Inkasso im KI-Zeitalter

Datenmanagement als Grundlage für innovative KI-Anwendung

Spätestens jetzt steht fest: an KI führt kein Weg vorbei. Die erste Hürde dabei ist aber oft nicht die Bereitschaft, existierende Prozesse anzupassen oder gar neu zu gestalten, sondern wie KI-tauglich die Datengrundlage des Unternehmens ist. Hier zahlt es sich aus, wenn Unternehmen seit Jahren eine KI-orientierte Datenstrategie verfolgt haben. Das bedeutet einerseits, dass die Daten sauber und zentralisiert einer KI zur Verfügung gestellt werden können. Entscheidend sind dabei mehrere Aspekte: Normalisierte Formate trotz Vielfalt der geschäftlichen Tätigkeitsbereiche. Zentralisierte Zusammenlegung der Daten trotz geographischer Expansion. All dies beeinflusst den späteren Erfolg einer KI-Entwicklung maßgeblich. 

Andererseits ist es wichtig, dass die Daten das Trainieren und die Auswertung von KI-Modellen erlauben, was eine enge abteilungsübergreifende Zusammenarbeit erfordert. Dabei stellen sich zentrale Fragen: Ist es möglich, historische Daten retroaktiv zu kalkulieren, wenn eine neue Datenquelle implementiert wird, die somit die Verwertung älterer Fälle ermöglicht? Ist man in der Lage, die Daten so zu anonymisieren, dass man den DSGVO Pflichten des Unternehmens nachkommt und trotzdem den Modellen historische Daten zur Verfügung stellen kann? Besteht die Möglichkeit, anhand der Daten die Genauigkeit entwickelter Modelle auszuwerten? Letzteres ist beispielsweise durch die stark zunehmende Implementierung von Large Language Models (LLMs) und KI-Agenten in unstrukturierten Prozessen zu einer zentralen Fragestellung für viele Unternehmen geworden.

Die Entwicklung von KI-Systemen

Nachdem man eine solche Datenstruktur aufgesetzt hat, muss das gesamte Produkt zu einem datengetriebenen KI-System umgewandelt werden. Das bedeutet in der Praxis, dass das Produkt modulare Möglichkeiten bieten muss, die je nach KI-Entscheidung andere Parameter einsetzen würden. Diese Systeme müssen also verschiedene Aktionspunkte umsetzen können, die von einer KI im Hintergrund entschieden und gesteuert werden. Ein Beispiel:  Ein Kommunikationssystem kann vor jeder Sendung einer Nachricht ein Modell abfragen, welche Tonalität verwendet werden muss, um die bestmöglichen Ergebnisse zu erhalten. Nachdem das Modell anhand von Daten eine Entscheidung getroffen hat, setzt das System diese entsprechend um. Nach Ausführung dieser Aktion muss das System den KI-Output in die Datenablage speichern, um Transparenz sowie spätere Verbesserungsmöglichkeiten zu schaffen.

Damit ein Produkt tatsächlich zum KI-System wird, muss dieses Muster für möglichst viele Anwendungen wiederholt werden, bis die KI zum Kern der Applikation wird und das Produkt die verschiedenen KI-Entscheidungen konkret ausführt.

Die Fortschritte im Bereich von Agentic AI machen diese Zusammenknüpfung von Produkt und KI noch wichtiger. Jetzt können KI-Systeme eine größere Vielfalt von Aktionen steuern, wie z.B. Rechnungen herunterladen, auslesen und die Buchungsanweisungen bestimmen, oder im Kundenservice eine Nachricht auslesen und im System die nötigen Informationen zur Lösung eines Tickets aussuchen.

Umsetzung für Inkasso-KI

PAIR Finance wurde 2016 mit der Vision gegründet, dass Inkasso durch den Einsatz von KI komplett anders aussehen kann. Da Inkasso zum großen Teil auf Kommunikation mit Verbraucher*innen basiert, die verschiedene Eigenschaften besitzen und sich in stark unterschiedlichen finanziellen Situationen befinden, besteht hohes Personalisierungspotenzial, um den Inkassoprozess ähnlich wie das digitale Marketing zu optimieren. Kommunikationsstrategien, die auf die Person zugeschnitten sind, führen zu größerer Kundenzufriedenheit und stärkerer Rückführungsquote. Dieser Ansatz hat sich in der Praxis bewährt: PAIR Finance betreut heute über 600 Geschäftskunden in ganz Europa, darunter namhafte Unternehmen wie Klarna, Zalando und HelloFresh. Allein 2025 kamen 3,1 Millionen neuen Verbraucher*innen auf der Plattform hinzu.

PAIR Finance wendet im Kern zwei Typen von KI-Algorithmen an: Reinforcement Learning Modelle für die Bestimmung von Outbound Kommunikation und KI-Agenten auf Basis von LLMs für die Bearbeitung und automatische Lösung von Inbound Tickets. Beides wurde dadurch möglich, dass das gesamte Produkt von PAIR Finance um KI gebaut ist: Vor der Sendung jeder Kommunikation ruft das System mehrere Modelle ab, die basierend auf die Merkmale der Verbraucher*innen verschiedene Aspekte der Kommunikation anpassen. Bei Kontaktaufnahme der Verbraucher*innen werden ebenfalls mehrere KI-Agenten abgerufen, die bestimmen, wie auf die Kommunikation reagiert werden muss. Die Datenbasis für diese KI-Entscheidungen umfasst 10 Milliarden von Verbraucher*innen generierte Datenpunkte und 30.000 Kommunikationspfade, die eine personalisierte Ansprache ermöglichen. Die KI von PAIR Finance wählt Kommunikationsstrategien (Tonalität, Uhrzeit, Kanal), passt Zahlungsmethoden an, bucht Zahlungen, fragt zusätzliche Informationen ab und schließt autonom Zahlungslösungen ab. All diese Aktionen werden systematisch im Daten-Warehouse gespeichert, was die Verbesserung dieser Entscheidungen im Laufe der Zeit erlaubt. Zusätzlich dazu können jederzeit einzelne Modelle mit neuen Ansätzen herausgefordert werden, die im Rahmen A/B Tests gemessen werden. Das Ergebnis: Mehr als 70 % der Fälle werden heute vollständig von der KI-Technologie gelöst. Dank der Implementierung von LLMs konnten menschliche Agents in 2025 zudem 60 % mehr Fälle bearbeiten als zuvor.

Diese Herangehensweise führt dazu, dass die Rückführungsquote für Gläubiger deutlich höher ausfällt und Kundinnen trotz Zahlungsstörung loyal der Marke gegenüber bleiben. Konkret liegt die Rückführungsquote 10-15 % höher als bei traditionellen Inkassoanbietern. Gleichzeitig gehen nur 5-10 % der Fälle vor Gericht, ein klarer Beweis für den deeskalierenden Ansatz. In randomisierten A/B Tests hat PAIR Finance außerdem herausgefunden, dass Verbraucher*innen die Inkasso-Erfahrung besser bewerten, wenn ihr Anliegen von der KI bearbeitet wurde. Das hängt nicht nur mit der Beschleunigung und der geringeren Fehlerquote zusammen, sondern auch mit dem Stigma, den viele im Umgang mit Inkasso empfinden. Eine europäische Studie, die PAIR Finance zusammen mit der Hochschule Fresenius durchgeführt hat, hat z.B. herausgefunden, dass Verbraucher*innen den Umgang mit der KI bevorzugen, da sie sich anders als mit einem menschlichen Berater nicht wegen ihrer Schulden stigmatisiert fühlen. Daraus lässt sich deutlich schließen: im Inkasso erwarten heute beide Parteien, die Gläubiger*innen und die Schuldner*innen, dass der Prozess anhand von KI-Systemen optimiert und vereinfacht wird.