Sebastian Diemer: Fintech-Pionier mit Big-Data-Vision

Er hat Kredite digitalisiert, Investoren elektrisiert und Regulierer irritiert – Sebastian Diemer ist nicht nur ein Fintech-Veteran, sondern ein Paradebeispiel für das, was passiert, wenn jemand Technologien nicht nur benutzt, sondern sie wie eine Abrissbirne gegen verstaubte Branchen richtet. Und während andere noch über Disruption reden, hat er sie längst geliefert. Wer wissen will, wie Big DataBig Data: Datenflut, Analyse und die Zukunft digitaler Entscheidungen Big Data bezeichnet nicht einfach nur „viele Daten“. Es ist das Buzzword für eine technologische Revolution, die Unternehmen, Märkte und gesellschaftliche Prozesse bis ins Mark verändert. Gemeint ist die Verarbeitung, Analyse und Nutzung riesiger, komplexer und oft unstrukturierter Datenmengen, die mit klassischen Methoden schlicht nicht mehr zu bändigen sind. Big Data..., Scoring-Algorithmen und Plattform-Ökonomie zusammenspielen, muss sich mit Diemer beschäftigen – und mit den Spuren, die er quer durch die deutsche Startup-Szene hinterlassen hat.

• Sebastian Diemer als radikaler Fintech-Pionier und Gründer von Kreditech
• Big-Data-Scoring als Kerninnovation und Kontroverse
• Wachstum um jeden Preis – und die Schattenseiten blitzskalierter Startups
• Warum Diemer’s aggressive Visionen der deutschen Fintech-Szene vorgreifen
• Sein Weg von Kreditech über Finiata bis zur nächsten Plattform-Wette
• Technologische Tiefe: Scoring-Algorithmen, Datenquellen und Machine LearningMachine Learning: Algorithmische Revolution oder Buzzword-Bingo? Machine Learning (auf Deutsch: Maschinelles Lernen) ist der Teilbereich der künstlichen Intelligenz (KI), bei dem Algorithmen und Modelle entwickelt werden, die aus Daten selbstständig lernen und sich verbessern können – ohne dass sie explizit programmiert werden. Klingt nach Science-Fiction, ist aber längst Alltag: Von Spamfiltern über Gesichtserkennung bis zu Produktempfehlungen basiert mehr digitale Realität...
• Regulatorische Konflikte: DatenschutzDatenschutz: Die unterschätzte Macht über digitale Identitäten und Datenflüsse Datenschutz ist der Begriff, der im digitalen Zeitalter ständig beschworen, aber selten wirklich verstanden wird. Gemeint ist der Schutz personenbezogener Daten vor Missbrauch, Überwachung, Diebstahl und Manipulation – egal ob sie in der Cloud, auf Servern oder auf deinem Smartphone herumlungern. Datenschutz ist nicht bloß ein juristisches Feigenblatt für Unternehmen, sondern..., BaFin und algorithmische Kreditvergabe
• Was von Diemers Ansatz bleibt – und was andere Gründer daraus lernen sollten

Sebastian Diemer und die Entstehung von Kreditech: Fintech mit Abrissbirne

Als Sebastian Diemer 2012 Kreditech gründete, war der Begriff „Fintech“ in Deutschland noch kaum etabliert. Banken waren träge, Kredite analog, Scoring-Modelle intransparent. Diemer hatte genug davon – und baute ein Unternehmen, das mit klassischem Bankgeschäft ungefähr so viel zu tun hatte wie ein Tesla mit einem Dieselmotor. Kreditech sollte alles anders machen: digitale Kreditvergabe, komplett automatisiert, komplett datenbasiert, komplett ohne Bankberater.

Die Kernidee: klassische Bonitätsprüfungen durch Big-Data-Scoring ersetzen. Statt auf Schufa und Gehaltsnachweise zu setzen, analysierte Kreditech Hunderte von Datenpunkten – Browserhistorie, Social-Media-Aktivitäten, Device-Fingerprint, Standortdaten, Klickverhalten. Alles, was sich in Echtzeit auswerten ließ, wurde in das Scoring-Modell eingespeist. Das Ziel: innerhalb von Sekunden eine Kreditentscheidung treffen – vollautomatisch, skalierbar, global.

Natürlich war das nicht nur innovativ, sondern auch hochgradig kontrovers. Datenschützer schlugen Alarm, Banken runzelten die Stirn, Verbraucherschützer rochen die nächste Ausbeutungsmaschine. Aber Diemer ging es nie um Gefälligkeit – sondern um Skalierung. Und die kam: Innerhalb von zwei Jahren war Kreditech in über zehn Ländern aktiv und hatte über 100 Millionen US-Dollar an Funding eingesammelt.

Diemers Philosophie war dabei klar: Geschwindigkeit schlägt Perfektion. Eine Haltung, die in der deutschen Gründerszene selten und oft unbequem ist – aber genau das macht seinen Ansatz so interessant. Denn während andere noch Businesspläne schrieben, hatte Diemer schon die erste Millionenlinie Kreditvolumen draußen – inklusive Algorithmus-Fehlern, UX-Bugs und regulatorischer Grauzonen.

Big-Data-Scoring: Der Algorithmus, der mehr wusste als deine Bank

Das Herzstück von Kreditech – und später auch Finiata – war das sogenannte Big-Data-Scoring. Ein AlgorithmusAlgorithmus: Das unsichtbare Rückgrat der digitalen Welt Algorithmus – das Wort klingt nach Science-Fiction, ist aber längst Alltag. Ohne Algorithmen läuft heute nichts mehr: Sie steuern Suchmaschinen, Social Media, Navigation, Börsenhandel, Werbung, Maschinen und sogar das, was du in deinem Lieblingsshop zu sehen bekommst. Doch was ist ein Algorithmus eigentlich, wie funktioniert er und warum ist er das ultimative Werkzeug..., der nicht nur klassische Finanzdaten, sondern eine Vielzahl an digitalen Signalen in einem Realtime-Model verarbeitete. Die Idee dahinter: Je mehr Daten, desto präziser die Vorhersage der Rückzahlungswahrscheinlichkeit. Und das nicht nur in etablierten Märkten, sondern gerade in Regionen ohne funktionierende Auskunfteien.

Technisch gesehen war das ein Zusammenspiel aus maschinellem Lernen, Feature Engineering und Realtime-Datenanalyse. Der AlgorithmusAlgorithmus: Das unsichtbare Rückgrat der digitalen Welt Algorithmus – das Wort klingt nach Science-Fiction, ist aber längst Alltag. Ohne Algorithmen läuft heute nichts mehr: Sie steuern Suchmaschinen, Social Media, Navigation, Börsenhandel, Werbung, Maschinen und sogar das, was du in deinem Lieblingsshop zu sehen bekommst. Doch was ist ein Algorithmus eigentlich, wie funktioniert er und warum ist er das ultimative Werkzeug... lernte aus historischen Rückzahlungsdaten, gewichtete Signale dynamisch und wurde kontinuierlich neu trainiert. Ziel war es, Kreditentscheidungen in unter einer Minute treffen zu können – ohne manuelle Prüfung, ohne Backoffice.

Das Modell funktionierte auf Basis von Scorecards, die anhand von Regressionen und Entscheidungsbäumen trainiert wurden. Später kamen neuronale Netze dazu, um auch unstrukturierte Daten wie Texteingaben, E-Mail-Verläufe oder Browserdaten zu verarbeiten. Der Tech-Stack war ambitioniert, aber notwendig – denn Diemers Produkt war nicht der Kredit, sondern die Infrastruktur zur massenhaften, automatisierten Vergabe.

Problematisch wurde das System allerdings bei zwei Punkten: erstens bei der Datenqualität – viele Userdaten waren unvollständig oder manipuliert – und zweitens beim regulatorischen Rahmen. Denn viele der genutzten Datenpunkte waren in Europa datenschutzrechtlich mindestens fragwürdig. Und je mehr die Algorithmen lernten, desto weniger transparent wurden sie – ein klassisches Black-Box-Problem.

Wachstum, Risiko, Kontrollverlust: Die Schattenseite der Skalierungsstrategie

Diemers Philosophie war klar: Wachstum first, Fragen später. Und das funktionierte – bis es eben nicht mehr funktionierte. Kreditech wuchs in Rekordzeit, baute internationale Teams auf, rollte neue Märkte im Monatsrhythmus aus. Doch mit dem Wachstum kamen auch die Probleme: steigende Ausfallquoten, regulatorische Konflikte, technische Schulden im Scoring-System.

2016 kam es zum Bruch: Diemer verließ Kreditech – offiziell „einvernehmlich“, inoffiziell nach internen Konflikten über Strategie und Risikomanagement. Das Unternehmen war zu groß, zu komplex, zu schnell gewachsen. Der AlgorithmusAlgorithmus: Das unsichtbare Rückgrat der digitalen Welt Algorithmus – das Wort klingt nach Science-Fiction, ist aber längst Alltag. Ohne Algorithmen läuft heute nichts mehr: Sie steuern Suchmaschinen, Social Media, Navigation, Börsenhandel, Werbung, Maschinen und sogar das, was du in deinem Lieblingsshop zu sehen bekommst. Doch was ist ein Algorithmus eigentlich, wie funktioniert er und warum ist er das ultimative Werkzeug... hatte sich verselbstständigt, das internationale Geschäft verschlang mehr Ressourcen als geplant, das Funding trocknete aus.

Doch wer glaubt, das sei das Ende gewesen, kennt Diemer schlecht. Kaum ein Jahr später war er mit Finiata wieder am Start – dieses Mal im B2B-Bereich. Das Produkt: Working-Capital-Finanzierung für kleine Unternehmen, wieder vollautomatisiert, wieder datenbasiert, wieder mit aggressivem Wachstumskurs. Die Lehren aus Kreditech? Offenbar überschaubar.

Auch Finiata kämpfte mit ähnlichen Problemen: hohe Ausfallraten, schwierige Datenlage, fehlende regulatorische Klarheit. Und doch war es erneut ein Proof-of-Concept, wie weit man mit Technologie, Mut und einer gewissen Ignoranz gegenüber etablierten Standards kommen kann. Diemer war nie der vorsichtige Gründer – er war derjenige, der lieber zehn Schritte zu weit ging als einen zu wenig.

Technologie, Algorithmen, Infrastruktur: Die Plattformisierung der Kreditwirtschaft

Was Diemer mit Kreditech und Finiata aufgebaut hat, war letztlich mehr als nur ein Kreditprodukt. Es war der Versuch, die gesamte Wertschöpfungskette der Kreditvergabe zu automatisieren – und damit zur Plattform zu machen. Eine API-gesteuerte, skalierbare, datenzentrische Infrastruktur, die nicht nur Kredite vergibt, sondern das gesamte Risikomanagement, Scoring und Monitoring abbildet.

Der technologische Unterbau bestand aus einem modularen System – Scoring-Engine, Decision-Engine, Risk-Monitoring, Payment-Routing. Alles war auf hohe Volumina und geringe Margen ausgelegt. Das Ziel war nie, den besten Kredit zu vergeben, sondern den effizientesten. Und das in Echtzeit, global, mit minimalem menschlichen Eingriff.

Besonders spannend war dabei der Umgang mit Datenquellen: Neben klassischen Finanzdaten nutzten Diemers Systeme auch alternative Daten – Device-IDs, App-Nutzung, Social SignalsSocial Signals: Das unterschätzte Ranking-Signal im SEO-Game Social Signals sind digitale Reaktionen auf Webseiteninhalte in sozialen Netzwerken – also Likes, Shares, Kommentare, Retweets, Upvotes, Pins und alles, was irgendwie nach Aufmerksamkeit riecht. Im Kontext von Suchmaschinenoptimierung (SEO) werden diese Social Signals als Indikatoren für Popularität, Relevanz und Vertrauen einer Website diskutiert. Doch wie stark beeinflussen sie tatsächlich das Ranking? Und..., sogar Tippverhalten auf dem Smartphone. Alles wurde in Features übersetzt, gewichtet und in das Modell eingespeist. Das Ergebnis: ein Scoring-Modell, das schneller, aber eben auch weniger erklärbar war als klassische Verfahren.

Diese Plattformisierung ist heute Standard bei vielen Neobanken, Embedded-Finance-Providern und BNPL-Anbietern (Buy Now, Pay Later). Diemer war hier seiner Zeit voraus – technisch wie strategisch. Seine Systeme waren nicht perfekt, aber sie waren skalierbar. Und das zählt im Plattformgeschäft mehr als jede Risikosimulation im Excel-Sheet.

Regulierung, Ethik und die unausgesprochene Debatte über algorithmische Macht

Natürlich blieb der regulatorische Backlash nicht aus. Die Datenschutzbehörden interessierte es wenig, ob ein AlgorithmusAlgorithmus: Das unsichtbare Rückgrat der digitalen Welt Algorithmus – das Wort klingt nach Science-Fiction, ist aber längst Alltag. Ohne Algorithmen läuft heute nichts mehr: Sie steuern Suchmaschinen, Social Media, Navigation, Börsenhandel, Werbung, Maschinen und sogar das, was du in deinem Lieblingsshop zu sehen bekommst. Doch was ist ein Algorithmus eigentlich, wie funktioniert er und warum ist er das ultimative Werkzeug... schneller war als ein Sachbearbeiter. Sie wollten wissen: Welche Daten werden genutzt? Gibt es ein Widerspruchsrecht? Können Kunden nachvollziehen, warum sie einen Kredit bekommen – oder nicht?

Hier wurde Diemers Modell angreifbar. Denn viele der eingesetzten Datenpunkte waren zumindest in der EU juristisch heikel. Scoring auf Basis von Standortdaten, Social-Media-Analyse oder Device-Fingerprinting bewegt sich in einer Grauzone. Und je „smarter“ das Modell wurde, desto weniger nachvollziehbar war es – für Kunden, für Regulierer, für das Unternehmen selbst.

Das ist kein Einzelfall, sondern ein strukturelles Problem in der algorithmischen Kreditvergabe. Denn Transparenz und Performance stehen oft im Widerspruch. Ein einfaches, erklärbares Modell ist selten das beste. Aber ein hochperformantes neuronales Netz ist eben auch eine Blackbox – und das ist regulatorisch schwer vermittelbar.

Diemer war – bewusst oder nicht – Vorreiter dieser Debatte. Seine Systeme zeigten, wie weit man gehen kann, bevor das System zurückschlägt. Und sie zeigten auch, dass es keine einfache Lösung gibt. Wer algorithmische Effizienz will, muss mit Intransparenz leben. Und wer volle Kontrolle will, verliert den Skalierungseffekt. Ein Dilemma, das bis heute ungelöst ist.

Fazit: Was bleibt von Sebastian Diemer?

Sebastian Diemer war nie der Gründer, den man für Podiumsdiskussionen einlädt, um über Ethik im Fintech zu sprechen. Er war der, der vorher schon das System gebaut hat, über das alle anderen noch theoretisieren. Seine Startups waren nicht perfekt, aber sie waren radikal. Und radikal ist oft genau das, was verkrustete Branchen brauchen, um aufzuwachen.

Was bleibt? Eine Infrastruktur-Vision, die der deutschen Fintech-Szene Jahre voraus war. Ein Scoring-Ansatz, der heute bei Neobanken, BNPL-Anbietern und Embedded-Finance-Plattformen zum Standard gehört. Und eine wichtige Lektion: Wer skalieren will, muss bereit sein, auch mal über die Kante zu gehen. Diemer hat das getan – mit allen Konsequenzen. Und genau deshalb ist er eine Figur, über die man nicht einfach urteilen kann. Man muss ihn analysieren – technisch, strategisch und ohne ideologischen Filter.