Zahlungsausfälle und Bonitätsprüfung

Zwei Zahlen, ein Widerspruch

47 Kundenbeschwerden diese Woche, weil der Rechnungskauf im Checkout fehlte. Daneben auf dem Dashboard: 3.800 Euro offene Forderungen aus dem letzten Monat, die vermutlich nie eingehen. Donnerstag, 14:45 Uhr - deine Teamleiterin zeigt dir beide Zahlen.

Die eine verlangt mehr Rechnungskauf: höhere Conversion, zufriedene Kundschaft. Die andere verlangt weniger: geringeres Ausfallrisiko, weniger Verluste. Bei 120.000 Euro Monatsumsatz auf Rechnung kostet jeder Prozentpunkt mehr Ausfall 1.200 Euro. Jede unnötig abgelehnte Bestellung treibt Kund:innen zur Konkurrenz.

Wer löst diesen Widerspruch? Nicht deine Teamleiterin, nicht du - sondern ein automatisches System, das in Sekundenbruchteilen entscheidet. Nach welchen Daten?

So prüft das System die Bonität im Checkout

Sobald jemand im Checkout "Kauf auf Rechnung" auswählt, startet eine Prüfkette:

1. Der Shop sendet Kundendaten (Name, Adresse, Bestellwert) an einen externen Risikodienstleister - etwa Schufa, Creditreform oder spezialisierte Anbieter wie Ratepay.
2. Der Dienstleister gleicht die Daten gegen Bonitätsdatenbanken, Adressregister und eigene Erfahrungswerte aus Millionen früherer Transaktionen ab.
3. Innerhalb von 200-500 Millisekunden kommt ein Score zurück - eine Zahl, die das Ausfallrisiko dieser Bestellung ausdrückt.
4. Der Shop vergleicht den Score mit hinterlegten Regeln und entscheidet: Rechnungskauf freigeben, alternative Zahlart anbieten oder ablehnen.

Die Kund:innen merken davon nichts. Sie sehen nur, welche Zahlarten erscheinen.

🎬 Vorstellung: Ruf dir den Checkout deines letzten Online-Einkaufs in Erinnerung - hast du bemerkt, dass bestimmte Zahlarten fehlten? Genau in diesem Moment lief vermutlich eine Bonitätsprüfung im Hintergrund.

Sechs Datenpunkte unter der Lupe

Um den Score zu berechnen, wertet der Risikodienstleister mindestens sechs Datenpunkte aus:

1. Scoring-Wert aus Bonitätsdatenbanken (Schufa, Creditreform): Zahlungshistorie, offene Verbindlichkeiten, frühere Kreditanfragen. Stärkster Einzelindikator für die Ausfallwahrscheinlichkeit.
2. Bestellhistorie im Shop: Wie oft hat die Person bestellt, pünktlich bezahlt, Ware retourniert? Eigene Erfahrungsdaten wiegen schwer.
3. Adressvalidierung: Existiert die Anschrift? Passt der Name zur Adresse? Filtert Tippfehler und gezielte Betrugsversuche.
4. Gerätedaten, auch Device Fingerprint genannt: Betriebssystem, Browser, IP-Standort. Auffällige Muster wie VPN-Nutzung oder viele Bestellungen vom selben Gerät an verschiedene Adressen erhöhen den Risikowert.
5. Warenkorbhöhe: 500 Euro tragen mehr Risiko als 35 Euro, aber erst in Kombination mit anderen Faktoren relevant.
6. Abweichung zwischen Liefer- und Rechnungsadresse: Nicht automatisch verdächtig, aber in Kombination mit niedrigem Score ein Warnsignal.

Nicht jeder Datenpunkt wiegt gleich schwer

Der Scoring-Wert hat den höchsten Erklärungsbeitrag: Er fasst Jahre an Zahlungsverhalten in einer Zahl zusammen. Ein niedriger Score allein kann den Rechnungskauf sperren, selbst wenn alle anderen Punkte unauffällig sind.

Die Bestellhistorie im eigenen Shop wiegt am zweitstärksten, weil sie echtes Verhalten zeigt statt statistischer Prognosen. Gerätedaten und Adressabgleich wirken vor allem als Betrugsfilter: Sie erkennen nicht Zahlungsunfähigkeit, sondern Identitätsverschleierung.

Die Warenkorbhöhe allein sagt wenig. Erst in Kombination mit einem grenzwertigen Score wird sie zum Zünglein an der Waage: 80 Euro bei Score 85 ergibt Freigabe. 800 Euro bei Score 85 ergibt alternative Zahlart.

⚖️ Vergleich im Kopf: Eine Person mit 20 pünktlich bezahlten Bestellungen hat einen mittelmäßigen Schufa-Score. Eine andere Person bestellt zum ersten Mal, hat aber einen exzellenten Score. Wer bekommt eher den Rechnungskauf?

Drei Bestellungen, drei Risikoprofile

Zurück zum Dashboard: Drei Bestellungen aus der letzten Woche zeigen, wie das Regelwerk greift.

Bestellung A (geringes Risiko): Score 92, Warenkorb 65 Euro, 12 problemlose Vorbestellungen, Adressen identisch. Entscheidung: Rechnungskauf freigegeben. Ausschlaggebend: hoher Scoring-Wert und positive Bestellhistorie.

Bestellung B (mittleres Risiko): Score 68, Warenkorb 320 Euro, Erstbestellung, Adressen identisch. Entscheidung: Rechnungskauf gesperrt, PayPal und Vorkasse angeboten. Der Score liegt unter der Schwelle von 75 für Erstbestellungen über 200 Euro.

Bestellung C (hohes Risiko): Score 41, Warenkorb 780 Euro, abweichende Lieferadresse, Device Fingerprint zeigt VPN. Entscheidung: nur Vorkasse. Drei Indikatoren (Score, Betrag, Gerätedaten) schlagen gleichzeitig an.

Der Trade-off in konkreten Zahlen

Das Team verschärft die Regeln und senkt die Ausfallquote von 3,2% auf 2,0%. Das spart bei 120.000 Euro Monatsumsatz auf Rechnung 1.440 Euro. Aber die strengeren Schwellenwerte lehnen auch 5% der zahlungsfähigen Kund:innen ab. Bei 200 betroffenen Bestellungen und durchschnittlich 18 Euro Deckungsbeitrag pro Bestellung gehen 3.600 Euro verloren.

Ersparnis: 1.440 Euro. Verlust: 3.600 Euro. Die strengeren Regeln kosten netto 2.160 Euro.

Das beantwortet die Eingangsfrage vom Dashboard: Das System muss nicht möglichst streng sein, sondern möglichst treffsicher. Es soll die 3.800 Euro Ausfälle senken, ohne die 47 Beschwerden weiter zu treiben. Die Lösung liegt in der Feinsteuerung der Schwellenwerte - nicht im Entweder-oder.

🤔 Frage dich: Was passiert mit Ausfallquote und Conversion, wenn dein Shop den Scoring-Schwellenwert für Erstbestellungen von 75 auf 60 senkt?