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
Jede Dimension gewichtet nach empirischer Vorhersagekraft
Gewichtsverteilung
Handelsregister & rechtliche Stabilität
- Firmenalter, Rechtsform (GmbH, AG usw.) und Status aktiv/gelöscht
- Höhe des Gesellschaftskapitals und eingetragene Adresse
- SHAB-Publikationshistorie — Konkurse, Liquidationen, Kapitalveränderungen, Organmutationen
- 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
- Geschätzte Mitarbeiterzahl und Unternehmensgrösse (aus öffentlichen Suchresultaten)
- 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
- Wechsel von Organen und Verwaltungsräten, im Zeitverlauf sichtbar in SHAB-Publikationen
- Häufigkeit und Muster von Mutationen auf Verwaltungsratsebene
- Vorhandensein einer Revisionsstelle und Governance-Struktur
- Änderungen des Gesellschaftszwecks und Historie des Firmennamens
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
- Häufigkeit und zeitliche Muster der SHAB-Publikationen
- Zeitverlauf von Organwechseln, Kapitalveränderungen und rechtlichen Mutationen
- Häufung negativer Signale innerhalb kurzer Zeiträume
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 85-100
Geringes Risiko
Score 70-84
Mittleres Risiko
Score 55-69
Erhöhtes Risiko
Score 40-54
Hohes Risiko
Score 25-39
Sehr hohes Risiko
Score 0-24
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)
Geschätzte Unternehmensdaten aus öffentlichen Google-Suchausschnitten (kein direkter API-Zugriff)
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 werden aus Google-Suchausschnitten geschätzt, nicht über einen direkten API-Zugriff. 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. Kalibriert unsere Altersbewertungsstufen. 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. Verankert unsere Dimension Organe & Netzwerk.
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). Grundlage unserer zeitlichen Scoring-Logik.
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 — unser Modell verwendet das Alter als einen Faktor neben Governance- und Publikationssignalen.
Branchenkonzentration
Anteil der Schweizer Konkurse nach Branche (2024)
Abschnitt 07
Kalibrierung & Transparenz
Ehrliche Methodik schafft Vertrauen
Die aktuellen Dimensionsgewichte sind auf wissenschaftliche Literatur gestützt — Ausgangswerte, die noch nicht empirisch an Schweizer Ausfalldaten kalibriert sind. 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
LinkedIn-Daten aus Suchausschnitten geschätzt — Genauigkeit variiert
Standortverifizierung anhand von Google-Maps-Einträgen, keine physische Besichtigung
Geplante Verbesserungen
MVP-Validierung
Abgleich mit bekannten Konkursfällen aus dem SHAB
Back-Testing
Retrospektive Analyse der Ausfälle 2023-2024
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)
- Altersbewertung kalibriert an den Überlebenskurven des BFS; 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