Lender Price, ein Anbieter von Technologien für Hypothekenprodukte und -preise, kündigte die nächste Entwicklung von POD, seinem KI-Preisoptimierungs-Dashboard, an: eine von Menschen überwachte KI-Agenten-Funktion, die einen neuen Standard der Preisgenauigkeit über die Lender Price Pricing Engine hinweg etablieren soll.

Die Pricing Engine ist das System, auf das sich Kreditgeber verlassen, um Investor-Rate Sheets in die Zinssätze und Anpassungen umzuwandeln, die sie den Kreditnehmern letztendlich anbieten – weshalb die Genauigkeit jedes Updates direkte operative Bedeutung hat. POD-KI-Agenten wurden entwickelt, um die wiederholbaren Schritte zu erlernen und auszuführen, die die Pricing-Teams von Lender Price jedes Mal ausführen, wenn Investoren Änderungen an Zinssätzen, Loan-Level Price Adjustments (LLPAs), Produktberechtigungen, Programmen und Preissonderaktionen veröffentlichen. LLPAs, die risikobasierten Preisanpassungen, die Investoren auf Basis von Faktoren wie Bonitätsbewertung und Beleihungsauslauf auf einzelne Kredite anwenden, bestimmen direkt den Preis jedes Kreditangebots. Innerhalb definierter Leitplanken und Genehmigungsworkflows können die Agenten eingehende Änderungsinformationen interpretieren, Systemupdates vorbereiten und validieren, Ausnahmen identifizieren und Änderungen, die eine Beurteilung erfordern, an die Pricing-Fachleute von Lender Price weiterleiten.

"In der Hypothekenpreisgestaltung ist Genauigkeit kein Feature – sie ist das Fundament", sagte Dawar Alimi, CEO und Mitgründer von Lender Price. "Es geht bei POD nicht darum, die Menschen zu ersetzen, die Hypothekenprodukte, Kapitalmärkte und die Geschäfte unserer Kunden verstehen. Es geht darum, ihnen KI-Agenten an die Hand zu geben, die die mühsame, wiederholbare Arbeit übernehmen, damit sich unsere Experten auf Kontroll, Ausnahmen und die Entscheidungen konzentrieren können, die menschliche Expertise verdienen. Das Ergebnis, das wir anstreben, ist eine unvergleichliche Preisgenauigkeit."

In Phasen aufgebaut, verankert im Preisbetrieb

Die POD-Initiative hat mehrere Phasen durchlaufen. Lender Price setzte zunächst KI ein, um Genauigkeitsprüfungen zu stärken und Teams zu helfen, potenzielle Preisdiskrepanzen früher zu erkennen. Anschließend erweiterte das Unternehmen die KI-Unterstützung für Implementierungsarbeiten, indem es Kreditgeberdaten organisierte, Lücken identifizierte und das Onboarding von Produkten, Programmen, Berechtigungsregeln und investorspezifischen Preisen beschleunigte.

Die neueste Phase operationalisiert diese gesammelten Erkenntnisse durch KI-Agenten, die auf den Schritt-für-Schritt-Workflows des eigenen Pricing-Teams von Lender Price trainiert wurden. Statt unkontrollierter Automatisierung zu erlauben, wendet POD Kontrollen an, darunter Quelldatenvalidierung, regelbasierte Leitplanken, Ausnahmeschwellenwerte, Änderungsprotokolle, Tests und menschliche Prüfung vor der Produktionsfreigabe. Das Ziel ist es, Updates schneller und konsistenter zu machen und dabei klare Verantwortlichkeit zu wahren.

Erwartete operative Auswirkungen

Lender Price erwartet, dass POD die Möglichkeiten manueller Eingabefehler erheblich reduziert und die Konsistenz routinemäßiger Investor-Updates verbessert. Zu den ersten Betriebszielen gehören:

• Bis zu 90 % weniger manuelle Arbeitsschritte bei berechtigten, wiederholbaren Rate-Sheet- und Pricing-Update-Workflows.
• Bis zu 75 % schnellere Vorbereitung und Validierung routinemäßiger LLPA-, Preissonderaktions- und Programm-Updates, wobei Ausnahmen an einen Experten weitergeleitet werden.
• Mindestens 99,9 % Rückverfolgbarkeitsabdeckung für von POD verarbeitete Änderungen, unterstützt durch Quellenverknüpfung, Validierungsnachweise, Genehmigungen und Audit-Protokolle.
• Eine deutliche Reduzierung vermeidbarer Konfigurationsfehler – einschließlich versehentlicher Tastenanschläge, vertauschter Werte oder übersehener Berechtigungsbedingungen – durch strukturierte Extraktion, Validierungsregeln und kontrollierte Release-Workflows.

Diese Zahlen sind zukunftsgerichtete Betriebsziele und keine historischen Kundenergebnisse. Lender Price erklärte, dass das Unternehmen die gemessenen Ergebnisse validieren und veröffentlichen wird, sobald die POD-Einführungen reifen. Diese veröffentlichten Ergebnisse werden Kreditgebern einen konkreten Maßstab dafür liefern, ob die Ziele im Produktivbetrieb Bestand haben.

Genauigkeit im großen Maßstab mit Experten an der Kontrolle

Das Design von POD berücksichtigt, dass die Hypothekenpreisgestaltung nicht im Vakuum stattfindet. Investor-Vorgaben können in Format und Komplexität variieren, und Aktualisierungen aus der Praxis erfordern oft eine kontextbezogene Interpretation. Die KI-Agenten sollen die volumenstarken, wiederholbaren Aufgaben übernehmen, während Eskalationswege die menschliche Aufsicht für mehrdeutige Vorgaben, ungewöhnliche Produktstrukturen und Änderungen bewahren, die zusätzliche Prüfung verdienen.

Das Ergebnis ist ein Preisbetrieb, der schneller auf Investor-Änderungen reagieren kann ohne auf die Kontrollen zu verzichten, die Kreditgeber erwarten. Durch die Reduzierung repetitiver manueller Arbeit ermöglicht POD den Pricing-Experten von Lender Price, mehr Zeit für Qualitätssicherung, Grenzfälle, Strategie und kundenspezifische Anforderungen aufzuwenden.

"Die Zukunft von POD ist ein genauerer, widerstandsfähigerer Preisbetrieb", fügte Alimi hinzu. "Unsere Menschen bleiben unverzichtbar. KI-Agenten machen ihre Expertise noch stärker, indem sie dazu beitragen, dass jedes Update – von einer LLPA-Änderung über eine Preissonderaktion bis hin zu einer Berechtigungsregel – mit Disziplin, Transparenz und Geschwindigkeit behandelt wird."

POD ist Teil der umfassenderen KI-Strategie von Lender Price, die KI dort einsetzt, wo sie die Implementierungseffizienz verbessern, Qualitätskontrollen der Preisgestaltung stärken und Kreditgebern helfen kann, sich in einem sich schnell verändernden Markt mit größerem Vertrauen zu bewegen. Die von Menschen überwachte Struktur von POD spiegelt auch einen breiteren Trend im Finanztechnologiebereich wider, wo KI-Agenten zunehmend unter menschlicher Prüfung statt mit vollständiger Autonomie in regulierten Bereichen der Finanzdienstleistungen eingesetzt werden.