Bitte melden Sie sich an

Registrieren Sie Sich als Premium-Mitglied, um Vorträge herunterzuladen.

  • 100% Rabatt auf alle Club-Events und Kongresse
  • Download der Vortragsunterlagen aller Veranstaltungen
  • Zugriff auf Fotogalerie aller Veranstaltungen
Sie sind noch kein Mitglied?

Dann registrieren Sie sich jetzt:

Jetzt Mitglied werden
Sie sind bereits Mitglied oder waren Teilnehmer?

Bitte loggen Sie sich ein:

Jetzt einloggen
Jetzt Mitglied werden

KI ist wie Statistik auf Speed

Wenn es um Künstliche Intelligenz im Bankenbereich geht, stellt Damian Beldycki die alles entscheidende Frage: Muss es denn wirklich immer Big und Smart sein?

Von Damian Beldycki - 14. Februar 2020
Schneller Mensch als KI

Bildnachweise: iStock.com/Tackey, iStock.com/liuzishan

Es wird mal wieder eine neue Sau durchs Dorf getrieben. Nachdem bei vielen Banken die notwendige Transformation in den letzten Jahren vor allen Dingen durch die Themen Digitalisierung und agiles Arbeiten geprägt war, gibt es nun ein neues Hype-Thema: Künstliche Intelligenz, kurz KI, oder auch Big/Smart Data oder Advanced Analytics genannt. Bitte nicht falsch verstehen: Die Möglichkeiten, die KI bietet, sind enorm. Und die potenziellen Auswirkungen auf die Bankenlandschaft damit auch. Der Hype ist also gerechtfertigt.

Aber die Diskussionen in der Bankindustrie und der oftmals damit einhergehende Aktionismus zeigen auch, dass zumeist ein eher rudimentäres Verständnis darüber vorherrscht, was KI tatsächlich ist. KI ist nichts anderes als ein Werkzeug, mit dem statistische und zum Teil selbstlernende Verfahren auf einer performanten IT-Infrastruktur durchgeführt werden.

Banken haben KI schon immer genutzt

Dabei haben Banken statistische Verfahren – und somit KI – schon immer genutzt. Banken waren sogar früher Kompetenzführer in diesem Feld. So werden im Risikomanagement schon seit Jahrzehnten statistische Verfahren zur Berechnung von Kredit- oder Marktpreisrisiken genutzt, zum Beispiel mittels logistischer Regressionen oder Zeitreihenanalysen. So neu ist die Sau im Dorf also gar nicht. Neu ist allerdings das viel größere Skalierungspotenzial durch den Fortschritt bei der Hardware. Die heutige KI ist gewissermaßen „Statistik auf Speed“.

Eine weitere Neuerung liegt in den Anwendungsfeldern. KI nimmt im Vertriebsumfeld im Sinne einer ganzheitlichen kundenzentrierten Betreuung eine immer wichtigere Rolle ein, gleichermaßen eine 360-Grad-Sicht. So ist eine automatisierte und strukturierte Auswertung der Daten mit Hilfe von KI der Beginn von quantitativer Kundenzentrierung und mündet schließlich in einer individualisierten und somit besseren Beratung für den Kunden.

„Bankkunden werden auch heute noch von einigen Instituten mit generischen Kontobeilegern bombadiert.“

Die relevanten Daten sammeln Banken schon seit Jahrzehnten, allerdings nutzen sie diese bisher nicht strukturiert. Stattdessen werden Bankkunden auch heute noch von einigen Instituten mit generischen Kontobeilegern bombardiert. Wie es besser funktioniert, machen uns die Konzerne aus dem Silicon Valley seit Jahren vor. Bei Amazon heißt es dann etwa: „Kunden, die das angesehen haben, haben auch jenes angesehen“.

Dass diese Anzeigen meist chirurgisch präzise sind, ist kein Zufall. Sie sind Ergebnis einer bereits vor Jahren umgesetzten stringenten KI-Strategie, bei der in Millisekunden Millionen von individuell gesammelten Datenpunkten mit Millionen von Datenpunkten aller Nutzer in Echtzeit abgeglichen werden. Das Ganze nennt sich „Next-Best-Action“ oder „Next-Best-Offer“. Die Zielgruppe ist tot, es lebe das Individuum.

KI kann Kosten senken und Erträge steigern

Den Einsatzfeldern, auch im Bankgeschäft, sind dabei keine Grenzen gesetzt: Wie wäre es mit einer Lebenspartnersuche auf Basis der Kontoumsatzdaten, der passenden Zuordnung von Berater und Kunde auf Basis von Interessensprofilen oder einfach mit einem optimalen Produkt-Kanal-Mix? Beispielsweise könnten so Menschen zusammengebracht werden, die ähnliche Hobbies haben, gleiche Filme oder Musik mögen oder einfach eine ähnliche Risiko- und Sparneigung haben. All diese Schlüsse lassen sich, mit etwas Aufwand, aus den Kontoumsätzen ziehen. Für einen Data Scientisten macht es keinen Unterschied, ob er Produkte, Kreditausfälle oder Liebe prognostizieren soll. Am Ende steht immer eine Wahrscheinlichkeit in Prozent.

Worum geht es dann also bei der Aufregung um Künstliche Intelligenz? Es ist weniger die Methodik als die Hoffnung vieler Führungsmannschaften, über KI alle Herausforderungen, denen sich die Banken heute gegenübersehen, mit einem einzigen Instrument bewältigen zu können. Denn richtig eingesetzt, kann KI die Kosten senken und gleichzeitig die Erträge steigern.

Aber wie bei vielen Dingen ist der Weg von der Theorie zur Praxis beschwerlich und es lauern viele Fallstricke. Denn auch wenn die Methode nicht neu ist, die Integration in bestehende Bankprozesse und in die Expertenkultur einer Bank ist eine große Herausforderung. Was sollten Sie beachten, wenn Sie KI in Ihrem Haus einführen wollen? Basierend auf meinen Erfahrungen und Beobachtungen als Risikomanager, Berater, Digital Leader und Data Scientist habe ich meine fünf wichtigsten Erkenntnisse zusammengestellt – aber natürlich gilt auch hier: Es gibt kein Patentrezept, denn jede Bank ist anders.

Starten Sie mit einem relevanten Anwendungsfall

KI ist ein Werkzeug, wie ein Hammer. Niemand würde auf die Idee kommen, mit einem Hammer eine Schraube in die Wand zu nageln. Mit KI wird aber immer wieder so verfahren. Die Anwendungsgebiete (Use Cases) stammen meist erratisch aus der Organisation. In der Regel ist der Nutzen oder die Machbarkeit solcher Use Cases eher gering.

Um den besten Use Case auszuwählen, eignet sich daher vielmehr ein strukturierter Workshop mit den relevanten Sponsoren beziehungsweise Führungskräften. Die Priorisierung möglicher Anwendungsfälle wird dabei über ihre Wirkung (etwa Erträge, Kosten, Leuchtturmcharakter) und Machbarkeit (Datenverfügbarkeit, Regulatorik, Infrastruktur) abgeleitet.

Stellen Sie den Geschäftsnutzen in den Vordergrund

Viele KI-Projekte starten mit langjährigen und teuren Infrastrukturprojekten. Warum? Weil die meiste Kompetenz in der IT sitzt oder IT der Treiber ist. Problematisch dabei ist, dass die Früchte der Arbeit erst spät und kostenaufwendig geerntet werden. Sinnvoller wäre es, pragmatisch zu starten und die notwendige Basis, wie etwa ein Data Warehouse oder Extract-Transform-Load-Prozesse (ETL), nachzuziehen. Fokussieren Sie sich auf das Datenverständnis

Data Science wird oft mit Modellierung von neuronalen Netzen oder modernen Modellen assoziiert. Dabei wissen erfolgreiche Data Scientisten, dass die Modellgüte, also die „Prediction Power“, zu rund 80 Prozent im Datenverständnis steckt. Anstatt also das nächste Hidden Layer im neuronalen Netz zu programmieren, sollte lieber geprüft werden, ob alle Daten und Kombinationen hinreichend ausgeschöpft sind.

Fangen Sie mit Kerndaten an

Bevor Social-Media- oder auch Cookie-Daten integriert oder externe Daten dazugekauft werden, sollten zunächst einmal alle verfügbaren Daten aus dem Kernbanksystem ausgelesen werden. Die Informationen über Umsätze oder Produktnutzung sind meist umfassender als aus anderen (externen) Datenquellen. Darüber hinaus ist die Datenqualität im Kernbanksystem vergleichsweise gut und die Historie stabil. Faktoren, die auch wichtig für ein gutes Datenverständnis sind und somit elementar für ein gutes Modell.

Beziehen Sie den Endanwender mit ein

Der Klassiker unter den Fallstricken ist, Data Science im stillen Kämmerchen zu betreiben. Das Wichtigste für einen erfolgreichen KI-Use-Case ist also, den Fachbereich als Endanwender von Anfang bis Ende einzubinden. Sonst wird die Lösung mit hoher Wahrscheinlichkeit von den Fachbereichen abgelehnt, egal wie gut sie ist.

Und damit kommen wir zur größten Herausforderung bei KI: der Schaffung eines gemeinsamen Verständnisses und echter Akzeptanz zwischen Fachbereich und Data Scientisten. Für uns als Bankmitarbeiter heißt es also im Umgang mit dem KI-Hype, so schnell wie möglich die theoretische Ebene zu verlassen und echte relevante KI-Lösungen mit der Organisation zu entwickeln. Nur dann ist es möglich zu begreifen, was hinter der Methode steckt und vor allen Dingen, wie diese im Bankalltag helfen kann. Denn das haben die Hype-Themen Digitalisierung, agiles Arbeiten und KI gemeinsam: Neue Wege entstehen dadurch, dass man sie geht.

Tipp: Auf unserer Infografik „Wie viel KI steckt in der Finanzbranche“ erfahren Sie mehr zum Thema KI. Außerdem empfehlen wir Ihnen unsere Artikel „Künstliche Intelligenz ‚Made in Europe‘“ und „Von Künstlicher Intelligenz und menschlicher„.

Damian Beldycki

Deutsche Apotheker- und Ärztebank eG

Damian Beldycki ist Head of Data Analytics bei der Deutschen Apotheker- und Ärztebank eG.

Lesen Sie auch

Grafik jemand arbeitet im Home-Office, Interview zur Beratung von Banken und Versicherungen in Zeiten der Corona-Krise

„Ich erwarte eine Beschleunigung der Digitalisierung“

Ein aktuelles Gespräch mit Sven C. Sixt über[…]

Thomas Friedenberger

Evolution der Cloud – Warum nur noch KI helfen kann

Mensch gegen Maschine: Ein lange bestehender Antagonismus. Unaufhaltsam[…]

Redaktion

Event Streaming und der Weg zu Ruhm und Reichtum

Für die Bigtechs aus dem Silicon Valley ist[…]

Falko Schwarz
Bankingclub-Radar zur Kundenbindung in Zeiten der Plattformökonomie

Umfrage: Kundenbindung in Zeiten der Plattformökonomie

Erneut erstaunliche Ergebnisse im BANKINGCLUB-Radar: In der zweiten[…]

Thorsten Hahn

Innovationsverweigerer

Alle Banken verweigern sich Innovationen und alte IT-Systeme[…]

Thorsten Hahn

„Wir müssen die Bank zum Kunden bringen“

Trotz großer Abbau-Zahlen ein neues Filialkonzept? Frank Nebgen[…]

Thorsten Hahn
Mensch mit Fragezeichen schaut auf Hände mit einem Menschen links und einer KI rechts

Welche Fragen KI an uns stellt

KI trifft immer häufiger Entscheidungen mit drastischen Auswirkungen[…]

Dr. Marie-Luise Sessler

So gefährlich sind Plattformen für Banken

„Banking is necessary, banks are not.“ Wird Bill[…]

Thomas Friedenberger

Gemeinsam gegen Cyber-Angriffe kämpfen

Die Banken-IT wird heute durch maschinell organisierte Hochleistungs-Angriffe[…]

Bernd Märzluft

Von Künstlicher Intelligenz und von menschlicher

Warum nur sind viele Banken so zögerlich beim[…]

Thomas Friedenberger

Im Zeichen der Automatisierung

Low-Code-Software macht umfangreiches Programmieren unnötig und punktet mit[…]

Herbert Schild

„Aus der Bank heraus innoviert eine Bank nicht“

Carsten Meurer (Fujitsu) und Thorsten Hahn (BANKINGCLUB) reden[…]

Redaktion

Design Thinking – Scheitern ist kein Makel

Legosteine, Knetmasse, bunte Räume – wenn es um[…]

Olav Lippmann
Sven Siering auf der Bühne von INNOVATIONSforBANKS 2019 in Köln.

Change your running system!

Manch etabliertes Unternehmen tut sich schwer, die Digitale[…]

Sven Siering
Oscar Jazdowski, Co-General Manager der Silicon Valley Bank Germany

„Was ist das für eine komische Bank?“

Die Silicon Valley Bank (SVB) vergibt Kredite, bei[…]

Thorsten Hahn
Menschen am Strand beobachten eine Bitcoin-Sonne, die am Horizont untergeht und vom Meer gespiegelt wird. Im Artikel beschreibt Nicole Jonat, wie sich die Postbank auf eine Entdeckungsreise auf dem Feld der Blockchain-Technologie begeben hat.

Postbank goes Blockchain – ein Reisebericht

„Die kürzeste Antwort auf etwas ist, es einfach[…]

Nicole Jonat

Blockchain Babel

Autor: Igor Pejic Preis: 15,99 Euro Seiten: 209, broschiert ISBN: 978-0-7494-8416-3 Verlag:[…]

Lea Hoffmann

BANKINGCLUB-Radar: Die Organisation in digitalen Zeiten

Erstaunliche Ergebnisse im ersten BANKINGCLUB-Radar: Obwohl viele Banken[…]

Redaktion

Auch Roboter sind sterblich

Robo Advisor sollten mal das „nächste große Ding“[…]

Thomas Friedenberger

Was ich als Banker von der SXSW mitnehme

Ein Blick über den Bank-Tellerrand von einem der[…]

Hartmut Giesen

„Die Innovationsgeschwindigkeit war noch nie so hoch wie jetzt“

Innovationen zu finden, ist heute kein Problem mehr,[…]

Lea Hoffmann
Digitalisierung der Lager- und Warenfinanzierung

Die Zukunft der Waren- und Lagerfinanzierungen

Im Spannungsfeld von Risikoanforderungen, Kostenoptimierung und neuen digitalen[…]

Dirk Piethe

Sprache als Schlüssel zum Erfolg

Eine sprachpsychologische Analye der Kommunikation kann für Banken[…]

Martin Harasim

Ein Bekenntnis zu Fintechs und Innovation

Die Aufsicht muss eine Balance zwischen kundenorientierter Innovation[…]

Heiko Trautmann

PSD2: Diese fünf Trends bestimmen den Markt

Regulierung, veränderte Kundenerwartungen, neue Wettbewerber – die Herausforderungen[…]

Oliver Dlugosch
Vorstand Dr. Michael Meyer und Innovationsmanager Robin Nehring von der Stadtsparkasse Düsseldorf

Robo Advisor und Filialvertrieb

Viele Sparkassen leiten ihre Kunden zum Deka-Robo bevestor[…]

Philipp Scherber

Blockchain: Das wahre Potenzial für Banken

Wie werden Blockchain und DLT die Welt verändern[…]

Igor Pejic

Telepräsenz: so fern und doch so nah

Digitale Kommunikation und persönliche Beratung müssen sich nicht[…]

Daniel Fernandez

Die Entstehung der Fintechs

Die Entstehungsgeschichte der Fintech-Start-ups durchlief mehrere Phasen –[…]

Redaktion

Professionelle Investitionen für alle

Mit einem digitalen Marktplatz öffnet die Hamburger Crowdfunding-Plattform[…]

Redaktion

„Heute geht es vor allem darum, etablierte Standards anzunehmen und effizienter zu werden“

Machine Learning ist aktuell branchenübergreifend in aller Munde.[…]

Redaktion
Emanuel Issagholian, Leiter der Gothaer Digital GmbH

„Die richtigen Skills zu finden, ist eine zentrale Aufgabe“

Um Innovationen zu entwickeln, bietet es sich an,[…]

Philipp Scherber
Fragebogen der Plattform friends in bank der Frankfurter Sparkasse: "Auf welchem Tonträger hast du deine erste Musik gekauft?"

„Wir möchten Berater und Kunden zusammenbringen, die sich sympathisch sind“

Im InnovationLab der Frankfurter Sparkasse reifte die Überlegung,[…]

Philipp Scherber
MOVE wurde im S-Hub entwickelt und ist die Tester-Plattform für Sparkassen-Kunden.

Tester-Plattform für moderne Produkte und Services

Produkte und Services bleiben nur relevant, wenn sie[…]

Jens Rieken
Detlef Zell und Michel Billon: Geschäftsführer der Hanseatic Bank.

Detlef Zell und Michel Billon – der Weg zur agilen Bank

Detlef Zell und Michel Billon – Geschäftsführer der[…]

Thorsten Hahn
Ingo Küpper, Geschäftsführer der crossbuilders GmbH

Das Spiel im Sandkasten

Um auf die Veränderungen am Markt reagieren zu[…]

Philipp Scherber
Amtsantrittsrede von John F. Kennedy am 20. Januar 1961

Das Streben nach Innovation

Begeistert eure Mitarbeiter, damit sie die Kunden begeistern!

Philipp Scherber
Warum entscheiden sich KMU gegen Digitalisierung? Eine Grafik aus dem „Digitalisierungsindex von KMU in NRW 2018“.

KMU-Förderung: Innovationen finanzieren

Die Digitalisierung stellt insbesondere kleine und mittelständische Unternehmen[…]

Gabriela Pantring
Dirk Emminger, Director Business Development bei der Temenos Deutschland GmbH

„Die deutschen Banken tun sich schwer, eine nachhaltige Fintech-Strategie aufzubauen“

Die Auswahl- und Integrationsprozesse bei Bank-Fintech-Kooperationen dauern häufig[…]

Philipp Scherber

Disruption durch KI

Allen Unkenrufen zum Trotz ist die allumfassende Banken-Disruption[…]

Thorsten Hahn

Fintechs im Spannungsfeld der Regulatorik

Nicht nur Banken, sondern auch Fintechs müssen sich[…]

Tim Klippstein

Die nächste Generation von Robotic Process Automation

Customer-Due-Diligence- und Know-Your-Customer-Prozesse sind nicht nur zeitaufwändig, sondern[…]

Daniel Fernandez

„Wir möchten einen Kulturwandel anstoßen“

Marie-Luise Sessler und Michael Koßmehl haben sich bei[…]

Philipp Scherber

Ideen dürfen nicht an der Finanzierung scheitern

Neue Ideen und Geschäftsmodelle lassen sich nur dann[…]

Eckhard Forst

Signaturtag 2018

Vorbericht zu unserem Fachkongress Signaturtag 2018 am 19.[…]

Daniel Fernandez

„Okay Google, ich würde gerne zahlen!“

Der Internet-Riese Google startet mit seiner eigenen Mobile[…]

Tobias Schenkel

„Früher war alles besser – oder?“

Das Quartier 110 in Berlin Mitte verbindet Vergangenheit[…]

Philipp Scherber

Beschleunigte Innovation durch Kooperation

Das Retail Banking sieht sich mit einer Reihe[…]

Patrick Düpmann