Das Ende der Überbesicherung: Wie KI-gestütztes Credit Scoring das Kapitaleffizienzproblem von DeFi löst
Stellen Sie sich vor, Sie gehen in eine Bank und man sagt Ihnen: Um 100 $ zu leihen, müssen Sie zuerst 150 $ in bar hinterlegen – und diese die gesamte Zeit über gesperrt lassen. Sie würden sofort wieder gehen. Doch genau so funktioniert das dezentrale Finanzwesen (DeFi) seit seinen Anfängen. Das Modell der Überbesicherung (Overcollateralization) hat Protokolle vor Zahlungsausfällen geschützt, aber es hat auch Milliarden von Dollar an potenziellen Kreditnehmern ausgeschlossen und Billionen an brachliegendem Kapital gebunden. Dieses Kalkül ändert sich nun. KI-gestützte Kreditbewertungen, gefüttert durch den reichhaltigsten Verhaltensdatensatz der Finanzgeschichte – die öffentliche Blockchain – beginnen, unterbesicherte DeFi-Kredite von einem futuristischen Versprechen in eine praktische Realität zu verwandeln.
Warum die Besicherungsanforderung von DeFi Fluch und Segen zugleich ist
Die Logik hinter der Überbesicherung in DeFi ist schlüssig: Wenn Sie die Identität, das Einkommen oder die Kredithistorie eines Kreditnehmers nicht überprüfen können, verlangen Sie Sicherheiten, die mehr wert sind als das Darlehen. Aave, Compound und MakerDAO leisteten Pionierarbeit für dieses Modell mit Besicherungsquoten, die oft zwischen 130 % und 200 % liegen – was bedeutet, dass ein Kreditnehmer für jeden geliehenen 1,00 $ mindestens 1,50 $ oder mehr sperren muss.
Dieses Design hat das Vertrauensproblem auf elegante Weise gelöst. Kein KYC, keine Bonitätsprüfungen, keine rechtliche Durchsetzung – nur Mathematik. Wenn die Preise fallen, liquidiert das Protokoll die Sicherheiten automatisch. Das Modell hat sich in mehreren Marktcrashs als robust erwiesen und DeFi seinen Ruf für vertrauenslose (trustless) Sicherheit eingebracht.
Doch genau das Merkmal, das DeFi sicher macht, macht es für kreditwürdige Teilnehmer ökonomisch absurd. Ein Hedgefonds mit einer tadellosen fünfjährigen Erfolgsbilanz und verifizierbarer On-Chain-Historie steht vor der gleichen Hürde von 150 % Besicherung wie ein anonymer Erstnutzer. Kapital, das produktiv eingesetzt werden könnte, bleibt stattdessen als Überbesicherung eingefroren. Schätzungen gehen davon aus, dass die Eliminierung oder Reduzierung von Besicherungsanforderungen für qualifizierte Kreditnehmer Hunderte von Milliarden Dollar an Kapitaleffizienz in DeFi-Protokollen freisetzen könnte – Kapital, das derzeit nichts einbringt, während es Kredite von Personen absichert, die diese Absicherung eigentlich nicht benötigen.
Die Ironie ist offensichtlich: DeFi, das auf dem Versprechen finanzieller Inklusion aufgebaut wurde, hat eines der kapitalexklusivsten Kreditumfelder im Finanzwesen geschaffen.
Von FICO zu MACRO: Aufbau einer Kredithistorie auf der Blockchain
Traditionelle Kredit-Scores wie FICO fassen jahrelange Zahlungshistorien, ausstehende Salden, den Kreditmix und das Alter der Konten zusammen, um eine dreistellige Zahl zu generieren. Das System funktioniert – erfordert jedoch zentrale Verwahrer, Identitätsprüfung und rechtliche Rahmenbedingungen. Zudem schließt es schätzungsweise 1,4 Milliarden Erwachsene weltweit ohne Bankkonto aus, die keinerlei Kredithistorie haben.
On-Chain-Kreditbewertungen verfolgen einen anderen Ansatz. Jede Transaktion, die eine Wallet jemals getätigt hat, ist öffentlich einsehbar, unveränderlich und mit einem Zeitstempel versehen. Für einen entschlossenen Analysten ist die Historie einer Wallet aussagekräftiger als jeder Bericht einer Kreditauskunftei: Man kann genau sehen, wann Kredite zurückgezahlt wurden, ob Sicherheiten jemals liquidiert wurden, wie sich die Wallet während Marktcrashs verhalten hat und mit welchen Protokollen sie über Jahre hinweg interagiert hat.
Spectral Finance gehörte zu den ersten, die diese Erkenntnis in ein Scoring-Produkt umsetzten. Sein MACRO Score (Multi-Asset Credit Risk Oracle) überträgt das On-Chain-Verhalten auf eine Skala von 300 bis 850, die jedem bekannt ist, der jemals eine Hypothek beantragt hat. Der Score umfasst fünf Kernkategorien: Zahlungshistorie, Liquidationshistorie, geschuldete und zurückgezahlte Beträge, Kreditmix über Protokolle hinweg und die Länge der On-Chain-Kredithistorie. Die Parallelen zu FICO sind beabsichtigt – das Ziel ist es, eine Kreditsprache zu schaffen, die sowohl DeFi-Protokolle als auch schließlich institutionelle Kreditgeber verstehen können.
RociFi verfolgte einen ergänzenden Weg und nutzt Non-Fungible Tokens als On-Chain-Kreditzertifikate, die Wallets über verschiedene Protokolle hinweg mitführen können. Credora, ehemals X-Margin, drang weiter in institutionelles Terrain vor, indem es Zero-Knowledge-Proofs einsetzte, um die Kreditwürdigkeit von Kreditnehmern zu bewerten, ohne die zugrunde liegenden Portfoliodaten preiszugeben – eine entscheidende Innovation für Hedgefonds und Handelsfirmen, die ihre Positionen nicht offenlegen wollen.
Die Protokolle, die beweisen, dass unterbesicherte Kreditvergabe funktionieren kann
Theorie ist weniger wichtig als die Erfolgsbilanz, und DeFi verfügt nun über genügend Erfahrung in der unterbesicherten Kreditvergabe, um fundierte Urteile zu fällen.
TrueFi hat seit 2020 Kredite im Wert von über 1,7 Milliarden $ vergeben. Die Ausfallrate über die gesamte Laufzeit liegt bei 1 % bis 4 %, was vergleichbar mit erstklassigen Hochzinsanleihen im traditionellen Finanzwesen ist – nicht schlecht für ein Protokoll, das im Wesentlichen ohne Kreditinfrastruktur startete. Das Modell von TrueFi stützt sich auf von der DAO genehmigte White-Lists für Kreditnehmer und die Expertise von Pool-Managern anstatt auf rein algorithmisches Scoring – ein hybrider Ansatz, der sich als langlebiger erwiesen hat als rein On-Chain-Automatisierung.
Maple Finance erlitt 2022 einen schmerzhaften Zahlungsausfall in Höhe von 54 Millionen $, der weitgehend mit dem Zusammenbruch von Three Arrows Capital und der breiteren Krypto-Kreditkrise zusammenhing. Das Protokoll reagierte mit einer Überarbeitung seines Risikomanagement-Rahmens und erhöhten Transparenzanforderungen für Kreditnehmer. Bis 2024 verzeichnete Maple eine 16-fache TVL-Expansion – wohl eine der beeindruckendsten Erholungen in DeFi –, was beweist, dass institutionelle Kreditgeber On-Chain agieren, wenn die Risikoinfrastruktur glaubwürdig ist.
Goldfinch verfolgte eine andere These: die Vergabe von Krediten an reale Unternehmen in Schwellenländern, die keinen Zugang zu DeFi hatten. Die Ergebnisse waren gemischt – das Protokoll verzeichnete drei Ausfälle in Höhe von insgesamt etwa 18 Millionen $ an Verlusten –, hat aber auch über ein Dutzend Kredite erfolgreich zurückgezahlt. Die Herausforderungen von Goldfinch verdeutlichen eine wichtige Einschränkung: Eine On-Chain-Kredithistorie kann Unternehmen, die vollständig Off-Chain agieren, nicht bewerten. Die Überbrückung dieser beiden Welten bleibt ein ungelöstes Problem.
Clearpool hat sich eine Nische in der unbesicherten Kreditvergabe für Institutionen geschaffen und kombiniert die offenen Liquiditätspools von DeFi mit Kreditbewertungen auf institutionellem Niveau durch die Integration mit Credora. Jüngste Erweiterungen in PayFi-Vaults, USDX-Treasury-Produkte und tokenisierte Kreditinfrastruktur positionieren Clearpool als eine der ambitionierteren Wetten auf die Konvergenz zwischen TradFi-Krediten und DeFi-Schienen.
Wo KI die Gleichung verändert
Die oben genannten Protokolle stützen sich alle primär auf menschliches Urteilsvermögen – Kreditausschüsse, Pool-Manager, Governance-Abstimmungen. Sie sind in dem Sinne unterbesichert, dass sie Kredite gewähren, ohne eine 150 %ige Besicherung zu verlangen, aber der Prozess der Kreditprüfung bleibt langsam, subjektiv und auf Kreditnehmer beschränkt, die komplexe Whitelisting-Verfahren durchlaufen können.
KI eröffnet die Möglichkeit für etwas wirklich Neues: automatisierte Kreditprüfung in Echtzeit in großem Maßstab.
Die Eingangsdaten, die einem KI-Kreditmodell on-chain zur Verfügung stehen, sind nach herkömmlichen Standards außergewöhnlich. Ein Modell kann jede Transaktion analysieren, die eine Wallet über jedes Protokoll hinweg ausgeführt hat, jede fristgerechte im Vergleich zu verspäteten Rückzahlungen, jedes Liquidationsereignis, jede Interaktion mit Governance-Mechanismen, Staking-Muster und Oracle-Abfragen. Verhaltenssignale, für deren Aufdeckung ein Kreditsachbearbeiter Monate benötigen würde, sind in Millisekunden verfügbar.
Plattformen wie Kava setzen bereits KI-Kreditscoring für die DeFi-Kreditvergabe ein und kombinieren On-Chain-Verhaltensanalysen mit dynamischer Risikobepreisung. Die Vision ist ein Modell, das leisten kann, was die traditionelle Kreditprüfung nicht kann: Risiken in Echtzeit bewerten, Scores dynamisch aktualisieren, wenn sich das On-Chain-Verhalten entwickelt, und Kredite genau genug bepreisen, um Kreditnehmer zu bedienen, die von überbesicherten Protokollen derzeit ausgeschlossen werden.
KI ermöglicht zudem eine anspruchsvollere dynamische Besicherung. Anstatt fester 150 %-Quoten können KI-gesteuerte Protokolle die Besicherungsanforderungen basierend auf Echtzeit-Marktbedingungen, der Historie des Kreditnehmers und dem Korrelationsrisiko des Portfolios anpassen. Eine Aave-Position, die von einer Wallet mit fünf Jahren einwandfreier Rückzahlungshistorie in einem Marktumfeld mit geringer Volatilität gehalten wird, benötigt möglicherweise nur 105 % Besicherung, während eine neue Wallet, die während einer Phase erhöhter Volatilität leiht, 175 % benötigen könnte. Das Risiko wird dynamisch verwaltet und nicht durch ein pauschales, grobes Instrument.
Das rechtliche Hindernis, über das beide Seiten nicht genug sprechen
Die unterbesicherte KI-Kreditvergabe steht vor einer regulatorischen Herausforderung, die ihre bedeutendste Einschränkung sein könnte – und es ist nicht diejenige, auf die sich die meisten DeFi-Kommentatoren konzentrieren.
Das EU-KI-Gesetz (EU AI Act), dessen wichtigste Bestimmungen für Hochrisiko-KI-Systeme am 2. August 2026 in Kraft treten, stuft KI-Systeme, die im Kreditscoring eingesetzt werden, explizit als hochriskant ein. Gemäß dem Gesetz müssen solche Systeme Erklärbarkeit bieten – eine KI kann einen Kreditantrag nicht einfach durch einen Black-Box-Prozess ablehnen oder genehmigen. Kreditnehmer müssen Erklärungen für Kreditentscheidungen in allgemein verständlicher Sprache erhalten.
Diese Anforderung schafft ein fundamentales Spannungsfeld zur statistischen Natur von Deep-Learning-Modellen. Die genauesten Kreditscoring-Modelle sind oft die am wenigsten interpretierbaren. Ein Gradient-Boosting-Modell, das 200 On-Chain-Variablen gewichtet, um einen Score zu erstellen, kann ein einfacheres logistisches Regressionsmodell übertreffen, aber in verständlicher Sprache zu erklären, warum eine bestimmte Wallet einen Score von 620 statt 680 erhalten hat, ist tats ächlich schwierig.
In den Vereinigten Staaten erlegt der Equal Credit Opportunity Act (ECOA) ähnliche Verpflichtungen auf: Ablehnende Kreditentscheidungen müssen mit spezifischen, erläuternden Gründen versehen sein. Jedes KI-Leihsystem, das US-verbundene Kreditnehmer bedient – selbst über vorgeblich dezentrale Protokolle –, wird diese Anforderungen navigieren müssen.
Die Ironie dabei ist, dass die radikale Transparenz der Blockchain hier zu einem Vorteil werden könnte. Jede Eingangsvariable in einem On-Chain-Kreditscore ist selbst öffentlich prüfbar. Ein Protokoll kann auf spezifische Transaktionen, spezifische Rückzahlungsereignisse und spezifische Liquidationen als faktische Grundlage für eine Kreditentscheidung verweisen – ein Dokumentationsniveau, das herkömmliche Kreditauskunfteien nicht erreichen können. Ob Regulatoren diese Logik akzeptieren, bleibt abzuwarten, aber die Grundlagen für die Compliance sind stärker, als sie scheinen.
Was echtes KI-Kreditscoring braucht, um zum Mainstream zu werden
Mehrere technische und institutionelle Voraussetzungen müssen erfüllt sein, bevor KI-gestützte, unterbesicherte Kreditvergabe einen bedeutenden Umfang erreichen kann:
Cross-Chain-Kredithistorien-Aggregation. Die Kredithistorie eines Kreditnehmers ist über Ethereum, Solana, Sui, Aptos, die BNB Chain und Dutzende von Layer-2-Netzwerken fragmentiert. Ein Kredit-Score, der nur die Ethereum-Historie einer Wallet sieht, wird die Hälfte des Bildes übersehen. Cross-Chain-Identitätslösungen – ob durch dezentrale Identifikatoren (DIDs), Soulbound Tokens oder Zero-Knowledge-Attestierungen – sind eine wesentliche Infrastruktur.
Mechanismen zur Ausfallbehebung. Überbesicherung funktioniert, weil die Wiedererlangung automatisch erfolgt: Liquidation der Sicherheiten. Die unterbesicherte Kreditvergabe hat kein gleichwertiges Sicherheitsnetz für On-Chain-Ausfälle. Protokolle benötigen rechtliche Rahmenbedingungen, On-Chain-Reputations-Slashing-Mechanismen oder reale Durchsetzungspartnerschaften, um glaubwürdige Drohungen zur Wiedererlangung auszusprechen. Hier wird die TradFi–DeFi-Brücke unverzichtbar.
Trainingsdaten in großem Maßstab. KI-Kreditmodelle verbessern sich mit mehr historischen Daten. Die Kreditvergabe-Historie von DeFi wächst zwar, ist aber im Vergleich zu Jahrzehnten an Daten von Verbraucherkreditauskunfteien noch dünn. Die heute eingesetzten Modelle werden mit begrenzten Datensätzen trainiert, was ihre Vorhersagegenauigkeit einschränkt. Mit zunehmender DeFi-Kredithistorie sollte sich die Modellleistung verbessern – aber das Feld braucht Geduld.
Zuverlässigkeit dezentraler Oracles. Kreditscoring-Modelle benötigen zuverlässige Echtzeitdaten zu Asset-Preisen, dem Protokoll-TVL und Marktbedingungen. Manipulierbare oder veraltete Oracle-Daten könnten ausgenutzt werden, um Kredit-Scores zu manipulieren oder unangemessene Liquidationen auszulösen.
Die DeFi-Wachstumsthese, die davon abhängt, dies richtig zu machen
Der Total Value Locked (TVL) von DeFi schwankte je nach Marktbedingungen zwischen etwa 50 Milliarden . Diese Zahlen repräsentieren Protokolle, die primär Teilnehmer mit bereits erheblichem Kapital bedienen – die Anforderung der Überbesicherung fungiert de facto als Wohlstandsfilter.
Die unterbesicherte Kreditvergabe eröffnet DeFi, sofern sie sicher und skalierbar gestaltet werden kann, eine völlig andere Kategorie von Teilnehmern: Unternehmen und Privatpersonen, die ihre Kreditwürdigkeit durch ihr On-Chain-Verhalten unter Beweis gestellt haben, es sich aber nicht leisten können, mehr Kapital zu binden, als sie sich leihen. Dies stellt den Großteil der produktiven wirtschaftlichen Aktivität im traditionellen Finanzwesen dar. In DeFi ist dies bisher kaum vorhanden.
Protokolle, die das Problem der Unterbesicherung lösen – durch die Kombination von KI-Kreditbewertung, Cross-Chain-Identität und rechtlich belastbarer Erklärbarkeit – werden nicht nur einen Nischenmarkt besetzen. Sie bauen die Infrastruktur auf, die DeFi auf dem angestammten Terrain des globalen Bankensystems finanziell wettbewerbsfähig machen könnte: der effizienten Kapitalallokation.
Die Besicherungsanforderung von 150 % war nie ein Prinzip. Sie war ein Behelf für das Fehlen einer Vertrauensinfrastruktur. KI, trainiert auf dem reichhaltigsten Verhaltensdatensatz der Finanzgeschichte, beginnt nun, diese Infrastruktur bereitzustellen. Der Übergang von der überbesicherten zur kreditbasierten DeFi-Kreditvergabe wird nicht über Nacht geschehen, aber die technischen Grundlagen sind gelegt, die ersten Protokolle haben echten Marktstress überstanden und die regulatorischen Rahmenbedingungen – so fordernd sie auch sein mögen – werden klar genug, um darauf basierend zu entwickeln.
Die Ära von DeFi als ein System ausschließlich für Menschen, die bereits über Kapital verfügen, könnte zu Ende gehen.
BlockEden.xyz bietet RPC- und API-Infrastruktur auf Enterprise-Niveau für Ethereum, Sui, Aptos und über 20 Blockchain-Netzwerke – die zuverlässige On-Chain-Datenschicht, von der DeFi-Kreditprotokolle der nächsten Generation abhängen. Erkunden Sie unseren API-Marktplatz, um Kreditinfrastruktur auf Fundamenten aufzubauen, die auf Beständigkeit ausgelegt sind.