Default Prediction of Austrian Construction SMEs: A Comparison of Statistical and Machine Learning Approaches
Im Juli 2026 präsentierte Sarah Wallner auf der BAFA Annual Conference an der University of Birmingham aktuelle Forschungsergebnisse zur Insolvenzprognose österreichischer Bau-KMU — mit einem systematischen Vergleich klassischer statistischer Methoden und moderner Machine-Learning-Ansätze.
Ankunft in Birmingham
Birmingham empfängt mit dem ikonischen Bullen vor dem Bullring-Einkaufszentrum — einem der bekanntesten Landmarks der Stadt. Die BAFA Annual Conference findet jährlich an wechselnden britischen Universitäten statt und zählt zu den renommiertesten Konferenzen im Bereich Accounting & Finance im englischsprachigen Raum. Internationale Forschende aus über 20 Ländern präsentierten ihre aktuellen Arbeiten.
University of Birmingham
Die Konferenz fand am Campus der University of Birmingham statt — einer der renommiertesten Forschungsuniversitäten Großbritanniens und Mitglied der Russell Group. Der Empfang am Anreisetag setzte den Ton für drei intensive Konferenztage mit hochkarätigen Vorträgen, Diskussionsrunden und wissenschaftlichem Austausch auf internationalem Niveau.
Klassische Statistik
Logistische Regression, Altman Z-Score und Diskriminanzanalyse als transparente Baseline-Modelle mit hoher regulatorischer Akzeptanz.
Machine Learning
Random Forest, XGBoost, SVM und Neural Networks — auf einem Datensatz von 1,7 Millionen Bilanzen österreichischer Unternehmen trainiert.
Ensemble-Methoden
Gradient Boosting und Modellkombinationen mit Backtesting über 20 Jahre Datenzeitraum (1995–2022) und Robustheitstests.
Der Vortrag
Mit den eigenen Forschungsergebnissen auf der großen Bühne: Sarah Wallner präsentierte den systematischen Methodenvergleich vor internationalem Fachpublikum. Die Slides zeigten AUC-Kurven über verschiedene Prognosehorizonte und ein finales Modell-Ranking — Neural Network auf Platz 1, gefolgt von Gradient Boosting und Random Forest. Die anschließende Diskussion war lebhaft und lieferte wertvolles Feedback für die weiteren Projektphasen.
Kernbefund
ML-Methoden — insbesondere Neural Networks und Gradient Boosting — übertreffen klassische Ansätze in der Prognosegenauigkeit für österreichische Bau-KMU. Gleichzeitig bleibt die logistische Regression als interpretierbares Baseline-Modell im regulatorischen Kontext unverzichtbar.
🔑 Kernbefund
Wissenschaftlicher Austausch
Neben dem eigenen Vortrag bot die Konferenz intensive Gespräche mit internationalen Forschenden aus dem Bereich Accounting, Finance und Data Science. Der wissenschaftliche Austausch lieferte neue Perspektiven für die nächsten Projektphasen — insbesondere zur Frage der Modell-Interpretierbarkeit und der Einbeziehung nicht-finanzieller Indikatoren.
„Die BAFA Birmingham hat gezeigt, dass unsere Forschung international relevant ist — das Feedback der Community war wertvoll und bestätigend zugleich.“
