Die zunehmende Bedeutung künstlicher Intelligenz in Unternehmensprozessen hat auch das Forderungsmanagement an einen Wendepunkt geführt. Sebastian Ludwig, CEO DACH der coeo Group, hat das nicht nur erkannt, er hat sich den digitalen Wandel zu eigen gemacht und gestaltet diesen aktiv mit. Mit mehr als zwei Jahrzehnten Erfahrung im Risiko- und Forderungsmanagement weiß Ludwig genau, welche Hebel dabei die größte Wirkung erzielen. Sein Fokus liegt ganz klar auf der intelligenten Prozessoptimierung durch Künstliche Intelligenz. Maßgeschneiderte KI-Modelle sind bei coeo der Motor für die Unternehmensentwicklung und das Wachstum. Mit OffenePosten.de hat Sebastian Ludwig darüber gesprochen, wie die coeo Group als technologischer Vorreiter mit smarten Algorithmen zu nachweisbar besseren Ergebnissen kommt.
Herr Ludwig, Sie positionieren coeo als technologiebasierten, KI-unterstützten Inkasso-Dienstleister mit Self-Service-Portal, Bots und eigenem KI-Ökosystem. Was sind aus Ihrer Sicht die wichtigsten digitalen Bausteine der Wertschöpfung und woran messen Sie deren Erfolg?
Ich behaupte: Wer heute nicht digital ist, kann in seinem Geschäftsbereich nicht mehr bestehen. Und wer die Auswirkungen von KI nicht antizipiert, wird morgen ein existentielles Problem haben. Unser Ansatz basiert auf Transparenz, Effizienz und respektvollem Umgang. Wir kombinieren technologische Unterstützung mit menschlichem Urteilsvermögen. „Tech enabled und people centred.“ Das Operating Model optimiert nicht nur Kosten und Geschwindigkeit, sondern ebenso Kundenerfahrung, Prozessqualität und stabile Ergebnisse.
Digitale Wertschöpfung stützt sich für uns auf drei eng verzahnte Bausteine: digitale Kontaktpunkte und Self-Services, KI-gestützte Kommunikation und datenbasierte Entscheidungsunterstützung. Zentrale Grundlage ist dabei die Datenqualität und -verfügbarkeit; sie bestimmt die Leistungsfähigkeit aller nachgelagerten Prozesse.
Inkasso ist ein sensibles, oft schambehaftetes Thema. Deshalb gestalten wir den Zugang zur Interaktion so einfach wie möglich, unterstützt durch KI, die gleichartige Anliegen effizient bearbeitet. Die Steuerung und Überwachung dieser Anwendungen ist integraler Bestandteil unseres Ansatzes, im Einklang mit AI Act, RDG und DSGVO. Rechtliche Bewertungen außerhalb definierter Standardkorridore bleiben hochqualifizierten Mitarbeitern vorbehalten.
Können Sie uns sagen, wie hoch der Anteil der Fälle ist, die bei coeo weitgehend automatisiert abgewickelt werden? Welche Systeme und Komponenten spielen dabei die Hauptrolle: das Self-Service-Portal, virtuelle Assistenten oder KI-gestützte Workflows?
Zunächst zum Begriff Automatisierung. Er meint die regelbasierte Ausführung definierter Prozesse. KI hingegen unterstützt Entscheidungen, priorisiert, bewertet Kontexte und lernt. Automatisierung ist dann der skalierbare Ausführungsarm der KI innerhalb klar definierter fachlicher und rechtlicher Leitplanken. Genau hier beginnt für uns der eigentliche Differenzierungsraum.
Unser Anspruch ist eine intelligente und verantwortungsvolle Automatisierung, die Kontexte erkennt, Alternativen bewertet und Entscheidungen innerhalb klarer Leitplanken vorbereitet. Begriffe wie „Digitalisierung“ oder reine „Automatisierung“ greifen deshalb zu kurz; sie beschreiben nicht mehr das, was mit agentischer, kontextbezogener KI heute möglich ist und was wir bereits einsetzen. Wir sprechen bewusst nicht von einer einzigen Automatisierungsquote, weil diese je nach Kanal, Anliegen und Prozessschritt stark variiert. Betrachtet man alle KI-gestützten Interaktionen zusammen, liegt der Automatisierungsgrad aber bereits auf sehr hohem Niveau.
In der Kundenkommunikation setzen wir Conversational AI umfassend ein — kein Marketingbegriff, sondern Ausdruck tiefer vertikaler Integration. Unser KI-Ökosystem cAI® unterstützt heute über 500.000 Interaktionen pro Monat. Hinzu kommt Decision Intelligence, also die intelligente Unterstützung von Prozessen, die früher rein regelbasiert abliefen, sowie Elemente aus der Behavioral Science. Dabei gilt: Wir sind kein Webshop, der Produkte verkauft. Wir agieren als Rechtsdienstleister in einem sensiblen, regulierten Umfeld — technologische Möglichkeiten müssen immer mit Verantwortung und Compliance zusammengedacht werden. Auch unser Self-Service-Portal sollte man nicht unterschätzen. Es wirkt fast „old school“, spielt aber seit Gründung eine zentrale Rolle: rund 450.000 Portalzugriffe pro Monat in Deutschland. Nicht jede wirksame digitale Lösung muss maximal KI-lastig sein.
Was bedeutet es, wenn Sie von „Customer Centricity meets AI“ sprechen? Welche Verbesserungen konnten Sie durch KI-gestützte Kommunikation, Bots und personalisierte Zahlungsangebote nachweislich erreichen?
Die Wirkung zeigt sich vor allem in Erreichbarkeit, Bearbeitungsgeschwindigkeit und Konsistenz. Ein großer Teil der Anfragen wird in Echtzeit und unabhängig von Öffnungszeiten gelöst. Das verkürzt Wartezeiten, erhöht die First Response Speed und entlastet unsere Teams, die sich stärker auf komplexe oder rechtlich sensible Fälle konzentrieren können.
Wir wollen im Inkasso die Nummer 1 in der Customer Experience bleiben. Konsumenten erreichen uns dafür 24/7 über Voice, E-Mail oder Serviceportal. Gerade in einem sensiblen Umfeld schaffen gute Erreichbarkeit, schnelle Rückmeldungen und klare Lösungen Vertrauen, bauen Hemmschwellen ab und beeinflussen am Ende auch die Zahlungswahrscheinlichkeit positiv. Der Mehrwert von KI liegt für uns deshalb nicht nur in Effizienz, sondern vor allem darin, Servicequalität skalierbar zu machen. Das koppeln wir konsequent an klare Qualitäts- und Governance-Mechanismen. Dass der Ansatz funktioniert, ist für uns nicht nur intern messbar, sondern auch extern sichtbar.
Wenn Sie sich den Rechtsrahmen einmal „wegdenken“: Was wären die nächsten KI-getriebenen Innovationen, die Sie sofort umsetzen würden und die heute vor allem an DSGVO, RDG oder dem künftigen EU-AI-Act scheitern?
DSGVO, RDG und EU-AI-Act reflektieren europäische Werte: Datenschutz, Fairness, Transparenz, Schutz vor diskriminierenden oder intransparenten Entscheidungen. Am AI-Act scheitern bei coeo keine KI-Innovationen. Er wurde so geschrieben, dass fundamentale Rechte gewahrt bleiben, nicht dass Innovation unmöglich wird. Wir berücksichtigen regulatorische Anforderungen bereits im Konzept und realisieren unsere Anwendungsfälle so verantwortungsvoll und rechtskonform. Was uns operativ stärker fordert, ist weniger die Regulierung selbst als die bürokratische Umsetzungslast: Dokumentationspflichten, Nachweisführung und vor allem die noch bestehende Unsicherheit in der Auslegung. Gerade beim AI-Act sind wesentliche Standards noch in Bewegung. Wir bauen daher Governance auf einem Regelwerk auf, dessen Anforderungen in Teilen noch nicht abschließend geschärft sind. Das ist zwar machbar, kostet aber Zeit, Kapazität und Geschwindigkeit.
Ganz konkret zu Ihrer Frage: Ein „cAI Collection Expert“, der vollkommen autonom handelt und nur noch von Agent zu Agent kommuniziert, der also mit Ihrem persönlichen Agenten den Sachverhalt bis zur Zahlung löst, das klingt schon aufregend.
Sehen Sie sinnvolle Anwendungsfälle für vollautomatisierte Entscheidungen (Zahlungspläne, Risikoklassifizierung oder Eskalationsstufen), die nur aus juristischen Gründen nicht umgesetzt werden – obwohl sie für viele Betroffene vielleicht sogar fairer und transparenter wären?
Ja, und wir haben ein konkretes Beispiel: Voice Bots im Forderungsmanagement. Vollautomatisierung heißt hier nicht, dass eine KI über das Schicksal von Menschen entscheidet, sondern dass ein klar begrenztes System Standardprozesse innerhalb eines von Menschen definierten Rahmens konsistent und zeitlich unabhängig abarbeitet. Ein KI-gestützter Voice Bot kann etwa eine Authentifizierung unterstützen, Stammdaten abgleichen, den Forderungsstand mitteilen, eine Ratenzahlung innerhalb festgelegter Parameter anbieten oder eine Adressänderung aufnehmen. Er agiert in einem exakt definierten Korridor: Er kann keine Forderung erlassen, keine Eskalation auslösen und keine streitigen Sachverhalte rechtlich bewerten. Sobald ein Anliegen diesen Rahmen verlässt oder eine Einzelfallprüfung erfordert, übernimmt ein qualifizierter Mitarbeiter. Der Vorteil: Die Hemmschwelle durch wahrgenommene soziale Bewertung entfällt, der Bot reagiert nicht auf Tonfall oder Ausdrucksweise, die ständige Erreichbarkeit senkt die Kontakthürde, und derselbe Sachverhalt führt zum selben Angebot.
Trotzdem gibt es juristische Hürden. Art. 22 DSGVO setzt enge Grenzen für ausschließlich automatisierte Entscheidungen, wenn diese rechtliche Wirkung entfalten oder Betroffene in ähnlicher Weise erheblich beeinträchtigen. Das RDG definiert Inkasso als Rechtsdienstleistung, was die Frage aufwirft, wie weit automatisierte Systeme eigenständig agieren dürfen; der AI-Act ist noch in einer unsicheren Phase. Keine dieser Hürden bedeutet, dass Automatisierung grundsätzlich ausgeschlossen ist. Entscheidend ist vielmehr, unter welchen Bedingungen sie rechtssicher eingesetzt werden kann.
Wie sehr schränken Datenschutz, Inkassorecht und Verbraucherschutz Ihrer Ansicht nach die Nutzung externer Datenquellen (z.B. Open-Banking-Daten, alternative Scores, Verhaltensdaten) ein? Gibt es Einschränkungen, die in anderen Branchen so nicht gelten oder sogar schon Standard sind?
Der zentrale Unterschied liegt in der Natur der Beziehung. Im Banking wählt ein Kunde aktiv ein Produkt, in der Versicherung schließt er einen Vertrag. In beiden Fällen besteht eine Beziehung auf Basis von Gegenseitigkeit. Im Inkasso existiert diese Gegenseitigkeit nicht. Die betroffene Person hat die Beziehung zum Inkassounternehmen nicht gewählt und befindet sich typischerweise in einer Situation mit finanziellem Druck und erheblichem Machtgefälle. Das verändert die Bewertung, welche Daten erhoben, verknüpft und genutzt werden dürfen.
Für uns ist entscheidend: Welche Daten brauchen wir tatsächlich, um unsere Aufgabe gut und fair zu erfüllen? Die Rechtsgrundlage prüfen wir individuell, je nach Verarbeitungszweck, Datenart und Anwendungsfall. Der Branchenvergleich zeigt den strukturellen Unterschied: Open-Banking-basierte Bonitätsprüfungen sind in UK und den Niederlanden etabliert, Telematik-Tarife nutzen Verhaltensdaten zur Prämienberechnung. Überall dort gibt es entweder etablierte regulatorische Infrastrukturen oder eine Beziehung, in der die Person aktiv mitwirkt und einen eigenen Nutzen hat. Damit gehen wir pragmatisch um: Wenn externe Datenquellen einfließen, muss das für Betroffene nachvollziehbar sein. Wer einen Brief von einem Inkassounternehmen erhält, hat das Recht zu verstehen, auf welcher Grundlage über seinen Fall entschieden wird. Wo die Eingriffstiefe über das notwendige Maß hinausgeht, verzichten wir bewusst darauf.
Wie ist Governance bei coeo konkret organisiert, wenn Sie neue KI- oder Daten-Projekte starten: Wer sitzt mit am Tisch, wenn Sie über Trainingsdaten, Modellfreigaben und Risiko-Assessments entscheiden – und wie oft landet ein Projekt an der DSGVO- oder Compliance-Hürde?
KI-Governance ist bei coeo keine nachgelagerte Prüfinstanz, sondern integraler Bestandteil der Projektkonzeption. Compliance-Hürden entstehen fast immer dann, wenn regulatorische Anforderungen erst spät adressiert werden. Deshalb bringen wir bei neuen KI- oder Datenprojekten von Anfang an drei Perspektiven zusammen: die fachliche, die technische und die regulatorische.
Nur selten scheitert ein Projekt an der Compliance. Wer das von Beginn an mitdenkt, erkennt kritische Konstellationen frühzeitig. Das Projekt wird dann anders designt oder nötigenfalls gestoppt. Die strategischen Entscheidungen, also wo wir unsere Grenzen ziehen und welche Risikokategorien wir akzeptieren, werden daher bewusst auf Managementebene getroffen. Wie ein Unternehmen mit KI umgeht, ist eine Frage der Unternehmensführung, nicht der Fachabteilung.
Einige KI-Anwendungen (z. B. Fall-Priorisierung, virtuelle Assistenten) werden durch den EU-AI-Act in Richtung Hochrisiko-System rücken. Wird das bei coeo zu größerem Aufwand führen, um künftig strengere Vorgaben zu Transparenz, Dokumentation und menschlicher Aufsicht zu erfüllen?
Der EU-AI-Act stuft bestimmte Anwendungen, wie etwa die Bewertung von Kreditwürdigkeit und Bonität, als Hochrisiko-Anwendungen ein. Das ist für uns relevant, weil Systeme darunter fallen könnten, die spezifische Fälle priorisieren, Risiken klassifizieren oder automatisiert mit Betroffenen interagieren. Wir haben in unserem Governance-Ansatz vieles davon bereits als Designvorgabe angelegt und fangen nicht bei null an. Aber zusätzlicher Aufwand entsteht vor allem bei der aufwändigen technischen Dokumentation, die über normale Standards hinausgeht.
Aber nicht jede KI-Anwendung im Inkasso ist automatisch eine Hochrisiko-Anwendung. Die Einstufung hängt vom Anwendungsfall ab, also von der Frage, welche Daten verarbeitet werden, wer betroffen ist und welche Entscheidungswirkung das System hat. Diese Einzelfallbewertung erfordert technisches und rechtliches Urteilsvermögen. Der AI-Act verbietet KI im Forderungsmanagement nicht; er definiert Anforderungen an Qualität, Transparenz und Aufsicht, die im Kern dem entsprechen, was wir ohnehin tun.
Wie stellen sie bei den vielen täglichen digitalen Kundeninteraktionen mit hohem Automatisierungsgrad sicher, dass DSGVO-Grundsätze wie Datenminimierung, Zweckbindung und Privacy by Design nachprüfbar in die Systeme, Portale und Bots eingebaut sind?
Wie die Compliance ist auch die DSGVO kein Kontrollmechanismus, sondern ein Designprinzip. Denn bei hohen Interaktionsvolumina funktioniert Datenschutz nur, wenn er strukturell von Anfang an eingebaut ist. Datenminimierung heißt: Jedes System sieht und verarbeitet nur die Daten, die es für den konkreten Anwendungsfall braucht. Zweckbindung heißt: Wir trennen klar, wofür Daten erhoben wurden und in welchem Kontext sie genutzt werden dürfen. Privacy by Design heißt: Diese Anforderungen werden schon bei der Konzeption von Portalen, Bots und KI-Prozessen mitgedacht. Entscheidend ist die Nachprüfbarkeit, denn Datenschutz muss belegbar sein. Deshalb arbeiten wir mit dokumentierten Entscheidungen und nachvollziehbaren Freigabe- und Zugriffskonzepten.
KI-Systeme können Vorurteile verstärken. Das haben wir mittlerweile zur Kenntnis nehmen müssen. Welche konkreten Mittel nutzen Sie, um ohne – auch unbeabsichtigte – Diskriminierung (z. B. in der Ansprache bestimmter Kundengruppen oder bei der Vergabe von Zahlungsoptionen) zu verhindern? Wie greifen die Governance-Mechanismen, wenn ein Modell „aus der Spur läuft“?
Bias in KI-Systemen ist kein Softwarefehler, den man mit einem Update behebt. Es ist ein strukturelles Risiko, das in den Daten beginnt, sich durch die Modelllogik verstärken und am Ende Menschen betreffen kann. Ein KI-System diskriminiert selten offen. Es verarbeitet keine Variable „Herkunft“ oder „Geschlecht“, sondern scheinbar neutrale Datenpunkte, die mit geschützten Merkmalen korrelieren, den sogenannte Proxy-Variablen. Praktisch heißt das: Die Postleitzahl korreliert mit sozio-ökonomischem Status und der ethnischen Zusammensetzung eines Viertels. Das Kommunikationsverhalten, also wann jemand antwortet, über welchen Kanal, in welchem Sprachstil, kann mit Bildungsniveau, Alter und kulturellem Hintergrund verknüpft sein. Selbst die Tageszeit einer Zahlung kann Rückschlüsse auf Beschäftigungsart und Schichtarbeit zulassen.
Jeder einzelne Datenpunkt ist für sich sachlich relevant. In der Kombination können sie aber ein Profil erzeugen, das faktisch als Proxy für geschützte Merkmale fungiert. Entscheidet ein Modell auf dieser Basis, wer welches Zahlungsangebot erhält, kann das Ergebnis diskriminierend sein, ohne dass das System je ein geschütztes Merkmal gesehen hat. Dieses Kernproblem ist mit reiner Technik nicht lösbar. Es erfordert eine bewusste Governance-Entscheidung darüber, welche Daten in ein Modell einfließen dürfen. Unser Ansatz setzt deshalb an, bevor ein Modell gebaut wird. Jeder Use Case durchläuft vorab eine strukturierte Bewertung, die Diskriminierungsrisiken explizit adressiert: Welche Datenpunkte werden verarbeitet, sind potenzielle Proxy-Variablen darunter, bringt das Modell die nötige Nachvollziehbarkeit mit? Dabei verzichten wir bewusst auf Variablen, die zwar prädiktiv sein mögen, aber ein Diskriminierungsrisiko bergen — auch mit klassischen Personas arbeitet coeo nicht. Genauigkeit ist nicht der einzige Qualitätsmaßstab.
Die Reform des Inkassorechts mit abgesenkten Gebühren hat die wirtschaftliche Basis vieler Anbieter geschwächt, vor allem bei Kleinstforderungen. Wie stark hat dieser Druck bei COEO die Priorität für Automatisierung, Self-Service und KI-basierte Prozesse nach oben geschoben?
Automatisierung und Digitalisierung sind bei coeo seit jeher fest in der Unternehmens-DNA verankert. Die Reform des Inkassorechts hat unsere Prioritäten deshalb nicht neu gesetzt, sondern einen Weg bestätigt, den wir längst verfolgen. Automatisierung, Self-Service und KI sind für uns keine Reaktion auf Gebührendruck, sondern zentrale Hebel für Qualität, Effizienz und Skalierbarkeit. Zugleich gilt: Gerade bei abgesenkten Gebühren wird es immer wichtiger, diese Potenziale konsequent zu nutzen, um wettbewerbsfähig zu bleiben.
Wenn pro Fall die Einnahmen sinken, wo muss Digitalisierung den Unterschied machen, damit sich ein Fall für coeo überhaupt noch lohnt. Gibt es bereits kalkulatorische Grenzen ab deren Erreichen Sie Aufträge nicht mehr übernehmen? Ist diese Grenze – falls es sie gibt – in den letzten Jahren eher gesunken oder gestiegen?
Eine pauschale Rentabilitätsgrenze gibt es nicht, weil die Wirtschaftlichkeit von mehreren Faktoren abhängt. Wir sind keine Fabrik, in der jeder Fall gleich ist; neben der Forderungshöhe spielen Portfolio-Struktur, Datenqualität, Bearbeitungsaufwand und Realisierungschancen eine Rolle. Natürlich gibt es Faktorenkonstellationen, bei denen sich die Übernahme wirtschaftlich nicht mehr darstellen lässt. Durch die Gebührenabsenkung müssen wir heute noch genauer kalkulieren. Umso wichtiger ist es, die Potenziale von Digitalisierung und Automatisierung konsequent zu nutzen. Dabei darf man aber die Investitionen nicht unterschätzen: coeo investiert mehrere Millionen Euro pro Jahr in Technologie und Governance.
Verändert der Gebühren- und Kostendruck auch das Profil Ihrer Belegschaft? Brauchen Sie künftig mehr Data Scientists, KI-Engineers oder Juristen als Sachbearbeiter, um die Wertschöpfung und Compliance auf hohem Niveau zu halten?
Ja, auf jeden Fall. Neben neuen Expertenprofilen wie Data Scientists, KI-Engineers oder Automatisierungsspezialisten verändert sich auch das Aufgabenbild in der Sachbearbeitung. Der Fokus verschiebt sich stärker auf Steuerung und Überwachung von Abläufen, auf Qualitätssicherung und auf die individuelle Bearbeitung komplexer oder sensibler Anliegen. Technologie übernimmt mehr Standardprozesse, während sich die Menschen auf die Fälle konzentrieren, bei denen Erfahrung, Urteilsvermögen und Fachlichkeit besonders zählen.
Welche Projekte oder Szenarien würden Sie gern vorantreiben, welche faszinieren Sie und regen Ihre Fantasie an? Und glauben Sie, dass auf lange Sicht das Forderungsmanagement zu einer voll automatisierten Prozesskette transformiert wird, wenn der Gesetzgeber das zuläßt?
Ich sehe ein Forderungsmanagement, das deutlich intelligenter, individueller und zugleich skalierbarer wird. Standardisierte Prozesse werden weitgehend digital und KI-gestützt gesteuert — aber nicht rechtsfrei, sondern klar in der Rolle als Rechtsdienstleister verankert. Intelligente Systeme übernehmen zunehmend Abläufe, ohne dass rechtliche Qualität und Sachkunde entfallen. Das bedeutet zugleich, dass ein vollständig entmenschlichter Inkassoprozess weder realistisch noch sinnvoll wäre. Dort, wo rechtliche Bewertung, Verantwortung, Augenmaß und sensible Kommunikation gefragt sind, wird der Mensch weiterhin eine zentrale Rolle spielen. Die Zukunft liegt für mich deshalb im intelligenten Zusammenspiel von KI, qualifizierter Rechtsdienstleistung, klarer Governance und menschlicher Urteilskraft.
Herr Ludwig, vielen Dank für das Gespräch.
