Entwicklung einer KI-Entscheidungslogik für faire und objektive Kreditvergabe
Wir haben ein KI-Modell entwickelt, das objektive Entscheidungen im Hypothekengenehmigungsprozess ermöglicht – für mehr Fairness und Transparenz.
Über den Kunden
Die Wirtschaftsagentur Wien engagiert sich im Auftrag der Stadt Wien für die Stärkung und Förderung des Wirtschaftsstandortes Wien. Sie unterstützt Vorhaben, die Nachhaltigkeit, Innovation, Lebensqualität und Diversität fördern, mit Finanzierung und Beratung.
Mit der Innovations- und Beschäftigungsförderung unterstützt waff kleine und mittlere Unternehmen in Wien bei der Umsetzung von Innovationsprojekten.
Um Hypothekarkredite fairer und transparenter zu gestalten, haben wir gemeinsam mit einer führenden Bank eine erklärbare KI-Schicht auf Basis von über 50.000 historischen Datenpunkten aus Kreditanträgen entwickelt. Das Ergebnis: schnellere Genehmigungen, messbare Reduktion von Bias und regulatorisch belastbare Transparenz.
Auf einen Blick
Zielsetzung
Fair, transparent und datengestützt – mit erklärbarer KI sollten Kreditentscheidungen objektiver werden und mehr Vertrauen schaffen.
Unser Ansatz
Ein erklärbares Modell wurde mit über 50.000 Datenpunkten aus früheren Anträgen trainiert, in den Workflow der Bank integriert und in einem Dashboard visualisiert, das in Echtzeit das Gewicht jedes einzelnen Faktors anzeigt.
Ergebnis
Wir konnten die Zeitspanne bis zur Bewilligung von Hypothekendarlehen deutlich verkürzen. Zudem verbesserte sich die Qualität der Entscheidungsfindung durch die Verfügbarkeit zusätzlicher Informationen und Erkenntnisse aus der Vergangenheit.
Unser Projekt zielt darauf ab, den Prozess der Hypothekarkreditvergabe in Banken durch eine KI-basierte, objektive Entscheidungsebene zu verbessern. Zu Beginn haben wir über 50.000 relevante Datenpunkte zu Hypothekanträgen gesammelt und strukturiert. Dieses umfassende Datenset wurde einer intensiven Datenanalyse und -exploration unterzogen, um Muster und Erkenntnisse zu identifizieren, die für die Kreditvergabe besonders relevant sind.
Auf Basis dieser Insights entwickelten wir ein KI-Modell, das bestehende Entscheidungsprozesse durch Präzision und Fairness ergänzt. Um die Entscheidungen der KI nachvollziehbar zu machen, entwickelten wir ein transparentes Dashboard, das den Entscheidungsprozess visualisiert. Es zeigt unter anderem, welche Gewichtung einzelne Parameter haben, sodass klar erkennbar ist, wie bestimmte Faktoren die KI-Empfehlung beeinflussen.
Zur optimalen Nutzung der Datenbasis haben wir außerdem ein Large Language Model (LLM) integriert. Damit lassen sich Erkenntnisse gezielt extrahieren und fundierte Entscheidungen treffen. Die Integration des LLM ermöglicht den effizienten Zugriff auf die gesamte Datenvielfalt und unterstützt ein tieferes Verständnis sowie besser informierte Entscheidungen.
Insgesamt sorgt unser Projekt nicht nur für einen effizienteren Hypothekengenehmigungsprozess, sondern auch für mehr Transparenz, Fairness und Nutzer:innenfreundlichkeit – und ebnet damit den Weg für verlässlichere und gerechtere Kreditvergaben.
Projektüberblick
Über das Projekt
Unser Projekt verbessert den Hypothekengenehmigungsprozess durch eine KI-gestützte Entscheidungsebene. Auf Basis von über 50.000 analysierten Datenpunkten entwickelten wir ein faires und präzises Modell – ergänzt durch ein transparentes Dashboard, das die Entscheidungslogik der KI nachvollziehbar macht. Ein zusätzlich integriertes Large Language Model (LLM) erleichtert die Gewinnung von Insights und macht den gesamten Prozess effizienter, transparenter und nutzer:innenfreundlicher.
Was wir gemacht haben
Visuelles Design
Definition von Zielarchitekturen
Entwurf von IT-Architekturen
Frontend- und Backend-Entwicklung
IT-Sicherheitsberatung
Cloud- oder On-Premise-Hosting
Plattform-Support & technische Betreuung
Skalierung von Systemen für zukünftiges Wachstum
Gefällt dir, wie wir arbeiten?
Du bist nur eine E-Mail entfernt von einer Partnerschaft, die sich lohnt. Schick ein paar Zeilen an hello@viable.at und erzähl uns, woran du arbeitest – und wo wir dich unterstützen können.