Common use of Profilbildung (Scoring) Clause in Contracts

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“). Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen („Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind fundierte, seit langem praxiserprobte, ma- thematisch-statistische Methoden zur Prognose von Risikowahrscheinlichkeiten bzw. Erfüllungswahrscheinlichkeiten. Folgende Daten werden bei der CRIF GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte Waren-)Kreditgeschäfte rasch abwickeln zu könnenabzuwickeln. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose Progno- se über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Anschrif- tendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche ein ähnliches Zahlungsverhal- ten aufwiesen (aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind fundierte“ bezeichnet und ist eine fun- dierte, seit langem Langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahr- scheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart Daten- art auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten An- schriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe Nichtabga- be der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- Inkassoverfahren und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner Vertrags- partner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung und Beurteilung Beurtei- lung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte Wahr- scheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach ArtSCHUFA Holding AG, Xxxxxxxxxxx 0, 00000 Xxxxxxxxx, Tel.: +49 (0) 0 00-00 00 0 Der betriebliche Datenschutzbeauftragte der SCHUFA ist unter der o.g. 14 DSGVO können Sie Anschrift, zu Hd. Abteilung Daten- schutz oder per E-Mail unter xxx.xxxx.xx/xxxxxxxxxxx einsehenxxxxxxxxxxx@xxxxxx.xx erreichbar.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte Wahrscheinlich- keitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu könnenabzuwickeln. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (ein ähnliches Zahlungs- verhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem Langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale Negativ- merkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung Gläubiger- befriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesennach- gewiesen, Inkassoverfahren- Inkassoverfahren und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung Risiko- einschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA-Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten Informationen, die auch in der Auskunft gemäß nach Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berücksichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Einträge aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobtepraxiser- probte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung Scorebe- rechnung mit einfließt: Allgemeine Daten (z. B. Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder Anzahl im Geschäftsverkehr verwendeter Anschriften), bisherige Zahlungsstörungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn wenige personenbezogene kreditrelevante Informationen vorliegen). Bestimmte Informationen werden weder gespeichert noch bei der Berech- nung von Scorewerten berücksichtigt, z. B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien personenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Art. 9 DSGVO. Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z. B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsichtnahme in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Art. 15 DSGVO, verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen – zum Beispiel aus einem Kreditantrag – verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehenEin SCHUFA-Score alleine ist jedenfalls kein hinreichender Grund, einen Vertragsabschluss abzulehnen.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen ein- schätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, ,die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen aus- gewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen PersonengruppenPersonen- gruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Zahlungsverhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobtepraxiser- probte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, ,wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung Risikoein- schätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung – Seite 11 von 12 – 21005885 (05.20) • AXA Bank AG • AXA Customer Care GmbH • AXA Direktberatung GmbH • AXA easy Versicherung AG • AXA Konzern AG • AXA Krankenversicherung AG • AXA Lebensversicherung AG • AXA MATRIX Risk Consultants Deutschland, ZN der AXA Matrix Risk Consultants S.A., Paris • AXA Service u Direct Solutions GmbH • AXA Versicherung AG • Deutsche Ärzteversicherung AG • Deutsche Ärzte Finanz Beratungs- und Vermittlungs-AG • E.C.A. LEUE GmbH + Co. KG • Helmsauer u Preuss GmbH • Kölner Spezial Beratungs-GmbH für betriebliche Altersversorgung • Pro bAV Pensionskasse AG • winExpertisa Gesellschaft zur Förderung beruflicher Vorsorge mbH Eine aktuelle Version dieser Dienstleisterübersicht ist im Internet unter xxx.XXX.xx/Xxxxxxxxxxx einsehbar. Hinweis: Steht Ihre besondere persönliche Situation den berechtigten Interessen des Informationsblatts nach Art. 14 DSGVO Unternehmens an einer Beauftragung entgegen, können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.dieser Beauftragung ggf. widersprechen. Alle Konzerngesellschaften ARA GmbH Telefonischer Kundendienst ja AXA Assistance Deutschland GmbH Telefonischer Kundendienst ja AXA Customer Care GmbH Telefonischer Kundendienst, Kundenbetreuung ja AXA Konzern AG Antrags-, Vertrags-, Leistungs- und Regressbearbeitung, Vermittlerbetreuung ja AXA Logistik u Service GmbH Post-, Antrags-, Vertrags-, Leistungsbearbeitung ja AXA Services Germany GmbH Rechenzentrumsbetreiber ja AXA Services SAS Betrieb gruppenweiter IT-Anwendungen nein GIE AXA Hosting, Datenselektionen nein GDV Dienstleistungs GmbH Datentransfer mit Vermittlern u. Dienstleistern nein unternehmen online GmbH u Co. KG Betrieb online-Anwendungen (Angebots-/Antragsaufnahme) ja AXA Krankenversicherung AG (inkl. ZN DBV Deutsche Beamtenver- sicherung) IMB Consult GmbH ROLAND Assistance GmbH, MedicalContact AG, Sanvartis GmbH Medizinische Gutachten Diseasemanagement ja1 ja1 ViaMed GmbH Leistungsprüfung ja AXA Lebensversicherung AG (inkl. ZN DBV Deutsche Beamten- versicherung) AXA Bank AG AXA Finanz Service GmbH Depotverwaltung für Fondspolicen Beratung über und Vertrieb von Versicherungs- und Finanzprodukten nein nein April Deutschland AG Bestands- und Leistungsbearbeitung ja SP Consult AG Antrags- und Leistungsbearbeitung, Bestandsverwaltung nein Vorsorge Lebensversicherung AG Antrags-/Leistungsbearbeitung (Zahlungssystem ERGO und Münchner Rück) ja AXA Versicherung AG (inkl. ZN DBV Deutsche Beamtenversicherung)/ AXA easy Versicherung AG Actineo GmbH April Deutschland AG Anforderung medizinische Auskünfte Bestands- und Leistungsbearbeitung ja1 ja AXA Assistance Deutschland GmbH Diseasemanagement, Durchführung KFZ-Versicherungen für Kreditkarteninhaber, Bestandsverwaltung, Leistungsbearbeitung für Mietwagen-KFZ-Versicherungen, Handwerker- und Dienstleisternetz, Anlage Neuschäden ja1 Inter Partner Assistance S.A. Schutzbriefleistungen nein Versicherungsforen medi-part GmbH Leistungsbearbeitung ja1 Auftraggebende Gesellschaft Dienstleisterkategorie Gegenstand/Zweck der Beauftragung Gesundheitsdaten Alle Konzerngesellschaften Adressermittler Adressprüfung nein Aktenlager Lagerung von Akten ja Assisteure Assistanceleistungen zum Teil1 Entsorgungsunternehmen Abfallbeseitigung ja Gutachter/med. Experten/Berater Antrags-/Leistungs-/Regressprüfung/Beratung zum Teil1 Inkassounternehmen/Auskunfteien Forderungsbearbeitung, Existenznachweis nein IT-Dienstleister Wartung/Betrieb/Entwicklung/Systeme/Anwendungen/Onlineservices ja Lettershops/Druckereien Postsendungen/Newsletter (E-Mail) ja Marketingagenturen/-provider Marketingaktionen nein Marktforschungsunternehmen Marktforschung, Kundenzufriedenheitsanalyse nein Rechtsanwaltskanzleien Forderungseinzug ja Rehabilitationsdienst Rehabilitationsmanagement ja Routenplaner Schadenbearbeitung/Terminplanung nein Rückversicherer Monitoring ja Service-Gesellschaften Leistungs- und Bestandsbearbeitung im Massengeschäft (techn. Versicherungen) nein Telefonischer Kundendienst Temporärer Kundendienst in bes. Geschäftsprozessen, Kundenbetreuung ja Vermittler Antrags-, Leistungs- u. Schadenbearbeitung, Beratung zum Teil1 AXA Krankenversicherung AG Heil-/Hilfsmittellieferant Lieferung von Heil- und Hilfsmitteln ja 1 ggf. mit separater Einwilligung – Seite 12 von 12 – 21005885 (05.20)

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA- Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen Erfah- rungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten Informationen, die auch in der Auskunft gemäß nach Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berücksichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen PersonengruppenPersonen- gruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen („Scoreberechnung“)Einträge aufwiesen. Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die Das ver- wendete Verfahren wird als " logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind " bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematisch-mathematisch- statistische Methoden M ethode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendetver- wendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Allgemeine Daten (z.B. Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder An- zahl im Geschäftsverkehr verwendeter Anschriften), bisherige ZahlungsstörungenZahlungs- störungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn wenige personenbezogene kredit- relevante Informationen vorliegen). Bestimmte Informationen werden weder gespeichert noch bei der Berechnung von Scorewerten berück- sichtigt, z.B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien personenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Art. 9 DSGVO . Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO , Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z.B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsicht- nahme in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Art. 15 DSGVO , verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen - zum Beispiel aus einem Kreditantrag - verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung Ein SCHUFA- Score alleine ist jedenfalls kein hinreichender Grund einen Vertragsabschluss abzulehnen. VK978 02.02.2018 Übersicht der Dienstleister des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.AXA Konzerns Stand 13.01.2020 Gesellschaften, die an einer gemeinsamen Verarbeitung von Daten teilnehmen: Dienstleister mit Datenverarbeitung als Hauptgegenstand des Auftrags (Einzelbenennung) Auftraggebende Gesellschaft Dienstleister Gegenstand / Zweck der Beauftragung Gesundheits- daten Dienstleisterkategorien, bei denen Datenverarbeitung kein Hauptgegenstand des Auftrages ist und/oder Dienstleistungserbringung erfolgt durch viele verschiedene Dienstleister

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner Ge- schäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen einge- gangenen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte Wahrschein- lichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte Wa- ren-)Kreditgeschäfte rasch abwickeln zu könnenabzuwickeln. Hierbei wird anhand von gesammelten Informationen und Erfahrungen Erfah- rungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte Wahrscheinlichkeits- werte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten gespei- cherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge Ein- träge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen statis- tischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (ein ähnli- ches Zahlungsverhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind fundierte“ bezeichnet und ist eine fun- dierte, seit langem Langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- Inkassoverfahren und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehenInkassoüberwachungsverfahren.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA-Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten Informationen, die auch in der Auskunft gemäß nach Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berücksichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Einträge aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem Langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: allgemeine Daten (z. B. Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder Anzahl im Geschäftsverkehr verwendeter Anschriften), bisherige Zahlungsstörungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn wenige personenbezogene kreditrelevante Informationen vorliegen). Bestimmte Informationen werden weder gespei- chert noch bei der Berechnung von Scorewerten berücksichtigt, z. B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien personenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Art. 9 DSGVO. Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z. B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsichtnah- me in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Art. 15 DSGVO, verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung Beur- teilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen – zum Beispiel aus einem Kreditantrag – verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach ArtEin SCHUFA-Score alleine ist jedenfalls kein hinreichender Grund, einen Vertragsabschluss abzulehnen. 14 DSGVO können Sie Weitere Informationen zum Kreditwürdigkeitsscoring oder zur Erkennung auffälliger Sachverhalte sind unter xxx.xxxx.xx/xxxxxxxxxxx einsehenxxx.xxxxxxx-xxxxxx.xx erhältlich.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit Vergangen- heit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte Wahrscheinlich- keitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Zahlungs- verhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ be- zeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige ZahlungsstörungenZahlungs- störungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen ange- schlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungs- findung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen Infor- mationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach ArtHaben Sie bzw. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehendie versicherte Person die Verletzung der Anzeigepflicht nicht zu vertreten, verzichten wir auf unser Recht zur Vertragsanpassung. Wurde die Anzeigepflicht weder vorsätzlich noch grob fahrlässig verletzt, verzichten wir auf unser Kündigungsrecht.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen Zahlungsverpflichtungen nachgekom- men werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte Wahrscheinlichkeits- werte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit Ver- gangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Zahlungsverhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: GeburtsdatumGe- burtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige bisheri- ge Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der VermögensauskunftVermö- gensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen an- geschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntschei- dungsfindung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügtver fügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Einwilligung in die Erhebung und Verwendung von Gesund- heitsdaten und Schweigepflichtentbindungserklärung Die jeweils aktuellste Fassung Regelungen des Informationsblatts Versicherungsvertragsgesetzes, der EU-Datenschutzgrundver- ordnung, des Bundesdatenschutzgesetzes sowie anderer Datenschutzvorschriften enthalten keine ausreichenden Rechtsgrundlagen für die Erhebung, Verarbeitung und Nutzung von Gesundheitsdaten durch Versicherungen. Um Ihre Gesundheitsda- ten für diesen Antrag und den Vertrag erheben und verwenden zu dürfen, benötigt die DBV Deutsche Beamtenversicherung Lebensversicherung Zweigniederlassung der AXA Lebensversicherung AG daher Ihre datenschutzrechtliche(n) Einwilligung(en). Darüber hinaus benötigt die DBV Deutsche Beamtenversicherung Lebensversiche- rung Zweigniederlassung der AXA Lebensversicherung AG Ihre Schweigepflichtent- bindungen, um Ihre Gesundheitsdaten bei schweigepflichtigen Stellen, wie z. B. Ärz- ten, erheben zu dürfen. Als Unternehmen der Lebensversicherung benötigt die DBV Deutsche Beamtenversicherung Lebensversicherung Zweigniederlassung der AXA Lebensversicherung AG Ihre Schweigepflichtentbindung ferner, um Ihre Gesundheits- daten oder weitere nach Art§ 203 Strafgesetzbuch geschützte Daten, wie z. B. die Tat- sache, dass ein Vertrag mit Ihnen besteht, an andere Stellen, z. B. ViaMed weiter- leiten zu dürfen. 14 DSGVO können Sie Es steht Ihnen frei, die Einwilligung/Schweigepflichtentbindung nicht abzugeben oder jederzeit später mit Wirkung für die Zukunft zu widerrufen. Der Widerruf ist zu richten an: DBV Deutsche Beamtenversicherung Lebensversicherung, Zweigniederlassung der AXA Lebensversicherung AG, Xxxxxxx-Xxxxxxx-Xxxx 0, 00000 Xxxxxxxxx oder per Fax an 0000 000 -22750 oder per E-Mail an xxxxxxx@xxx.xx. Wir weisen jedoch darauf hin, dass ohne Verarbeitung von Gesundheitsdaten der Abschluss oder die Durchfüh- rung des Versicherungsvertrages in der Regel nicht möglich sein wird. Die Erklärungen betreffen den Umgang mit Ihren Gesundheitsdaten und sonstiger nach § 203 StGB geschützter Daten – durch die DBV Deutsche Beamtenversicherung Lebensversicherung Zweignieder- lassung der AXA Lebensversicherung AG selbst (unter xxx.xxxx.xx/xxxxxxxxxxx einsehen1.), – bei der Weitergabe an Stellen außerhalb der DBV Deutsche Beamtenversicherung Lebensversicherung Zweigniederlassung der AXA Lebensversicherung AG (unter 2.) und – wenn der Vertrag nicht zustande kommt (unter 3.). Die Erklärungen gelten für die von Ihnen gesetzlich vertretenen Personen wie Ihre Kinder, soweit diese die Tragweite dieser Einwilligung nicht erkennen und daher keine eigenen Erklärungen abgeben können.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit Vergan- genheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte Wahrschein- lichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Zah- lungsverhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: GeburtsdatumGeburts- datum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige ZahlungsstörungenZah- lungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen ange- schlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungs- findung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen Infor- mationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte Waren-)Kreditgeschäfte rasch abwickeln zu könnenabzuwickeln. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (ein ähnliches Zahlungsverhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem Langem praxiserprobte, ma- thematisch-mathematisch- statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- Inkassoverfahren und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach ArtStand: Juli 2020 Der betriebliche Datenschutzbeauftragte der ICD ist unter der o.a. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehenAnschrift, zu Hd. Abteilung Datenschutz, oder per E-Mail unter: xxxxxxxxxxx@xxxxxx-xxxxxxxxx.xx erreichbar.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte Waren-)Kreditgeschäfte rasch abwickeln zu könnenabzuwickeln. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte Wahr- scheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär pri- mär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem Zu- dem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen PersonengruppenPersonen- gruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (ein ähnliches Zahlungs- verhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem Langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Me- thode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung Sco- reberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: GeburtsdatumGeburts- datum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale Ne- gativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung Gläubigerbefriedi- gung nicht nachgewiesen, Inkassoverfahren- Inkassoverfahren und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehenInkasso- überwachungsverfahren.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA-Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten InformationenInforma- tionen, die auch in der Auskunft gemäß nach Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berücksichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Einträge aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematischmathematisch-statistische Methoden stati- stische Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: GeburtsdatumAllgemeine Daten (z. B. Geburts- datum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder Anzahl im Geschäftsverkehr verwendeter Anschriften), bisherige ZahlungsstörungenZahlungs- störungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn wenige personenbezogene kreditrelevante Informationen vorliegen). Bestimmte Infor- mationen werden weder gespeichert noch bei der Berechnung von Scorewerten berücksichtigt, z. B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien personenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Art. 9 DSGVO. Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z. B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsichtnahme in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Art. 15 DSGVO, verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit Kreditwürdig- keit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen – zum Beispiel aus einem Kreditantrag – verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach ArtEin SCHUFA-Score alleine ist jedenfalls kein hinreichender Grund einen Vertragsabschluss abzulehnen. 14 DSGVO können Sie Weitere Informationen zum Kreditwürdigkeitsscoring oder zur Erkennung auffälliger Sachverhalte sind unter xxx.xxxx.xx/xxxxxxxxxxx einsehenxxx.xxxxxxx-xxxxxx.xx erhältlich.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA-Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten Informationen, die auch in der Auskunft gemäß Art. nach Artikel 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berück- sichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen („Scoreberechnung“)Einträge aufwiesen. Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die Das verwendete Verfahren wird als »logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind « bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Allgemeine Daten (z. B. Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder Anzahl im Geschäftsver- kehr verwendeter Anschriften), bisherige Zahlungsstörungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn wenige personenbezogene kreditrelevante Informationen vorliegen). Bestimmte Informationen werden weder gespeichert noch bei der Berechnung von Scorewerten berücksichtigt, z. B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien personenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Artikel 9 DSGVO. Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z. B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsichtnahme in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Artikel 15 DSGVO, verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntschei- dungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten GeschäftspartnerGeschäfts- partner, da nur dieser über zahlreiche zusätzliche Informationen – zum Beispiel aus einem Kreditantrag – verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach ArtEin SCHUFA- Score alleine ist jedenfalls kein hinreichender Grund einen Vertragsabschluss abzulehnen. 14 DSGVO können Sie Weitere Informationen zum Kreditwürdigkeitsscoring oder zur Erkennung auffälliger Sachverhalte sind unter xxx.xxxx.xx/xxxxxxxxxxx einsehenxxx.xxxxxxx-xxxxxx.xx erhältlich. infoscore Consumer Data GmbH, Rhxxxxxxxxx 00, 00000 Xxxxx-Xxxxx Der betriebliche Datenschutzbeauftragte der ICD ist unter der o. a. Anschrift, zu Hd. Abteilung Datenschutz, oder per E-Mail unter xxxxxxxxxxx@xxxxxx-xxxxxxxxx.xx erreichbar.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte Waren-)Kreditgeschäfte rasch abwickeln zu könnenabzuwickeln. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (ein ähnliches Zahlungsverhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem Langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- Inkassoverfahren und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.nur

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte Waren-)Kreditgeschäfte rasch abwickeln zu könnenabzuwickeln. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose Progno- se über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Anschrif- tendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche ein ähnliches Zahlungsverhal- ten aufwiesen (aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind fundierte“ bezeichnet und ist eine fun- dierte, seit langem Langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahr- scheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart Daten- art auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten An- schriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe Nichtabga- be der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- Inkassoverfahren und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner Vertrags- partner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung und Beurteilung Beurtei- lung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte Wahr- scheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA-Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit Ver- gangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten Informationen, die auch in der Auskunft gemäß nach Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berücksichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten gespei- cherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Einträge aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobtepraxiserprob- te, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: All- gemeine Daten (z. B.. Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder Anzahl im Geschäftsverkehr verwendeter Anschriften), bisherige Zahlungsstörungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn wenige per- sonenbezogene kreditrelevante Informationen vorliegen). Bestimmte Informationen werden weder gespeichert noch bei der Berechnung von Scorewerten berücksich- tigt, z. B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien perso- nenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Art. 9 DSGVO. Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z. B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsichtnahme in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Art. 15 DSGVO, verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntschei- dungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten GeschäftspartnerGeschäfts- partner, da nur dieser über zahlreiche zusätzliche Informationen – zum Beispiel aus einem Kreditantrag – verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung Ein SCHUFA-Score alleine ist jedenfalls kein hinreichender Grund einen Vertragsabschluss abzulehnen. Weitere Informationen zum Kreditwürdigkeitsscoring oder zur Erkennung auffälliger Sachverhalte sind unter xxx.xxxxxxx-xxxxxx.xx erhältlich. DBV Deutsche Beamtenversicherung Krankenversicherung Zweigniederlassung der AXA Krankenversicherung AG Xxxxxxxxxxx Xxxxxx 00, 00000 Xxxxxxxxx Postanschrift: 00000 Xxxxxxxxx Internet: xxx.XXX.xx Sitz der Gesellschaft: Köln Handelsregister Köln HR B Nr. 1012 USt.-Ident-Nr. DE 122786679 · Versicherungsteuernr.: 810/V90810030208 Vorsitzender des Informationsblatts Aufsichtsrats: Xxxxxx Xxxxxxxx; Vorstand: Xx. Xxxxxxxxx Xxxxxxx, Vorsitzender; Xx. Xxxxx Xxxxxx, Xxx Xxxxxxxxx, Xx. Xxxxxx Xxxxx, Xx. Xxxxx Xxxxxxxxxx. – Seite 10 von 12 – 27830549 (01.20) Gesonderte Mitteilung nach Art§ 19 Abs. 14 DSGVO 5 Satz 1 VVG über die Folgen einer Verletzung der gesetzlichen Anzeigepflicht Welche vorvertraglichen Anzeigepflichten bestehen? Damit der Versicherer Ihren Versicherungsantrag ordnungsge- mäß prüfen kann, ist es notwendig, dass Sie die dort gestell- ten Fragen wahrheitsgemäß und vollständig beantworten. Es sind auch solche Umstände anzugeben, denen Sie nur geringe Bedeutung beimessen. Bitte beachten Sie, dass Sie Ihren Ver- sicherungsschutz gefährden, wenn Sie unrichtige oder unvoll- ständige Angaben machen. Nähere Einzelheiten zu den Folgen einer Verletzung der Anzeigepflicht können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehender nachfolgen- den Information entnehmen. Sie sind bis zur Abgabe Ihrer Vertragserklärung verpflichtet, alle Ihnen bekannten gefahrerheblichen Umstände, nach denen der Versicherer in Textform fragt, wahrheitsgemäß und vollständig anzuzeigen. Soweit der Versicherer nach Ihrer Vertragserklä- rung aber vor Vertragsannahme nochmals in Textform nach gefahrerheblichen Umständen fragt, sind Sie auch insoweit zur Anzeige verpflichtet. Welche Folgen können eintreten, wenn eine vorvertragliche Anzeigepflicht verletzt wird? Wir weisen darauf hin, dass wir den Vertragsabschluss nicht von der Durchführung genetischer Untersuchungen oder Ana- lysen abhängig machen und solche Untersuchungen oder Analysen weder verlangen noch deren Ergebnisse oder Daten verwenden. Bitte senden Sie uns keine Ergebnisse oder Daten genetischer Untersuchungen oder Analysen zu! Anzuzeigen sind jedoch bereits bestehende Erkrankungen, Beschwerden, Anomalien, Behinderungen, Fehlstellungen, Fehlbildungen oder Funktionsbeeinträchtigungen, unabhängig davon, durch welche Untersuchungsmethoden Sie hiervon Kenntnis erlangt haben.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA­Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten Informationen, die auch in der Auskunft gemäß nach Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berücksichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Einträge aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematisch-statistische Methoden mathematisch­statistische Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Allgemeine Daten (z.B. Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder Anzahl im Geschäftsverkehr verwendeter Anschriften), bisherige Zahlungsstörungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn wenige personenbezogene kreditrelevante Informationen vorliegen). Bestimmte Informationen werden weder gespeichert noch bei der Berechnung von Scorewerten berücksichtigt, z.B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien personenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Art. 9 DSGVO. Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z.B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsichtnahme in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Art. 15 DSGVO, verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen – zum Beispiel aus einem Kreditantrag – verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehenEin SCHUFA­Score alleine ist jedenfalls kein hinreichender Grund einen Vertragsabschluss abzulehnen.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit Vergan- genheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte Wahrschein- lichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Zah- lungsverhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: GeburtsdatumGeburts- datum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige ZahlungsstörungenZah- lungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen ange- schlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungsfin- dung. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte Wahrschein- lichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung AXA Lebensversicherung AG Xxxxxxx-Xxxxx 00-00, 00000 Xxxx · Postanschrift: 00000 Xxxx Internet: xxx.XXX.xx Sitz der Gesellschaft: Köln · Handelsregister Köln HR B Nr. 271 USt.-Ident-Nr. DE 122786679 Vorsitzender des Informationsblatts nach ArtAufsichtsrats: Xxxxxx Xxxxxxxx; Vorstand: Xx. 14 DSGVO Xxxxx Xxxxxxxxxx, Vorsitzender; Xxxxx Xxxxxxxx, Xxx Xxxxxxxxx, Xx. Xxxxxx Xxxxx, Xx. Xxxx Xxxxxx Zimmermann. ■ AXA Customer Care GmbH ■ AXA Direktberatung GmbH ■ AXA easy Versicherung AG ■ AXA Konzern AG ■ AXA Krankenversicherung AG ■ AXA Lebensversicherung AG ■ AXA Services & Direct Solutions GmbH ■ AXA Versicherung AG ■ Deutsche Ärzteversicherung AG ■ Deutsche Ärzte Finanz Beratungs- und Vermittlungs-AG ■ E.C.A. LEUE GmbH + Co. KG ■ Helmsauer & Preuss GmbH ■ Kölner Spezial Beratungs-GmbH für betriebliche Altersversorgung ■ Pro bAV Pensionskasse AG ■ ROLAND Rechtsschutz-Versicherungs-AG ■ winExpertisa Gesellschaft zur Förderung beruflicher Vorsorge mbH Eine aktuelle Version dieser Dienstleisterübersicht ist im Internet unter xxx.XXX.xx/Xxxxxxxxxxx einsehbar. Hinweis: Steht Ihre besondere persönliche Situation den berechtigten Interessen des Unternehmens an einer Beauftragung entgegen, können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.dieser Beauftragung ggf. widersprechen. Alle Konzerngesellschaften ARA GmbH Telefonischer Kundendienst ja AXA Assistance Deutschland GmbH Telefonischer Kundendienst ja AXA Customer Care GmbH Telefonischer Kundendienst, Kundenbetreuung ja AXA Group Operations Germany GmbH Rechenzentrumsbetreiber ja AXA Group Operations SAS Betrieb gruppenweiter IT-Anwendungen nein AXA Konzern AG Antrags-, Vertrags-, Leistungs- und Regressbearbeitung, Vermittlerbetreuung ja AXA Logistik & Service GmbH Post-, Antrags-, Vertrags-, Leistungsbearbeitung ja AXA Services & Direct Solutions GmbH Telefonischer Kundendienst, Kundenbetreuung/Vorgangsbearbeitung ja GDV Dienstleistungs GmbH Datentransfer mit Vermittlern u. Dienstleistern nein GIE AXA Hosting, Datenselektionen nein unternehmen online GmbH & Co. KG Betrieb online-Anwendungen (Angebots-/Antragsaufnahme) ja AXA Krankenversicherung AG (inkl. ZN DBV Deutsche Beamten- versicherung) IMB Consult GmbH MD Medicus Holding GmbH Medizinische Gutachten Telefonischer Kundendienst Ausland, Leistungsbearbeitung der Auslands- reisekrankenversicherungen ja1 ja1 MedicalContact AG, ROLAND Assistance GmbH, Sanvartis GmbH Diseasemanagement ja1 ViaMed GmbH Leistungsprüfung ja AXA Lebensversicherung AG (inkl. ZN DBV Deutsche Beamten- versicherung) AXA Bank AG April Deutschland AG SP Consult AG Depotverwaltung für Fondspolicen Bestands- und Leistungsbearbeitung Antrags- und Leistungsbearbeitung, Bestandsverwaltung nein ja nein Vorsorge Lebensversicherung AG Antrags-/Leistungsbearbeitung (Zahlungssystem ERGO und Münchner Rück) ja AXA Versicherung AG (inkl. ZN DBV Deutsche Beamtenversicherung)/ AXA easy Versicherung AG Actineo GmbH April Deutschland AG AXA Assistance Deutschland GmbH Anforderung medizinische Auskünfte, Regressprüfung Bestands- und Leistungsbearbeitung Diseasemanagement, Durchführung KFZ-Versicherungen für Kredit- karteninhaber, Bestandsverwaltung, Leistungsbearbeitung für Mietwa- gen-KFZ-Versicherungen, Handwerker- und Dienstleisternetz, Anlage Neuschäden ja1 ja ja1 Inter Partner Assistance S.A. Schutzbriefleistungen nein ROLAND Assistance GmbH Schutzbriefleistungen nein Versicherungsforen medi-part GmbH Leistungsbearbeitung ja1 Auftraggebende Gesellschaft Dienstleisterkategorie Gegenstand/Zweck der Beauftragung Gesundheitsdaten Alle Konzerngesellschaften Adressermittler Adressprüfung nein Aktenlager Lagerung von Akten ja Assisteure Assistanceleistungen zum Teil1 Entsorgungsunternehmen Abfallbeseitigung ja Ermittler Betrugsabwehr ja Gutachter/med. Experten/Berater Antrags-/Leistungs-/Regressprüfung/Beratung zum Teil1 Inkassounternehmen/Auskunfteien Forderungsbearbeitung, Existenznachweis nein IT-Dienstleister Wartung/Betrieb/Entwicklung/Systeme/Anwendungen/Onlineservices ja Lettershops/Druckereien Postsendungen/Newsletter (E-Mail) ja Marketingagenturen/-provider Marketingaktionen nein Marktforschungsunternehmen Marktforschung, Kundenzufriedenheitsanalyse nein Rechtsanwaltskanzleien Forderungseinzug ja Rehabilitationsdienst Rehabilitationsmanagement ja Routenplaner Schadenbearbeitung/Terminplanung nein Rückversicherer Monitoring ja Service-Gesellschaften Leistungs- und Bestandsbearbeitung im Massengeschäft (techn. Versicherungen) nein Telefonischer Kundendienst Temporärer Kundendienst in bes. Geschäftsprozessen, Kundenbetreuung ja Vermittler Antrags-, Leistungs- u. Schadenbearbeitung, Beratung zum Teil1 AXA Krankenversicherung AG Heil-/Hilfsmittellieferant Lieferung von Heil- und Hilfsmitteln ja 1 ggf. mit separater Einwilligung

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA-Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten Informationen, die auch in der Auskunft gemäß nach Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berücksichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Einträge aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Allgemeine Daten (z.B. Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder Anzahl im Geschäftsverkehr verwendeter Anschriften), bisherige Zahlungsstörungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn wenige personenbezogene kreditrelevante Informationen vorliegen). Bestimmte Informationen werden weder gespeichert noch bei der Berechnung von Scorewerten berücksichtigt, z.B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien personenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Art. 9 DSGVO. Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z.B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsichtnahme in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Art. 15 DSGVO, verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen – zum Beispiel aus einem Kreditantrag - verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehenEin SCHUFA-Score alleine ist jedenfalls kein hinreichender Grund einen Vertragsabschluss abzulehnen.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen ein- schätzen können, ob den eingegangenen Zahlungsverpflichtun- gen Zahlungsverpflichtungen nachgekommen werden kann. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF Bürgel GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte erfolgt bei der CRIF Bürgel GmbH primär auf Basis der zu einer betroffenen Person bei der CRIF Bürgel GmbH gespeicherten Informationen, ,die auch in der Auskunft gemäß Art. 15 DSGVO ausgewiesen aus- gewiesen werden. Zudem finden Anschriftendaten Verwendung. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen PersonengruppenPersonen- gruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Zahlungsverhalten aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobtepraxiser- probte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten werden bei der CRIF Bürgel GmbH zur Scoreberechnung verwendet, ,wobei nicht jede Datenart auch in jede einzelne Scoreberechnung mit einfließt: Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und Wohndauer, bisherige Zahlungsstörungen, öffentliche Negativmerkmale wie Nichtabgabe der Vermögensauskunft, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahrenInkassoüberwachungsverfahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, die bei der CRIF GmbH über eine Person gespeichert sind, verändern. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF Bürgel GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der Entscheidungsfindung. Die Risikoeinschätzung Risikoein- schätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen verfügt. Dies gilt auch dann, wenn er sich allein auf die Informationen und Wahrscheinlichkeitswerte der CRIF Bürgel GmbH verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach Art. 14 DSGVO können Sie unter xxx.xxxx.xx/xxxxxxxxxxx einsehen.

Profilbildung (Scoring). Vor Geschäften mit einem wirtschaftlichen Risiko möchten Geschäftspartner möglichst gut einschätzen können, ob den eingegangenen Zahlungsverpflichtun- gen nachgekommen werden kannDie SCHUFA-Auskunft kann um sogenannte Scorewerte ergänzt werden. Durch die Auskunft und mittels sogenannter Wahrscheinlichkeitswerte unterstützt die CRIF GmbH Unternehmen bei der Entscheidungsfindung und hilft dabei, alltägliche (Waren-) Kreditgeschäfte rasch abwickeln zu können. Hierbei Beim Scoring wird anhand von gesammelten Informationen und Erfahrungen aus der Vergangenheit eine Prognose über zukünftige Ereignisse erstellt („Scoring“)erstellt. Die Berechnung der Wahrscheinlichkeitswerte aller Scorewerte erfolgt bei der CRIF GmbH primär SCHUFA grundsätzlich auf Basis der zu einer betroffenen Person bei der CRIF GmbH SCHUFA gespeicherten Informationen, die auch in der Auskunft gemäß Aus- kunft nach Art. 15 DSGVO ausgewiesen werden. Zudem finden Anschriftendaten VerwendungDarüber hinaus berücksichtigt die SCHUFA beim Scoring die Bestimmungen § 31 BDSG. Anhand der zu einer Person gespeicherten Einträge und der sonstigen Daten erfolgt eine Zuordnung zu statistischen Personengruppen, die in der Vergangenheit ähnliche Zahlungsverhal- ten aufwiesen (Einträge aufwiesen. Das verwendete Verfahren wird als „Scoreberechnung“). Zur Entwicklung des statistischen Modells einer solchen Zuordnung („Scoremodell“) werden maschinelle Lernverfahren eingesetzt, wie z.B. die logistische Regression. Die von CRIF GmbH eingesetzten maschinellen Lernverfahren sind “ bezeichnet und ist eine fundierte, seit langem praxiserprobte, ma- thematischmathematisch-statistische Methoden Methode zur Prognose von Risikowahrscheinlichkeiten bzw. ErfüllungswahrscheinlichkeitenRisikowahrscheinlichkeiten. Folgende Daten Datenarten werden bei der CRIF GmbH SCHUFA zur Scoreberechnung verwendet, wobei nicht jede Datenart auch in jede einzelne Scoreberechnung Score- berechnung mit einfließt: Allgemeine Daten (z. B. Geburtsdatum, Geschlecht, Warenkorbwert, Anschriftendaten und WohndauerGeschlecht oder Anzahl im Geschäftsverkehr verwendeter Anschriften), bisherige Zahlungsstörungen, öffentliche Negativmerkmale Kreditaktivität letztes Jahr, Kreditnutzung, Länge Kredithistorie sowie Anschriftendaten (nur wenn weni- ge personenbezogene kreditrelevante Informationen vorliegen). Bestimmte Informationen werden weder gespeichert noch bei der Berechnung von Scorewerten berücksichtigt, z. B.: Angaben zur Staatsangehörigkeit oder besondere Kategorien personenbezogener Daten wie Nichtabgabe ethnische Herkunft oder Angaben zu politischen oder religiösen Einstellungen nach Art. 9 DSGVO. Auch die Geltendmachung von Rechten nach der VermögensauskunftDSGVO, Gläubigerbefriedigung ausgeschlossen, Gläubigerbefriedigung nicht nachgewiesen, Inkassoverfahren- und Inkassoüberwachungsver- fahren. Mit welcher Wahrscheinlichkeit eine betroffene Person einen Hypothekenkredit zurückzahlen wird, muss nicht der Wahrscheinlichkeit entsprechen, mit der sie eine Rechnung im E-Commerce-Handel störungsfrei ausgleicht. Aus diesem Grund bietet also z. B. die CRIF GmbH ihren Vertragspartnern unterschiedliche bran- chenspezifische Scoremodelle an. Scorewerte betroffener Personen verändern sich u.U. häufiger, da sich auch die Informationen, Einsichtnahme in die bei der CRIF GmbH über eine Person gespeichert sindSCHUFA gespeicherten Informationen nach Art. 15 DSGVO, verändernhat keinen Einfluss auf die Scoreberechnung. So kommen neue Informationen hinzu, während andere aufgrund von Speicherfristen gelöscht werden. Außerdem ändern sich auch Die übermittelten Scorewerte unterstützen die Informationen selbst im Zeitverlauf (etwa die Dauer des Bestehens einer Geschäftsbeziehung), so dass auch ohne neue Informationen Veränderungen auftreten. Bitte beachten Sie: Die CRIF GmbH selbst trifft keine Entscheidungen, sie unterstützt die ihr angeschlossenen Vertragspartner lediglich mit ihren Informationen bei der EntscheidungsfindungEntscheidungsfindung und gehen dort in das Risikomanagement ein. Die Risikoeinschätzung und Beurteilung der Kreditwürdigkeit erfolgt allein durch den direkten Geschäftspartner, da nur dieser über zahlreiche zusätzliche Informationen – zum Beispiel aus einem Kreditantrag – verfügt. Dies gilt auch selbst dann, wenn er sich allein einzig auf die von der SCHUFA gelieferten Informationen und Wahrscheinlichkeitswerte der CRIF GmbH Scorewerte verlässt. Die jeweils aktuellste Fassung des Informationsblatts nach ArtEin SCHUFA-Score alleine ist jedenfalls kein hinreichender Grund, einen Vertragsabschluss abzulehnen. 14 DSGVO können Sie Weitere Informationen zum Kreditwürdigkeitsscoring oder zur Erkennung auffälliger Sachverhalte sind unter xxx.xxxx.xx/xxxxxxxxxxx einsehenxxx.xxxxxxx-xxxxxx.xx erhältlich.