Herausforderung
Die Ermittlung von Restwerten ist ein zentraler Bestandteil im Leasinggeschäft von Automobilherstellern. Da der Leasinggeber weiterhin Eigentümer des Fahrzeugs bleibt und dadurch hohe bilanzielle Risiken entstehen, ist eine genaue Vorhersage von großer Wichtigkeit. Die Herausforderung unseres Kunden bestand darin, die dezentrale Berechnung der Restwerte in den einzelnen Märkten abzuschaffen und weltweit für alle Märkte ein zentrales Analytics–Tool zu entwickeln. Dabei sollte zukünftig basierend auf historischen Daten eine präzise Prognose mit Hilfe eines Machine Learning Modells erfolgen. Die vorhergesagten Restwerte sollten darüber hinaus stetig über eine Leasingperiode aktualisiert werden, um sich verändernde Marktumgebungen in das Modell einfließen zu lassen.
Ansatz
In der ersten Phase des Projekts ging es zunächst um den Aufbau einer Datenhistorie, die eine ausreichend lange Trainingsperiode für die Machine Learning Modelle sicherstellen kann. Da neben den vertraglichen Informationen auch fahrzeug- und marktspezifische Daten genutzt wurden, mussten vielfältige Datenquellen zusammengeführt und bereinigt werden. Nach der Erstellung und der Exploration des Datensatzes wurden verschiedene statistische Modelle pro Fahrzeugklasse trainiert, um die Restwerte vorherzusagen. Hierbei wurden unterschiedlichste Einflussfaktoren auf den Restwert des Fahrzeugs modelliert. Um eine inhaltliche Interpretierbarkeit der Ergebnisse für die Fachabteilung des Unternehmens zu gewährleisten, wurden primär lineare Modelle angewendet. Die Modelle wurden den Endanwender:innen anschließend im Rahmen einer Applikationsentwicklung zugänglich gemacht.
Ergebnis
Das Modell sowie die Datenaufbereitung wurden auf der zentralen Data Science Plattform unseres Kunden implementiert und bislang für drei der größten Leasingmärkte ausgerollt. Das führte neben präziseren Schätzungen vor allem zu weniger manuellem Aufwand in der Restwertsetzung. Somit konnte das bilanzielle Risiko einer ungenauen Schätzung der Restwerte reduziert und der Prozess gestrafft werden. Der Rollout auf weitere Leasingmärkte ist derzeit geplant.