Den Nutzen von Ratings erschließen

Denkmalrating: Historische Substanz als Ratingfaktor

Von Dr. Oliver Everling | 9.September 2026

Ein Denkmalrating bewertet die wirtschaftlichen, finanziellen und strukturellen Eigenschaften denkmalgeschützter Immobilien. Für Eigentümer, Investoren, Banken, Versicherer und Kommunen ist dabei entscheidend, wie sich historische Bedeutung, baulicher Zustand, Nutzungsmöglichkeiten, Sanierungsbedarf und langfristige Finanzierung miteinander verbinden.

Data2Space schafft dafür eine besondere Perspektive. Denkmalobjekte können als digitale, räumliche Modelle dargestellt und mit ihren finanziellen, rechtlichen und wirtschaftlichen Informationen verbunden werden.

Ein denkmalgeschütztes Gebäude besitzt nicht nur einen Marktwert. Seine Bewertung hängt auch von Faktoren ab, die bei gewöhnlichen Immobilien eine geringere Bedeutung haben: Denkmalschutzauflagen, zulässige Nutzungen, Sanierungsmöglichkeiten, historische Bausubstanz und mögliche Fördermittel. Data2Space kann diese Faktoren in einer gemeinsamen Informationslandschaft abbilden. Das Gebäude wird dabei nicht isoliert betrachtet, sondern als Verbindung von Grundstück, Bauwerk, Nutzung, Finanzierung und rechtlichen Rahmenbedingungen.

Für ein Rating ist insbesondere der Sanierungsbedarf relevant. Bauliche Mängel, energetische Anforderungen und denkmalrechtliche Vorgaben können erhebliche Investitionen erforderlich machen. Werden diese Informationen mit Finanzierung, Mieterträgen und Cashflows verbunden, wird sichtbar, ob die wirtschaftliche Tragfähigkeit des Objekts auch unter diesen Bedingungen gegeben ist.

Auch die Lage kann dreidimensional analysiert werden. Denkmalgeschützte Gebäude lassen sich auf einer Stadtkarte mit anderen Immobilien, Infrastruktur, touristischen Attraktionen, Verkehrsanbindungen und wirtschaftlichen Standorten verbinden. Dadurch wird die Bedeutung des Umfelds für die zukünftige Nutzung und den Wert des Denkmals sichtbar.

Besonders interessant ist die Verbindung mehrerer Denkmäler. Eine Stadt oder Region kann hinsichtlich ihrer historischen Immobilienlandschaft analysiert werden. Anzahl, Lage, Nutzung, Zustand und wirtschaftliche Bedeutung der Objekte lassen sich vergleichen. Damit entsteht ein Denkmalrating nicht nur für ein einzelnes Gebäude, sondern für ganze Portfolios oder Standorte.

Auch Szenarien lassen sich integrieren: Wie verändert sich das Rating bei einer Umnutzung? Welche Auswirkungen hat eine umfassende Sanierung? Wie entwickelt sich die Wirtschaftlichkeit bei steigenden Baukosten oder veränderten Mieterträgen? Data2Space macht solche Zusammenhänge interaktiv nachvollziehbar.

Das Denkmalrating verbindet damit historische Substanz mit moderner Finanzanalyse. Es zeigt nicht nur, welchen kulturellen Wert ein Gebäude besitzt, sondern auch, welche wirtschaftlichen Chancen, Verpflichtungen und Risiken mit seiner Erhaltung und Nutzung verbunden sind.

Themen: Denkmalrating | Kommentare deaktiviert für Denkmalrating: Historische Substanz als Ratingfaktor

Credit Ratings im Raum: Das iff zeigt die Zukunft der Finanzanalyse

Von Dr. Oliver Everling | 8.September 2026

Am 8. September 2026 zeigte das iff Immersive Finance Forum, wie sich die Analyse von Credit Ratings, Ausfallraten, Zinsstrukturen und Unternehmensverflechtungen verändern kann, wenn Finanzdaten nicht mehr ausschließlich auf einem zweidimensionalen Bildschirm betrachtet werden. Dr. Oliver Everling und Christian Spiekermann präsentierten in einer rund 80-minütigen Session unter dem Titel „Immersive Analytics for Finance“, wie sich komplexe Zusammenhänge räumlich darstellen und in Virtual Reality gemeinsam erkunden lassen. Vortrag, Live-Demonstrationen und Diskussion fanden vollständig in der Kollaborationsumgebung Arthur statt und waren über Meta Quest zugänglich.

Das Forum, das sich künftig jeweils am zweiten Dienstag eines Monats um 18:30 Uhr trifft, knüpft dabei bewusst an das Modell des eff European Finance Forum an. Dr. Oliver Everling dankte deshalb Martin Bloos, dem stellvertretenden Vorsitzenden des eff European Finance Forum, ausdrücklich für seine Teilnahme. Das bewährte Modell des eff, das fachlichen Austausch, hochkarätige Referenten und professionelles Networking miteinander verbindet, steht für das neue immersive Format Pate. Zugleich dankte Everling Gerald Kottmann von der Alice to Bob GmbH für das Sponsoring und insbesondere Christian Salow von der altii GmbH, der die komplette Organisation des Meetings in Arthur auf der Meta Quest übernommen hatte und damit maßgeblich dazu beitrug, dass aus der Idee eines Immersive Finance Forum eine tatsächlich funktionierende Veranstaltung in Virtual Reality wurde.

Im Mittelpunkt des Abends stand die Frage, ob die klassische Darstellung von Finanzdaten auf Bildschirmen den komplexen Zusammenhängen moderner Finanzanalyse noch ausreichend gerecht wird. Everling erläuterte dies zunächst anhand des Ratinggeschäfts. Ein Credit Rating ist seiner Natur nach mehrdimensional. Die Kreditwürdigkeit eines Unternehmens, einer Bank oder eines Finanzinstruments lässt sich nicht auf eine einzelne Kennzahl reduzieren. Kapitalausstattung, Ertragskraft, Liquidität, Verschuldung, Qualität der Vermögenswerte, Management, Geschäftsmodell und Marktumfeld stehen in Beziehung zueinander und müssen gleichzeitig betrachtet werden.

Besonders anschaulich wird dies bei Bankenratings. Das CAMEL-Schema unterscheidet die Dimensionen Capital Adequacy, Asset Quality, Management, Earnings und Liquidity. Hinter jeder dieser Dimensionen stehen wiederum zahlreiche Kennzahlen und qualitative Einschätzungen. Auf einem herkömmlichen Bildschirm werden diese Informationen meist auf verschiedene Tabellen, Grafiken und Seiten verteilt. Der Analyst muss die einzelnen Elemente gedanklich wieder zu einem Gesamtbild zusammensetzen. Die Idee der immersiven Analyse besteht dagegen darin, mehrere Dimensionen gleichzeitig sichtbar zu machen und sie räumlich zueinander in Beziehung zu setzen.

Everling demonstrierte dieses Prinzip zunächst an einer dreidimensionalen Analyse von Finanzdaten. Besonders deutlich wurde der Ansatz bei einer Visualisierung, in der Ratingklassen von AAA bis C mit Laufzeiten von einem bis zehn Jahren kombiniert wurden. Anstelle einer klassischen Matrix entstand ein räumliches Gebilde, durch das sich die Teilnehmer bewegen konnten. Die einzelnen Quader standen für bestimmte Kombinationen aus Bonität und Laufzeit. Ihre Größe und weitere visuelle Eigenschaften vermittelten zusätzliche Informationen über Zinsvolumina und historisch beobachtete Ausfallrisiken.

Wer sich der Visualisierung näherte, konnte erkennen, wie sich die einzelnen Ratingbereiche voneinander unterschieden und wie sich die Risikostruktur mit zunehmender Laufzeit veränderte. Sehr gute Bonitäten, niedrigere Ratingklassen, kurze und lange Laufzeiten bildeten nicht mehr lediglich Zeilen und Spalten einer Tabelle, sondern wurden zu Positionen innerhalb eines gemeinsamen Raumes. Damit wurde der Zusammenhang zwischen Kreditqualität, Laufzeit, Ausfallwahrscheinlichkeit und Risikoprämie unmittelbar sichtbar.

Gerade für Credit Ratings und Fixed-Income-Analysen liegt darin ein besonderer Reiz. Ein Rating gibt zwar eine verdichtete Einschätzung der Kreditwürdigkeit wieder, doch die Bedeutung eines Ratings erschließt sich häufig erst im Zusammenhang mit anderen Faktoren. Welche historischen Ausfallraten sind mit einer Ratingklasse verbunden? Wie verändert sich das Risiko über verschiedene Laufzeiten? Welche Zinsaufschläge verlangt der Markt für unterschiedliche Bonitäten? Wie unterscheiden sich zwei Emittenten gleicher Laufzeit, aber unterschiedlicher Kreditqualität?

In der gezeigten räumlichen Darstellung konnten diese Fragen nicht nur anhand einzelner Zahlen beantwortet werden. Die Teilnehmer sahen die Beziehungen zwischen den Datenpunkten als Teil einer gemeinsamen Struktur. Historisch beobachtete Ausfallrisiken wurden zu einer sichtbaren Dimension des Modells. Dadurch ließ sich beispielsweise erkennen, wo sich höhere Risiken konzentrierten und wie sich diese über die verschiedenen Ratingklassen verteilten.

Ein weiterer Schwerpunkt der Demonstration war das „Zinsgebirge“. Ausgangspunkt waren klassische Renditedaten, wie sie beispielsweise für die Analyse von Zinskurven verwendet werden. Eine gewöhnliche Zinskurve zeigt typischerweise die Verzinsung unterschiedlicher Laufzeiten zu einem bestimmten Zeitpunkt. Fügt man jedoch die Zeit als weitere Dimension hinzu, entsteht eine wesentlich komplexere Datenstruktur.

Genau diese Struktur wurde in ein dreidimensionales Modell übersetzt. Eine Achse stand für die Laufzeit, eine weitere für den zeitlichen Verlauf und die Höhe des Gebildes für das jeweilige Zinsniveau. Was auf einem Bildschirm als Reihe einzelner Kurven oder als dichtes Netz von Linien erscheinen würde, wurde in Virtual Reality zu einer begehbaren Landschaft.

Die Teilnehmer konnten sich dem Zinsgebirge nähern, es aus verschiedenen Blickwinkeln betrachten und seine Form verändern, indem sie das Modell im Raum skalierten. Phasen negativer Zinsen erschienen nicht mehr nur als Werte unterhalb einer Nulllinie, sondern prägten die Topographie der Landschaft. Der Energiepreisschock und die darauf folgenden Veränderungen des Zinsniveaus wurden als deutliche Veränderungen im Relief sichtbar. Auch die inverse Zinskurve ließ sich räumlich erfassen, weil die unterschiedlichen Laufzeitbereiche in ihrer Entwicklung über die Zeit gemeinsam betrachtet werden konnten.

Besonders interessant wurde diese Darstellung durch die Verbindung zur Bonität. Zinsen hängen nicht nur von der Laufzeit ab. Bei Unternehmens- und anderen Kreditinstrumenten spielt die Kreditqualität eine entscheidende Rolle. Zwei Anleihen mit gleicher Laufzeit können völlig unterschiedliche Renditen aufweisen, weil die Märkte das Ausfallrisiko der jeweiligen Emittenten unterschiedlich einschätzen.

In einer erweiterten dreidimensionalen Analyse lassen sich deshalb Laufzeit, Rating und Rendite miteinander verbinden. Die Ratingklasse kann eine Position im Raum bestimmen, die Laufzeit eine weitere Richtung und die Höhe der Zinsen eine dritte Dimension. Historische Ausfallraten oder andere Risikokennzahlen können durch Größe, Füllgrad oder weitere Eigenschaften der dargestellten Objekte ergänzt werden.

Dadurch entsteht ein Modell, in dem sich die zentrale Logik der Kreditmärkte räumlich nachvollziehen lässt: Mit abnehmender Bonität steigen in der Regel die erwarteten Risiken und damit die Risikoprämien, die Investoren für die Übernahme dieses Risikos verlangen. Gleichzeitig verändern sich diese Zusammenhänge mit der Laufzeit und dem allgemeinen Zinsumfeld. Die Visualisierung soll diese ökonomischen Beziehungen nicht vereinfachen oder die zugrunde liegenden Ratingmethoden ersetzen. Sie soll vielmehr ermöglichen, ihre Wechselwirkungen gleichzeitig zu betrachten.

Die Ausfallraten spielten dabei eine besondere Rolle. Tabellen historischer Default Rates sind ein fester Bestandteil vieler empirischer Ratingstudien. Sie zeigen, wie häufig Emittenten bestimmter Ratingklassen innerhalb eines bestimmten Zeitraums tatsächlich ausgefallen sind. In einer klassischen Tabelle lassen sich diese Zahlen zwar präzise vergleichen, doch die Gesamtstruktur bleibt abstrakt. In einer räumlichen Darstellung können die Unterschiede zwischen Ratingklassen und Laufzeiten als Teil eines zusammenhängenden Risikobildes sichtbar werden.

Auch Ratingmigrationen lassen sich auf diese Weise anders denken. Ein Unternehmen, das von A nach BBB herabgestuft wird, verändert nicht nur einen Buchstaben in einer Tabelle. Es bewegt sich innerhalb eines größeren Spektrums von Bonitäten, historischen Ausfallrisiken und Marktprämien. Eine dreidimensionale Darstellung könnte solche Veränderungen als Bewegung durch eine Risikolandschaft zeigen. Für Portfolios mit vielen verschiedenen Positionen lassen sich auf diese Weise möglicherweise Konzentrationen, Risikocluster oder Veränderungen schneller erkennen.

Ein zweites großes Thema des Abends waren Beteiligungs- und Eigentümerstrukturen. Everling griff dabei auf seine langjährige Verbindung zu Palturai GmbH und deren BusinessGraph zurück. Der BusinessGraph verbindet Informationen aus Handelsregistern und weiteren öffentlichen Quellen zu einem Netzwerk wirtschaftlicher Beziehungen.

In einer der gezeigten Strukturen mussten die wirtschaftlich Berechtigten über zahlreiche Beteiligungsebenen hinweg zurückverfolgt werden. In einem Beispiel erstreckte sich der Weg bis zum letztlich dahinterstehenden Eigentümer über elf Ebenen. Auf einem herkömmlichen Bildschirm entsteht bei solchen Strukturen schnell ein Problem: Je mehr Unternehmen und Beteiligungen dargestellt werden, desto dichter und unübersichtlicher wird die Grafik. Linien kreuzen sich, Beschriftungen überlagern sich und einzelne Beziehungen lassen sich kaum noch verfolgen.

In der dreidimensionalen Darstellung wurde diese Struktur zu einem begehbaren Unternehmensnetzwerk. Jeder Quader repräsentierte eine Gesellschaft oder andere Entität. Verbindungslinien stellten die Beziehungen dar. Farben gaben Aufschluss über den Status der Unternehmen. Aktive Gesellschaften, Gesellschaften in Auflösung und bereits aufgelöste Unternehmen konnten auf einen Blick unterschieden werden. Gestrichelte Linien machten historische Beziehungen sichtbar, während weitere Eigenschaften der Kanten zusätzliche Informationen über die Art der Verbindung vermittelten.

Der entscheidende Unterschied bestand darin, dass sich die Teilnehmer um die Struktur herum und durch sie hindurch bewegen konnten. Eine Verbindung, die aus einem Blickwinkel verdeckt war, wurde aus einem anderen sichtbar. Große Unternehmensgruppen ließen sich verkleinern, einzelne Bereiche vergrößern und aus unterschiedlichen Perspektiven betrachten.

Für die Finanzanalyse kann dies weit über die reine Visualisierung hinausgehen. Eigentümerstrukturen, Abhängigkeiten zwischen Gesellschaften, Konzernbeziehungen und wirtschaftliche Berechtigte können für Kreditentscheidungen und Ratings von erheblicher Bedeutung sein. Wer ist letztlich Eigentümer eines Unternehmens? Welche Gesellschaften gehören zur Gruppe? Wo bestehen Abhängigkeiten? Welche historischen Veränderungen gab es?

Everling betonte in diesem Zusammenhang, dass künstliche Intelligenz künftig viele dieser Fragen innerhalb kürzester Zeit beantworten könne. Eine KI wird zunehmend in der Lage sein, große Mengen an Registerdaten und Unternehmensinformationen zu durchsuchen und die Frage nach dem wirtschaftlich Berechtigten schnell zu beantworten.

Für eine fundierte Entscheidung reicht die bloße Antwort jedoch nicht immer aus. Ein Investor oder Kreditgeber möchte möglicherweise auch verstehen, wie die Struktur aussieht, welche Gesellschaften sich in der Nähe einer bestimmten Beteiligung befinden und welche Abhängigkeiten sich aus dem gesamten Netzwerk ergeben. Everling verglich diesen Unterschied mit dem Blick auf einen Baum: Wer unter einem echten Baum steht, erkennt unmittelbar, welcher Ast wohin führt und wie die einzelnen Teile zusammenhängen. Auf einem Foto desselben Baumes kann diese räumliche Beziehung wesentlich schwerer nachvollziehbar sein.

Christian Spiekermann zeigte anschließend den technischen Weg von klassischen Datenquellen in die immersive Umgebung. Dabei wurde deutlich, dass nicht jede Anwendung eine vollständig neue Datenarchitektur benötigt. Daten können beispielsweise aus dem BusinessGraph exportiert oder aus gewöhnlichen Excel-Dateien übernommen werden. Über einen Browser werden sie verarbeitet und anschließend in interaktive dreidimensionale Modelle überführt, die sich in Arthur oder anderen Anwendungen wie Noda darstellen lassen.

Damit entsteht eine Verbindung zwischen vertrauten Arbeitsmitteln und neuen Darstellungsformen. Der Ausgangspunkt kann weiterhin eine Tabelle sein. Die Daten müssen nicht neu erfunden werden. Neu ist vor allem die Art, wie sie betrachtet und gemeinsam diskutiert werden.

Für besondere Aufmerksamkeit sorgte eine weitere Demonstration von Spiekermann: Spatial Link. Die Anwendung lässt sich als eine Art dreidimensionaler Livestream beschreiben. Über den Passthrough-Modus einer Quest-Brille kann die reale Umgebung eines Nutzers in die immersive Welt übertragen werden.

Everling berichtete von einem frühen Test, bei dem Spiekermann virtuell in seinem Arbeitszimmer erschien. Er konnte sich umsehen und auf Nachfrage sogar das Wandthermometer ablesen. Die reale Umgebung wurde damit nicht nur über ein zweidimensionales Video übertragen, sondern zu einem Raum, in dem sich andere Teilnehmer virtuell bewegen konnten.

Die möglichen Anwendungen für die Finanzbranche liegen insbesondere dort, wo die physische Realität Teil einer wirtschaftlichen oder finanziellen Beurteilung ist. Bei Unternehmensbewertungen, Kreditprüfungen und Immobilientransaktionen werden Objekte und Betriebsstätten häufig anhand von Unterlagen, Fotos, Gutachten und Videoaufnahmen beurteilt. Eine gemeinsame räumliche Besichtigung könnte eine zusätzliche Form der Informationsgewinnung ermöglichen.

Auch aus dem Versicherungsbereich wurden Anwendungsfälle diskutiert. Risikobegehungen könnten mit Datenbrillen unterstützt werden. Bei der Schadenaufnahme könnte ein Sachbearbeiter aus der Ferne sehen, was sich am Schadenort befindet, und die vor Ort befindliche Person anleiten. Mit LIDAR-Scans lassen sich Gebäude und Industrieanlagen erfassen und als dreidimensionale Modelle zugänglich machen. Ein solcher digitaler Zwilling könnte anschließend von verschiedenen Beteiligten gemeinsam untersucht werden.

Die Diskussion zeigte darüber hinaus, dass immersive Finanzdatenanalyse bereits von mehreren Teilnehmern in unterschiedlichen Formen erprobt wird. Ein Beispiel bestand darin, Portfoliodaten institutioneller Kunden als begehbare Zeitachse darzustellen. Die Visualisierung enthielt nicht zwangsläufig mehr Informationen als ein herkömmlicher Bericht. Die Informationen wurden jedoch anders wahrgenommen, weil zeitliche Entwicklungen und räumliche Beziehungen körperlich erfahrbar wurden.

Das Zinsgebirge bildete dafür ein weiteres Beispiel. Daten der Bundesbank wurden in Python aufbereitet und anschließend als dreidimensionales Mesh in die virtuelle Umgebung gebracht. Teilnehmer konnten die gesamte Zinslandschaft vor sich sehen, sie greifen, verkleinern oder vergrößern und einzelne Bereiche aus der Nähe untersuchen. Entwicklungen, die in einer Folge von zweidimensionalen Diagrammen erst mühsam miteinander verglichen werden müssten, wurden dadurch als zusammenhängende Form sichtbar.

Das Fazit des Abends lautete deshalb nicht, dass Bildschirme, Tabellen, Ratingmethoden oder statistische Modelle künftig überflüssig würden. Immersive Analytics soll diese Instrumente ergänzen. Die Stärke liegt vor allem dort, wo mehrere Dimensionen gleichzeitig betrachtet werden müssen und wo Beziehungen zwischen Datenpunkten für die Entscheidung von Bedeutung sind.

Für Credit Ratings ist dies besonders naheliegend. Eine Ratingnote fasst eine komplexe Analyse zusammen. Dahinter stehen quantitative und qualitative Faktoren, historische Erfahrungen, Annahmen über die Zukunft und professionelle Beurteilung. Wenn Ratingklassen, Ausfallraten, Laufzeiten, Zinsstrukturen und weitere Informationen in einem gemeinsamen Raum dargestellt werden, kann dies eine zusätzliche Ebene des Verständnisses schaffen.

Everling formulierte die zukünftige Arbeitsteilung entsprechend klar: Künstliche Intelligenz wird Entscheidungen zunehmend vorbereiten. Sie wird Daten sammeln, Informationen strukturieren, Zusammenhänge identifizieren und Analysen beschleunigen. Die Entscheidungen selbst bleiben jedoch eine Aufgabe des Menschen.

Möglicherweise werden diese Entscheidungen künftig zunehmend in Räumen getroffen, in denen nicht nur ein einzelnes Diagramm oder eine Tabelle sichtbar ist, sondern alle relevanten Faktoren gleichzeitig betrachtet werden können.

Data2Space, die Initiative hinter dem Vortrag, will dafür keine eigene Plattform schaffen. Im Mittelpunkt steht vielmehr der Ansatz, Finanz- und Unternehmensdaten in interaktive Räume zu bringen und zu untersuchen, wo die räumliche Darstellung einen tatsächlichen Mehrwert für Analyse und Entscheidungsfindung schafft.

Die Anwendungsfelder reichen von Credit Ratings und Covered Bonds über Portfoliorisiken und Unternehmensbewertungen bis zu Eigentümerstrukturen und Branchenvergleichen. Der Abend beim iff Immersive Finance Forum zeigte vor allem eines: Die entscheidende Innovation besteht nicht allein darin, Daten dreidimensional darzustellen. Sie liegt darin, komplexe finanzielle Zusammenhänge so in einen gemeinsamen Raum zu übertragen, dass Menschen sie gemeinsam betrachten, aus unterschiedlichen Perspektiven untersuchen und auf dieser Grundlage fundiertere Entscheidungen treffen können.

Die nächste Session des iff Immersive Finance Forum findet am Dienstag, 13. Oktober 2026, um 18:30 Uhr erneut in Arthur auf Meta Quest statt. Als Referent ist dann Christian Salow, Geschäftsführer der altii GmbH, vorgesehen.

Themen: Ratings | Kommentare deaktiviert für Credit Ratings im Raum: Das iff zeigt die Zukunft der Finanzanalyse

Debitorenrating: Kreditrisiken im Kundenportfolio

Von Dr. Oliver Everling | 8.September 2026

Ein Debitorenrating beurteilt die Bonität und Ausfallwahrscheinlichkeit der Kunden eines Unternehmens. Für Unternehmen, Banken, Factoringgesellschaften und Investoren ist es ein wichtiges Instrument, um Forderungsrisiken frühzeitig zu erkennen und die Qualität des Debitorenportfolios zu steuern.

Data2Space erweitert das klassische Debitorenrating um eine räumliche und strukturelle Perspektive. Debitoren, Forderungen, Branchen, Regionen und Ratingklassen können in einer gemeinsamen interaktiven Informationslandschaft dargestellt werden.

Dadurch wird unmittelbar sichtbar, wie sich das Forderungsportfolio zusammensetzt. Ein Unternehmen kann beispielsweise erkennen, welche Kunden den größten Anteil an den offenen Forderungen besitzen, welche Debitoren besonders schwache Ratingmerkmale aufweisen und wo sich Risiken konzentrieren.

Besonders relevant ist die geografische Verteilung. Debitoren können auf einer dreidimensionalen Landkarte nach Standort, (dreidimensionalem) Forderungsvolumen und Ratingklasse dargestellt werden. So werden regionale Konzentrationen sichtbar, die in einer klassischen Debitorenliste kaum auffallen.

Auch Branchenkonzentrationen lassen sich analysieren. Ein Unternehmen kann beispielsweise zahlreiche Kunden besitzen, deren Geschäftsfelder jedoch stark miteinander verbunden sind. Ein wirtschaftlicher Schock in einer Branche kann dann gleichzeitig mehrere Debitoren treffen. Data2Space macht solche gemeinsamen Risikofaktoren sichtbar und verbindet sie mit den jeweiligen Forderungen.

Interessant ist auch die zeitliche Entwicklung. Ratingveränderungen, Zahlungsverhalten, überfällige Forderungen und Forderungsausfälle können über die Zeit verfolgt werden. Dadurch wird erkennbar, bei welchen Debitoren sich die Kreditqualität verschlechtert und welche Entwicklungen sich im gesamten Portfolio abzeichnen.

Für das Working Capital Management entsteht damit eine zusätzliche Informationsbasis. Forderungsvolumen und Bonität werden gemeinsam betrachtet. Unternehmen können dadurch nicht nur feststellen, wie viel Geld bei Kunden gebunden ist, sondern auch, wie risikoreich diese Forderungen sind. Data2Space verbindet damit Debitorenrating, Forderungsmanagement und Portfoliorisiko. Aus einer statischen Liste offener Rechnungen entsteht eine interaktive Karte der Kundenbonität. Das Debitorenrating zeigt somit nicht nur, welcher Kunde wahrscheinlich zahlt. Es macht sichtbar, wo sich Forderungsrisiken konzentrieren, welche Abhängigkeiten bestehen und wie sich die Qualität des gesamten Debitorenportfolios entwickelt.

Themen: Debitorenrating | Kommentare deaktiviert für Debitorenrating: Kreditrisiken im Kundenportfolio

Rating der Cybersicherheit: Der digitale Tresor

Von Dr. Oliver Everling | 7.September 2026

Ein Cybersicherheitsrating beurteilt, wie gut ein Unternehmen seine digitalen Systeme, Daten und Geschäftsprozesse gegen Cyberangriffe schützt und wie widerstandsfähig es nach einem Angriff bleibt. Für Banken, Investoren und Versicherer wird Cybersicherheit zunehmend zu einem Bestandteil der finanziellen Risikobeurteilung.

Data2Space eröffnet hierfür eine neue Perspektive. Die digitale Infrastruktur eines Unternehmens lässt sich als interaktive Informationslandschaft darstellen und mit Geschäftsprozessen, Standorten, Tochtergesellschaften und externen Dienstleistern verbinden. Damit wird sichtbar, welche Systeme für das Unternehmen besonders kritisch sind. Ein einzelner Cloud-Dienst, Server oder IT-Partner kann beispielsweise von zahlreichen Geschäftsprozessen abhängig sein. Data2Space macht solche Konzentrations- und Kaskadenrisiken räumlich nachvollziehbar.

Auch die geografische Dimension lässt sich einbeziehen. Rechenzentren, Niederlassungen, IT-Dienstleister und andere kritische Infrastrukturen können auf einer dreidimensionalen Karte dargestellt werden. Dadurch entsteht ein unmittelbares Bild der digitalen Abhängigkeiten eines Unternehmens.

Für ein Rating ist besonders die Verbindung zwischen Cyberrisiko und finanziellen Auswirkungen relevant. Betriebsunterbrechungen, Umsatzausfälle, Wiederherstellungskosten oder rechtliche Folgen können den betroffenen Geschäftsbereichen zugeordnet werden. So wird sichtbar, wie aus einem technischen Sicherheitsvorfall ein finanzielles Risiko wird.

Auch Schutzmaßnahmen können Bestandteil der Ratinglandschaft sein. Backups, Redundanzen, Notfallpläne und Wiederanlaufverfahren lassen sich den kritischen Systemen gegenüberstellen. Dadurch wird nicht nur das Risiko, sondern auch die Resilienz des Unternehmens erkennbar.

Data2Space macht zudem Szenarien untersuchbar: Was geschieht bei einem Ransomware-Angriff? Welche Geschäftsbereiche fallen aus? Welche Abhängigkeiten werden aktiviert? Und welche finanziellen Folgen entstehen? Damit wird Cybersicherheit von einem isolierten IT-Thema zu einem Bestandteil der Unternehmens- und Kreditrisikoanalyse. Data2Space verbindet technische Infrastruktur, wirtschaftliche Prozesse und finanzielle Auswirkungen in einer gemeinsamen Ratinglandschaft.

Das Cybersicherheitsrating zeigt damit nicht nur, wie sicher ein Unternehmen digital aufgestellt ist, sondern auch, wie gut seine wirtschaftliche Substanz einen Cyberangriff verkraftet.

Themen: Cybersicherheitsrating | Kommentare deaktiviert für Rating der Cybersicherheit: Der digitale Tresor

Der Deckungsstock wird zum Datenraum: Covered Bond Rating mit Data2Space

Von Dr. Oliver Everling | 6.September 2026

Das Covered Bond Rating unterscheidet sich grundlegend von einem gewöhnlichen Anleiherating. Bei einem Covered Bond entscheidet nicht allein die Bonität des Emittenten über die Kreditqualität. Eine zentrale Rolle spielt vielmehr der Deckungsstock, der die Ansprüche der Anleger zusätzlich absichert. Gerade diese Verbindung zwischen Emittent, Deckungswerten, Zahlungsströmen und rechtlichen Sicherungsmechanismen macht Covered Bonds zu einem besonders interessanten Anwendungsfeld für Data2Space.

Data2Space ermöglicht es, diese komplexen Strukturen als interaktive Informationsräume abzubilden. Damit wird die Sicherung nicht nur beschrieben, sondern in ihrer Zusammensetzung und ihren Beziehungen sichtbar.

Im Mittelpunkt steht der Deckungsstock. Bei einem Pfandbrief können beispielsweise Hypothekenkredite oder öffentliche Forderungen die Grundlage der Deckung bilden. Für das Rating ist deshalb entscheidend, welche Forderungen sich im Deckungsstock befinden, welche Qualität sie besitzen, wie hoch ihre Beleihungsausläufe sind, wo sich die Sicherheiten befinden und wie sich die Zusammensetzung des Portfolios verändert.

Data2Space kann diese Informationen miteinander verbinden. Statt lediglich eine Kennzahl für die Deckungsquote anzugeben, lässt sich die Struktur des Deckungsstocks als räumliches Modell darstellen. Einzelne Forderungen oder Forderungsgruppen können nach Region, Kreditnehmer, Objektart, Beleihungsauslauf, Laufzeit oder anderen Ratingmerkmalen analysiert werden. Dadurch wird aus der Deckungsquote eine nachvollziehbare Sicherungsstruktur.

Besonders relevant ist die geografische Verteilung der Sicherheiten. Bei Hypothekenpfandbriefen können die zugrunde liegenden Immobilien auf einer dreidimensionalen Landkarte dargestellt werden. Der Nutzer erkennt dadurch, in welchen Regionen sich die Sicherheiten konzentrieren und welche regionalen Risiken im Deckungsstock bestehen. Eine hohe Konzentration auf einzelne Regionen kann beispielsweise anders zu bewerten sein als ein breit diversifizierter Deckungsstock. Data2Space macht diese Verteilung unmittelbar sichtbar.

Auch die Qualität einzelner Sicherheiten kann in die Darstellung integriert werden. Immobilienwerte, Beleihungswerte, Restschulden und Beleihungsausläufe können miteinander verbunden werden. Der Nutzer kann von der Gesamtübersicht bis zu einzelnen Sicherheiten navigieren und nachvollziehen, wie sich Veränderungen einzelner Positionen auf die Sicherungsstruktur auswirken. Damit wird die Sicherung granular analysierbar.

Ein weiterer zentraler Faktor ist die zeitliche Dimension. Covered Bonds besitzen häufig langfristige Laufzeiten, während sich der Deckungsstock laufend verändert. Kredite werden getilgt, neue Forderungen aufgenommen und Immobilienwerte verändern sich. Data2Space kann diese Entwicklung über die Zeit abbilden. So wird beispielsweise sichtbar, wie sich die Deckungsquote, die durchschnittliche Restlaufzeit oder die regionale Konzentration verändert.

Für das Rating ist außerdem die Verbindung zwischen den Aktiva des Deckungsstocks und den Passiva des Covered Bonds entscheidend. Laufzeiten, Zinsstrukturen und Währungen müssen miteinander in Beziehung gesetzt werden. Data2Space kann diese Zahlungs- und Finanzierungsstrukturen gemeinsam darstellen. Damit werden Fristen- und Zinsrisiken nicht nur als Kennzahlen ausgewiesen, sondern als Beziehungen innerhalb eines Modells sichtbar.

Auch die Übersicherung erhält eine räumliche und strukturelle Dimension. Statt nur einen Prozentsatz der Überdeckung zu betrachten, kann analysiert werden, aus welchen Forderungen diese zusätzliche Sicherheit entsteht und welche Qualität diese Forderungen besitzen. Dies ist insbesondere für die Beurteilung der Robustheit des Deckungsstocks wichtig.

Ein Covered Bond Rating kann darüber hinaus Szenarien integrieren. Was geschieht bei fallenden Immobilienwerten? Wie verändert sich die Deckungsqualität bei steigenden Ausfällen? Welche Auswirkungen haben regionale Preisrückgänge? Wie verändert sich die Sicherung, wenn bestimmte Forderungen aus dem Deckungsstock ausscheiden? Data2Space kann solche Veränderungen innerhalb derselben Informationslandschaft abbilden. Damit wird die Widerstandsfähigkeit des Deckungsstocks sichtbar.

Für Investoren entsteht ein erheblicher Vorteil: Das Rating kann von der reinen Ratingnote zurück zu den zugrunde liegenden Sicherheiten verfolgt werden. Die Frage lautet nicht nur „Wie hoch ist das Rating?“, sondern auch „Wodurch wird dieses Rating getragen?“ Gerade bei Covered Bonds ist diese Frage zentral.

Data2Space verbindet deshalb Emittentenrating, Deckungsstock, Sicherheiten, Zahlungsströme und geografische Verteilung zu einer gemeinsamen Ratinglandschaft. Die Anleger können die Sicherungsstruktur aus verschiedenen Perspektiven untersuchen und zwischen Gesamtübersicht und Detailanalyse wechseln. Aus dem klassischen Covered Bond Rating wird damit eine interaktive Analyse der Sicherung.

Die entscheidende Innovation besteht darin, dass die Qualität eines Covered Bonds nicht mehr nur durch eine Ratingklasse oder einzelne Deckungskennzahlen beschrieben wird. Die gesamte Sicherungsarchitektur wird sichtbar: Welche Forderungen stehen hinter dem Bond? Wo befinden sich die Sicherheiten? Wie diversifiziert ist der Deckungsstock? Wie verändert sich seine Qualität? Welche Risiken bestehen bei Wertverlusten, Ausfällen oder Refinanzierungsveränderungen? Data2Space macht diese Fragen interaktiv untersuchbar. So entsteht ein Covered Bond Rating, bei dem die Sicherung nicht im Hintergrund bleibt, sondern zum sichtbaren und navigierbaren Kern der Analyse wird.

Themen: Covered Bond Rating | Kommentare deaktiviert für Der Deckungsstock wird zum Datenraum: Covered Bond Rating mit Data2Space

Cleantechrating: Von der Idee zur investierbaren Technologie

Von Dr. Oliver Everling | 5.September 2026

Bereits 2015 erschien unter der Herausgeberschaft von Dr. Oliver Everling das Buch „Cleantech Rating: Investition und Finanzierung von Cleantech-Unternehmen und Projekte“. Die Kindle-Ausgabe umfasst 268 Seiten und beschäftigt sich mit der systematischen Beurteilung von Cleantech-Unternehmen und -Projekten aus Sicht von Investition und Finanzierung. Das Thema knüpft zugleich an frühere Arbeiten zum Technology-Rating an, bei dem die besonderen Anforderungen an die Beurteilung von Technologieinnovationen für Investoren untersucht wurden.

Heute lässt sich dieser Ratinggedanke mit Data2Space auf eine neue visuelle und interaktive Ebene bringen. Denn Cleantech ist besonders durch Zusammenhänge geprägt: Technologie, Kapitalbedarf, Entwicklungsstand, Marktpotenzial, Regulierung, Patente, Produktionskapazitäten und Abhängigkeiten wirken gemeinsam auf die Qualität eines Unternehmens oder Projekts.

Ein Cleantechrating muss deshalb mehr leisten als die Analyse von Umsatz, Gewinn, Eigenkapital und Verschuldung. Ein Unternehmen kann beispielsweise über eine herausragende Technologie verfügen, aber noch keine ausreichenden Umsätze erzielen. Ein anderes besitzt bereits Produktionskapazitäten und Kunden, benötigt jedoch erhebliches Kapital für die nächste Wachstumsstufe. Wieder ein anderes verfügt über eine starke Marktposition, ist aber von wenigen Lieferanten oder regulatorischen Rahmenbedingungen abhängig. Data2Space macht diese Beziehungen sichtbar.

Technologien, Unternehmen, Investoren, Finanzierungen, Patente, Produktionsstandorte und Absatzmärkte können in einer gemeinsamen Informationslandschaft dargestellt werden. Der Nutzer kann von der Gesamtübersicht in einzelne Bereiche hineinzoomen und erkennen, welche Faktoren die wirtschaftliche Qualität eines Cleantech-Investments bestimmen.

Besonders wichtig ist die Verbindung von Technologie und Finanzierung. Forschungs- und Entwicklungsprojekte erzeugen zunächst Kosten, bevor daraus Umsätze entstehen. Pilotanlagen, Produktionsaufbau und Skalierung erhöhen den Kapitalbedarf. Data2Space kann diese Entwicklung gemeinsam mit Liquidität, Verschuldung und Finanzierungsquellen darstellen. Damit wird unmittelbar sichtbar, ob die Finanzierung zur technologischen Roadmap passt.

Auch unterschiedliche Cleantechunternehmen lassen sich miteinander vergleichen. Solarenergie, Batteriespeicher, Wasserstoff, Recycling, Energieeffizienz oder nachhaltige Materialien besitzen jeweils eigene wirtschaftliche und technologische Risikoprofile. Data2Space kann diese unterschiedlichen Profile in einer gemeinsamen Ratinglandschaft abbilden, ohne die Besonderheiten der einzelnen Technologien aufzugeben.

Hinzu kommt die geografische Dimension. Produktionsstätten, Forschungszentren, Rohstoffquellen und Absatzmärkte lassen sich auf einer dreidimensionalen Karte darstellen. Dadurch werden regionale Konzentrationen und Abhängigkeiten sichtbar. Ein Unternehmen erscheint nicht mehr als isolierte Bilanz, sondern als Bestandteil eines technologischen und wirtschaftlichen Netzwerks. Damit wird das Cleantechrating zu einer Analyse des gesamten Systems.

Auch für Family Offices und Beteiligungsinvestoren ist dieser Ansatz interessant. Die Frage lautet nicht nur, welches Cleantechunternehmen heute die besten Kennzahlen besitzt. Entscheidend ist, welches Unternehmen über die besten Voraussetzungen verfügt, technologische Innovation in wirtschaftlich tragfähiges Wachstum zu überführen. Data2Space verbindet dafür die relevanten Evidenzen: Technologie, Finanzierung, Markt, Management, Standorte und wirtschaftliche Beziehungen.

Das bereits im Buch „Cleantech Rating“ angelegte Konzept der systematischen Beurteilung von Investitionen und Finanzierungen erhält damit eine neue Dimension. Aus der Sammlung einzelner Informationen entsteht eine interaktive Ratinglandschaft, in der Chancen und Risiken unmittelbar in ihrem Zusammenhang untersucht werden können. Cleantechrating wird so von einer statischen Bewertung zu einem navigierbaren Modell der Zukunftsfähigkeit.

Themen: Cleantechrating | Kommentare deaktiviert für Cleantechrating: Von der Idee zur investierbaren Technologie

Über die richtige Weltkarte streiten

Von Dr. Oliver Everling | 5.September 2026

Die aktuelle Diskussion über die Darstellung der Weltkarte zeigt ein grundlegendes Problem unserer Informationsgesellschaft: Sie versucht immer noch, eine dreidimensionale Realität auf einer zweidimensionalen Fläche abzubilden. Die Debatte darüber, ob Afrika auf bestimmten Weltkarten zu klein erscheint und welche Projektion die Verhältnisse gerechter darstellt, ist nachvollziehbar. Sie bleibt aber letztlich eine Diskussion über die Grenzen der Darstellung. Denn die Erde ist nun einmal keine Fläche, sondern ein dreidimensionaler Körper.

Ein Globus löst das grundlegende Problem auf bemerkenswert einfache Weise. Afrika muss nicht künstlich vergrößert, Europa nicht verkleinert und Grönland nicht korrigiert werden. Die geografischen Verhältnisse ergeben sich unmittelbar aus der dreidimensionalen Darstellung der Erde. Die Frage ist damit weniger, welche Projektion politisch oder gesellschaftlich wünschenswert erscheint, sondern welche Darstellung der tatsächlichen Realität am nächsten kommt.

Genau hier liegt eine interessante Parallele zur Finanzwirtschaft. Auch finanzwirtschaftliche Systeme sind dreidimensionaler, als es ihre Darstellung auf einem Bildschirm vermuten lässt. Beteiligungen, Abhängigkeiten, Kapitalströme, geografische Risiken, Unternehmensverflechtungen und Finanzinstrumente stehen in vielfältigen Beziehungen zueinander. Werden diese Beziehungen auf Tabellen, Diagramme oder zweidimensionale Organigramme reduziert, muss zwangsläufig ausgewählt, vereinfacht und perspektivisch begrenzt werden.

Für finanzwirtschaftliche Entscheidungen ist jedoch nicht entscheidend, wie eine Situation politisch wünschenswert erscheinen soll. Entscheidend ist, wie die tatsächlichen Verhältnisse sind. Ein Investor, Analyst, Risikomanager oder Kreditgeber muss erkennen können, wo tatsächlich Abhängigkeiten bestehen, welche Unternehmen voneinander kontrolliert werden, wo Risiken konzentriert sind und welche finanziellen Beziehungen für eine Entscheidung relevant sind.

Data2Space setzt genau an diesem Punkt an. Statt komplexe Zusammenhänge immer weiter auf zweidimensionale Darstellungen zu reduzieren, können Informationen in einem dreidimensionalen Raum modelliert und aus unterschiedlichen Perspektiven betrachtet werden. Unternehmen, Beteiligungen, Finanzinstrumente, Risiken und andere Elemente können räumlich zueinander angeordnet werden. Der Nutzer betrachtet nicht nur eine Darstellung, sondern kann sich durch das Modell bewegen und die Beziehungen unmittelbar untersuchen.

Das verändert auch die Bedeutung von Visualisierung. Eine gute Visualisierung sollte nicht in erster Linie eine gewünschte Interpretation erzeugen. Sie sollte helfen, die zugrunde liegenden Verhältnisse möglichst unverfälscht zu erkennen. Genau wie ein Globus eine andere Qualität der geografischen Betrachtung ermöglicht als eine flache Weltkarte, kann eine dreidimensionale Darstellung finanzwirtschaftlicher Zusammenhänge eine andere Qualität der Analyse ermöglichen als ein zweidimensionales Diagramm.

Die Konsequenz ist weitreichend. Je komplexer das untersuchte System wird, desto problematischer kann es sein, seine wesentlichen Beziehungen in einer begrenzten Fläche darstellen zu müssen. Was auf dem Bildschirm nebeneinander angeordnet, verkleinert, ausgeblendet oder in mehreren Ansichten verteilt werden muss, kann in einem räumlichen Modell gleichzeitig vorhanden sein.

Data2Space macht daraus eine praktische Möglichkeit für die Finanzwirtschaft. Die entscheidende Frage lautet dann nicht mehr, welche Darstellung einer komplexen Realität am besten in ein Rechteck auf einem Bildschirm passt. Die Frage lautet vielmehr, wie die Realität selbst räumlich modelliert werden kann, damit ihre Beziehungen sichtbar, untersuchbar und gemeinsam diskutierbar werden.

Vielleicht liegt deshalb in der Diskussion über die Weltkarte eine viel größere Erkenntnis: Wenn die Realität dreidimensional ist, sollten wir nicht endlos darüber streiten, welche zweidimensionale Darstellung die beste ist. Wir können beginnen, die dritte Dimension tatsächlich zu nutzen.

Für die Geografie führt das zum Globus. Für die Finanzwirtschaft kann Data2Space daraus einen neuen analytischen Raum machen.

Nicht die politisch gewünschte Darstellung sollte den Ausschlag geben, sondern die Möglichkeit, die tatsächlichen Verhältnisse besser zu erkennen.

Themen: Länderrating | Kommentare deaktiviert für Über die richtige Weltkarte streiten

Charityrating: Transparenz und Wirkung von gemeinnützigen Organisationen neu bewerten

Von Dr. Oliver Everling | 4.September 2026

Ein Charityrating beurteilt die Qualität einer gemeinnützigen Organisation systematisch. Für Spender, Stiftungen, Family Offices und institutionelle Förderer geht es dabei nicht allein um die Frage, wie viel Geld eine Organisation einnimmt oder ausgibt. Entscheidend ist vielmehr, wie Ressourcen eingesetzt werden, welche Wirkung entsteht, wie transparent die Organisation arbeitet und wie nachhaltig ihre Finanzierung ist.

Data2Space schafft dafür eine neue Form der Analyse. Data2Space kann finanzielle, organisatorische und wirkungsbezogene Informationen in einer gemeinsamen räumlichen Informationsstruktur darstellen. Dadurch werden Zusammenhänge sichtbar, die in klassischen Geschäftsberichten oder Tabellen nur schwer zu erfassen sind.

Eine gemeinnützige Organisation kann beispielsweise nach Einnahmequellen, Ausgaben, Projekten, Regionen, Empfängern und Wirkungsindikatoren analysiert werden. Spenden, Verwaltungskosten und Projektaufwendungen erscheinen dabei nicht als isolierte Zahlen, sondern als Bestandteile eines zusammenhängenden Modells.

Besonders wichtig ist die Frage nach der Wirkung. Zwei Organisationen können vergleichbare Spendenvolumina aufweisen und dennoch sehr unterschiedliche Ergebnisse erzielen. Data2Space kann Mittelzuflüsse mit konkreten Projekten und deren Ergebnissen verbinden. Damit wird nachvollziehbar, wie finanzielle Ressourcen durch die Organisation fließen und welche Aktivitäten daraus finanziert werden.

Auch die geografische Dimension kann eine wichtige Rolle spielen. Projekte lassen sich auf einer räumlichen Karte darstellen und mit den jeweiligen finanziellen Mitteln und Ergebnissen verknüpfen. Ein Charityrating kann dadurch beispielsweise zeigen, in welchen Regionen eine Organisation aktiv ist und wie sich ihre Ressourcen auf diese Regionen verteilen.

Für größere Stiftungen und Family Offices entsteht damit eine zusätzliche Möglichkeit, verschiedene Förderempfänger miteinander zu vergleichen. Kriterien wie finanzielle Stabilität, Transparenz, Governance, Mittelverwendung und Wirkung können in einer gemeinsamen Ratingstruktur zusammengeführt werden.

Auch Risiken werden sichtbar. Eine starke Abhängigkeit von wenigen Großspendern kann ebenso relevant sein wie hohe Verwaltungskosten, eine geringe finanzielle Reserve oder eine starke Konzentration auf einzelne Projekte oder Regionen. Das Charityrating wird dadurch zu einer strukturierten Analyse von Vertrauen, Effizienz und Wirkung.

Data2Space ermöglicht zudem die zeitliche Betrachtung. Spendenvolumen, Projektaufwendungen, Rücklagen und Wirkung können über mehrere Jahre verfolgt werden. Dadurch wird sichtbar, ob eine Organisation nachhaltig wächst, ihre Wirkung steigert oder von einzelnen Finanzierungsquellen abhängig bleibt.

Besonders interessant ist die Verbindung von Finanz- und Wirkungsdaten. Eine hohe Mittelverwendung allein sagt noch nichts über den gesellschaftlichen Nutzen aus. Entscheidend ist das Verhältnis zwischen eingesetzten Ressourcen und erzielten Ergebnissen. Data2Space kann genau diese Beziehungen visualisieren. Damit wird Charityrating zu mehr als einem Kostenvergleich. Es entsteht ein interaktives Modell, das zeigt, wie eine Organisation finanziert ist, welche Projekte sie durchführt, welche Ressourcen eingesetzt werden und welche Wirkung daraus entsteht.

Für Spender entsteht dadurch eine bessere Entscheidungsgrundlage. Für gemeinnützige Organisationen entsteht die Möglichkeit, ihre Arbeit transparenter und anschaulicher darzustellen. Für Stiftungen und Family Offices wird die systematische Auswahl und Überwachung von Förderprojekten unterstützt.

Das Besondere an Data2Space liegt dabei in der Verbindung der Informationen. Finanzströme, Organisation, Projekte, Regionen und Wirkung werden nicht getrennt betrachtet, sondern als zusammenhängende Struktur dargestellt. So wird aus dem klassischen Charityrating eine interaktive Wirkungslandschaft: Spender sehen nicht nur, wem sie ihr Geld geben, sondern können nachvollziehen, wie Ressourcen durch eine Organisation fließen und welche gesellschaftlichen Ergebnisse damit verbunden sind.

Themen: Charityrating | Kommentare deaktiviert für Charityrating: Transparenz und Wirkung von gemeinnützigen Organisationen neu bewerten

Branchenrating auf der dreidimensionalen Landkarte: Wie Data2Space regionale Wirtschaftsstrukturen vergleichbar macht

Von Dr. Oliver Everling | 3.September 2026

Ein Branchenrating bewertet nicht nur einzelne Unternehmen, sondern die wirtschaftlichen Bedingungen einer gesamten Branche. Für Kreditgeber, Investoren, Family Offices, Standortentwickler und Unternehmen ist dabei eine Frage besonders relevant: Wo befindet sich eine Branche, wie stark ist sie an einem Standort vertreten und welche anderen wirtschaftlichen Strukturen befinden sich in seiner Umgebung?

Data2Space eröffnet hierfür eine neue Perspektive. Data2Space verbindet Branchendaten mit geografischen Informationen und macht daraus eine dreidimensionale Informationslandschaft. Standorte werden nicht mehr lediglich auf einer zweidimensionalen Karte markiert, sondern als wirtschaftliche Räume dargestellt, in denen sich Branchen, Unternehmen, Kapital, Arbeitsplätze und weitere Faktoren miteinander verbinden lassen.

Eine solche dreidimensionale Landkarte kann beispielsweise Deutschland, Europa oder eine einzelne Metropolregion abbilden. Jeder Standort erhält dabei eine eigene wirtschaftliche Struktur. Die geografische Position bildet die Grundlage, während zusätzliche Dimensionen Informationen über die wirtschaftliche Bedeutung des jeweiligen Standorts aufnehmen.

Die Höhe eines Punktes, einer Säule oder eines Gebäudes kann beispielsweise die Größe einer Branche repräsentieren. Ein Standort mit einem hohen Anteil an Automobilunternehmen erscheint entsprechend als höherer Bereich in der Karte. Andere Standorte können durch niedrigere Ausprägungen gekennzeichnet sein. Dadurch entsteht bereits auf der ersten Ebene ein räumlicher Eindruck von Branchenschwerpunkten.

Noch aussagekräftiger wird die Darstellung, wenn mehrere Branchen gleichzeitig berücksichtigt werden. Ein Standort kann beispielsweise gleichzeitig für Maschinenbau, Chemie, Finanzdienstleistungen und IT relevant sein. Jede Branche kann innerhalb der dreidimensionalen Struktur eine eigene Ebene oder visuelle Ausprägung erhalten. Damit entsteht kein einfaches Branchenranking, sondern ein räumliches Branchenprofil.

Ein Standort wird nicht mehr nur mit einem einzelnen Wert bewertet. Er erhält eine Kombination verschiedener Branchenausprägungen. Zwei Städte können deshalb dieselbe Gesamtwirtschaftsleistung aufweisen und dennoch vollkommen unterschiedliche Branchenprofile besitzen. Das Branchenrating kann diese Unterschiede systematisch erfassen.

Besonders interessant ist der direkte Vergleich mehrerer Standorte. Eine dreidimensionale Landkarte ermöglicht es, beispielsweise Frankfurt, München, Berlin, Paris, London oder Mailand innerhalb einer gemeinsamen Informationswelt zu betrachten. Der Nutzer kann von einer gesamteuropäischen Übersicht in einzelne Regionen hineinzoomen und anschließend einzelne Städte oder Wirtschaftsräume analysieren. Dabei bleibt die geografische Beziehung erhalten.

Genau diese räumliche Dimension unterscheidet die Analyse von einer klassischen Tabelle. In einer Tabelle stehen Städte untereinander und Branchen nebeneinander. Die geografische Nähe zwischen den Standorten ist dagegen nur indirekt erkennbar. Auf einer dreidimensionalen Landkarte wird sie zum Bestandteil der Analyse. Dadurch lassen sich Cluster erkennen.

Mehrere Standorte mit hoher Konzentration einer bestimmten Branche bilden beispielsweise einen räumlichen Schwerpunkt. Ein solcher Cluster kann auf eine gemeinsame industrielle Basis, spezialisierte Zulieferer, Forschungsinstitutionen, qualifizierte Arbeitskräfte oder eine entsprechende Infrastruktur hinweisen. Für ein Branchenrating ist dies relevant, weil die Wettbewerbsfähigkeit einer Branche häufig nicht auf einzelnen Unternehmen beruht, sondern auf einem gesamten regionalen Ökosystem. Data2Space kann dieses Ökosystem sichtbar machen.

Ein Standort kann beispielsweise eine hohe Konzentration von Biotechnologieunternehmen aufweisen. In unmittelbarer Umgebung befinden sich möglicherweise Universitäten, Forschungseinrichtungen, Kliniken, Venture-Capital-Investoren und spezialisierte Dienstleister. Die dreidimensionale Karte kann diese Elemente miteinander verbinden. Damit wird aus einem Branchenstandort ein Branchenökosystem.

Auch die Stärke einzelner Unternehmen innerhalb eines Clusters kann dargestellt werden. Unternehmen können als einzelne Objekte innerhalb des Standortes erscheinen. Ihre Größe kann beispielsweise Umsatz, Mitarbeiterzahl oder Bilanzsumme repräsentieren. Weitere Eigenschaften können durch andere visuelle Merkmale abgebildet werden. So lässt sich erkennen, ob eine Branche an einem Standort von wenigen großen Unternehmen dominiert wird oder auf einer Vielzahl mittelständischer und kleiner Unternehmen basiert.

Das ist für das Branchenrating ein wichtiger Unterschied. Eine hohe Branchenkonzentration kann einerseits auf starke Marktführer hinweisen. Andererseits kann sie ein Konzentrationsrisiko darstellen. Wenn ein regionaler Cluster von einem einzigen Großunternehmen abhängig ist, besitzt er eine andere Risikostruktur als ein diversifiziertes Netzwerk aus vielen Unternehmen. Data2Space macht diese Struktur unmittelbar sichtbar.

Auch die Entwicklung über die Zeit kann Bestandteil der dreidimensionalen Landkarte werden. Der Nutzer kann beispielsweise die Branchenstruktur eines Standorts im Jahr 2015, 2020 und 2025 vergleichen. Veränderungen der Unternehmenszahl, Beschäftigung, Umsätze oder Investitionen werden dadurch als räumliche Entwicklung erkennbar. Ein Standort kann dadurch von einem früheren Branchenschwerpunkt zu einem neuen wirtschaftlichen Zentrum werden. Diese zeitliche Dimension ist besonders für Standort- und Kreditrisiken relevant. Eine Region mit starkem Wachstum in einer Branche besitzt andere Perspektiven als eine Region, in der die Branche seit Jahren an Bedeutung verliert.

Das Branchenrating kann deshalb nicht nur die aktuelle Stärke eines Standorts messen, sondern auch seine Dynamik. Besonders interessant wird die dreidimensionale Darstellung durch Filterfunktionen. Der Nutzer kann beispielsweise ausschließlich die Automobilindustrie anzeigen, anschließend Maschinenbau und danach IT und Software. Ebenso können nur Unternehmen bestimmter Größenklassen, Ratingklassen oder Wachstumsraten eingeblendet werden. Dadurch verändert sich die Karte entsprechend der jeweiligen Fragestellung.

Ein Investor kann beispielsweise nach Standorten mit hoher Konzentration wachstumsstarker Unternehmen suchen. Eine Bank kann Regionen mit hoher Kreditkonzentration in einer bestimmten Branche analysieren. Ein Family Office kann Standorte identifizieren, an denen potenzielle Beteiligungen besonders stark vertreten sind. Das gleiche räumliche Modell dient damit unterschiedlichen Analysezwecken.

Auch Branchenrisiken lassen sich geografisch darstellen. Eine Branche kann in einer bestimmten Region besonders stark von einem einzelnen Markt, einem Rohstoff oder einer regulatorischen Bedingung abhängig sein. Solche Abhängigkeiten können mit den Standorten der Unternehmen verbunden werden. Damit entsteht eine räumliche Risikokarte.

Für ein Kreditinstitut ist beispielsweise interessant, wie stark sein Kreditportfolio regional und sektoral konzentriert ist. Werden viele Kredite an Unternehmen derselben Branche und derselben Region vergeben, kann ein gemeinsamer externer Schock zahlreiche Kreditnehmer gleichzeitig betreffen. Data2Space kann die Kreditnehmer als Elemente der dreidimensionalen Wirtschaftslandschaft darstellen und die Kreditbeziehungen ergänzen. Damit wird aus dem Branchenrating eine Grundlage für die Analyse von Konzentrationsrisiken.

Auch für Immobilienfinanzierungen ist diese Perspektive relevant. Die wirtschaftliche Qualität eines Immobilienstandorts hängt unter anderem von der Struktur seiner lokalen Wirtschaft ab. Eine Region mit starkem Beschäftigungswachstum in zukunftsorientierten Branchen kann andere Perspektiven besitzen als eine Region mit rückläufigen industriellen Kernbranchen. Eine dreidimensionale Landkarte kann diese wirtschaftliche Basis sichtbar machen und mit Immobilienstandorten verbinden. So lässt sich beispielsweise analysieren, welche Branchen in einem Einzugsgebiet Arbeitsplätze schaffen, welche Unternehmen dort investieren und welche wirtschaftlichen Cluster die Nachfrage nach Büro-, Wohn- oder Logistikimmobilien unterstützen. Die Standortanalyse wird dadurch Teil des Branchenratings.

Auch die Beziehungen zwischen Standorten können dargestellt werden. Unternehmen unterhalten Lieferketten, Niederlassungen, Produktionsstätten und Dienstleistungsbeziehungen über mehrere Regionen hinweg. Diese Beziehungen können als Verbindungen zwischen den Standorten erscheinen. Dadurch wird sichtbar, dass eine Branche nicht nur aus geografisch getrennten Punkten besteht, sondern aus einem Netzwerk wirtschaftlicher Beziehungen.

Ein Automobilstandort kann beispielsweise mit Zulieferstandorten in anderen Regionen verbunden sein. Ein Finanzzentrum kann mit internationalen Banken und Dienstleistern verbunden werden. Ein Technologiecluster kann Beziehungen zu Forschungszentren und Venture-Capital-Standorten aufweisen. Data2Space kann diese Beziehungen als Teil der räumlichen Wirtschaftsstruktur darstellen. Damit entsteht eine neue Form des Branchenbenchmarks. Statt lediglich Rankings wie „Standort A liegt auf Platz eins, Standort B auf Platz zwei“ zu erzeugen, zeigt die dreidimensionale Darstellung, warum sich die Standorte unterscheiden.

Ein Standort kann eine hohe Branchenstärke besitzen, aber gleichzeitig eine geringe Diversifikation. Ein anderer Standort kann mehrere mittelstarke Branchen miteinander verbinden. Ein dritter Standort kann besonders dynamisch wachsen. Das Branchenrating wird dadurch differenzierter.

Auch internationale Vergleiche werden möglich. Städte, Regionen oder Länder können nach denselben Kriterien analysiert werden. Die dreidimensionale Karte bildet dabei einen gemeinsamen Bezugsraum. Ein europäischer Vergleich kann beispielsweise zeigen, wo bestimmte Branchen besonders stark konzentriert sind. Ein globales Modell kann anschließend internationale Cluster sichtbar machen.

Durch das Hineinzoomen kann der Nutzer von der globalen Ebene über Länder und Regionen bis zu einzelnen Städten und Unternehmen navigieren. Diese Möglichkeit ist besonders wichtig für komplexe wirtschaftliche Fragestellungen. Ein Branchenrating muss häufig gleichzeitig die Makroebene und die Mikroebene berücksichtigen. Data2Space verbindet beide Perspektiven in einem Modell.

Auf der Makroebene erscheint die geografische Branchenstruktur. Auf der Mikroebene lassen sich einzelne Unternehmen, Beteiligungen oder Finanzierungen untersuchen. Damit entsteht eine wirtschaftliche Landkarte, die nicht nur Standorte zeigt, sondern deren wirtschaftliche DNA.

Für Family Offices eröffnet dies beispielsweise die Möglichkeit, Regionen nach Investitionspotenzial zu untersuchen. Ein Investmentteam kann erkennen, wo bestimmte Zukunftsbranchen konzentriert sind und welche Unternehmen innerhalb dieser Cluster besonders interessant erscheinen.

Für Banken kann die gleiche Struktur zur regionalen Kreditrisikoanalyse dienen. Für Unternehmen kann sie bei Standortentscheidungen helfen. Für Investoren kann sie als Grundlage für die Suche nach Branchenclustern und Beteiligungsmöglichkeiten dienen.

Das Branchenrating wird dadurch zu einem vielseitigen Analyseinstrument. Die entscheidende Innovation liegt darin, dass Data2Space Branchenrating und Geografie nicht getrennt behandelt. Ein Branchenrating erhält dadurch eine räumliche Dimension. Ein Standort erhält gleichzeitig ein strukturiertes Branchenprofil.

Aus der Frage „Wie stark ist diese Branche?“ wird die wesentlich umfassendere Frage: „Wo ist diese Branche stark, welche anderen Branchen befinden sich dort, welche Unternehmen tragen diese Stärke, wie entwickeln sich diese Cluster und welche wirtschaftlichen Beziehungen verbinden sie?“ Eine dreidimensionale Landkarte kann diese Fragen in einer gemeinsamen Informationsumgebung beantworten. Damit wird wirtschaftliche Konzentration sichtbar, ohne die geografische Dimension zu verlieren. Branchenschwerpunkte werden zu räumlichen Strukturen, Unternehmen zu Bestandteilen von Clustern und Standorte zu komplexen wirtschaftlichen Profilen.

Data2Space macht aus dem klassischen Branchenrating deshalb eine interaktive Wirtschaftslandkarte. Nutzer können Standorte vergleichen, in einzelne Regionen hineinzoomen, Branchen filtern, Unternehmen untersuchen, Entwicklungen über die Zeit verfolgen und wirtschaftliche Beziehungen sichtbar machen. So entsteht ein Branchenrating, das nicht nur bewertet, sondern Orientierung gibt: Wo entstehen wirtschaftliche Schwerpunkte? Welche Regionen diversifizieren sich? Wo konzentrieren sich Risiken? Welche Standorte entwickeln neue Branchenkompetenzen? Und wo liegen die Unternehmen, die diese Entwicklung tatsächlich tragen? Die Antwort erscheint nicht mehr nur in einer Tabelle oder einem Ranking. Sie wird auf einer dreidimensionalen Landkarte sichtbar.

Themen: Branchenrating | Kommentare deaktiviert für Branchenrating auf der dreidimensionalen Landkarte: Wie Data2Space regionale Wirtschaftsstrukturen vergleichbar macht

Biotechrating: Kredit- und Beteiligungsrisiken in einer vernetzten Innovationslandschaft

Von Dr. Oliver Everling | 2.September 2026

Ein Biotechrating stellt besondere Anforderungen an die Beurteilung eines Unternehmens. Anders als bei etablierten Unternehmen entstehen Wert und Risiko häufig aus Forschungsprojekten, Patenten, klinischen Entwicklungsprogrammen, regulatorischen Meilensteinen und der Fähigkeit, bis zur Marktreife ausreichend Kapital zu beschaffen. Klassische Finanzkennzahlen allein erfassen diese Zusammenhänge nur unvollständig.

Data2Space schafft dafür eine neue Perspektive. Data2Space kann die wirtschaftlichen, wissenschaftlichen und finanziellen Informationen eines Biotechunternehmens in einer gemeinsamen interaktiven Informationswelt darstellen. Damit wird sichtbar, wie Forschung, Finanzierung, geistiges Eigentum und zukünftige Ertragsperspektiven miteinander verbunden sind.

Für das Rating ist insbesondere die Finanzierung der Entwicklung entscheidend. Ein Unternehmen kann über vielversprechende Wirkstoffkandidaten verfügen, gleichzeitig aber einen hohen Kapitalbedarf bis zum nächsten klinischen oder regulatorischen Meilenstein besitzen. Data2Space verbindet Entwicklungsprogramme mit Cash-Burn, Liquidität, Finanzierungsrunden und bestehender Verschuldung. Dadurch wird unmittelbar sichtbar, wie weit die vorhandenen Mittel reichen und welche Finanzierungsschritte erforderlich sind.

Auch die Pipeline lässt sich als räumliche Struktur abbilden. Wirkstoffkandidaten, Entwicklungsphasen, Indikationen und erwartete Meilensteine können miteinander verbunden werden. Der Nutzer erkennt dadurch nicht nur, wie viele Projekte ein Unternehmen besitzt, sondern wie sich Chancen und Risiken innerhalb der Pipeline verteilen.

Besonders wichtig ist die Verbindung zwischen wissenschaftlichem Fortschritt und Unternehmenswert. Ein erfolgreicher klinischer Meilenstein kann die Finanzierungsmöglichkeiten und Bewertung eines Unternehmens erheblich verändern. Ein negativer Studienausgang kann dagegen Liquidität, Kapitalbedarf und Zukunftsperspektiven gleichzeitig belasten. Data2Space macht diese Abhängigkeiten als Teil einer gemeinsamen Ratingstruktur sichtbar.

Auch Patente und Lizenzvereinbarungen können einbezogen werden. Eigentumsrechte an Technologien, Kooperationen mit Pharmaunternehmen und Abhängigkeiten von externen Forschungspartnern beeinflussen die wirtschaftliche Position eines Biotechunternehmens. Die Darstellung dieser Beziehungen erweitert das Rating um eine wichtige strukturelle Dimension.

Für Investoren und Family Offices entsteht damit die Möglichkeit, verschiedene Biotechbeteiligungen systematisch zu vergleichen. Entwicklungsstand, Kapitalbedarf, Pipeline, Finanzierung, Partnerschaften und wirtschaftliche Perspektiven werden innerhalb einer gemeinsamen Informationslandschaft analysierbar.

Das Biotechrating wird dadurch mehr als eine Bewertung aktueller Finanzzahlen. Es wird zu einer Analyse der Frage, ob wissenschaftliche und technologische Chancen in wirtschaftliche Tragfähigkeit überführt werden können.

Data2Space macht diese Verbindung sichtbar: Forschung wird mit Finanzierung, Meilensteinen mit Cashflow und Innovation mit Kredit- und Beteiligungsrisiken verknüpft. Aus der komplexen Biotechstory entsteht eine interaktive Ratinglandschaft, in der Investoren und Kreditgeber die Entstehung von Chancen und Risiken nachvollziehen und miteinander in Beziehung setzen können.

Themen: Biotechrating | Kommentare deaktiviert für Biotechrating: Kredit- und Beteiligungsrisiken in einer vernetzten Innovationslandschaft

« Voriger Beitrag