Was ist Underwriting-Automatisierung und warum ist sie wichtig?
Underwriting ist der Prozess, bei dem das Risiko eines potenziellen Kunden oder einer Transaktion bewertet und entschieden wird, ob der Antrag angenommen, abgelehnt oder zur weiteren Prüfung weitergeleitet wird. In der Kreditvergabe bedeutet das, die Kreditwürdigkeit eines Kreditnehmers zu beurteilen und die Kreditkonditionen festzulegen. Im Versicherungswesen bedeutet es, das Risikoprofil eines Antragstellers zu bewerten und die angemessene Prämie zu bestimmen.
Traditionell war die Underwriting-Logik entweder fest in proprietäre Systeme einprogrammiert oder wurde in manuellen Prozessen verwaltet, in denen Underwriter Regeln aus Richtliniendokumenten und Tabellenkalkulationen anwenden. Beide Ansätze führen zu erheblichen Engpässen. Fest programmierte Logik erfordert für jede Regeländerung die IT. Manuelle Prozesse sind langsam, uneinheitlich und lassen sich nicht skalieren.
Underwriting-Automatisierung löst diese Probleme, indem sie die Entscheidungslogik in eine dedizierte Regel-Engine auslagert, in der Fachbereiche sie direkt verwalten können. Geht ein Antrag ein, sendet das System die relevanten Daten per API an die Regel-Engine. Diese prüft den Antrag anhand aller geltenden Underwriting-Regeln und liefert eine Entscheidung zurück, oft innerhalb von Millisekunden. Komplexe Grenzfälle, die menschliches Urteilsvermögen erfordern, bearbeiten weiterhin Underwriter, doch die große Mehrheit der eindeutigen Entscheidungen wird automatisch getroffen.
Ressourcen:
Aufbau eines automatisierten Underwriting-Workflows
Ein realer Underwriting-Prozess umfasst mehrere aufeinanderfolgende Schritte mit jeweils eigenen Regeln. Ein typischer Workflow in der Kreditvergabe folgt beispielsweise dieser Abfolge: Eignungsprüfung, Auswertung von Auskunfteidaten, Risikoscoring, Berechnung der Kredittragfähigkeit, Preisgestaltung, Durchsetzung von Richtlinienregeln und abschließende Entscheidung. All dies in einem einzigen Regelset abzubilden, wäre nicht beherrschbar.
DecisionRules bewältigt diese Komplexität mit Decision Flows, mit denen Teams mehrere Regelsets zu einem einzigen, durchgängigen Workflow zur Entscheidungsautomatisierung orchestrieren können. Jeder Schritt ist ein eigenständiges, wiederverwendbares Modul: Eine Decision Table bildet die Eignungskriterien ab, eine weitere verarbeitet Auskunfteidaten, eine Scripting Rule berechnet den Risikoscore, und ein abschließender Decision Tree leitet den Antrag zur automatischen Annahme, zur automatischen Ablehnung oder zur manuellen Prüfung weiter. Die Daten fließen über Input/Output-Mapping zwischen den Schritten, und der gesamte Workflow wird mit einem einzigen API-Aufruf ausgeführt.
Diese modulare Architektur ist nicht nur eine organisatorische Erleichterung, sondern bringt direkte operative Vorteile. Müssen Underwriting-Kriterien geändert werden, etwa weil eine neue regulatorische Anforderung in Kraft tritt, passt das Team nur die betreffende Decision Table an. Der Rest des Workflows bleibt stabil. Bringt das Unternehmen ein neues Produkt mit anderen Underwriting-Anforderungen auf den Markt, lassen sich bestehende Module (etwa die Auswertung der Auskunfteidaten) wiederverwenden, statt sie von Grund auf neu zu erstellen.
Ressourcen:
Von Monaten zu Tagen: der Vorteil der Agilität
Die unmittelbarste Wirkung der Underwriting-Automatisierung ist die Geschwindigkeit, mit der sich Änderungen umsetzen lassen. In Altsystemen, in denen die Underwriting-Logik im Anwendungscode steckt, kann die Änderung einer einzigen Regel Wochen oder Monate dauern. Der Prozess umfasst das Formulieren von Anforderungen, Programmierung, Tests und Deployment, und all das wird von IT-Teams mit konkurrierenden Prioritäten gesteuert.
First Response Finance, ein britischer Fahrzeugfinanzierer, hat diese Herausforderung aus erster Hand erlebt. Vor der Einführung von DecisionRules waren die Underwriting-Regeln fest in die Underwriting-Plattform einprogrammiert, was jede Änderung langwierig und mühsam machte. Regelanpassungen, die zuvor mehr als zwei Wochen dauerten, benötigen seit der Migration zu DecisionRules nur noch zwei Tage oder weniger. Als sich 2025 das Kreditscoring-Modell von Experian unerwartet änderte und es zu plötzlichen Verschiebungen in der Score-Verteilung sowie zu Einbrüchen bei der Conversion kam, passte First Response Finance seine Underwriting-Regeln innerhalb von Tagen statt Monaten an. Die auf DecisionRules basierende Athena Decision Engine des Unternehmens wurde anschließend bei den UK IT Industry Awards 2025 als „Financial Services Project of the Year“ ausgezeichnet.
Ähnlich erging es einer US-amerikanischen Kreditgenossenschaft (Credit Union), die ihr Hypotheken-Underwriting mit DecisionRules automatisierte: Sie begann mit einem Proof of Concept für 10 Underwriting-Kriterien und erweiterte ihn rasch auf 45 Regeln. Dank der intuitiven Oberfläche der Plattform konnten Fachanwender Regeln ohne großen IT-Aufwand erstellen, bearbeiten und bereitstellen, wodurch die Abhängigkeit von spezialisierten Entwicklern sank.
Ressourcen:
Transparenz, Nachvollziehbarkeit und das Ende von „Black-Box“-Entscheidungen
Eines der hartnäckigsten Probleme älterer Underwriting-Systeme ist ihre Intransparenz. Ist die Entscheidungslogik über Codebasen verstreut oder in proprietären Anbieter-Tools eingeschlossen, kann außerhalb des Entwicklungsteams niemand klar erklären, warum ein bestimmter Antrag genehmigt, abgelehnt oder weitergeleitet wurde. Aufsichtsbehörden, Compliance-Verantwortliche und selbst die Geschäftsleitung haben es mit einer „Black Box“ zu tun.
DecisionRules beseitigt diese Intransparenz, indem jeder Teil der Underwriting-Logik sichtbar und nachvollziehbar wird. Decision Tables zeigen jede Bedingung und jedes Ergebnis in einem übersichtlichen, tabellenähnlichen Format, das Fachanwender, Compliance-Verantwortliche und Prüfer direkt einsehen können. Die Regelversionierung bewahrt jede Iteration auf, sodass Unternehmen genau belegen können, welche Regeln zu welchem Zeitpunkt galten. Audit-Logs erfassen jede Änderung mit Benutzerzuordnung und Zeitstempel.
First Response Finance hob dies als zentralen Vorteil hervor: Durch die Zentralisierung der Underwriting-Logik in DecisionRules beseitigte das Unternehmen intransparenten Legacy-Code und ermöglichte es den Teams, genau nachzuvollziehen, welche Regelbedingungen jede Annahme, Ablehnung oder Weiterleitung ausgelöst haben. Diese Transparenz ist besonders in regulierten Umgebungen wertvoll, in denen Institute faire Kreditvergabepraktiken und eine konsistente Durchsetzung ihrer Richtlinien nachweisen müssen.
Für das Underwriting im Versicherungswesen gilt dasselbe Prinzip. Aktuare und Produktmanager sehen genau, wie Prämienberechnungen oder Risikoeinstufungen zustande kommen, können prüfen, ob sie den aktuellen Richtlinien entsprechen, und Anpassungen direkt über die visuelle Oberfläche vornehmen.
Ressourcen:
Kontinuierliche Optimierung mit Champion-Challenger-Testing
Underwriting ist keine Disziplin nach dem Prinzip „einmal einrichten und vergessen“. Marktbedingungen ändern sich, Kundenprofile verschieben sich und regulatorische Anforderungen entwickeln sich weiter. Die Underwriting-Strategien, die vor sechs Monaten am besten funktionierten, sind heute möglicherweise nicht mehr optimal. Unternehmen brauchen einen strukturierten Weg, Verbesserungen zu testen, ohne das gesamte Portfolio ungetesteten Änderungen auszusetzen.
DecisionRules unterstützt dies mit integrierten Funktionen für A/B-Tests und Champion-Challenger-Testing. Teams können einen Teil der eingehenden Anträge an eine Challenger-Strategie leiten (andere Schwellenwerte für die Eignung, ein neues Scoring-Modell oder eine angepasste Preismatrix), während die Mehrheit weiterhin die bewährte Champion-Strategie durchläuft. Beide Strategien laufen auf Live-Daten, und die Ergebnisse werden zum Vergleich protokolliert.
PayJustNow nutzt diese Funktion, um seine Kreditvergabekriterien kontinuierlich zu testen und zu optimieren. First Response Finance protokolliert jedes Entscheidungsergebnis, um die Genehmigungsquoten von Champion und Challenger vergleichen zu können, und schafft so einen Feedback-Kreislauf für die laufende Verfeinerung. Erst diese Möglichkeit, sicher zu experimentieren und Ergebnisse zu messen, macht aus dem Underwriting statt eines statischen, nur periodisch überprüften Prozesses einen Prozess, der sich kontinuierlich verbessert.
Ressourcen:
Das Wichtigste zur Underwriting-Automatisierung
Underwriting-Automatisierung verlagert die Entscheidungslogik aus fest programmierten Systemen in eine gesteuerte, transparente und agile Umgebung. In DecisionRules werden Underwriting-Workflows als modulare Decision Flows aufgebaut, in denen jeder Schritt (Eignung, Scoring, Preisgestaltung, Durchsetzung von Richtlinien) ein eigenständiges, wiederverwendbares Regelset ist. Fachbereiche können Underwriting-Kriterien in Stunden statt Wochen ändern, jede Entscheidung ist vollständig nachvollziehbar, und Champion-Challenger-Testing ermöglicht eine kontinuierliche Optimierung. Das Ergebnis sind schnellere Entscheidungen für Kunden, geringere Betriebskosten und eine transparente Compliance, die den Anforderungen der Aufsichtsbehörden gerecht wird.
Häufig gestellte Fragen zur Underwriting-Automatisierung
Ersetzt Underwriting-Automatisierung menschliche Underwriter?
Nein. Underwriting-Automatisierung übernimmt die eindeutigen, volumenstarken Entscheidungen, die klaren Regeln folgen: Anträge, die eindeutig für eine automatische Genehmigung infrage kommen, oder Anträge, die klar unter den Mindestschwellen liegen und automatisch abgelehnt werden. Komplexe oder grenzwertige Fälle werden zur manuellen Prüfung an Underwriter weitergeleitet. In DecisionRules ist dieses Routing Teil des Decision Flow: Die Regeln bestimmen, ob ein Antrag automatisch angenommen, automatisch abgelehnt oder an einen Menschen weitergeleitet wird. Bei Weiterleitungen können dem Underwriter der vollständige Logikablauf und die Bewertungsergebnisse angezeigt werden, damit er sich bei seiner Beurteilung auf die entscheidenden Punkte konzentrieren kann.
Welche Branchen profitieren am meisten von Underwriting-Automatisierung?
Finanzdienstleister und Versicherer sind die wichtigsten Anwender, doch Underwriting-Automatisierung eignet sich für jede Branche, in der eine Risikobewertung darüber entscheidet, ob und zu welchen Konditionen ein Produkt oder eine Dienstleistung angeboten wird. Dazu gehören Kfz-Finanzierung, Hypothekenkredite, Privatkredite, Kreditkarten, Handelskredite, Buy-now-pay-later-Angebote und alle Versicherungssparten (Lebens-, Sach-, Haftpflicht- und Krankenversicherung). DecisionRules betreut Kunden in all diesen Sektoren mit flexiblen Regeltypen und Bereitstellungsoptionen (Public Cloud, Private Cloud oder On-Premise), um unterschiedliche Sicherheits- und Compliance-Anforderungen zu erfüllen.
Wie geht Underwriting-Automatisierung mit regulatorischen Änderungen um?
Ändern sich Vorschriften, müssen die betroffenen Regeln schnell aktualisiert und bereitgestellt werden. In einem BRMS wie DecisionRules werden regulatorische Regeln in eigenen Decision Tables oder Flows verwaltet, die Compliance- oder Risikoteams direkt über die visuelle Oberfläche anpassen können. Änderungen werden automatisch versioniert, mit der integrierten Test Bench getestet und ohne vollständiges Redeployment der Anwendung in die Produktion übernommen. So lassen sich regulatorische Anpassungen, die in einem fest programmierten System Wochen gedauert hätten, in Stunden oder Tagen umsetzen und validieren.
Verwandte Begriffe und Konzepte
Decision Table
Decision Tables sind das wichtigste Format, um Underwriting-Kriterien abzubilden. Jede Zeile steht für eine Regel: eine Kombination von Bedingungen (Bereich des Kreditscores, Verhältnis von Schulden zu Einkommen, Beschäftigungsstatus), der ein Ergebnis zugeordnet ist (genehmigen, ablehnen, weiterleiten oder eine Risikostufe zuweisen). Fachanwender verwalten diese Tabellen direkt in einem visuellen Editor.
Decision Flow
Der Decision Flow ist die Orchestrierungsebene für mehrstufige Underwriting-Prozesse. Er verbindet Eignungsprüfungen, Scoring-Modelle, Preislogik und Richtlinienregeln zu einem einzigen ausführbaren Workflow, sodass Unternehmen ihre gesamte Underwriting-Pipeline in einer visuellen Oberfläche verwalten können.
Kreditscoring
Kreditscoring ist der Prozess, die Kreditwürdigkeit eines Kreditnehmers anhand von Finanzdaten zu quantifizieren. In DecisionRules werden externe Kreditscores (von Auskunfteien oder aus internen ML-Modellen) als Eingabeparameter an die Decision Tables für das Underwriting übergeben, wo sie mit weiteren Faktoren zur endgültigen Underwriting-Entscheidung kombiniert werden.
Champion-Challenger-Testing
Mit Champion-Challenger-Testing können Underwriting-Teams die Leistung ihrer aktuellen Regeln (Champion) anhand echter Antragsdaten mit vorgeschlagenen Alternativen (Challenger) vergleichen. DecisionRules bietet vorgefertigte A/B-Testing-Vorlagen und Routing im Decision Flow, um diese Experimente ohne individuelle Entwicklung umzusetzen.