Künstliche Intelligenz im Finanzwesen: Chancen, Hürden, Perspektiven

Die Digitalisierung hält Einzug in alle Branchen und Wirtschaftszweige, auch in das Finanzwesen. Welche Chancen und Risiken bergen neue Technologien, insbesondere Künstliche Intelligenz? Und welche Perspektiven für die kommenden Jahre lassen sich schon heute ausmachen?

Immer mehr Finanzinstitute setzen auf Künstliche Intelligenz.

Partner des Bank Blogs

In den vergangenen fünf Jahren hat die Digitalisierung für wesentliche Veränderungen im Finanzwesen gesorgt. Dies bestätigen 77 Prozent der CEOs von Banken, wie die von PricewaterhouseCoopers (PwC) durchgeführte globale CEO-Umfrage gezeigt hat. Auch in Zukunft werden Technologien wie Künstliche Intelligenz (KI) eine große Rolle spielen: 91 Prozent der Banken-CEOs rechnen damit, dass KI das Bankgeschäft grundlegend verändern wird. Was aber bedeutet das konkret?

Personalisierte Services mit großem Potenzial

Ein Schwerpunkt von KI im Finanzwesen ist das gesamte Spektrum von Big Data- und Cloud-Anwendungen. Beim Speichern und Verarbeiten gewaltiger Datenmengen bestehen für Akteure wie Banken, Versicherungen und Aufsichtsbehörden in technologischer Hinsicht kaum noch Einschränkungen. Denn die führenden Plattform-Anbieter stellen die erforderlichen Serverkapazitäten inzwischen mit flexiblen Preismodellen zur Verfügung. Sie erlauben es, zum Beispiel mit Hilfe von Chatbots und Robo Advisors eine Vielzahl ausdifferenzierter digitaler personalisierter Services zu entwickeln. Banken und Versicherungen rücken dadurch wesentlich näher an Geschäfts- und Privatkunden und erhöhen damit ihr Potenzial, Neukunden zu gewinnen oder Bestandskunden zu halten.

Auch Akteure in Deutschland arbeiten intensiver als je zuvor an solchen Anwendungen. Allerdings bleibt die Dynamik hierzulande noch hinter anderen Ländern zurück. Hürden sind etwa hohe Datenschutzanforderungen und politische Erwägungen zu speziell zertifizierten europäischen Serverfarmen, aber auch das Recruiting geeigneter Spezialisten.

Nadeln im Datenheuhafen finden

Eine große Chance von KI-Anwendungen steckt in ihrer Fähigkeit, besser als der Mensch Muster in unstrukturierten Daten zu erkennen. Kreditinstitute und Asset Manager zum Beispiel müssen die Legitimität bestimmter Neukunden prüfen (KYC, Know your customer), um Geldwäsche und andere Formen der Wirtschaftskriminalität zu erkennen.

Zuständige Teams der Institute stehen bislang vor der Herausforderung, dass sie angesichts gewaltiger Datenmengen häufig irrelevante Ergebnisse erhalten und viel Zeit und Personal auf die Suche nach Unregelmäßigkeiten verwenden müssen. Hier können KI- und Machine-Learning-Systeme, die auf intelligent abgestimmte Kriterien zurückgreifen, die Mitarbeiter entlasten und relevante Datenmuster deutlich schneller und effizienter erkennen – gewissermaßen die Nadeln im Datenheuhaufen finden.

So lässt sich beispielsweise auch die Nachrichtenlage zum Finanzwesen mit Eigentümerwechseln in Unternehmen abgleichen. Dies kann helfen, Transaktionsströme leichter nachzuvollziehen und dadurch Hinweise auf Insiderhandel, Verstöße gegen Monopolbestimmungen oder andere Formen der Manipulation zu erhalten.

Potenzieller Nutzen von KI steht außer Frage

Mehr und mehr erkennen Finanzmarkt-Akteure in KI ein Werkzeug, um die richtigen Informationen zur richtigen Zeit zu erhalten. Unsere Praxiserfahrung zeigt, dass dabei auf Kundenseite immer wieder Fragen zur Transparenz der Anwendungen aufkommen. Anders ausgedrückt: Wie kann es gelingen, KI aus der „Black Box“ herauszuholen, die Technologien und ihre Ergebnisse also besser zu erklären?

Dabei beobachten wir inzwischen eine veränderte Haltung: Es geht nicht mehr so sehr um die grundsätzliche Frage, ob KI-Technologien überhaupt eingesetzt werden sollen – ihr potenzieller Nutzen steht nicht mehr in Zweifel. So setzen etwa Banken sich schnell verändernde regulatorische Vorgaben mit Hilfe von Regulatory Technology (RegTech) bzw. Supervisory Technology (SupTech) um, was ihnen hilft, korrekte Berichte an die zuständigen Aufsichtsbehörden zu übermitteln.

Viel häufiger geht es inzwischen um konkrete Fragen wie die, welche statistischen Modelle auf welche Weise eingesetzt werden. Denn inzwischen haben auch Unternehmen und Aufsichtsbehörden verstärkt Data Scientists und andere Experten rekrutiert – wenngleich der Aufbau von Know-how vielfach erst am Anfang steht. Außerdem überzeugen die Resultate von Anwendungen, die auf KI und Machine Learning basieren: Sie liefern viel mehr relevante Ergebnisse in einer deutlich besseren Qualität.

KI-Systeme verantwortungsvoll nutzen

Auch der Einsatz von KI-Systemen im Finanzwesen wirft ethische Fragen auf. Welche Daten werden gesammelt, wie werden sie gespeichert, wer erhält Zugriff auf sie und wofür werden sie verwendet? Skandale wie der um Cambridge Analytica haben hier mittlerweile zu einer erhöhten Sensibilität auf Seiten der Unternehmen, aber auch der Politik geführt. So hat die Europäische Kommission im April 2019 ethische Leitlinien für  vertrauenswürdige Künstliche Intelligenz veröffentlicht. Sie enthalten sieben Schlüsselanforderungen. Dazu zählen:

• Menschliches Handeln und Kontrolle
• Robustheit und Sicherheit
• Privatsphäre und Datenhoheit
• Transparenz
• Vielfalt, Schutz gegen Diskriminierung, Fairness
• Wohl von Umwelt und Gesellschaft
• Verantwortung

Politische Entscheidungsgremien müssen sich nun intensiv damit auseinandersetzen, wie konkrete regulatorische und gesetzliche Bestimmungen die entwickelten ethischen Richtlinien die Praxis umsetzen. Fest steht dabei aus meiner Sicht, dass Regelungen auf Länderebene deutlich zu kurz greifen würden. Auch im Hinblick auf Entwicklungen in Ländern wie China und den USA, die bei KI-Anwendungen weniger Bedenken als die EU-Mitgliedstaaten haben, sind Antworten auf Fragestellungen zu Responsible AI und AI Governance sinnvoll nur auf europäischer Ebene zu finden.

Vorteile der Datennutzung müssen für Kunden klar erkennbar sein

Zurück zu den Finanzmarkt-Akteuren: Bereits heute ist zu beobachten, dass Kunden eine größere Sensibilität im Umgang mit persönlichen Daten entwickeln. Darauf müssen sich Unternehmen einstellen. Eine Entwicklungslinie wird mit hoher Wahrscheinlichkeit darin bestehen, dass Kunden zunehmend konkrete Vorteile erwarten, wenn sie Daten mit Unternehmen austauschen sollen.

Kundenzentrierte, nutzerfreundliche Anwendungen von Banken könnten darin bestehen, dass Kunden beispielsweise ihre Aktienfonds kanalübergreifend, zeit- und ortsunabhängig verwalten oder dass Versicherungen ihnen vorausschauend personalisierte, maßgeschneiderte Produkte anbieten. Kunden hätten zum Beispiel die Wahl, ob sie noch in eine Bankfiliale gehen, um ihre Bankgeschäfte zu erledigen. Und sind sie künftig überhaupt noch auf Bargeld angewiesen oder läuft der Zahlungsverkehr vornehmlich mit Kryptowährungen – eine Entwicklung, die wir bereits im asiatischen Geschäftsleben beobachten?

Diese Entwicklung hin zu einer Vielzahl digitaler Produkte und Services wird aller Wahrscheinlichkeit nach auch Einfluss auf die Markenpositionierung von Banken haben, die etwa eigene Tochterfirmen für ihr digitales Geschäft gründen. Denn gerade jüngere Bankkunden achten bei vergleichbaren Angeboten weniger auf traditionelle Markenwerte, sondern stärker auf die Funktionalität von Interfaces bei Websites und Apps.

Dies sind lediglich Beispiele für konkrete künftige Anwendungen. Fest steht: KI erobert sich mehr und mehr einen festen Platz im globalen Finanzwesen. Ihr Potenzial zu nutzen und sie sinnvoll einzusetzen – das sollten deutsche und europäische Akteure nicht anderen überlassen.