Scoring-
Methodik
Wie SignalScore die Bonität von Schweizer Unternehmen anhand öffentlich verfügbarer Daten und KI-Analyse beurteilt.
7
Dimensionen
12
Datenquellen
Claude
KI-gestützt
Abschnitt 01
So funktioniert es
OSINT-basierte Bonitätsprüfung, entwickelt für Schweizer Unternehmen
Erheben
12 öffentliche Datenquellen werden parallel abgefragt — amtliche Register, Webpräsenz und öffentliche Medien.
Analysieren
Claude (von Anthropic) prüft die Rohdaten und verfasst eine transparente, mit Quellen belegte Erläuterung zu jeder der 7 Dimensionen.
Bewerten
Eine deterministische Formel bewertet die 7 gewichteten Dimensionen anhand der Rohdaten mit 0-100 und fasst sie zu einem Gesamtscore (0-100) und einer Buchstabennote (A-F) zusammen — eine indikative Einschätzung.
Der finale Score stellt eine indikative Einschätzung dar, kein zertifiziertes Kreditrating. Beachten Sie unseren Haftungsausschluss zu wichtigen Einschränkungen.
Abschnitt 02
Die 7 Scoring-Dimensionen
Dimensionsgewichte aus der Forschung; Registersignale gewichtet anhand echter Schweizer Konkurse
Gewichtsverteilung
Handelsregister & rechtliche Stabilität
- Aktiv, in Löschung oder gelöscht im Handelsregister; Konkurs, Liquidation und amtliche SHAB-Meldungen
- Registersignale, gewichtet anhand echter Schweizer Konkurse: Rechtsform (GmbH oder AG), Kapital auf dem gesetzlichen Minimum, Verzicht auf die Revision, Firmenänderung in den letzten 24 Monaten
- Status im MWST- und UID-Register, Branche (NOGA), Marken und Patente
- Signale für Organisationsmängel nach Art. 731b OR
Digitale Präsenz & Infrastruktur
- Existenz der Website und inhaltliche Qualität (gecrawlt via Firecrawl)
- Alter der Domain-Registrierung (via RDAP-Abfrage)
- HTTP-Sicherheits-Header (HSTS, CSP, X-Frame-Options)
- Erkennung der Server-Technologie und E-Mail-Infrastruktur (MX-Einträge)
Belegschaft & Wachstum
- Mitarbeitende auf LinkedIn und angegebene Unternehmensgrösse (von der öffentlichen LinkedIn-Firmenseite)
- Präsenz der LinkedIn-Unternehmensseite und Follower-Zahl
- Aktive Stellenausschreibungen auf jobs.ch, Indeed und LinkedIn Jobs
Reputation & öffentliche Wahrnehmung
- Google-Maps-Bewertung und Anzahl Rezensionen
- Status des Firmeneintrags (in Betrieb, vorübergehend geschlossen usw.)
- Nachrichten-Screening auf negative Berichterstattung in jeder Sprache (Konkurs, Betreibung, Massenentlassung, Klagen, Betrug). Negative Berichterstattung senkt den Score und wird stärker gewichtet als positive; die blosse Anzahl Artikel gilt nie als positiv.
Organ- & Governance-Analyse
- Organwechsel und Austritte in den letzten 12 Monaten aus den SHAB-Publikationen (gewichtet anhand echter Schweizer Konkurse; gezählt bei Firmen ohne Revisionsstelle, wo sie Ausfälle ankündigten)
- Wechsel von Kollektiv- zu Einzelunterschrift
- Negative Berichterstattung über die Führung (Betrug, Klagen)
Die Analyse basiert auf den SHAB-Publikationen des geprüften Unternehmens selbst. Eine firmenübergreifende Netzwerkanalyse von Organen ist derzeit nicht verfügbar.
Verifizierung des Firmeneintrags
- Existenz und Status des Google-Maps-Firmeneintrags
- Eingetragene Adresse entspricht einem realen Geschäftsstandort
- Klassifizierung des Geschäftstyps und Öffnungszeiten
Die Verifizierung basiert auf Google-Maps-Eintragsdaten. Es erfolgt keine Auswertung von Street-View-Bildern und keine physische Besichtigung vor Ort.
Zeitliche Entwicklung & Veränderungsdynamik
- Adress- und Sitzwechsel in den letzten 24 Monaten
- Registeraktivität seit 2016 (Anzahl SHAB-Publikationen), gezählt bei Firmen ohne Revisionsstelle
- Beides gewichtet anhand echter Schweizer Konkurse; die Kontinuität im Web-Archiv als Kontext
Die zeitliche Analyse basiert primär auf dem SHAB-Publikationsverlauf. Andere Datenquellen (Website, LinkedIn, Maps) liefern nur eine aktuelle Momentaufnahme.
Abschnitt 03
Scoring-Skala
Sechsstufige Einteilung von sehr geringem bis sehr hohem Risiko
Sehr geringes Risiko
Score 80-100
Geringes Risiko
Score 65-79
Mittleres Risiko
Score 50-64
Erhöhtes Risiko
Score 35-49
Hohes Risiko
Score 20-34
Sehr hohes Risiko
Score 0-19
Der Gesamtscore wird als gewichtete Summe aller 7 Dimensions-Scores (je 0-100) berechnet und anschliessend der obenstehenden Buchstabennote zugeordnet. Die einzelnen Dimensions-Scores sind in jedem Bericht ersichtlich.
Abschnitt 04
Datenquellen
12 öffentliche Datenquellen, die bei jeder Bonitätsprüfung parallel abgefragt werden
Zefix
Zentraler Firmenindex der Schweiz — offizielle Handelsregisterdaten via REST-API mit SPARQL-Fallback
SHAB/SOGC
Schweizerisches Handelsamtsblatt — historische rechtliche Publikationen, extrahiert aus Zefix-Datensätzen
Kantonales Handelsregister
Offizielles kantonales Handelsregister — exaktes Eintragungsdatum, via Firecrawl aus JSF-gerenderten Seiten extrahiert
UID Register
Unternehmens-Identifikationsregister — MWST-Status, NOGA-Branchencode, Rechtsform, Adresse (via LINDAS SPARQL)
Firmenwebsites
Über Google-Suche ermittelt, Inhalte via Firecrawl gecrawlt (bis zu 15’000 Zeichen)
Daten der öffentlichen LinkedIn-Firmenseite: Mitarbeitende auf LinkedIn, Grösse, Branche, Gründungsjahr, Follower (ohne Anmeldung, keine Personenprofile)
Google Maps
Places API — Firmeneintrag, Bewertung, Anzahl Rezensionen, Status, Adresse, Öffnungszeiten
Nachrichten & Medien
Nachrichten via SerpAPI Google News + GDELT (mehrsprachig, jede Sprache), inklusive gezielter Suche nach negativer Berichterstattung (Konkurs, Betreibung, Massenentlassung, Klagen, Betrug). Negative Berichterstattung senkt die Bewertung, wird der passenden Risikodimension zugeordnet und stärker gewichtet als positive.
DNS/RDAP
Alter der Domain-Registrierung, HTTP-Sicherheits-Header, Server-Technologie und E-Mail-Infrastruktur (MX-Einträge)
Jobportale
Aktive Stellenausschreibungen auf jobs.ch, Indeed und LinkedIn Jobs — Signale zur Einstellungsaktivität
Wayback Machine
Internet-Archive-Snapshots — das Datum des ältesten Snapshots zeigt die Dauer der digitalen Präsenz
SwissReg
Eidgenössisches Institut für Geistiges Eigentum — eingetragene Marken und Patente
Alle Daten stammen aus öffentlich zugänglichen Registern und Websites. Es werden keine nicht-öffentlichen, proprietären oder vertraulichen Daten verwendet. LinkedIn-Daten stammen von der öffentlichen Firmenseite (ohne Anmeldung, nur Firmen, keine Personenprofile). Lesen Sie unsere Datenschutzerklärung für Einzelheiten zur Datenverarbeitung.
Abschnitt 05
Wissenschaftliche Grundlage
Dimensionsgewichte gestützt auf begutachtete Forschung und kommerzielle Methodiken
Creditreform Bonitätsindex
Massgebliche Kreditscoring-Methodik im DACH-Raum. 11 gewichtete Faktoren, darunter Firmenalter (4%), Rechtsform (4%), Mitarbeiterzahl (4%) und Branchenrisiko (6%). Unsere Dimensionsgewichte werden durch Skalierung der zugänglichen Creditreform-Faktoren auf 100% abgeleitet.
BFS UDEMO — Schweizer Unternehmensdemografie
Überlebenskurven des Bundesamts für Statistik: 84%/72%/64%/51% nach 1/2/3/5 Jahren. Hintergrund zum Firmenalter: An echten Ausfällen gemessen, fügt das Alter unserer Register-Scorecard keine Information hinzu, sobald die Registeränderungen einer Firma bekannt sind. 11’506 Konkurse im Jahr 2024 nach Branche fliessen in die Branchenrisikosignale ein.
Altman Omega Score (JSBM)
Journal of Small Business Management, Vol. 61(6). Erweiterter Z-Score für KMU mit LASSO-selektierten nicht-finanziellen Variablen: Managementwechsel und Betriebszugehörigkeit. AUC 88%. Validiert unsere Dimensionen Organstabilität und Belegschaft.
Ferretti et al. — Bayessche KMU-Ausfallprognose
Journal of Management and Governance. CEO-Amtszeit-Koeffizient -4.18 (p<0.0001) — stärkster Governance-Prädiktor. Nicht ausgefallene Firmen: durchschnittliche Amtszeit 26.5 Jahre vs. 5.3 Jahre bei ausgefallenen Firmen. Hintergrund unserer Dimension Organe & Governance, deren Registersignale heute anhand Schweizer Ausfälle gewichtet sind.
Crosato, Domenech & Liberati — Website-Indikatoren
Economics Letters, Vol. 204. 50 binäre Website-Indikatoren übertrafen traditionelle Offline-Daten (Mitarbeitende, Schulden, Gewinn) bei der KMU-Ausfallprognose. Validiert unsere Dimension Digitale Präsenz mit 15% Gewicht.
Berg, Burg, Gombovic & Puri — Digitale Fussabdrücke
Review of Financial Studies, 33(7). Über 250’000 Beobachtungen: Variablen des digitalen Fussabdrucks erreichen oder übertreffen Kreditbüro-Scores bei der Ausfallprognose. Bestätigt, dass Online-Signale echte Vorhersagekraft besitzen.
Shumway — Hazard-Modelle für Konkursprognosen
Journal of Business, 74(1). Pionierarbeit zu zeitdiskreten Hazard-Modellen mit monoton sinkender Ausfallrate über das Firmenalter (0.031 bei Gründung, ~0.015 nach Monat 40). Hintergrund unserer zeitlichen Dimension, deren Registersignale heute anhand Schweizer Ausfälle gewichtet sind.
Ciampi — Corporate Governance & Ausfallrisiko
Journal of Business Research, 68(5). Managementbezogene Variablen (CEO-Doppelrolle, Eigentümerkonzentration) verbessern die Ausfallprognose kleiner Unternehmen signifikant. Validiert Governance als Scoring-Dimension.
Abschnitt 06
Schweizer Kontext
Rekordhohe Konkurszahlen machen die Beurteilung der Bonität unverzichtbar
0
Konkurse im Jahr 2024
Rekordhoch, +15% gegenüber Vorjahr (BFS)
0%
5-Jahres-Überlebensrate
BFS UDEMO, Kohorten neu gegründeter Firmen
0.8%
Jährliche Ausfallrate
Schweiz gesamt (2024, erhöht)
Altersverteilung der Ausfälle
Analysen der KOF/ETH Zürich zeigen, dass sich Konkurse überproportional in der Altersgruppe von 4-10 Jahren konzentrieren, nicht bei den jüngsten Firmen. Dieses Muster der «liability of adolescence» bedeutet, dass das blosse Firmenalter nicht ausreicht: An echten Schweizer Konkursen gemessen, fügt das Alter unserer Register-Scorecard keine Information hinzu, sobald Registeränderungen, Revision und Rechtsform einer Firma bekannt sind.
Branchenkonzentration
Anteil der Schweizer Konkurse nach Branche (2024)
Abschnitt 07
Kalibrierung & Transparenz
Ehrliche Methodik schafft Vertrauen
Die Registersignale sind anhand echter Schweizer Konkurse gewichtet — 1’310 Unternehmen (mit amtlicher Konkursanzeige sowie zufällig aus dem Handelsregister gezogene aktive Firmen), geprüft an Monaten, die das Modell nicht kannte: Es trennte sie besser als unsere bisherigen festen Punkte (AUC 0.748 statt 0.613; 0.5 wäre Zufall). Die Gewichte der 7 Dimensionen und der Web-Signale stützen sich weiterhin auf wissenschaftliche Literatur, weil sich deren Vergangenheit nicht rekonstruieren lässt. Wir legen dies offen, weil wir überzeugt sind, dass ehrliche Methodik Vertrauen schafft.
Aktuelle Einschränkungen
Organanalyse auf das geprüfte Unternehmen beschränkt — noch keine firmenübergreifende Netzwerkanalyse
Zeitliche Analyse stützt sich auf SHAB-Zeitverläufe; andere Quellen liefern nur aktuelle Momentaufnahmen
Registergewichte an AG und GmbH ermittelt; bei anderen Rechtsformen entfallen die Signale zu Rechtsform und Kapital
LinkedIn zählt nur Mitarbeitende mit eigenem Profil — eine Untergrenze, nicht die tatsächliche Belegschaft
Standortverifizierung anhand von Google-Maps-Einträgen, keine physische Besichtigung
Einzelunternehmen nur mit Registerdaten (Handelsregister, SHAB, kantonales Register, UID-Register): Inhaberin oder Inhaber ist eine natürliche Person, deshalb keine News, Websites, Bewertungen, LinkedIn, Jobportale oder Marken (Datenschutz, Art. 31 DSG)
Geplante Verbesserungen
Back-Testing (erledigt, Oktober 2026)
Registersignale an amtlichen SHAB-Konkursanzeigen von Oktober 2024 bis März 2026 geprüft und anhand der Ausfälle neu gewichtet
Historische Verfolgung
Echte zeitliche Vergleiche über alle Quellen ermöglichen
Gewichtsoptimierung
Trennschärfste Gewichtskonfiguration ermitteln
Wichtige Einschränkungen
- SignalScore ist ein Aggregator nicht-finanzieller Signale und nutzt ausschliesslich öffentlich verfügbare Daten — keine Bilanzen, keine Zahlungshistorie
- Die Dimensionsgewichte werden aus der Skalierung der Creditreform-Faktoren und begutachteter Forschung abgeleitet (Crosato 2021, Ferretti 2021, BFS UDEMO)
- Registersignale (Rechtsform, Kapital, Revision, Registeränderungen) anhand echter Schweizer Konkurse gewichtet; Branchenrisiko basiert auf der tatsächlichen Verteilung der Schweizer Konkurse 2024 nach NOGA-Branche
- Kein Ersatz für professionelle Wirtschaftsauskunfteien (Creditreform, D&B, CRIF), die Zugang zu Jahresabschlüssen und Zahlungsdaten haben
- Darf nicht die alleinige Grundlage für Kredit-, Anstellungs- oder Rechtsentscheidungen sein
- Die KI erstellt ausschliesslich erläuternde Texte — alle Scores werden von einer deterministischen Berechnungs-Engine ermittelt
Methodik gestützt auf begutachtete wissenschaftliche Forschung und Schweizer Daten zu Unternehmensausfällen.
© 2026 SignalScore by Predivo GmbH. Alle Rechte vorbehalten.
Swiss-made