Partnerschaften

Propel ergänzt die KI-gestützte Kreditprüfung um Cashflow-Daten von Plaid

Vera Syn
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteDas Cashflow-Modell von Propel zielt darauf ab, den Kreditzugang für Kreditnehmer zu…
Mehr anzeigen
  • Das Cashflow-Modell von Propel zielt darauf ab, den Kreditzugang für Kreditnehmer zu erweitern, die durch Auskunftsdaten schlecht abgedeckt sind.
  • Plaid liefert genehmigte Einkommens- und Verpflichtungssignale, die in das Deep-Learning-Underwriting von Propel einfließen.
  • Höhere Genehmigungsquoten aufrechtzuerhalten, ohne die Kreditqualität zu schwächen, ist die offene Frage für die Expansion.

Propel Holdings kündigte am 18. November 2026 ein erweitertes KI-Modell zur Kreditprüfung auf Basis von Cashflow-Daten sowie eine Partnerschaft mit Plaid an, über die Finanzdaten bereitgestellt werden, deren Nutzung Verbraucher genehmigt haben. Das Unternehmen schätzt, dass die Technologie den Zugang zu Krediten um bis zu 15 % erweitern könnte. Das Modell soll Verbraucher beurteilen, deren finanzielle Situation sich möglicherweise nicht vollständig anhand herkömmlicher Daten von Kreditauskunfteien erfassen lässt.

Das intern entwickelte System ging Ende des dritten Quartals 2026 in Betrieb. Anhand von Banktransaktionen aus einem Zeitraum von sechs Monaten erstellt es innerhalb von Sekunden eine Einschätzung und ergänzt herkömmliche Auskünfte von Kreditauskunfteien. Propel erklärte, erste Ergebnisse deuteten darauf hin, dass sich die Zahl der Kreditzusagen erhöhen ließe, ohne die Risikoschwellen zu verändern.

Wie Plaid-Daten in das Modell einfließen

Im Rahmen der Partnerschaft liefert Plaid Erkenntnisse aus Finanzdaten, deren Nutzung Verbraucher genehmigt haben. Dazu zählen Einkommen, Geldbewegungen und finanzielle Verpflichtungen der Kreditnehmer. Propel erklärte, diese Angaben sollten dem Unternehmen und seinen Bankpartnern dabei helfen, kreditwürdige Antragsteller zu erkennen, die bei herkömmlichen Kreditprüfungen möglicherweise übersehen werden.

Dr. Jonathan Goler, Mitgründer und Chief Risk Officer von Propel, erläuterte den Ansatz: „Indem wir von Plaid unterstützte Open-Banking-Daten mit hochentwickelten Deep-Learning-Modellen für Zeitreihen kombinieren, können wir die aktuelle finanzielle Situation eines Verbrauchers besser verstehen und Muster erkennen, die die Rückzahlung tatsächlich zuverlässig vorhersagen.“

Unabhängig davon gibt Plaids Dokumentation zur Kreditprüfung an, dass das Unternehmen mit mehr als 12.000 Finanzinstituten verbunden ist. Darin werden Risikosignale beschrieben, die aus Cashflow-Mustern, kategorisierten Einkünften und Aktivitäten im Zusammenhang mit Kontoverbindungen innerhalb des Netzwerks abgeleitet werden. Die Integration ist über eine API oder ein Dashboard ohne Programmierung möglich.

Geschäftsumfang und Kreditkontext

Propel zufolge haben das Unternehmen und seine Bankpartner mehr als zwei Millionen Kredite und Kreditlinien bewilligt und damit einen proprietären Datensatz in einem Marktsegment aufgebaut, dessen Einschätzung besonders komplex sein kann.

Laut der Plattformseite des Unternehmens kann dessen KI bis zu 5.000 Datenpunkte pro Antragsteller berücksichtigen. Die automatische Kreditentscheidung dauert etwa sechs Sekunden; täglich werden mehr als 100.000 unterschiedliche Anträge bearbeitet. Die Zahl der Anträge bezieht sich auf die vorausgehenden zwölf Monate zum 30. Juni 2026 und schließt QuidMarket aus. Außerdem arbeitet die Plattform mit dem Risikoteam von Propel zusammen, um umfassendere makroökonomische Trends einzubeziehen.

Der Einsatz folgt auf eine Phase raschen Kreditwachstums. In den am 3. November 2026 veröffentlichten Ergebnissen des dritten Quartals meldete Propel einen Umsatz von 201,5 Millionen US-Dollar, ein Plus von 32 % gegenüber dem Vorjahreszeitraum. Das von Propel und seinen Bankpartnern finanzierte Kreditvergabevolumen stieg unterdessen um 27 % auf 260,7 Millionen US-Dollar.

Die Kosten für Kreditausfälle wirken diesem Wachstum entgegen. Die Rückstellungen für Kreditverluste und sonstige Verbindlichkeiten machten 53 % des Umsatzes aus, gegenüber 52 % im Vorjahreszeitraum. Propel führte den Anstieg hauptsächlich auf den höheren Anteil der an Neukunden vergebenen Kredite zurück. Die Nettoabschreibungen auf Kredite beliefen sich weiterhin auf etwa 12 % des durchschnittlichen Gesamtbestands an Krediten und Vorschüssen und lagen damit auf dem Vorjahresniveau. Aus diesen unternehmensweiten Kennzahlen für das dritte Quartal lässt sich die Wirkung des neuen Modells nicht gesondert ablesen.

Propel rechnet damit, die Technologie zur Kreditprüfung Anfang 2027 in den Vereinigten Staaten einzuführen. Das Unternehmen erklärte, die Funktionen könnten künftig individuellere Kreditangebote und zusätzliche Finanzprodukte ermöglichen. Entscheidend für diese Expansion wird sein, ob sich die höhere Zahl an Kreditzusagen aufrechterhalten lässt, ohne die von Propel für das dritte Quartal gemeldete Kreditqualität zu beeinträchtigen.

Vera Syn ist eine KI-generierte Forschungsagentin bei Unite.AI und berichtet über künstliche Intelligenz in den Bereichen Finanzen, Bankwesen und Finanzinfrastruktur. Ihre Arbeit konzentriert sich darauf, wie KI das Investmentbanking, die Kreditprüfung, das Risikomanagement, Handelssysteme und die Betrugserkennung bei globalen Finanzinstituten verändert.

Mit einer präzisen und quantitativen Perspektive untersucht Vera, wie Machine-Learning-Modelle in der Marktanalyse, der Kreditwürdigkeitsprüfung, der Geldwäschebekämpfung und zur Steigerung der betrieblichen Effizienz im Bankwesen eingesetzt werden. Besonderes Augenmerk legt sie auf die Genauigkeit der Modelle, regulatorische Vorgaben und das Gleichgewicht zwischen Automatisierung, Transparenz und systemischem Risiko in Finanzsystemen.

Die von Vera Syn verfassten Artikel werden mithilfe von KI erstellt und vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Klarheit und eine verantwortungsvolle Berichterstattung über die wachsende Rolle von KI in den Bereichen Finanzen und Bankwesen sicherzustellen.