WIESBADEN / LONDON (IT BOLTWISE) – Recherchen zeigen, dass die Schufa neben ihren aktuellen Score-Daten offenbar auch eine zweite Sammlung historischer Zahlungsinformationen führt. Damit werden neue Berechnungsverfahren bei Banken und anderen Auftraggebern abgesichert – zumindest laut Schufa. Verbraucherschützer bezweifeln hingegen, dass die Nutzung strikt auf Testzwecke begrenzt bleibt. Der Konflikt betrifft damit nicht nur die Transparenz der Bonitätswerte, sondern auch die Frage, wie lange personenbezogene Wirtschaftsdaten gespeichert und für Entscheidungen verwertet werden dürfen.
Die Schufa steht erneut im Fokus, diesmal wegen des Umfangs und der Zweckbindung ihrer Datenbasis. Laut Recherchen von NDR und Süddeutscher Zeitung speichert das Unternehmen in Wiesbaden neben der öffentlich etablierten Score-Datenbank offenbar eine zweite Sammlung „historischer Daten“ zu teils weit zurückliegenden Zahlungsvorgängen von Millionen Menschen. Für Verbraucherinnen und Verbraucher ist das relevant, weil Schufa-Bewertungen im Alltag über Kreditvergabe, Mobilfunkverträge und Mietentscheidungen mitentscheiden. Seit März arbeitet die Schufa zudem mit einer neuen Berechnungsmethode, die zwölf Kriterien gewichtet und damit die Schwelle beeinflussen kann, ab wann ein Antrag positiv oder negativ ausfällt.
Technisch betrachtet liegt der Kern des Streits in der Datenverarbeitungskette: Score-Systeme sind typischerweise kein statisches Regelwerk, sondern werden über Zeit kalibriert, validiert und gegen Fehlentscheidungen „abgestimmt“. In der Berichterstattung heißt es, die Schufa lasse in ihre aktuelle Bewertung etwa einfließen, wie alt der älteste Bankvertrag und die älteste Kreditkarte sind, ob Zahlungsstörungen vorhanden sind und wie der Status bei Krediten aussieht. Seit März gibt es dabei zwölf Kriterien, die in eine neue Berechnungslogik eingeflossen sind. Parallel dazu behauptet die Schufa, dass Vergleiche und Tests ausschließlich im eigenen Haus stattfinden, damit Datendetails nicht an Auftraggeber abfließen.
Marktseitig verschärft sich die Lage, weil Kredit- und Risikoanalytik zunehmend datengetrieben ist. Andere Auskunfteien, etwa Creditreform oder Bürgel (je nach Markt- und Angebotslage), konkurrieren mit unterschiedlichen Datenmodellen und Schnittstellen für die Risikoprüfung. Entscheidend ist dabei weniger, ob historische Daten grundsätzlich genutzt werden, sondern wie konsequent sie auf definierte Zwecke begrenzt werden und ob die Ergebnisse nur für interne Modellvalidierung verwendet werden. In diesem Zusammenhang wird auch ein Timing-Thema sichtbar: Die Umstellung im März bringt neue Gewichte ins Spiel, und gerade dann wollen Auftraggeber erfahrungsgemäß nachvollziehbare Aussagen zur Prognosegüte sehen – was die Debatte über Testnutzung versus echte Entscheidungsnutzung anheizen kann.
Aus Expertensicht wird in der Branche häufig zwischen Modelltraining, Modellvalidierung und operationaler Entscheidung getrennt. Wenn historische Daten nur zur Überprüfung der Richtigkeit von Scores dienen, ist das technisch eher vergleichbar mit einer „Holdout“-Logik: Man nutzt Vergangenheitsdaten, um die Qualität des Modells zu messen, bevor es in die Praxis geht. Kritisch wird es jedoch, sobald dieselben historischen Informationen im laufenden Entscheidungsprozess einer Bank oder eines Mobilfunkanbieters als zusätzlicher Risikofaktor einfließen. Genau hier setzt der Verbraucherschutz an. Laut der Berichterstattung zweifelt der Verbraucherzentrale Bundesverband (VZBV) daran, dass die Zweckbindung in der Realität so eng eingehalten wird, wie die Schufa darstellt.
Rechtlich und regulatorisch ist das Thema hochsensibel, weil personenbezogene Wirtschaftsdaten unter Datenschutzgrundsätze fallen und Speicherfristen bzw. Löschpflichten an den Zweck der Verarbeitung gekoppelt sind. Die Schufa verweist darauf, dass Daten zu löschen seien, sobald sie für die Zwecke ihrer Verarbeitung nicht mehr benötigt werden. Gleichzeitig betont das Unternehmen den legitimen Zweck der Tests: Die Überprüfung der Richtigkeit der Scores. Der Hessische Datenschutzbeauftragte lehnte eine Stellungnahme mit Blick auf das laufende Verfahren ab. Gerade dieser Punkt ist für Unternehmen wichtig: Selbst wenn ein Datenbestand „nur“ für Validierungen gedacht ist, müssen Nachweise zur tatsächlichen Nutzung, zu Zugriffen und zu Datenflüssen im Betrieb vorliegen.
In der Praxis hängt die Risikoberechnung stark davon ab, wie Datenpipelines implementiert sind. Score-Modelle brauchen Eingangsdaten, Feature-Engineering und Prozesse zur Modellüberwachung. Ein typisches Enterprise-Setup trennt deshalb Training/Validierung von Produktion, etwa durch getrennte Umgebungen, getrennte Datenräume und kontrollierte Freigaben. Für die Schufa würde das bedeuten, dass „historische Daten“ entweder gar nicht in die produktive Score-Ermittlung einfließen oder nur in klar abgegrenzten Validierungsphasen eingesetzt werden. Wenn diese Trennschärfe fehlt, entsteht die Befürchtung, dass Tests faktisch zu „modellgestützter Entscheidung“ umfunktioniert werden. Diese Lücke ist ein klassischer Angriffs- und Compliance-Fall für Auditierbarkeit.
Für die Marktteilnehmer bedeutet die Debatte außerdem, dass die Transparenz gegenüber Betroffenen und Auftraggebern steigen muss. Verbraucher können Scores laut Bericht kostenlos einsehen; dennoch ist die eigentliche Frage, welche Datenhistorie hinter dem Ergebnis steckt und welche Zwecke die Verwendung legitimieren. Banken und FinTechs, die Bonitätsdaten in Automatisierungsschritte integrieren, sollten die Datenherkunft daher nicht nur vertraglich, sondern auch technisch absichern: durch Dokumentation, Zugriffskontrollen, Logging und nachvollziehbare Modellversionierung. Ob die neue Berechnungsmethode tatsächlich zu faireren Entscheidungen führt oder nur die Schwankungen in den Scores erhöht, lässt sich ohne detaillierte Offenlegung der Modellwirkung nicht seriös bewerten – die laufenden Verfahren könnten hier weitere Klarheit schaffen.
Für die Zukunft ist wahrscheinlich, dass die Branche stärker auf „privacy-by-design“ und striktere Zwecktrennung drängen wird. Da in der Berichterstattung auch frühere Berechnungsverfahren mit Prozessen beim Bundesgerichtshof verbunden sind, kann der Rechtsrahmen längerfristig den Umgang mit historischen Datensätzen prägen. Entwickler von Scoring-Systemen sollten sich darauf einstellen, dass Prüf- und Nachweispflichten steigen: getrennte Datensätze, klare Löschkonzepte, belastbare Nachweise über Datenflüsse und ein robustes Modell-Release-Management. Gleichzeitig eröffnen solche Anforderungen auch Chancen für technisch saubere Architektur: Unternehmen, die Modellvalidierung und operative Entscheidung konsequent trennen, können Audit-Aufwände reduzieren und gleichzeitig Vertrauen bei Kunden und Aufsichtsbehörden aufbauen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Schufa: Historische Zahlungsdaten bleiben offenbar für Score-Checks im Einsatz" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Schufa: Historische Zahlungsdaten bleiben offenbar für Score-Checks im Einsatz" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Schufa: Historische Zahlungsdaten bleiben offenbar für Score-Checks im Einsatz« bei Google Deutschland suchen, bei Bing oder Google News!