Proof of Performance
Operative Agilität
Tage statt Monate
Die Zeit zur Anpassung von Underwriting-Regeln wurde von mehreren Monaten auf nur wenige Tage reduziert, was sich als entscheidend erwies, als sich die Modelle der Kreditauskunfteien unerwartet änderten.
Zeit für Regelaktualisierung
2 Tage oder weniger
Die Zeit für Regelupdates wurde von über 2 Wochen auf 2 Tage oder weniger reduziert.
Transparenz bei Entscheidungen
100 % Nachvollziehbarkeit
Undurchsichtiger „Black-Box“-Legacy-Code wurde eliminiert, indem die Logik zentralisiert wurde. Dadurch können Teams genau nachvollziehen, welche Regeln jede Genehmigung, Ablehnung oder Weiterleitung ausgelöst haben.
🏆 UPDATE: Preisgekrönte Innovation in der Underwriting-Agilität
Im November 2025 gewann die Athena Decision Engine von First Response Finance den Preis „Financial Services Project of the Year“ bei den UK IT Industry Awards und setzte sich dabei gegen große Institutionen wie Lloyds Banking Group und Nationwide Building Society durch.
Der Preis würdigte einen entscheidenden Moment im Jahr 2025.
Eine große Kreditauskunftei aktualisierte ohne Vorwarnung ihr Scoring-Modell. Die Score-Verteilungen änderten sich über Nacht. Die Conversion-Raten sanken.
First Response Finance reagierte, indem sie ihre Underwriting-Regeln innerhalb weniger Tage aktualisierten — etwas, das mit ihrem alten System unmöglich gewesen wäre.
Mike Cutts von First Response Finance betonte, dass diese Reaktionszeit mit dem früheren, codebasierten Ansatz nicht möglich gewesen wäre.
Die Jury hob insbesondere die Fähigkeit hervor, auf unerwartete Marktveränderungen mit beispielloser Geschwindigkeit zu reagieren, und unterstrich damit den realen Nutzen des Wechsels von fest codierter Logik zu einer flexiblen, cloud-nativen Rules Engine.
Der First-Response-Finance-Team auf der Bühne bei der Verleihung des Preises „Financial Services Project of the Year“ bei den UK IT Industry Awards 2025.
Über First Response Finance
First Response Finance ist ein führender britischer Anbieter von Fahrzeugfinanzierungen, spezialisiert auf Ratenkaufverträge für Gebrauchtwagen, Motorräder und Transporter. Zusätzlich bietet First Response Finance bestehenden Kunden auch Privatkredite an.
Das Unternehmen wurde 1998 gegründet und verfügt über mehr als zwei Jahrzehnte Erfahrung sowie einen starken Ruf für verantwortungsvolle Kreditvergabe.
Die Mission besteht darin, eine nahtlose und schnelle Finanzierungserfahrung zu bieten, indem innovative Underwriting-Methoden mit einem klaren Fokus auf Kundenzufriedenheit kombiniert werden.
First Response Finance ist ausschließlich im Vereinigten Königreich tätig und richtet sich an Kunden, die maßgeschneiderte Finanzierungslösungen für Fahrzeugkäufe suchen.
Mit einem engagierten Team von über 300 Mitarbeitenden entwickelt das Unternehmen seine Produkte, Prozesse und Services kontinuierlich weiter, um den sich wandelnden Anforderungen seiner Kunden gerecht zu werden.
Der geschätzte Jahresumsatz von First Response Finance beträgt etwa 75 Millionen USD, was die starke Marktposition und das kontinuierliche Wachstum widerspiegelt.
Die Herausforderung: Unflexibles Legacy-Underwriting und langsame Regelupdates
Vor der Einführung von DecisionRules waren die Underwriting-Regeln von First Response Finance fest im Underwriting-System codiert. Dadurch war jede Änderung zeitaufwendig und kompliziert.
Dieser codebasierte Ansatz brachte mehrere Probleme mit sich:
- Mangelnde Agilität: Selbst kleine Änderungen erforderten Entwicklerarbeit in C#-Code, wodurch die Umsetzung oft mehr als zwei Wochen dauerte.
- Geringe Transparenz: Da die gesamte Entscheidungslogik im Code versteckt war, konnten nicht-technische Stakeholder Regeln kaum verstehen oder Änderungen vorschlagen.
- Skalierungsprobleme: First Response Finance plante, seine Kreditprodukte über Autofinanzierungen hinaus auf Privatkredite und Inkasso auszuweiten, doch die starre Logik erschwerte die Wiederverwendung über verschiedene Systeme hinweg.
Da sich Märkte schnell verändern und Kreditrisikoparameter regelmäßig angepasst werden müssen, erkannte First Response Finance, dass Agilität bei Entscheidungen höchste Priorität hat.
Die Suche nach einer cloud-kompatiblen, benutzerfreundlichen Rules Engine führte schließlich zu DecisionRules.
| Problem | Auswirkung |
|---|---|
| Langsame Updates | Kleine Änderungen dauerten über 2 Wochen. Entwickler mussten für jede Anpassung C#-Code schreiben. |
| Keine Transparenz | Fachabteilungen konnten die Regeln weder einsehen noch ändern. Alles war im Code verborgen. |
| Schwer skalierbar | Das Unternehmen wollte Privatkredite hinzufügen. Das starre System machte das nahezu unmöglich. |
Warum sich First Response Finance für DecisionRules entschieden hat
- Cloud- und SaaS-Flexibilität: First Response Finance benötigte eine Lösung, die sich problemlos in ihre Azure-basierte Plattform integrieren lässt und Probleme mit lokalem Hosting vermeidet.
- Intuitive Benutzeroberfläche und Transparenz: Die benutzerfreundliche Oberfläche von DecisionRules ermöglichte es auch Nicht-Entwicklern, Regeln zu lesen, Änderungen vorzuschlagen und später selbst zu verwalten — ganz ohne Programmierung.
- Einfache Implementierung: Das Team von First Response Finance benötigte ein System, das sich schnell mit ihren REST-basierten Azure-APIs integrieren lässt und eine reibungslose Ausführung der Regeln ermöglicht.
Implementierung und Architektur
Die Lösungsarchitektur von First Response Finance kombiniert mehrere Kreditmodelle mit DecisionRules:
1. Datenaufnahme:
- Informationen über den Antragsteller kommen aus der Underwriting-Plattform oder der Angebots-Engine auf der Website von First Response Finance.
- Daten von Kreditauskunfteien, Suchhistorien und weitere Angaben (z. B. Wohnsitzdauer, Beschäftigungsart) werden in den Azure-API-Container von First Response Finance übertragen.
2. Datenübersetzung & Scoring
- Die Azure-API übersetzt Rohdaten (z. B. Anzahl von Zahlungsausfällen über verschiedene Zeiträume, Höhe der Anzahlung, Fahrzeugdaten) in über 700 standardisierte Felder.
- Vier unterschiedliche R-basierte Modelle (Kreditwürdigkeit, Verhalten, Auto-Ablehnung, fehlende Informationen) berechnen daraus Risiko- bzw. „Propensity“-Scores.
3. Integration von DecisionRules
- Sobald die Modelle ihre Scores zurückgeben, ruft die Azure-API DecisionRules auf.
- DecisionRules kombiniert diese Ergebnisse mit weiteren Faktoren (z. B. Höhe der Anzahlung, Fahrzeugtyp, Kilometerstand, Marken-Zuverlässigkeit oder Karosserieform) und klassifiziert Anträge in:
- Auto Accept – automatische Genehmigung
- Auto Decline – automatische Ablehnung
- Manual Review/Referral – manuelle Prüfung durch Underwriter
4. Risiko-Tier-Ausgabe
- DecisionRules gibt zusätzlich ein Risikolevel (1–7) zurück. Dieses Level bestimmt die Preisstufe, die vom Underwriting-System verwendet wird, um den endgültigen Zinssatz festzulegen.
5. Ergebnisse & Logging
First Response Finance speichert die JSON-Antwort von DecisionRules in der Datenbank.
Dadurch sind möglich:
- detaillierte Analysen
- Champion-Challenger-Tests
- Performance-Tracking der Regeln
Zeitplan
Während interne Prozesse die Gesamtimplementierung verlängerten, war die Integration der DecisionRules-SaaS-Lösung sehr schnell.
Die größte Komplexität lag in:
- Vertragsdetails
- Abstimmung zwischen internen APIs und der DecisionRules-Integration
Wichtige Anwendungsfälle
1. Ganzheitliches Auto-Finance-Underwriting
Score-Konsolidierung: DecisionRules kombiniert vier Modell-Outputs (Kredit, Verhalten, Auto-Ablehnung, fehlende Informationen) mit zusätzlichen Antragstellerdaten wie Anzahlung oder Fahrzeugtyp.
Automatische Entscheidungen: Basierend auf If-Then-Regeln (z. B. „wenn Anzahlung < 20 % und Alter < 21 → Referral“) werden Anträge automatisch in Genehmigung, Prüfung oder Ablehnung eingeteilt.
2. Risikominimierung durch Fahrzeugfaktoren
Fahrzeugzuverlässigkeit: Luxus- oder ältere Fahrzeuge mit hohen Wartungskosten werden markiert.
DecisionRules kann eine automatische Genehmigung überschreiben, wenn bestimmte Marken oder Modelle ein erhöhtes Risiko darstellen.
3. Champion-Challenger-Analyse
First Response Finance vergleicht neue Underwriting-Logik („Challenger“) mit der bisherigen („Champion“), um zu messen:
- Genehmigungsraten
- Ausfallmuster
- Profitabilität
Durch die Speicherung der DecisionRules-JSON-Antworten können Regeln nahezu in Echtzeit angepasst oder zurückgesetzt werden.
4. Transparenz und Zusammenarbeit
Fachabteilungen behalten die Kontrolle:
Nicht-technische Nutzer können Regeln direkt in der DecisionRules-UI einsehen, kommentieren und Änderungen vorschlagen.
Audit & Fehlersuche:
Audit-Logs zeigen wiederholte Aufrufe oder ungewöhnliche Nutzung und helfen, Systemaufrufe zu optimieren.
Messbare Ergebnisse & Vorteile
1. Deutlich schnellere Regelupdates
Vorher:
Über 2 Wochen für kleine Änderungen (Developer-Sprint, QA, Deployment)
Nachher:
Einige Änderungen sind in 2 Tagen oder weniger produktiv.
2. Stärkung nicht-technischer Teams
Underwriting- und Analyse-Teams können Regeln selbst lesen und Änderungen vorschlagen — ohne Programmierung.
Das verbessert die Zusammenarbeit und verhindert Engpässe durch die IT.
3. Mehr Transparenz bei Entscheidungen
Die Entscheidungslogik ist nicht mehr im C#-Code versteckt.
Durch die Zentralisierung in DecisionRules kann First Response Finance:
- Grenzfälle leichter analysieren
- Entscheidungen nachvollziehen
- Vertrauen im Unternehmen erhöhen
Teams sehen genau, welche Regel eine Genehmigung, Ablehnung oder Weiterleitung ausgelöst hat.
4. Kosteneffizienz und zukünftige Skalierbarkeit
Da keine eigene Rules Engine mehr gewartet werden muss, können sich Entwickler auf strategische Projekte konzentrieren, zum Beispiel:
- neue Kreditprodukte
- erweiterte Analysen
Das flexible SaaS-Modell von DecisionRules vermeidet hohe Lizenzkosten anderer Lösungen.
5. Echtzeit-Monitoring & Analytics
First Response Finance speichert jedes DecisionRules-Ergebnis.
Dadurch sind möglich:
- Champion-Challenger-Vergleiche
- Analyse der Genehmigungsraten
- kontinuierliche Optimierung der Underwriting-Strategie
Fazit
Durch die Einführung von DecisionRules konnte First Response Finance seinen Underwriting-Prozess deutlich verbessern.
- schnellere Regeländerungen
- höhere Transparenz
- bessere Skalierbarkeit
- geringere Kosten
- bessere Zusammenarbeit zwischen Entwicklung, Analyse und Underwriting
Der Wechsel von fest codierter Logik zu einer flexiblen Rules Engine hat nicht nur die Kosten gesenkt und die Agilität erhöht, sondern auch die Zusammenarbeit zwischen Entwicklung, Analyse und Underwriting deutlich verbessert.
Bracey Parr
Verkaufsleiter
