So funktioniert die Portfoliobewertung beim Forderungskauf.

„Anders als beim Treuhandgeschäft gehen wir bei einem Forderungskauf ein nicht unwesentliches finanzielles Risiko ein. Ist der Kauf abgeschlossen, ist das Geld eben weg“, sagt Matthias. Damit er und sein Team im Vorfeld einen Blick auf das gehandelte Forderungsportfolio werfen können, stellt der Verkäufer ein anonymisiertes Rohdatenpaket in Form einer Excel-Datei zur Verfügung. Jede Zeile bildet darin eine offene Forderung beziehungsweise säumige Zahler*in ab.

Ob sie mit ihrer Empfehlung schon einmal danebenlagen? „Ja, auf jeden Fall!“, gibt Matthias zu. „Aber unsere Trefferquote ist schon recht gut.“ Matthias ist eigentlich promovierter Physiker. Nach dem Studium hat er sich zunächst der Entwicklung von Halbleitertechnologie gewidmet, dann der Beratung von zumeist Bad Banks. „Und heute geht es darum, herauszufinden, wie Forderungsportfolios ticken“, sagt er. Was all seine bisherigen Stationen gemein haben: den Umgang mit komplexen Sachverhalten. „Ich bin jemand, der es liebt, Hintergründe zu verstehen“, sagt er. Eine Eigenschaft, die bei der Bewertung von Portfolios unabdingbar ist. Schließlich geht es darum, eine Entscheidung zu treffen, bei der es um viel Geld geht.

„Um auf die Story aufmerksam zu werden, reicht es manchmal, die gegebenen Parameter grafisch darzustellen. Auch hier gilt – wie so oft im Leben: Aufzeichnen hilft“, sagt Matthias. „Auf diese Weise fallen einem etwaige Abnormitäten am leichtesten auf.“ Hinzu kommt der Kontext, in dem das Portfolio verkauft wird. Sind es zum Beispiel Forderungen aus einer Krisenzeit? Wann wurde das letzte Mal tatsächlich gezahlt und was bedeuten welche Buchungen und welche Datumswerte? Was ist die Historie des Verkäufers und was ist am Markt passiert? Wie hoch ist der Insolvenzanteil? Gibt es neue Gesetze, die unsere Art zu arbeiten verändern, und was macht das mit dem Charakter beziehungsweise der Story des Portfolios, die wir weiterschreiben wollen?“ Mit jeder Frage wird das Profil des Forderungspakets schärfer. Um weiter in die Tiefe zu gehen, teilen er und sein Team die Forderungen schließlich in Qualitäts- und Quantitätsgruppen ein: „In diesem Moment bekommt das Portfolio etwas Individuelles. Denn jedes Portfolio erzählt seine eigene Geschichte und ist komplett einzigartig“, ergänzt Matthias.

Im nächsten Schritt suchen die EOS Analyst*innen nach Erfahrungswerten aus der Vergangenheit. EOS hat einen umfangreichen Datenschatz, und es stellt sich für die Bewertung folgende Frage: Welche Benchmark hat eine ähnliche Story zu erzählen? Bedeutet: Hat EOS bereits ein vergleichbares Forderungsportfolio gekauft, zum Beispiel in derselben Branche oder Region? Wie fiel hier die Realisierung der Forderungen aus? Aus diesen historischen Daten entwickeln die Analyst*innen Benchmark-Schnitte, an denen sich neue Portfolios messen lassen müssen, allerdings vor dem Hintergrund der heutigen Gegebenheiten oder – viel wichtiger – der zukünftigen. Auch die Frage, ob es in der Zwischenzeit Umbrüche gab oder wie sich das politische Umfeld entwickelt hat, fließen bei der Bewertung ein. „Das Inkassowesen ist stets in Bewegung – das müssen wir natürlich berücksichtigen und den Forecast, basierend auf der Benchmark, dementsprechend anpassen“, sagt Matthias.

In besonderen Fällen greift sein Team auf Algorithmen zurück, die bei der Verarbeitung der komplexen Daten zum Einsatz kommen. Entscheidend für ein gutes Ergebnis sind jedoch nicht allein die Rohdaten. Auch der Faktor Mensch spielt bei der Evaluation eine wichtige Rolle: „Ein Algorithmus könnte niemals ein Gefühl für die Story des Portfolios entwickeln, wie es ein Analyst tut“, sagt Matthias. Ab einem gewissen Punkt sei auch Bauchgefühl gefragt, das auf Erfahrungen fußt.