,

Wie sich Banken endlich an KI trauen können

Obwohl KI viele Innovationen verspricht, schrecken Banken vor Investitionen zurück. Sie identifizieren schlichtweg zu wenig Fälle, bei denen sich KI-Prozesse aus Kundensicht lohnen. Ein Grund: Banken binden KI-Projekte nicht konsequent ins Unternehmen ein.


KI und Banken Senacor Technologies

ADVERTORIAL

Kund:innen stellen sich das Banking der Zukunft einfach und innovativ vor. Langwierige manuelle Prozesse für Kredite und Konten reichen nicht mehr, um der Zielgruppe zu imponieren. In der Bankkunden-Typologie bilden laut einer YouGov-Studie die digitalen Finanzexperten sogar die größte Gruppe. Das sind diejenigen, die sich besonders für neue Technologien interessieren. Um die Konsument:innen zukünftig zu überzeugen, bietet KI interessante Vorteile, die im Bankerlebnis sichtbaren Mehrwert bringen. Dabei zählt: Nur wer seine KI richtig trainiert, wird Nutzer:innen langfristig begeistern. Oder anders formuliert: Arbeitet eine KI nicht korrekt oder trifft falsche Entscheidungen, drohen Banken ihre Kund:innen zu verlieren.

Woran es aus Bankensicht scheitert

Doch genau hier hängen die Banken aktuell hinterher. Lediglich neun Prozent aller befragten Finanzdienstleister einer Lünendonk-Studie gaben an, KI-Lösungen implementiert zu haben. Klassische Banken nutzen die KI-Technologie eher für Prozessoptimierung in der Geldwäschebekämpfung oder Rechnungserfassung. Also für Use Cases, bei denen die Kund:innen nicht involviert sind. Oft führt das Problem sogar so weit, dass KI-Projekte isoliert vom IT-Betrieb des Unternehmens und somit als Insellösungen stattfinden. Dadurch sind Daten nicht im gesamten Unternehmen verfügbar und die Bemühungen versanden folglich schnell im Protoypen-Status.

So erzielt die Bank weder wirtschaftlichen Erfolg noch erleben Nutzer:innen innovativen Mehrwert. Kund:innen suchen vergebens nach digitalen Helfern, die ihre Finanzgeschäfte vereinfachen. Kreditinstitute müssen aber lernen, dass Innovationen von ihnen ausgehen müssen. Die gute Nachricht: Banken besitzen genügend Kundendaten, um ihre KI zu füttern. Laut einer Senacor-Umfrage sind Konsument:innen auch bereit, der Hausbank ihre Daten zur Verfügung zu stellen. Die Zutaten stehen, doch es fehlt das Rezept, um die Zielgruppe zu begeistern. Dabei muss die KI lediglich stärker in das Unternehmen integriert werden, damit die Maschine lernt, mit dem Datenfutter umzugehen.

KI im gesamten Unternehmen verankern

Bevor die KI auf Kund:innen losgelassen wird, müssen Banken zunächst zwei Entscheidungen treffen: Von welchen Anwendungsfällen profitiert die Zielgruppe am meisten und wie muss die KI dafür entwickelt und trainiert werden. Doch wer den Anwendungsfall identifiziert, kann üblicherweise nicht die KI entwickeln und wer wiederum die KI entwickelt, kennt selten den Anwendungsfall. Gleichzeitig nehmen Datenmengen nicht nur zu, sondern verändern sich mit der Zeit. Ziel muss es also sein, alle Bereiche miteinander zu verschmelzen. Der KI-Betrieb profitiert von agilem Projektmanagement, bei dem Data Science, Entwicklung und Produktmanagement eng zusammenarbeiten.

Um das zu erreichen, braucht es eine Machine-Learing-Operations-Kultur (MLOps), die KI auch langfristig auf einem hohen funktionalen Level hält. MLOps sind eine Weiterführung von DevOps mit Fokus auf KI-Training und Machine Learning. Wer sich für diesen Ansatz entscheidet, sammelt, validiert und bereinigt regelmäßig Daten und kann gleichzeitig flexibel das Modell sogar im Betrieb evaluieren und bei Bedarf flexibel anpassen sowie neu trainieren. Bei richtigem Training und regelmäßiger Kontrolle mithilfe von MLOps kann die KI sogar schneller lernen und ihre Schlüsse aus den Daten ziehen, während Banken gleichzeitig prompt auf Innovationen reagieren können.
Alles läuft zusammen zum Ziel

Wer MLOps integriert, muss dafür allerdings erst die technischen Voraussetzungen schaffen – also ein KI-basiertes Ökosystem mit einer modularen IT-Architektur. Die KI wirkt sich somit auf das gesamte Unternehmen aus. Sind die richtigen Grundlagen aber erstmal geschaffen, beantwortet sich die Frage nach den richtigen Anwendungsfällen deutlich schneller. Egal für welchen Use Case sich die Bank letztendlich entscheidet, MLOps sorgt dafür, dass die KI mitspielt. Das Ergebnis: Banken begeistern die Kund:innen, indem sie bekommen, was sie erwarten, ein innovatives und unkompliziertes Bankerlebnis.

Tipps: Sie möchten mehr zum Thema KI? Dann schauen Sie hier.

Lesen Sie auch

Fachbeiräte