Ungefähr jeder zehnte Erwachsene in Deutschland ist nicht in der Lage, seine laufenden Rechnungen pünktlich zu bezahlen. Immer häufiger greifen die betroffenen Personen auf Ratenkredite zurück. Dieser Anstieg der Überschuldungsquote erfordert verlässliche Hilfsmittel in der Kreditwürdigkeitsprüfung. Neben der bekannten Schufa-Auskunft stellt Social Scoring eine neue Möglichkeit der Bonitätsprüfung dar. Bei diesem Verfahren werden Informationen aus sozialen Netzwerken oder anderweitig im Internet zugänglichen Quellen analysiert, um so eine Aussage über die Bonität treffen zu können.
Welche Möglichkeiten bietet Social Scoring im Rahmen der Kreditwürdigkeitsanalyse? Welche Herausforderungen ergeben sich bei der Nutzung von Social Scoring? Und wie lassen sich unternehmerische Interessen und der Schutz vor Missbrauch von personenbezogenen Daten miteinander vereinbaren?
Der Autor Tobias Rieling erläutert die rechtlichen Rahmenbedingungen für Social Scoring in Deutschland. Anhand des Praxisbeispiels "Auxmoney" zeigt er die Anwendung von Kreditscoring und gibt einen Ausblick für den zukünftigen Umgang mit Social Scoring in Deutschland.
Aus dem Inhalt:
- Datenschutz-Grundverordnung
- Big Data
- Kreditwesengesetz
- Scorewert
- SCHUFA
- Social Media
Inhaltsverzeichnis
- 1 Einleitung
- 1.1 Problemstellung
- 1.2 Aufbau der Arbeit
- 2 Was ist Scoring – Definition und Darstellung
- 2.1 Definition des Begriffs „Scoring“
- 2.2 Bedeutung des Scorings im Rahmen der Kreditwürdigkeitsprüfung
- 2.3 Forschungsstand des Social Scorings in der Kreditwürdigkeitsanalyse
- 3 Rechtliche Rahmenbedingungen für Kreditscoring in ausgewählten Ländern
- 3.1 Regelung in Deutschland durch die DSGVO und das KWG
- 3.2 Regelung in China durch das NSL
- 4 Kreditwürdigkeitsanalysen im Vergleich
- 4.1 Kreditscoring in Deutschland
- 4.2 Sozialkreditsystem in China
- 4.3 China als Vorreiter für das Kreditscoring in Deutschland
- 5 Fazit
Zielsetzung und Themenschwerpunkte
Diese Arbeit untersucht das Phänomen des Social Scorings in Deutschland und setzt es in Relation zum chinesischen Sozialkreditsystem. Die Zielsetzung ist es, die rechtlichen Rahmenbedingungen, die Funktionsweise und die potenziellen Auswirkungen des Social Scorings auf die Kreditwürdigkeit in Deutschland zu analysieren. Der Fokus liegt dabei auf einem Vergleich mit dem chinesischen Modell und der Bewertung des Einflusses von Algorithmen auf die Kreditvergabe.
- Definition und Bedeutung von Scoring im Kontext der Kreditwürdigkeitsprüfung
- Rechtliche Rahmenbedingungen in Deutschland und China
- Vergleich des Kreditscorings in Deutschland mit dem chinesischen Sozialkreditsystem
- Analyse des Forschungsstands zum Social Scoring
- Bewertung des Einflusses von Algorithmen auf die Kreditvergabe
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in die Thematik des Social Scorings in Deutschland ein. Es beschreibt die Problemstellung, die sich aus der zunehmenden Nutzung von Algorithmen bei der Kreditwürdigkeitsprüfung ergibt, und skizziert den Aufbau der Arbeit. Die Einleitung legt den Grundstein für die nachfolgende detaillierte Auseinandersetzung mit den verschiedenen Aspekten des Themas.
2 Was ist Scoring – Definition und Darstellung: Dieses Kapitel definiert den Begriff „Scoring“ und erläutert seine Bedeutung im Rahmen der Kreditwürdigkeitsprüfung. Es beleuchtet den aktuellen Forschungsstand zum Social Scoring im Kontext der Kreditwürdigkeitsprüfung und legt die Basis für das Verständnis der komplexen Zusammenhänge zwischen Daten, Algorithmen und Kreditentscheidungen. Der Fokus liegt auf der Darstellung der unterschiedlichen Scoring-Methoden und deren Anwendung.
3 Rechtliche Rahmenbedingungen für Kreditscoring in ausgewählten Ländern: Dieser Abschnitt untersucht die rechtlichen Regelungen für Kreditscoring in Deutschland (DSGVO und KWG) und China (NSL). Es werden die verschiedenen rechtlichen Ansätze zum Datenschutz und zur Regulierung von Algorithmen im Finanzsektor verglichen und die jeweiligen Herausforderungen für den Umgang mit personenbezogenen Daten im Kontext des Scorings diskutiert. Der Vergleich der rechtlichen Rahmenbedingungen in diesen beiden Ländern bietet eine interessante Perspektive auf die unterschiedlichen Herangehensweisen an die Regulierung von Algorithmen.
4 Kreditwürdigkeitsanalysen im Vergleich: Dieses Kapitel vergleicht das Kreditscoring in Deutschland mit dem Sozialkreditsystem in China. Es analysiert die Unterschiede und Gemeinsamkeiten beider Systeme, beleuchtet die Rolle der beteiligten Akteure, und untersucht China als potenzielles Vorbild oder Warnbeispiel für die Entwicklung des Kreditscorings in Deutschland. Der Vergleich unterstreicht die Bedeutung einer kritischen Auseinandersetzung mit den ethischen und gesellschaftlichen Implikationen von Algorithmen im Finanzsektor.
Schlüsselwörter
Social Scoring, Kreditscoring, Algorithmen, Kreditwürdigkeit, Datenschutz, DSGVO, KWG, NSL, China, Deutschland, Sozialkreditsystem, Rechtliche Rahmenbedingungen, Algorithmenethik, Finanzsektor.
Häufig gestellte Fragen (FAQ) zu: Social Scoring in Deutschland im Vergleich zum chinesischen Sozialkreditsystem
Was ist der Gegenstand dieser Arbeit?
Diese Arbeit analysiert das Phänomen des Social Scorings in Deutschland und vergleicht es mit dem chinesischen Sozialkreditsystem. Der Fokus liegt auf den rechtlichen Rahmenbedingungen, der Funktionsweise und den potenziellen Auswirkungen auf die Kreditwürdigkeit in Deutschland. Ein besonderer Schwerpunkt liegt auf dem Einfluss von Algorithmen auf die Kreditvergabe.
Welche Themen werden in der Arbeit behandelt?
Die Arbeit behandelt folgende Themen: Definition und Bedeutung von Scoring im Kontext der Kreditwürdigkeitsprüfung; rechtliche Rahmenbedingungen in Deutschland (DSGVO, KWG) und China (NSL); Vergleich des Kreditscorings in Deutschland mit dem chinesischen Sozialkreditsystem; Analyse des Forschungsstands zum Social Scoring; und die Bewertung des Einflusses von Algorithmen auf die Kreditvergabe.
Welche Kapitel umfasst die Arbeit und worum geht es darin?
Die Arbeit gliedert sich in fünf Kapitel: Kapitel 1 (Einleitung): Einführung in das Thema Social Scoring und die Problemstellung; Kapitel 2 (Was ist Scoring?): Definition von Scoring und dessen Bedeutung in der Kreditwürdigkeitsprüfung; Kapitel 3 (Rechtliche Rahmenbedingungen): Vergleich der rechtlichen Regelungen in Deutschland und China; Kapitel 4 (Kreditwürdigkeitsanalysen im Vergleich): Vergleich des Kreditscorings in Deutschland und dem chinesischen Sozialkreditsystem; Kapitel 5 (Fazit): Zusammenfassung der Ergebnisse.
Welche rechtlichen Rahmenbedingungen werden betrachtet?
Die Arbeit untersucht die rechtlichen Regelungen für Kreditscoring in Deutschland (DSGVO und KWG) und China (NSL). Es werden die Unterschiede und Herausforderungen im Umgang mit personenbezogenen Daten im Kontext des Scorings diskutiert.
Wie werden das deutsche Kreditscoring und das chinesische Sozialkreditsystem verglichen?
Kapitel 4 vergleicht beide Systeme hinsichtlich ihrer Unterschiede und Gemeinsamkeiten, der Rolle der beteiligten Akteure und bewertet China als mögliches Vorbild oder Warnbeispiel für Deutschland. Der Vergleich betont die ethischen und gesellschaftlichen Implikationen von Algorithmen im Finanzsektor.
Welche Schlüsselwörter beschreiben die Arbeit?
Die wichtigsten Schlüsselwörter sind: Social Scoring, Kreditscoring, Algorithmen, Kreditwürdigkeit, Datenschutz, DSGVO, KWG, NSL, China, Deutschland, Sozialkreditsystem, Rechtliche Rahmenbedingungen, Algorithmenethik, Finanzsektor.
Für wen ist diese Arbeit relevant?
Diese Arbeit ist relevant für alle, die sich mit den Themen Kreditscoring, Algorithmen im Finanzsektor, Datenschutz und den rechtlichen und ethischen Implikationen dieser Technologien befassen. Dies umfasst Wissenschaftler, Studenten, Praktiker im Finanzsektor und interessierte Bürger.
Wo finde ich das vollständige Inhaltsverzeichnis?
Das vollständige Inhaltsverzeichnis befindet sich im oberen Teil des bereitgestellten HTML-Dokuments.
- Quote paper
- Tobias Rieling (Author), 2019, Social Scoring in Deutschland. Wenn Algorithmen über die Kreditwürdigkeit entscheiden, Munich, GRIN Verlag, https://www.grin.com/document/498060
