Niedrige Zinsen und hohe Kosten machen Unternehmen im Finanzsektor seit geraumer Zeit zu schaffen. Gleichzeitig erwarten Kund:innen mehr Flexibilität und Service, was zusätzliche Kosten verursacht. Hier
gibt es einen Zielkonflikt. Hinzu kommt der Druck von disruptiven Fintechs, die mit hochspezialisierten und sehr kompetitiven Angeboten in angestammte Geschäftsfelder der Banken hineindrängen. Höchste Zeit also, dass sich Finanzdienstleiter mit dem Rohstoffvorkommen auseinandersetzen, auf dem sie sitzen. Daten, so wird häufig kolportiert, seien das neue Gold. Aber anders als das schwer zu findende Edelmetall liegen viele Daten quasi auf der (digitalen) Straße. Wertvoll werden sie erst für den, der es versteht, daraus etwas zu machen. Aufgrund der enormen Datenmengen, die im Finanzsektor anfallen, ist dieser wie kaum eine andere Branche dazu prädestiniert, diesen Schatz zu heben und für sich zu nutzen.
Künstliche Intelligenz ist der Schlüssel
Neue Technologien wie Deep Learning und Machine Learning ermöglichen, dass Daten von Daten lernen, selbständig Muster erkennen und diese zuordnen können. Künstliche Intelligenz ist der Schlüssel, um Daten aus unterschiedlichen Quellen zusammenzuführen, zu strukturieren und daraus künftige Entwicklungen zu antizipieren. Hier bietet sich ein großes Automatisierungspotenzial bei der Analyse von Geschäftsprozessen. Risiko-Analyse und -Management, Fraud Detection und Prevention, Compliance und Regulierung, Kundenservice, Marktprognosen und Börsenvorhersagen, Planung von Anlagestrategien oder das Auslesen und die Analyse von Verträgen sind nur einige Beispiele. Finanzdienstleister sind gefordert, Künstliche Intelligenz für sich nutzbar zu machen, um ihre Wettbewerbsfähigkeit zu erhalten. Aber mehr noch: Aus der Nutzung Künstlicher Intelligenz lassen sich auch neue Geschäftsmodelle ableiten.
Wie sollte eine Bank vorgehen?
Um die mit KI verbundenen Potenziale ausschöpfen zu können, muss in Banken zunächst eine strategische Entscheidung getroffen werden: Soll die KI-Kompetenz im Hause aufgebaut oder von externen Anbietern eingekauft werden? In meiner Rolle als Project Manager Data Analytics bei der Aareal Bank kann ich sagen, dass wir Digitalkompetenz zunehmend als kritischen Erfolgsfaktor im Bankengeschäft verstehen und daher dieses Know-how gezielt innerhalb unseres Hauses aufbauen. Das schließt jedoch nicht aus, dass je nach Anwendungsfall auch externe Partner hinzugezogen werden, gerne auch innovative Start-ups. Für den Know-how-Aufbau innerhalb des Hauses gibt es zwei gute Argumente: Erstens fördert er die Akzeptanz des KI-Einsatzes und zweitens sichert er das Einfließen von Verständnis für Daten und Prozesse der Bank sowie für die fach- und kundenspezifischen Fragestellungen. Beides sind Faktoren, die Systemhäuser oder Start-ups nicht zwingend mitbringen.
Gerade der erste Punkt ist nicht zu unterschätzen. Hier heißt es, aus den Fehlern der anderen zu lernen. In vielen Unternehmen scheitern IT-Projekte an der Verweigerungshaltung der eigenen Mitarbeitenden. Veränderungen werden häufig als Bedrohung wahrgenommen. Da das Thema Künstliche Intelligenz von vielen zunächst mit dem Thema Effizienzsteigerung verbunden wird, ist die Assoziation zu Rationalisierung und Jobverlust naheliegend. Dabei kann Künstliche Intelligenz Dinge leisten, zu denen wir Menschen gar nicht im Stande sind. Ein Beispiel ist, die Auswertung von öffentlich verfügbaren Daten auf Relevanz zu einer bestimmten Bezugsgröße hin zu analysieren. Über KI können Transaktionsdaten, Bewegungsdaten (im Haus, außer Haus, Online), Messgrößen (Gesundheits- oder Wetterdaten) genauso wie unstrukturierte Daten (etwa Nachrichten, Dokumente) sekundenschnell ausgewertet werden. Solche Anwendungen sind zum Beispiel in der Risikoanalyse naheliegend.
Die Flut an Daten beherrschen lernen
Der Einsatz der KI macht die Mitarbeitenden nicht überflüssig, häufig unterstützt sie vielmehr ihre Arbeit und hilft im Zweifel dabei, besser auf die Kundenbedürfnisse einzugehen und den Zielkonflikt zwischen besserem Ergebnis und niedrigeren Kosten zu überwinden. Um die sich aus der Nutzung von KI ergebenden Möglichkeiten auszuschöpfen, müssen Banken einen systematischen Prozess entwickeln, der Einsatzbereiche mit Optimierungs- und Geschäftspotenzial identifiziert. Wie dieses Potenzial gehoben wird – mit oder ohne externe Partner – muss von Fall zu Fall entschieden werden. Voraussetzung ist aber immer eine angemessene Datenqualität und -verfügbarkeit. Sprich: Das zu erwartende Ergebnis muss in einem angemessenen Verhältnis zum notwendigen Aufwand stehen, erst dann sind die Daten wirklich Gold wert.
Tipps: Sie möchten mehr zum Thema Künstliche Intelligenz? Dann schauen Sie hier.
