Was ist Credit Default Probability?
▾
Die Ausfallwahrscheinlichkeit (Probability of Default, PD) ist ein Kernkonzept der Kreditrisikomessung und stellt die Wahrscheinlichkeit dar, dass ein Kreditnehmer – sei es ein Unternehmen, ein Finanzinstitut, ein Staat oder eine Einzelperson – innerhalb eines bestimmten Zeithorizonts vertraglich vorgeschriebene Zahlungen nicht leisten wird. PD ist neben Loss Given Default (LGD) und Exposure at Default (EAD) einer der drei grundlegenden Parameter im Basler Kreditrisikorahmenwerk und bestimmt sowohl die Berechnung des erwarteten Verlusts als auch des regulatorischen Kapitals. Es gibt drei Hauptansätze zur Schätzung der PD. Der strukturelle Ansatz, der 1974 von Robert Merton entwickelt wurde, modelliert das Eigenkapital eines Unternehmens als Kaufoption auf seine Vermögenswerte: Ein Ausfall tritt ein, wenn der Vermögenswert bei Fälligkeit unter den Nennwert der Schulden (die „Ausfallbarriere“) fällt. Der Abstand zum Ausfall (Distance to Default, DD) – gemessen in Standardabweichungen des Vermögenswerts von der Ausfallbarriere – ist die wichtigste Ausgabe, und PD wird aus der Normalverteilung dieses Abstands geschätzt. Das KMV-Modell von Moody's ist die führende kommerzielle Umsetzung des Merton-Strukturansatzes, bei dem der geschätzte Vermögenswert und die Volatilität zur Berechnung der erwarteten Ausfallhäufigkeit (Expected Default Frequency, EDF) verwendet werden. Der Ansatz in reduzierter Form (Intensität) behandelt einen Ausfall als ein Überraschungsereignis, das durch eine Hazard-Rate λ (die momentane bedingte Ausfallwahrscheinlichkeit) gesteuert wird, die auf Marktpreise von Credit Default Swaps (CDS) oder Anleihen-Credit-Spreads kalibriert werden kann. PD über Horizont T = 1 − e^(−λT). Dieser Ansatz ist flexibler als das Strukturmodell und kann zeitlich variierende Ausfallintensitäten berücksichtigen. Auf der Bonitätsbewertung basierende Ansätze (einschließlich logistischer Regressionsmodelle, Modelle von Ratingagenturen und Modelle für maschinelles Lernen) schätzen die PD anhand der finanziellen Merkmale des Kreditnehmers: Verschuldungsquoten, Rentabilität, Deckungsquoten, Liquidität, Größe und Branche. Die historischen Ausfallraten der Ratingagenturen bieten eine empirische Zuordnung von der Bonitätsbewertung zur historischen PD über verschiedene Zeithorizonte. Eine genaue PD-Schätzung ist für die Kreditpreisgestaltung (der Kredit-Spread muss den erwarteten Verlust kompensieren = PD × LGD), die Berechnung des regulatorischen Kapitals (der Basler IRB-Ansatz ermöglicht Banken die Verwendung interner PD-Modelle), das Portfolio-Kreditrisikomanagement und die Bewertung des Kontrahenten-Kreditrisikos bei Derivatetransaktionen von entscheidender Bedeutung.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
Merton PD: PD = N(−d2) wobei d2 = [ln(V/D) + (μ − σ_V²/2)T] / (σ_V √T)
Gefahrenrate PD: PD(T) = 1 − e^(−λT)
Kreditdreieck: λ ≈ Credit Spread / LGD | CS ≈ PD × LGD / (1−PD)Variablenbeschreibung
▾
| Symbol | Name | Einheit | Beschreibung |
|---|---|---|---|
| PD | Ausfallwahrscheinlichkeit | % | Wahrscheinlichkeit eines Ausfalls innerhalb eines bestimmten Zeitraums (Standard ist 1 Jahr); der primäre Kreditrisikoparameter. |
| DD | Abstand zum Standard | standard deviations | Im Merton-Modell: (Asset Value − Default Point) / (Asset Vol × Asset Value); Anzahl der Standardabweichungen über dem Standardwert. |
| λ | Gefahrenrate | per year | Momentane bedingte Ausfallwahrscheinlichkeit pro Zeiteinheit; Wird in reduzierten Modellen verwendet: PD = 1 − e^(−λT). |
| LGD | Verlust bei Ausfall | % | Erwarteter Anteil des Risikos, der bei einem Ausfall verloren geht; Ergänzung der Wiederherstellungsrate. EL = PD × LGD × EAD. |
| CS | Kreditspanne | bps | Mehrrendite über risikofreiem Zinssatz gefordert; ungefähr CS ≈ λ × LGD für kurze Laufzeiten (Kreditdreieck). |
Anleitung Credit Default Probability
▾
- 1Wählen Sie den Schätzansatz: strukturell (Merton) für börsennotierte Unternehmen mit Eigenkapitaldaten; reduzierte Form für CDS-gehandelte Namen; Ratingbasiert für Unternehmen mit Bonität.
- 2Für das Merton-Modell: Schätzen Sie den Vermögenswert (V) und die Vermögensvolatilität (σ_V), indem Sie das Equity-as-Call-Option-System iterativ lösen. Identifizieren Sie die Ausfallbarriere (typischerweise kurzfristige Verbindlichkeiten + 50 % langfristige Schulden).
- 3Berechnen Sie den Abstand zum Standard: DD = (V − D) / (σ_V × V), wobei D die Standardbarriere ist.
- 4Konvertieren Sie DD in PD unter Verwendung der Normalverteilung: PD = N(−DD) für das risikoneutrale Maß, oder verwenden Sie empirische Zuordnung (wie Moody's KMV) für reale PD.
- 5Für CDS/Spread-basierte PD: Ermitteln Sie den Marktkredit-Spread und gehen Sie von einem LGD aus (typischerweise 40–60 %). Berechnen Sie die Gefährdungsrate λ = CS / LGD; Berechnen Sie PD(T) = 1 − e^(−λT).
- 6Für ratingbasierte PD: Suchen Sie in den jährlichen Ausfallstudien von S&P oder Moody's nach der historischen durchschnittlichen kumulierten Ausfallrate für die Bonität des Emittenten.
- 7Validieren Sie die PD-Schätzung anhand von Marktpreisen, Ratingagenturen und Vergleichsunternehmen. Aggregieren Sie den erwarteten Portfolioverlust: EL = Σ PD_i × LGD_i × EAD_i.
Gelöste Beispiele
▾
Das Unternehmen liegt 1,41 Standardabweichungen über dem Ausfall – moderates Kreditrisiko
d2 = [ln(100/70) + (0,05 − 0,25²/2)×1] / (0,25×√1) = [0,357 + 0,019] / 0,25 = 1,505. PD = N(−1,505) ≈ 6,6 %. Abstand zum Standard-DD = (100 − 70) / (0,25 × 100) = 1,20 Standardabweichungen. Moody's KMV ordnet dies einem empirischen EDF aus seiner historischen Datenbank zu. Eine DD von 1,2 entspricht ungefähr einer empirischen 1-Jahres-Ausfallwahrscheinlichkeit von 8–12 %. Wenn die Aktienmärkte ausverkauft sind und die Vermögensvolatilität auf 35 % ansteigt, sinkt die DD auf 0,86 und die PD steigt auf 19 % – was zeigt, wie sich die Bedingungen an den Aktienmärkten direkt auf das Kreditrisiko auswirken.
Der CDS-Markt impliziert eine Ausfallwahrscheinlichkeit von 22 % über einen Zeitraum von 5 Jahren
Gefährdungsrate λ = CS / LGD = 300 bps / 60 % = 500 bps = 5,0 % pro Jahr. 1-Jahres-PD = 1 − e^(−0,05×1) = 4,88 %. 5-Jahres-PD = 1 − e^(−0,05×5) = 1 − e^(−0,25) = 22,1 %. Diese CDS-implizierte PD ist eine risikoneutrale Wahrscheinlichkeit (einschließlich Risikoprämie), sodass die reale PD etwas niedriger wäre. Ein CDS-Spread von 300 Basispunkten steht im Einklang mit einem BB-Kreditrating, bei dem die historischen kumulativen 5-Jahres-Ausfallraten durchschnittlich etwa 10–15 % betragen – der CDS-Markt impliziert einen etwas höheren Zinssatz, der die Marktrisikoprämie und die Liquiditätsprämie widerspiegelt.
Basierend auf über 40 Jahren historischen S&P-Ausfalldaten nach Rating
Laut der jährlichen Global Corporate Default and Rating Transition Study 2023 von S&P beträgt die durchschnittliche kumulierte 3-Jahres-Ausfallrate für Emittenten mit BB-Rating im Zeitraum 1981–2022 etwa 8,2 %. Jährliche Ausfallraten: BB Jahr 1≈0,84 %, Jahr 2≈1,65 % marginal, Jahr 3≈1,72 % marginal. Die kumulierten 3-Jahres-Ausfallraten von Investment-Grade-Anleihen sind deutlich niedriger: AAA≈0,01 %, AA≈0,05 %, A≈0,13 %, BBB≈0,55 %. Bei diesen empirischen Zinssätzen handelt es sich um reale PDs (nicht risikoneutral) und sie werden direkt in den Basel IRB-Erwartungsverlustberechnungen für Kreditportfolios verwendet.
Mehrere in der logistischen Regression kombinierte Finanzkennzahlen prognostizieren die Parkinson-Krankheit
In einem logistischen Regressionsmodell hat jede Finanzkennzahl einen Koeffizienten, der aus historischen Ausfalldaten geschätzt wird: Schulden/EBITDA (5,0x – hohe Hebelwirkung erhöht das Risiko), Zinsdeckung (1,8x – niedrige Deckung erhöht die PD erheblich), aktuelle Quote (0,9 – unter 1,0 = negatives Betriebskapital erhöht das Risiko) und Gewinnmarge (4 % – geringe Marge bietet wenig Puffer). Die kombinierten logarithmischen Quoten ergeben eine PD von etwa 12,5 % – ein Bereich mit erhöhtem Spekulationsniveau. Dieser Kreditnehmer würde ein internes Rating von B oder B− erhalten, was einen Preis von etwa LIBOR/SOFR + 400–500 Basispunkten und strenge Vertragsabsicherungen erfordert.
Praktische Anwendungen
▾
Kreditgenehmigung und Preisgestaltung bei Bankkrediten (RAROC), die es Praktikern ermöglichen, fundierte quantitative Entscheidungen auf der Grundlage validierter Berechnungsmethoden und branchenüblicher Ansätze zu treffen, was eine präzise quantitative Analyse erfordert, um evidenzbasierte Entscheidungen, strategische Ressourcenzuweisung und Leistungsoptimierung in verschiedenen Organisationskontexten und Berufsdisziplinen zu unterstützen
Basel II/III IRB-Kapitalberechnung für Kreditportfolios, die Analysten hilft, genaue Ergebnisse zu erzielen, die die strategische Planung, Ressourcenzuweisung und Leistungsbenchmarking in allen Organisationen unterstützen, wobei genaue numerische Berechnungen für die Erstellung zuverlässiger Ergebnisse unerlässlich sind, die Planung, Bewertung und kontinuierliche Verbesserungsprozesse sowohl im Unternehmens- als auch im individuellen Umfeld beeinflussen
IFRS 9/CECL erwartete Risikovorsorge für Kreditverluste, die es Fachleuten ermöglicht, Ergebnisse systematisch zu quantifizieren und Szenarien mithilfe zuverlässiger mathematischer Rahmenwerke und etablierter Formeln zu vergleichen, was systematische Berechnungsansätze erfordert, die rohe Eingabedaten in umsetzbare Erkenntnisse für Stakeholder umwandeln, die in ihrer täglichen beruflichen Tätigkeit auf quantitative Genauigkeit angewiesen sind
Preisgestaltung und Handel mit Credit Default Swaps, Unterstützung datengesteuerter Bewertungsprozesse, bei denen numerische Präzision für Compliance-, Berichts- und Optimierungsziele von wesentlicher Bedeutung ist und robuste Berechnungsmethoden erfordert, die konsistente und überprüfbare Ergebnisse liefern, die für die Berichterstattung, Prüfung und langfristige Trendanalyse in professionellen Umgebungen geeignet sind
Überwachung des Kreditrisikos von Anleiheportfolios und Ratingüberwachung, die eine präzise quantitative Analyse erfordert, um evidenzbasierte Entscheidungen, strategische Ressourcenallokation und Leistungsoptimierung in verschiedenen Organisationskontexten und Berufsdisziplinen zu unterstützen
Sonderfälle
▾
In der Praxis muss dieser Randfall sorgfältig geprüft werden, da Standardannahmen möglicherweise nicht zutreffen. Wenn dieses Szenario bei Berechnungen des Kreditausfallwahrscheinlichkeitsrechners auftritt, sollten Praktiker die Randbedingungen überprüfen, auf Division-durch-Null-Risiken prüfen und prüfen, ob die Annahmen des Modells unter diesen extremen Bedingungen gültig bleiben.
Fachleute, die sich mit Kreditrisiko-PD befassen, sollten dieses Szenario besonders im Auge behalten, da es bei unsachgemäßer Handhabung zu irreführenden Ergebnissen führen kann. Überprüfen Sie immer die Randbedingungen und vergleichen Sie sie mit unabhängigen Methoden, wenn dieser Fall in der Praxis auftritt.
In der Praxis muss dieser Randfall sorgfältig geprüft werden, da Standardannahmen möglicherweise nicht zutreffen. Wenn dieses Szenario bei Berechnungen des Kreditausfallwahrscheinlichkeitsrechners auftritt, sollten Praktiker die Randbedingungen überprüfen, auf Division-durch-Null-Risiken prüfen und prüfen, ob die Annahmen des Modells unter diesen extremen Bedingungen gültig bleiben.
Durchschnittliche 1-Jahres-Ausfallraten von S&P nach Rating (1981–2022)
▾
| Bewertung | 1 Jahr PD | 3-Jahres-PD | 5-Jahres-PD | Beschreibung |
|---|---|---|---|---|
| AAA | 0,00 % | 0,01 % | 0,04 % | Höchster Investment Grade |
| AA | 0,02 % | 0,06 % | 0,12 % | Sehr hohe Qualität |
| A | 0,06 % | 0,18 % | 0,37 % | Hohe Qualität |
| BBB | 0,16 % | 0,55 % | 1,10 % | Schwellenwert für Investment Grade |
| BB | 0,84 % | 3,41 % | 7,18 % | Höchster spekulativer Grad |
| B | 3,44 % | 10,50 % | 18,90 % | Spekulativ |
| CCC/C | 26,78 % | 42,60 % | 52,20 % | Höchst spekulativ / notleidend |
Häufig gestellte Fragen
▾
Was ist der Unterschied zwischen risikoneutraler PD und realer PD?
Die risikoneutrale PD wird aus Marktpreisen (CDS-Spreads, Anleiherenditen) abgeleitet und beinhaltet eine Risikoprämie zusätzlich zur reinen Ausfallwahrscheinlichkeit – Anleger verlangen eine zusätzliche Entschädigung für das Halten des Ausfallrisikos. Die reale (physische) PD ist die tatsächliche historische Ausfallhäufigkeit für eine bestimmte Risikokategorie – typischerweise geschätzt aus Daten von Ratingagenturen oder bankinternen Kreditleistungsdaten. Die risikoneutrale PD wird für die Preisgestaltung von Derivaten (CDS, Kreditderivate) verwendet und muss mit den Marktpreisen übereinstimmen. Die reale PD wird für die Berechnung der erwarteten Verluste in Basel, die Kreditrückstellung und das Risikomanagement verwendet. Die risikoneutrale PD ist bei Investment-Grade-Emittenten in der Regel 1,5- bis 3-mal höher als die reale PD und spiegelt die Kreditrisikoprämie wider.
Welche Basel II/III-Ansätze gibt es für die PD-Schätzung?
Im Rahmen des Kreditrisikokapitalrahmens Basel II/III können Banken Folgendes verwenden: (1) Standardansatz – von den Aufsichtsbehörden vorgeschriebene Risikogewichte auf der Grundlage externer Kreditratings, ohne interne PD-Schätzungen; (2) Foundation IRB (FIRB) – Banken schätzen die PD intern, verwenden aber die aufsichtsrechtlichen LGD und EAD; (3) Advanced IRB (AIRB) – Banken schätzen PD, LGD und EAD anhand ihrer eigenen internen Modelle, vorbehaltlich Mindestdatenanforderungen und behördlicher Validierung. AIRB ermöglicht die niedrigsten Kapitalanforderungen für hochwertige Kreditportfolios, erfordert jedoch jahrelange Ausfalldaten, eine strenge Modellvalidierung und eine fortlaufende Überwachung der Modellleistung. Die meisten großen international tätigen Banken nutzen AIRB für ihre Großportfolios.
Welche Finanzkennzahlen prognostizieren den Unternehmensausfall am besten?
Altmans Z-Score (1968) identifizierte anhand der Diskriminanzanalyse fünf wichtige Prädiktoren für Unternehmensinsolvenzen: Betriebskapital/Gesamtvermögen, einbehaltene Gewinne/Gesamtvermögen, EBIT/Gesamtvermögen, Marktwert des Eigenkapitals/Buchwert der Gesamtverbindlichkeiten und Umsatz/Gesamtvermögen. Seitdem hat die Forschung bestätigt, dass zu den aussagekräftigsten individuellen Prädiktoren gehören: Hebelwirkung (Schulden/EBITDA, Schulden/Vermögenswerte), Deckung (EBIT/Zinsen, EBITDA/Zinsen), Liquidität (Aktuelles Verhältnis, Quick-Verhältnis), Rentabilität (ROA, Gewinnspanne) und Größe (größere Unternehmen haben niedrigere Ausfallraten bei gleicher Hebelwirkung). Moderne Modelle des maschinellen Lernens nutzen Hunderte von finanziellen und nichtfinanziellen Funktionen.
Wie hängt die Genesungsrate mit der Parkinson-Krankheit zusammen?
Wiederherstellungsrate (R) = 1 − LGD (Loss Given Default). Die Rückgewinnungsrate ist der Anteil des Risikos, der nach einem Ausfall durch ein Insolvenzverfahren, den Verkauf von Vermögenswerten oder eine Umstrukturierung wiedererlangt wird. Historische Rückgewinnungsraten für unbesicherte Unternehmensanleihen liegen im Durchschnitt bei etwa 40 % (LGD=60 %), variieren jedoch je nach Dienstalter enorm: Vorrangig besicherte Anleihen erholen sich um 60–80 %; vorrangig unbesichert 35–55 %; nachrangige Anleihen 10–30 %; Eigenkapital nahe Null. Die Wiederherstellungsraten korrelieren negativ mit der PD – bei systemischen Abschwüngen, wenn die Ausfallraten steigen, sinken die Wiederherstellungsraten gleichzeitig (Prozyklizität), wodurch sich die Kreditverluste über das hinaus verstärken, was unabhängige PD- und LGD-Schätzungen vermuten lassen.
Was ist der Unterschied zwischen PD „durch den Zyklus hindurch“ und „Point-in-Time“?
Through-the-Cycle (TTC) PD schätzt die durchschnittliche Ausfallwahrscheinlichkeit über einen gesamten Wirtschaftszyklus und gleicht zyklische Schwankungen aus. Ratingagenturen verwenden TTC-Ratings – ein BBB-Rating sollte ein ähnliches Ausfallrisiko über den gesamten Zyklus widerspiegeln. Die Point-in-Time-PD (PIT) spiegelt die aktuelle Wirtschaftslage wider und bewegt sich mit dem Konjunkturzyklus: PIT-PDs steigen in Rezessionen an und sinken in Boomphasen. Basel verlangt von Banken, dass sie TTC PD für Mindestkapitalberechnungen verwenden (um eine prozyklische Kapitalverstärkung zu vermeiden), aber PIT PD für die Rückstellung für erwartete Kreditverluste nach IFRS 9/CECL (die eine zukunftsgerichtete Beurteilung der aktuellen Lage erfordert). Die Unterscheidung zwischen PIT und TTC ist eine Quelle erheblicher praktischer Komplexität im Kreditrisikomanagement.
Wie wird PD bei der Kreditpreisgestaltung verwendet?
Bei der Kreditpreisgestaltung wird der Rahmen der risikoadjustierten Kapitalrendite (RAROC) verwendet: Der berechnete Kreditaufschlag muss den erwarteten Verlust (EL = PD × LGD) ausgleichen und außerdem eine angemessene Rendite auf das regulatorische Kapital generieren. Mindestkreditspanne = (EL + Kapitalkosten × erforderliches Kapital) / Kreditbetrag. Für ein Darlehen mit einer Laufzeit von 1 Jahr: wenn PD = 2 %, LGD = 50 %, EL = 1,0 %. Bei erforderlichem Kapital = 8 % des Darlehens, bei 15 % erforderlicher Rendite: Kapitalkosten = 8 % × 15 % = 1,2 %. Mindestspanne = 1,0 % + 1,2 % = 2,2 % (220 Basispunkte). Dieses RAROC-Rahmenwerk stellt sicher, dass Kredite nur dann vergeben werden, wenn der Spread die erwarteten Verluste deckt und eine angemessene Eigenkapitalrendite bietet.
Kann maschinelles Lernen die PD-Vorhersage gegenüber herkömmlichen Modellen verbessern?
Modelle für maschinelles Lernen – Gradient Boosting (XGBoost), Random Forests, neuronale Netze – erreichen häufig eine höhere Vorhersagegenauigkeit (gemessen am AUC/Gini-Koeffizienten) als die logistische Regression für die PD-Vorhersage, insbesondere bei großen Datensätzen, die viele nichtlineare Interaktionen zwischen Features enthalten. Allerdings stehen sie im Hinblick auf das Kreditrisiko vor Herausforderungen: regulatorische Anforderungen an die Erklärbarkeit (die Leitlinien SR 11-7 verlangen von Banken, dass sie Modellergebnisse verstehen und erklären), Modellgovernance und das Risiko einer Überanpassung an historische Muster, die möglicherweise nicht fortbestehen. Hybride Ansätze – die Verwendung von ML für Feature-Engineering und Variablenauswahl mit logistischer Regression für das endgültige Modell – sind in regulierten Bankenumgebungen üblich.
Häufige Fehler vermeiden
▾
- !Verwechseln Sie die risikoneutrale PD (von CDS) mit der realen PD – sie unterscheiden sich durch die Kreditrisikoprämie und sollten in den Berechnungen nicht vermischt werden.
- !Verwendung von Point-in-Time-PD für Basel-Kapitalberechnungen (sollte über den gesamten Zyklus hinweg verwendet werden) oder TTC-PD für Rückstellungen nach IFRS 9 (sollte PIT verwenden).
- !Wenn man die Korrelation zwischen PD und LGD außer Acht lässt – in Abschwüngen verschlimmern sich beide gleichzeitig und verstärken die tatsächlichen Kreditverluste über EL = PD × LGD hinaus.
- !Anwendung der Ausfallraten von Unternehmen auf Privat-/Verbraucherkredite ohne Anpassung für grundsätzlich unterschiedliche Risikotreiber.
- !Extrapolation der kurzfristigen PD auf lange Zeithorizonte, ohne die Migration der Ratings im Laufe der Zeit zu berücksichtigen.
Profi-Tipp
Validieren Sie Ihr PD-Modell immer sowohl mit dem Gini-Koeffizienten/AUC (Diskriminierung – Einstufung der Kreditnehmer vom besten zum schlechtesten Risiko) als auch mit Kalibrierungstests (liegen die vorhergesagten PDs den beobachteten Ausfallraten nahe?). Ein Modell, das gut abschneidet, aber schlecht kalibriert ist, kann dennoch zu unzureichenden Reserven führen.
Wussten Sie?
Die wichtigste Erkenntnis des Merton-Modells – die Behandlung des Eigenkapitals eines Unternehmens als Kaufoption auf seine Vermögenswerte – wurde 1974 veröffentlicht, nur ein Jahr nach der Optionspreisformel von Black-Scholes. Robert Merton erhielt 1997 (zusammen mit Myron Scholes) den Nobelpreis für Wirtschaftswissenschaften, vor allem für dieses Werk, das Optionspreistheorie und Kreditrisiko in einem einzigen eleganten Rahmen vereinte.
Referenzen
- ›Merton, R.C. (1974): Zur Preisgestaltung von Unternehmensschulden, Journal of Finance
- ›S&P Global: Jährliche globale Studie zu Unternehmensausfällen und Ratingübergängen (2023)
- ›Basler Ausschuss: IRB-Ansatz für Kreditrisiken – Basel III
- ›McNeil, Frey & Embrechts: Quantitatives Risikomanagement – Kapitel Kreditrisiko
Holen Sie sich wöchentliche Mathe-Tipps
Schließen Sie sich 12.000+-Abonnenten an, die jede Woche Taschenrechner-Tipps erhalten.