Das Wichtigste in Kürze
- 2025 gab es in Deutschland 24.064 Unternehmensinsolvenzen, so viele wie seit 2014 nicht mehr. Von Januar bis Juli 2026 waren es noch einmal 6,9 % mehr.
- Die frühesten Warnzeichen stecken in Ihren eigenen Daten: Ein Kunde zieht kein Skonto mehr, zahlt zunehmend später, leistet Teilzahlungen.
- Eine KI wertet diese Signale zusammen mit externen Auskünften täglich aus und meldet steigendes Risiko mit Begründung.
- Über Maßnahmen wie Vorkasse oder Lieferstopp entscheidet ein Mensch. Bei Einzelunternehmern verlangt das auch der Datenschutz.
Zahlungsausfälle vorhersagen mit KI heißt: Ein System beobachtet das Zahlungsverhalten jedes Kunden und meldet, wenn sich etwas verschiebt, lange bevor die erste Mahnung fällig wäre. Für den Mittelstand ist das kein Randthema. Ein einziger Großkunde, der ausfällt, kann den Gewinn eines Jahres kosten, und oft ist noch Ware unterwegs, die nie bezahlt wird.
Wie groß das Risiko gerade ist
Die Amtsgerichte haben 2025 laut Statistischem Bundesamt 24.064 beantragte Unternehmensinsolvenzen gemeldet, 10,3 % mehr als im Vorjahr und der höchste Wert seit 2014. Die Forderungen der Gläubiger aus diesen Verfahren schätzten die Gerichte auf rund 47,9 Milliarden Euro. Der Trend hält an: Von Januar bis Juli 2026 lag die Zahl der Unternehmensinsolvenzen um 6,9 % über dem Vorjahreszeitraum. Unter diesen Forderungen sind auch die offenen Rechnungen vieler Lieferanten.
Frühwarnsignale im eigenen Zahlungsverkehr
Viele denken bei der Bonitätsprüfung zuerst an Auskunfteien. Die frühesten Hinweise liegen aber in Ihrer eigenen Buchhaltung, weil Sie sehen, wie ein Kunde Sie bezahlt, und zwar jede Woche:
| Signal | Was es bedeuten kann | Beispiel |
|---|---|---|
| Wachsende Verspätung | Der Kunde streckt Zahlungen, um Liquidität zu halten | Erst 3, dann 8, dann 15 Tage nach Fälligkeit |
| Skonto entfällt | Das Geld für eine frühe Zahlung fehlt | Zwei Jahre lang mit Skonto gezahlt, jetzt netto nach 30 Tagen |
| Teilzahlungen | Knappes Geld wird auf mehrere Gläubiger verteilt | 2.000 Euro auf eine Rechnung über 5.355 Euro |
| Bitte um Raten oder Stundung | Ein akuter Engpass | „Können wir die Rechnung in drei Raten zahlen?“ |
| Mehr Reklamationen und Abzüge | Manchmal ein Weg, Zeit zu gewinnen | Abzüge wegen Mängeln, die vorher nie vorkamen |
| Rücklastschriften | Das Konto ist nicht gedeckt | Rückgabegrund: fehlende Deckung |
| Funkstille | Der Kunde weicht aus | Drei Mahnungen und zwei Anrufe ohne Antwort |
Einzeln beweist keines dieser Signale etwas. Auch ein gesunder Kunde zahlt mal spät oder streicht Skonto, weil er seine Zahlungsläufe umstellt. Treten mehrere Signale zusammen auf oder verstärken sie sich über Monate, steigt das Ausfallrisiko deutlich. Diese Entwicklung über Hunderte Kunden im Blick zu behalten, schafft von Hand niemand.
Externe Quellen ergänzen das Bild
- Auskunfteien liefern einen Bonitätsindex und melden Änderungen, etwa negative Zahlungserfahrungen anderer Lieferanten.
- Das Handelsregister zeigt Wechsel in der Geschäftsführung, Sitzverlegungen und Kapitalherabsetzungen.
- Im Unternehmensregister lässt sich prüfen, ob ein Kunde seinen Jahresabschluss fristgerecht offengelegt hat. Kapitalgesellschaften müssen das spätestens zwölf Monate nach dem Bilanzstichtag tun.
- Insolvenzbekanntmachungen veröffentlichen die Gerichte bundesweit im Internet.
Eine KI gleicht diese Quellen laufend mit Ihrem Kundenstamm ab und verbindet sie mit den eigenen Zahlungsdaten. Eine Auskunft stützt sich oft auf Jahresabschlüsse, die Monate alt sind. Das eigene Zahlungsverhalten zeigt die Lage von dieser Woche.
Wie eine KI daraus eine Vorhersage macht
- 01Daten sammelnZahlungen, offene Posten, Mahnungen, Reklamationen und externe Auskünfte.
- 02Merkmale bildenDurchschnittliche Verspätung, Trend, Anteil verspäteter Rechnungen, überfällige Beträge.
- 03 · Hier rechnet die KIRisiko bewertenEin Wert von 0 bis 100 je Kunde, jeden Tag neu berechnet.
- 04BegründenWelche Signale zum Wert geführt haben, in ganzen Sätzen.
- 05WarnenBei steigendem Risiko an die zuständige Person, mit Vorschlag.
- 06DazulernenWas aus jeder Warnung wurde, fließt in die nächste Bewertung ein.
Die Begründung ist so wichtig wie der Wert. „Risiko 72“ hilft niemandem. „Zahlt seit vier Monaten ohne Skonto, zuletzt 15 Tage nach Fälligkeit, Teilzahlung im Oktober, neuer Geschäftsführer laut Handelsregister“ ist eine Grundlage für ein Gespräch.
Ein Wort zu Prozentangaben: Manche Anbieter werben mit einer Trefferquote von 85 oder 90 %. Das sagt wenig, solange unklar ist, was gemessen wurde. Fallen im Jahr 2 % Ihrer Kunden aus, liegt ein System, das nie warnt, schon bei 98 % richtigen Aussagen. Entscheidend ist, wie viele der späteren Ausfälle es vorher erkannt hat und wie viele Warnungen sich als Fehlalarm erwiesen.
Wie ein Kunde kippt: ein Beispielverlauf
- JanuarMit SkontoDer Kunde zahlt wie immer in 10 Tagen und zieht 2 % ab.
- AprilKein Skonto mehrEr zahlt nach 30 Tagen. Die KI meldet ein erstes Signal.
- JuliVerspätung12 Tage nach Fälligkeit, dazu eine Teilzahlung. Das Risiko steigt deutlich.
- SeptemberBitte um RatenDer Kunde fragt nach Ratenzahlung und nennt eine neue Bankverbindung.
- NovemberInsolvenzantragDie Bekanntmachung erscheint im Internet.
Ohne System fällt ein solcher Kunde meist im September auf, wenn er selbst um Raten bittet. Mit System liegt die erste Warnung im April auf dem Tisch. Das sind fünf Monate, in denen Sie Kreditlimit, Zahlungsziel und Liefermengen anpassen können.
Was Sie tun, wenn das Risiko steigt
| Risiko | Was das System tut | Was Sie entscheiden |
|---|---|---|
| Leicht erhöht | Erinnert vor der Fälligkeit und beobachtet enger | Ein Anruf beim Kunden, ohne Druck |
| Deutlich erhöht | Meldet den Kunden mit Begründung und prüft das Kreditlimit bei jedem Auftrag | Kreditlimit senken, kürzere Zahlungsziele, Teillieferungen |
| Hoch | Hält neue Aufträge zur Freigabe an | Vorkasse verlangen, Ware unter Eigentumsvorbehalt im Blick behalten, Versicherung informieren |
Haben Sie eine Warenkreditversicherung, lohnt der Blick in die Police. Sie verlangt meist, dass überfällige Forderungen innerhalb einer Frist gemeldet werden, sonst kann der Versicherungsschutz für diesen Kunden entfallen. Ein System erinnert an diese Fristen.
Vorsicht bei Ratenzahlungen mit einem Kunden in der Krise: Zahlungen eines Kunden, dessen Zahlungsunfähigkeit Sie kannten, kann ein Insolvenzverwalter unter Umständen zurückfordern (Insolvenzanfechtung, § 133 InsO). Bei größeren Beträgen lohnt eine rechtliche Beratung, bevor Sie eine Vereinbarung treffen.
Datenschutz und KI-Verordnung
Die meisten Kunden im Geschäftskundenbereich sind Unternehmen. Einzelkaufleute, Handwerker und Freiberufler sind aber natürliche Personen, und für sie gilt die DSGVO. Nach Art. 22 DSGVO darf eine Entscheidung mit erheblicher Wirkung, etwa ein Lieferstopp, grundsätzlich nicht allein automatisch fallen. Der Europäische Gerichtshof hat 2023 entschieden, dass schon ein Score darunter fallen kann, wenn er die Entscheidung praktisch vorgibt. Bewertet ein KI-System die Kreditwürdigkeit natürlicher Personen, kann es außerdem nach der EU-KI-Verordnung als Hochrisiko-System gelten. Die sichere Lösung ist dieselbe wie aus fachlicher Sicht: Das System warnt und begründet, ein Mensch entscheidet. Mehr zu den Regeln steht auf der Seite KI und Datenschutz.
Kennzahlen für die Ausfallvorhersage
- Forderungsausfallquoteabgeschriebene Forderungen ÷ UmsatzDer Wert, den die Vorhersage senken soll.
- Erkannte AusfälleAusfälle mit vorheriger Warnung ÷ alle AusfälleZeigt, ob das System die richtigen Kunden findet.
- FehlalarmeWarnungen ohne spätere Zahlungsstörung ÷ alle WarnungenZu viele Fehlalarme, und niemand liest die Warnungen mehr.
- VorlaufzeitTage zwischen erster Warnung und ZahlungsstörungJe länger, desto mehr Zeit zum Handeln.
So fangen Sie an
Die eigenen Daten prüfen
Sind Zahlungen sauber zugeordnet? Nur dann zeigt sich das echte Verhalten eines Kunden, siehe Zahlungseingänge automatisch zuordnen.
Rückblickend testen
Lassen Sie das System die Kunden der letzten drei Jahre bewerten. Hätte es die Ausfälle erkannt, und wie früh?
Stufen und Zuständigkeiten festlegen
Ab welchem Wert wird gewarnt, wer bekommt die Warnung, und wer entscheidet über Maßnahmen?
Mit dem Kreditlimit verbinden
Das Risiko eines Kunden gehört an die Stelle, an der neue Aufträge freigegeben werden. Wie das im Ablauf aussieht, zeigt der Beitrag Order-to-Cash automatisieren.
Häufige Fragen zur Vorhersage von Zahlungsausfällen
Wie genau sind KI-Vorhersagen von Zahlungsausfällen?
Das lässt sich nur für Ihre eigenen Daten sagen. Testen Sie das System rückblickend: Wie viele der Ausfälle der letzten Jahre hätte es erkannt, wie früh, und wie viele Fehlalarme hätte es gegeben? Pauschale Prozentangaben helfen dabei wenig.
Brauche ich trotzdem eine Auskunftei?
Für neue Kunden ja, denn über sie gibt es noch keine eigenen Zahlungsdaten. Bei bestehenden Kunden ergänzen sich beide Quellen: Die Auskunftei sieht Zahlungserfahrungen anderer Lieferanten, Sie sehen das Verhalten von dieser Woche.
Darf ein System Kunden automatisch sperren?
Bei Unternehmen ist das rechtlich weniger streng geregelt als bei natürlichen Personen. Fachlich ist eine Sperre ohne menschliche Prüfung trotzdem riskant, weil auch gute Kunden mal anders zahlen. Bei Einzelunternehmern verlangt Art. 22 DSGVO in der Regel eine menschliche Entscheidung.
Ersetzt die Vorhersage eine Warenkreditversicherung?
Nein. Die Versicherung zahlt, wenn ein Kunde trotzdem ausfällt. Die Vorhersage hilft, das Risiko gar nicht erst groß werden zu lassen, und sie erinnert an die Meldefristen der Police. Beides ergänzt sich.
