in der Akten geöffnet werden: Die Prüfung der als riskantesten eingestuften 20 % erfasst drei Viertel der Situationen, die sich später verschlechtern. Er ersetzt kein Urteil — er entscheidet, was zuerst betrachtet wird, und bei einer Liste von achtzig Namen verändert allein das die Wochen eines Teams.

Bewertung. Ein Zielunternehmen mit dünnen oder erodierenden Rücklagen rechtfertigt einen erhöhten Diskontierungssatz, selbst wenn die laufenden Kennzahlen solide wirken. Die Zugehörigkeit zu einer historisch fragilen Branche verlangt denselben Reflex. Das sind Basispunkte auf einen WACC, keine Meinung — und weit leichter zu verteidigen, wenn der zugrunde liegende Verlauf auf dem Tisch liegt.

Due Diligence. Datenräume enthalten selten mehr als drei Geschäftsjahre. Die hinterlegten Abschlüsse sind jedoch öffentlich und nahezu kostenlos abrufbar: Zwei zusätzliche Jahre verändern die Lesart häufig, bei einem Aufwand von Minuten. Die Grenzkosten sind null, der Informationsgewinn beträchtlich. Wir lesen die Historie der Gewinnrücklagen und ihre Richtung vor den laufenden Kennzahlen. Und wir behandeln Stabilität als eigenständige Information — eine seit zehn Jahren mittelmäßige, aber stetige Kennzahl ist ein Geschäftsmodell, keine Warnung. Es ist die Akte, die vor drei Jahren komfortabel war und heute nur noch akzeptabel ist, die die zusätzliche Woche verdient.

Strukturierung und Closing. Wo die Analyse eine erhebliche Branchen- oder Zyklusexponierung offenlegt: Kaufpreisanpassungsklauseln indexiert auf Branchenindikatoren, um die Branchenentwicklung bereinigte Earn-outs, verstärkte Garantien auf die Branchenannahmen des Businessplans. Es geht nicht darum, das Risiko aus dem Deal zu preisen, sondern es dorthin zu legen, wo es getragen werden kann.

Was diese Studie nicht sagt

Sie betrifft börsennotierte US-Unternehmen, 1999 bis 2018. Nichts davon bezieht sich auf spätere Ereignisse. Risiko verhält sich in Europa, in Asien und in Schwellenländern anders — und nochmals anders bei mittelständischen Unternehmen, die kleiner und geringer kapitalisiert sind und nicht denselben Publizitätspflichten unterliegen. Die Branchenquoten sind historische Häufigkeiten über ein bestimmtes Zwanzigjahresfenster, keine strukturellen Konstanten: Die Metallerzeugung verdankt einen Teil ihrer Bilanz dem inzwischen beendeten Rohstoff-Superzyklus, und der Niedergang des Bekleidungshandels setzte sich weit über 2018 hinaus fort.

Das Ausfalldatum ist näherungsweise bestimmt. Die Daten halten fest, dass ein Unternehmen ausgefallen ist, nicht wann. Das Ereignis wird auf das zuletzt veröffentlichte Geschäftsjahr gelegt — eine vertretbare Näherung, auf der der Drei-Jahres-Horizont beruht.

Was fehlt, zählt. Führungsqualität, Governance, laufende Rechtsstreitigkeiten, Kundenkonzentration, ESG-Exponierung. Häufig entscheidend, in den Zahlen vollständig abwesend.

Fazit

Ein Faktor zieht sich durch die gesamte Studie: Ein Unternehmen, das über die Jahre keine Rücklagen gebildet hat, ist verwundbar — ob heute profitabel oder nicht, ob in einer wachstumsstarken Branche oder nicht. Verschuldung und Marktbewertung vervollständigen das Bild. Die Branche bestimmt die Prüfungstiefe, nicht die Antwort.

Für M&A- und Private-Equity-Transaktionen ist die Konsequenz unmittelbar: Der mehrjährige Verlauf eines Zielunternehmens — und nicht seine Momentaufnahme zum Closing — gehört ins Zentrum der Arbeit, vom ersten Screening einer Zielliste bis zu den beim Closing verhandelten Garantien.

Machine Learning stellt die Kreditanalyse nicht auf den Kopf. Es bestätigt sie, ordnet sie und beziffert sie — und macht dabei jede Schlussfolgerung bis zu einer Bilanzzeile nachvollziehbar. Dieser letzte Punkt ist kein Detail. Er entscheidet darüber, ob ein Ausschuss ein Werkzeug nutzt oder höflich beiseitelegt.

Der Quellcode ist frei verfügbar auf GitHub.

Anmerkung zur Methode und zu ihren Grenzen. Es handelt sich um eine methodische Übung auf einem einzigen öffentlichen Datensatz, einem Markt, einem Zeitraum. Die Ergebnisse hängen von Entscheidungen ab, die vernünftigerweise auch anders hätten ausfallen können — der Drei-Jahres-Horizont, die chronologische Aufteilung, der Umgang mit seltenen Ereignissen — und andere Entscheidungen ergäben andere Zahlen. Ein auf diesen Zeitraum kalibriertes Modell müsste vor jedem Einsatz unter heutigen Bedingungen oder auf einem anderen Markt neu kalibriert werden. Nichts davon stellt ein produktives Kreditmodell dar, ebenso wenig eine Anlageberatung oder eine Kreditempfehlung.

Diese Studie wurde iterativ mit KI-Unterstützung über mehr als zehn Versionen hinweg erstellt. Mehrere wurden verworfen, sobald eine Prüfung fehlschlug — und, wie sich zeigte, häufiger wegen eines Mangels in den Daten als wegen einer Schwäche des Modells. Veröffentlicht ist, was diese Prüfungen überstanden hat; die Prüfskripte liegen im Repository neben dem Code.

Über LJ Advisory
Beratungsgesellschaft für Fusionen, Übernahmen und Unternehmensfinanzierung mit Schwerpunkt auf Zielsuche, grenzüberschreitender Due Diligence, Unternehmensbewertung und Nachfolgetransaktionen. Über 20 Jahre Expertise im Dienste von Private-Equity-Fonds, strategischen Käufern und Finanzinstituten.