Faires Scoring Entwicklung eines Rechtsrahmens für algorithmenbasiertes Kreditscoring

• Antragstellerin: Professorin Dr. Katja Langenbucher
• Fachliche Zuordnung: Privatrecht
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 467157950

Das Forschungsprojekt soll den (deutschen und europäischen) Rechtsrahmen für algorithmenbasierte Kreditscoringsysteme ausarbeiten.Als „Kreditscoring“ bezeichnet man die Berechnung des Kreditausfallrisikos. Die deutsche SchuFa ermittelt den Score derzeit auf der Basis von Daten zum Zahlungsverhalten. FinTech Scoring-Anbieter gehen darüber weit hinaus, indem eine Prognose über die künftige wirtschaftliche Situation eines Kreditschuldners, insbesondere zu erwartendes Einkommen, erstellt wird. Grundlage ist der Zugriff auf die exponentiell gestiegene Datenmenge und deren Auswertung mithilfe künstlicher Intelligenz (genauer: algorithmenbasiertes maschinelles Lernen). Algorithmen setzen die Definition einer Zielbestimmung voraus, etwa die Höhe des Einkommens. Sodann produzieren sie auf der Basis der verfügbaren Daten Korrelationen zwischen gefundenen Variablen und Zielbestimmung (z.B.: Renommee einer Hochschule und künftiges Einkommen). Die Menge hierfür in Betracht kommender Variablen ist immens (z.B.: Bildungsstand, Performance auf Online-Plattformen, Kontaktlisten, GPS-Daten, Google-Suchverläufe, sexuelle Orientierung, ethnische Zugehörigkeit, politische Ansichten, Intelligenz, Glücksempfinden).Die Verwendung derartiger FinTech Modelle kann zur Expansion der Kreditvergabe führen, soweit Schuldner in Betracht kommen deren Profil bislang nicht eligibel war. Sie kann aber auch zur Einschränkung der Kreditvergabe mit Blick auf bestimmte Gruppen führen. Das wirft Fragen zulässiger Ungleichbehandlung auf, sofern die beschriebenen Algorithmen auf Variablen aufsetzen, deren bewusste Abfrage Diskriminierungsverbote verletzen würde (z.B. in den Score geht ein Zusammenhang zwischen Geschlecht und künftigem Einkommen ein). Komplexe Fragen stellen sich, wenn die relevante Variable selbst „unverdächtig“ ist, aber mit geschützten Merkmalen korreliert. Findet der Algorithmus eine Korrelation zwischen Musikvorlieben und künftigem Einkommen ist das auf den ersten Blick nicht diskriminierungsrelevant. Korreliert aber die betreffende Musikrichtung mit dem Geschlecht muss entschieden werden, ob die Verwendung und Programmierung des Algorithmus, samt des Zugriffs auf Daten, Diskriminierungsverbote verletzt.Die Rahmenbedingungen des Scoring sind im deutschen Recht erst in Ansätzen erforscht, der Schwerpunkt liegt dabei auf datenschutzrechtlichen, nachgeordnet auf diskriminierungsrechtlichen Problemen. Lebhaft werden beide Fragenkomplexe vor allem in den USA diskutiert, China geht mit dem sogenannten „Sozialscoring“ bereits einige Schritte weiter.Das Projekt soll die datenschutz- und anti-diskriminierungsrechtlichen Grundlagen im Rechtsvergleich mit fünf Ländern erarbeiten. Hierauf aufsetzend sind aktienrechtliche Pflichten regulierter Finanzinstitute sowie bankaufsichtsrechtliche Vorgaben für die Überwachung des Einsatzes algorithmenbasierter Scoringsysteme zu erarbeiten.

• DFG-Verfahren: Sachbeihilfen