Affirm (AFRM)-Aktie steigt 5,5 % nach Einführung eines KI-Modells für Echtzeit-Kreditentscheidungen
Wichtige Erkenntnisse
- •Affirms neues Transformer-basiertes KI-Kreditprüfungsmodell ist in den USA live und wurde mit 14 Jahren eigener transaktionsbasierter Daten des Unternehmens trainiert.
- •In der ersten Ausbauphase generierte das Modell 3,4 % mehr abgeschlossene Käufe als eine Kontrollgruppe, und die zusätzlichen Kredite schnitten besser ab als eine vergleichbare Ausweitung unter früheren Machine-Learning-Modellen.
- •Die KI genehmigte zusätzliche Antragsteller, die das ältere System abgelehnt hätte – darunter Verbraucher mit begrenzten Kreditverläufen und ohne FICO-Score.
- •Chief Accounting Officer Siphelele Jiyane verkaufte am 14. September Aktien im Wert von rund 1,95 Mio. $ (26.980 Aktien), nachdem er bereits am 4. September 25.000 Aktien verkauft hatte.
- •Affirm wies ein Quartals-EPS von 4,62 $ gegenüber einer Konsensschätzung von 0,35 $ aus, bei einem Umsatz von 1,07 Mrd. $; 24 von 32 Analysten stufen die Aktie als Buy ein, mit einem durchschnittlichen Kursziel von 98,78 $.

Affirm Holdings (AFRM) stieg am Donnerstag im vorsitzlichen Handel um 5,5 %, nachdem das Buy-Now-Pay-Later-Unternehmen ein neues Transformer-basiertes KI-Modell vorgestellt hatte, das schnellere und genauere Kreditentscheidungen an der Kasse liefern soll. Die Aktie hatte vor der Ankündigung bei etwa 71,58 $ notiert – deutlich unter dem durchschnittlichen Analysten-Kursziel von 98,78 $.
Buy-Now-Pay-Later-Dienste ermöglichen es Verbrauchern, Einkäufe in Ratenkredite aufzuteilen, wobei Zulageentscheidungen in Echtzeit während des Online-Abschlusses der Transaktion getroffen werden. Da die Kreditprüfung erfolgt, während der Käufer noch mitten im Kaufprozess ist, wirken sich Änderungen in der Entscheidungsfindung unmittelbar auf Kassenergebnisse wie abgeschlossene Käufe aus.
KI-Modell jetzt an der Kasse live
Das neue Modell ist bereits in den USA live und basiert auf 14 Jahren transaktionsbasierter Kreditprüfungsdaten von Affirm. Es nutzt maschinelles Lernen, um die Reihenfolge und den Zeitpunkt von Ereignissen im Kreditverlauf eines Verbrauchers zu analysieren – was das Unternehmen als eine Weiterentwicklung gegenüber seinem bisherigen Ansatz beschreibt.
Transformer-Architekturen verarbeiten sequenzielle Daten und eignen sich daher besonders gut zum Auslesen geordneter Ereignisverläufe; dieselbe Modellklasse bildet die Grundlage moderner großer Sprachmodelle.
Ein bemerkenswerter Aspekt des Systems ist der Umgang mit Kreditnehmern mit dünnen Datenlagen. Affirm erklärte, die KI habe zusätzliche Antragsteller genehmigt, die das ältere System abgelehnt hätte – darunter Verbraucher mit begrenzten Kreditverläufen und ohne FICO-Score. Diese Reichweite über konventionelle Bewertungen hinaus ist der Punkt, an dem die Nutzung der eigenen Transaktionsdaten von Affirm anstelle ausschließlich externer Auskunfteien einen praktischen Vorteil bietet.
Bessere Ergebnisse mit geringerem Risiko
In der ersten Ausbauphase erzielte das Modell 3,4 % mehr abgeschlossene Käufe als eine Kontrollgruppe. Affirm gab zudem an, dass die zusätzlichen Kredite besser abschnitten als eine vergleichbare Ausweitung unter den bisherigen Machine-Learning-Modellen – ein Hinweis darauf, dass die KI bessere Risiken auswählt und nicht einfach nur mehr Kreditnehmer genehmigt. Für einen Kreditgeber ist dieser Unterschied entscheidend: Ein Zulagenwachstum schafft nur dann Mehrwert, wenn die zusätzlichen Kredite zurückgezahlt werden.
Libor Michalek, President von Affirm, sagte, die Transformer-Architektur ermögliche es dem Unternehmen, neue Informationen aus bereits vorhandenen Daten zu gewinnen. „Wenn wir einen Kreditverlauf klarer sehen, können wir verantwortungsvoll mehr Menschen sagen: Ja“, erklärte er.
Das Modell identifiziert Muster innerhalb und über Kreditkonten hinweg und verfolgt, wie sich diese Muster im Laufe der Zeit verändern. Affirm entwickelte einen firmeneigenen Algorithmus, um das Modell erklärbar zu halten und gleichzeitig schnell genug für den Echtzeitbetrieb an der Kasse zu bleiben – eine praktische Einschränkung für einen Kreditgeber, der automatisierte Kreditentscheidungen in Sekunden trifft.
Das Unternehmen betonte, dass das Ziel nicht darin bestehe, jeden Antrag zu genehmigen; die Gewährung von Krediten an Verbraucher, die diese nicht zurückzahlen können, komme dem Geschäft nicht zugute.
Insider-Verkäufe wecken Aufmerksamkeit
Chief Accounting Officer Siphelele Jiyane verkaufte am 14. September 26.980 Aktien zu einem Durchschnittskurs von 72,19 $ und nahm dadurch rund 1,95 Mio. $ ein. Die Transaktion verringerte seinen Anteil am Unternehmen um 12,51 %; er hält nun 188.711 Aktien. Bereits am 4. September hatte Jiyane 25.000 Aktien zu 72,41 $ verkauft. Die unmittelbar aufeinanderfolgenden Verkäufe dürften auf Aufmerksamkeit stoßen, auch signalisieren Insiderverkäufe nicht immer eine negative Einschätzung.
Quartalszahlen und Analystenabdeckung
Affirm wies im jüngsten Quartal ein Ergebnis je Aktie (EPS) von 4,62 $ aus – deutlich über der Konsensschätzung von 0,35 $. Der Umsatz lag bei 1,07 Mrd. $, ein Plus von 33,1 % im Jahresvergleich, wenn auch leicht unter der Schätzung von 1,11 Mrd. $.
Die Analystenreaktion fiel insgesamt positiv aus. Piper Sandler erhöhte das Kursziel von 103 $ auf 115 $ und behielt eine Overweight-Einstufung bei. BMO Capital Markets und Citigroup bestätigten jeweils ihre Outperform-Bewertungen. Von den 32 Analysten, die die Aktie abdecken, stufen 24 sie als Buy und 8 als Hold ein – daraus ergibt sich ein „Moderate Buy“-Konsens mit einem durchschnittlichen Kursziel von 98,78 $ – deutlich über dem zuletzt notierten Kurs von 71,58 $.
Der 50-Tage-Durchschnitt von Affirm liegt bei 75,43 $, der 200-Tage-Durchschnitt bei 66,39 $ – der aktuelle Aktienkurs liegt damit zwischen beiden Werten. Da das Modell mehr Kassenvolumen verarbeitet, sind die frühen Benchmarks – der Anstieg abgeschlossener Käufe um 3,4 % und die stärkere Performance der zusätzlichen Kredite – diezahlen, mit denen künftige berichtete Ergebnisse zu vergleichen sind.