Die Creditreform und der Einsatz von Automatisierten Texten

Stephan Schütrumpf spricht über seine Erfahrungen mit der Software von AX-Semantics zur automatischen Textgenerierung (NLG).

Hallo Stephan, stelle Dich bitte für unsere Leser vor.

Hallo Saim, schön, dass wir uns hier in Berlin treffen. Gerne stelle ich mich kurz vor. Ich bin mittlerweile 46 Jahre und arbeite seit 2003 für Creditreform Rating in Neuss. Seit 2013 bin ich Prokurist bei Creditreform Rating und seit 2015 Geschäftsführer unserer 100%igen Tochtergesellschaft CRA Services Ltd. in Bulgarien. 

Creditreform Rating ist eine EU registrierte Ratingagentur und wir erstellen Ratings von Unternehmen, Banken, Pfandbriefen, strukturierten Finanzierungen und Ländern. Ich selbst verantworte den Bereich Kreditservices bei uns im Hause und wir bieten Leistungen rund um das Kredit- und Risikomanagement an. Hierbei verfolgen wir das Ziel, Kreditprozesse intelligenter, schneller und kosteneffizienter zu gestalten. In den letzten Jahren hat sich unser Geschäftsfeld gewandelt und die Digitalisierung von Prozessen nimmt einen extrem hohen Stellenwert ein.

Ist Creditreform nicht schon seit der Gründung digitalisiert?

Creditreform wurde am 9. März 1879 gegründet. Hier war die Digitalisierung noch nicht ganz so fortgeschritten :-). Soweit ich weiß, hat der Digitalisierungsprozess bei Creditreform in den 80er Jahren angefangen und hat sich seitdem kontinuierlich weiterentwickelt. Creditreform Rating hat ihre Geschäfte im Jahr 2000 aufgenommen. Als Teil der Gruppe Creditreform war uns schon früh klar, dass wir unsere Prozesse und Leistungen digital gestalten müssen. Aus Sicht von Creditreform Rating ein klares Ja.

Was macht die neue Digitalisierungsstrategie von Creditreform aus?

Die Digitalisierung hat sich in den letzten Jahren verändert. Wenn wir uns die ursprüngliche Bedeutung von Digitalisierung bei Wikipedia ansehen, dann bezeichnet der Begriff das Umwandeln von analogen Daten in digitale Formate. Die heutige Verwendung des Begriffes steht vielmehr für einen gesellschaftlichen Wandel, der sich auf unser Handeln als Unternehmen bzw. Unternehmensverantwortliche auswirkt. Es reicht nicht mehr aus, Daten strukturiert in Datenbanken vorzuhalten und diese über Schnittstellen an Kunden auszuliefern. Unsere Kunden haben eine ganz andere Erwartungshaltung an unser Leistungsangebot. Das Automatisieren von Geschäftsprozessen steht bei vielen unserer Kundengespräche im Vordergrund. Beim maschinellen Lernen werden wir heute glücklicherweise durch Frameworks wie TensorFlow unterstützt, die konkret für Kundenanforderungen eingesetzt werden können.

Aus diesem Grund hat Creditreform eine digitale Agenda ins Leben gerufen, um frühzeitig auf Anforderungen des Marktes und unserer Kunden reagieren zu können. Zu nennen sind hier das Trendwatching, das Ideen-Scouting, die Zusammenarbeit mit Universitäten, aber auch die Einrichtung eines eigenen Labs. Einen hohen Stellenwert nimmt das Thema künstliche Intelligenz ein.

Hier ist jedoch Transparenz im Einsatz von KI-Methoden gefordert, da wir als Dienstleister im Umfeld von Finanzinstituten den regulatorischen Anforderungen genügen müssen. Wie sich die Aufsicht zu dem Thema aufstellen wird, muss sich zeigen. 

Wir als Creditreform Rating entwickeln in unserem digitalen Ökosystem Lösungen, um damit konkreten Kundenanforderungen gerecht zu werden und wollen hierbei aber nicht das Big Picture aus den Augen verlieren.

Seit unserer Gründung entwickeln wir innovative Produkte und konnten uns als Auslagerungsunternehmen im Finanzdienstleistungsumfeld etablieren. Ein wichtiger Bestandteil unseres Leistungsangebotes ist die Verarbeitung von Jahresabschlüssen.

Hier haben wir im Gesamtkontext der Kreditgewährung unterschiedliche Lösungen entwickelt, die das Beschaffen, Strukturieren und die Analyse von Finanzinformationen vereinfacht. 

Eine Kundenanforderung ist zum Beispiel die Beschaffung von Finanzinformationen. Über unser Einreichungsportal FortDocs können internationale Finanzinformationen (Jahresabschlüsse, digitale Kontoauszüge, Verflechtungsinformationen und weitere bonitätsrelevante Unterlagen) sicher, schnell und einfach digital übermittelt werden. Durch die kombinierte Nutzung von FortDocs und dem digitalen Finanzbericht (DiFin) wird ein vollständiger Prozess zur digitalen Dokumenteneinreichung ermöglicht. Ergänzt wird unser Leistungsangebot über einen Web-Content-Crawler, der gezielt weltweit Websites nach Jahresabschlüssen durchsucht.

Die digitale Texterkennung und Textanalyse via OCR, NLP und DL ist dabei der nächste logische Schritt. Texte dahingehend zu interpretieren, ob darin bonitätsrelevante Informationen enthalten sind oder die Zuordnung von unstrukturierten Bilanzpositionen zu einer vorgegebenen Taxonomie sind dabei nur einige Anwendungsbeispiele, die wir heute unterstützen.

Ein sehr aktuelles Projekt ist die Generierung von textlichen Bilanzkommentierungen in der Votierung im Kreditentscheidungsprozess. 

Was macht Creditreform denn konkret mit Natural Language Generation (NLG)?

Die Erstellung von textlichen Bilanzkommentierungen ist ein sehr aufwändiger und komplexer Prozess und sehr stark von der Erfahrung des Kreditanalysten abhängig. Wir wollen NLG dazu nutzen, den Prozess der Kommentierung zu optimieren, den manuellen Aufwand deutlich zu reduzieren und im Rahmen der Bestandsfolgeoffenlegung vollständig zu automatisieren. Aktuell sehen wir einen hybriden Ansatz aus menschlicher und maschineller Intelligenz. Die Maschine bereitet Bilanzkommentierungen auf, die anschließend vom Kreditanalysten effizienter finalisiert werden können und bestenfalls an die maschinelle Intelligenz zurückgespiegelt werden.

Nach unser Entscheidung für AX Semantics im Oktober 2018 haben wir unser NLG-Projekt in drei Lernphasen aufgeteilt. In der ersten Phase hat ein erfahrener Analyst aus dem Bankensektor Bilanzkommentierungen erstellt, die wir kontinuierlich, regelbasiert in die Software übertragen haben. Diese erste Lernphase hat neun Monate gedauert und jetzt befinden wir uns in der zweiten Phase, in der wir automatisch Bilanzkommentierungen erstellen und von unseren Analysten korrigieren lassen. Die Korrekturen übernehmen wir dann wieder ins Regelwerk. Die ersten beiden Phasen laufen derzeit parallel nebeneinander, um einen möglichst breites Regelwerk aufzubauen. Die branchenspezifische Unterscheidung spielt hierbei eine große Rolle. Die Texte haben mittlerweile eine so gute Qualität, dass wir mit der dritten Phase beginnen wollen. Hierfür suchen wir nach Kunden, die unsere vorproduzierten Texte in ihren Prozessen verarbeiten und uns auch hier Korrekturwünsche zurückspiegeln. Wir haben in den letzten 12 Monaten so viele Erfahrungen gesammelt, dass wir diese Korrekturen kurzfristig, systemseitig verarbeiten können. Mit jedem neuen Text und mit jeder Korrektur verbessern wir die Qualität der Texte.

Durch die bereitgestellte API werden wir die Texte ab November 2019 auch über unser eigenes System abrufen und unseren Kunden direkt in deren Entscheidungssysteme liefern.

Spannend ist auch, dass wir weitere Use-Cases für uns identifiziert haben, die sich ebenfalls in der Umsetzung befinden. Hierüber können wir dann gerne Anfang des neuen Jahres sprechen.

Du arbeitest mit AX Semantics zusammen – was begeistert dich?

Die Arbeit mit Deinem Team macht wirklich Spaß. Das unkomplizierte Onboarding mit dem integrierten Schulungskonzept hat mir zur Einführung sehr gut gefallen. Auch die Betreuung durch euren Support ist einwandfrei. Immer wenn wir Schwierigkeiten oder Rückfragen hatten, gab es prompt Unterstützung. Ich freue mich auf die weitere Zusammenarbeit mit AX Semantics.

Noch mehr Erfahrungen mit AX-Semantics? Schau dir die  Interviews mit Harry von Schäfer Shop, Bernd Vermaaten von billiger.de und Mario Berger von Deloitte an.

Saim Alkan

Saim Alkan

Updates per Newsletter?

Eine Newsletteranmeldung hält dich auf dem laufenden mit neuen Artikeln und Informationen von
AX Semantics.

Use Case Konfigurator

Wir haben ein kleines Tool entwickelt, mit dem du checken kannst, ob unsere Software für dich passt.

Anschließend kannst du sie kostenfrei ausprobieren.

Achtung, Englisch ;-)