Generative künstliche Intelligenz ermöglicht es Maschinen, nicht nur zu lernen, sondern auch neues Wissen zu schaffen. Einsatzbereiche sind z.B. Aktienmarktprognose und die Modellierung von Risikofaktoren. Die Technologie alleine reicht jedoch nicht zur Stärkung der Wettbewerbsfähigkeit.
Der richtige Einsatz Künstlicher Intelligenz kann die Wettbewerbsfähigkeit von Banken steigern.
Partner des Bank Blogs
Um mit den neuen Challenger-Banken und FinTech-Konkurrenten mithalten zu können, streben traditionelle Banken danach, Disruptoren zu sein. Sie setzen auf eine schnelle Implementierung neuer Technologien – wie zum Beispiel generative KI. Viel zu viele Führungskräfte konzentrieren sich jedoch auf den „Hype“ und geben der Technologie noch vor der Strategie den Vorrang, unter der Annahme somit mit ihren Wettbewerbern Schritt halten zu können. Eine klare Zielsetzung und das Verständnis, inwiefern die Technologie die allgemeinen Dienstleistungen oder die Unternehmensleistung verbessern wird, bleibt dabei oft noch aus.
Was kann generative KI?
Generative KI, die ihre Bekanntheit vor allem durch Deep Fakes erlangte, ist eine Technologie, die Datenmuster bestehender Inhalte – wie z.B. Texte, Audiodateien und Bildern – erkennt, deren Eigenschaften lernt und auf Basis dessen, neue synthetische Inhalte produziert, die den Originalen entsprechen und somit echt erscheinen. Sie kann Artefakte generieren, die zuvor von Menschen erstellt wurden.
Ein plausibles Beispiel aus der Musik ist eine generative KI, die Beethovens unvollendete 10. Sinfonie zu Ende schrieb. Um den Stil des Musikers zu erkennen wurde die KI trainiert, indem sie mit Werken von Beethoven – Symphonien, Klaviersonaten und Streichquartetten – gefüttert wurde. Aus den zahlreichen Vorschlägen der KI wählten Musikexperten geeignete Versionen aus, verbanden sie miteinander und orchestrierten sie, damit sie nach einem passenden Ende der Sinfonie klangen.
Einsatz generativer KI im Bankenbereich
Im Bankenbereich kann generative künstliche Intelligenz die Qualität, Leistung und Zugänglichkeit digitaler Produkte verbessern und gleichzeitig die Markteinführungszeit verkürzen. Dafür ist unter anderem ein ausgeprägtes Verständnis der eigenen Kunden notwendig, das mithilfe der folgenden drei Funktionen generativer KI ermöglicht werden kann:
- Die Verknüpfung von Daten unter Anwendung von Big Data
- Futuristische Prognosen trotz kleinerer Datensätze
- Automatisierung zur Erstellung von Kundenprofilen
Die Verknüpfung von Daten unter Anwendung von Big Data
Wenn viele separierte Datenpunkte zur Verfügung stehen, können Informationen aus verschiedenen Quellen mit Hilfe von Deep Learning zu einem neuen verknüpften Datensatz kombiniert werden. Über die Verknüpfung mehrerer Variablen aus unterschiedlichen, voneinander getrennten Datenquellen kann zum Beispiel eine Bank ihre Kunden besser verstehen, indem gemeinsame Transaktionsmuster erkannt werden.
Futuristische Prognosen trotz kleinerer Datensätze
Für die Optimierung von Strategien und Produkten sind Prognosen unerlässlich. Sollen für Optimierungsentscheidungen jedoch seltene futuristische Marktereignisse aufgezeigt werden, und es existiert aufgrund der Seltenheit nur ein kleiner Datenschatz, ist generative KI in der Lage synthetische Daten zu erstellen. Es schafft somit eine robustere Grundlage für eine datengesteuerte Vorhersage.
Automatisierung zur Erstellung von Kundenprofilen
Um zu wissen, welches Produkt zu welchem Zeitpunkt einem Kunden angeboten werden soll, müssen die Absichten, Ziele, das bisherige Verhalten und Vorlieben so genau wie möglich definiert sein. Generative KI kann hierfür Daten zusammenführen, umfassende Kundenprofile erstellen und dem Kundenbetreuer genaue Empfehlungen geben, welches Produkt sich zu welchem Zeitpunkt am besten eignet.
Wann und wie generative KI eingeführt werden soll – Feststellung des „digitalen Reifegrads“
Trotz der Unterschiede in den zugrundeliegenden Algorithmen und Modellen generativer KI unterscheiden sich die Voraussetzungen für den Einsatz kaum von denen anderer KI-Formen. Um eine erfolgreiche Implementierung jeglicher Art von KI zu gewährleisten, müssen Unternehmen vorab ein paar Schritte berücksichtigen. KI ist nämlich nur so gut wie die bereitgestellten Daten, und wenn es schlechte Prozesse gibt, insbesondere zwischen den Abteilungen – sei es z.B. bei Verträgen oder Krediten, die von den Vertriebs- und Rechtsteams verwaltet werden – wird die KI dieses Problem nur unterstützen.
Wenn Unternehmen glauben, dass die KI alle ihre Probleme lösen wird, gehen sie die digitale Transformation völlig falsch an. Finanzdienstleister müssen, wie jedes andere Unternehmen auch, ihre Geschäftsprozesse vollständig optimieren, bevor sie neue Technologien in Betracht ziehen. Es ist von entscheidender Bedeutung, dass Führungskräfte und IT-Teams den digitalen Reifegrad des Unternehmens ermitteln – wo sie stehen und wohin sie gelangen müssen – und das Betriebsmodell in jeder Phase der digitalen Transformation überprüfen, von der Gründung bis zur vollständigen Systemintegration. Darüber hinaus müssen sie jede Phase ihres Betriebs berücksichtigen – vom Front- bis zum Backoffice.
3 Schritte zur erfolgreichen Nutzung generativer KI
Durch die Straffung ihres Betriebsmodells und die Vereinheitlichung der Aufzeichnungssysteme erhalten die Unternehmen einen weitaus besseren Einblick in die Datenströme, was die KI stärkt und ihr Geschäft zu einem echten Zustand der Intelligenz führt. Folgende drei Schritte sind dafür zu durchzulaufen:
- Den aktuellen Zustand des Betriebsmodells analysieren, um herauszustellen, wie die nächste Phase der digitalen Transformation aussehen sollte.
- Nach der Identifizierung von Betriebsproblemen und der Überprüfung von Altsystemen können Führungskräfte klare Ziele festlegen, sei es die Verbesserung des Kundenservice und die Verkürzung der Reaktionszeiten oder die Vereinheitlichung der Datensysteme und die Straffung des Datenflusses zwischen den Teams.
- Erst dann können die Führungskräfte die Integration von KI oder die Automatisierung von Elementen ihres Geschäfts in Betracht ziehen, um die wichtigen Prozesse zu rationalisieren und diese Ziele zu erreichen.
Auf ihrem Weg zur digitalen Transformation werden Unternehmen Prozesse rationalisieren, Silos aufbrechen und teamübergreifendes Arbeiten über Abteilungsgrenzen hinweg ermöglichen. Es ist besonders wichtig, dass Führungskräfte in jeder dieser Phasen die grundlegenden Arbeitsabläufe feinabstimmen, um sicherzustellen, dass alle Ineffizienzen beseitigt werden.
Fazit: KI hält, was sie verspricht
Jegliche Formen der KI können Unternehmen in Sachen Datenverarbeitung und -nutzung viel Arbeit abnehmen und wertvolle Erkenntnisse fürs Geschäft liefern, um wettbewerbsfähig zu bleiben. Die KI hält, was sie verspricht.
Führungskräfte müssen vor der Implementierung jedoch das Bigger Picture des Unternehmens betrachten, bei der Optimierung grundlegender Prozesse anfangen und klare Ziele festlegen bevor sie sich auf die KI verlassen. Denn keine KI stellt fest, dass sie auf veralteten Prozessen und Daten aufbaut, die zum Beispiel auch menschliche Voreingenommenheit beinhalten können. KI liefert Erkenntnisse aus den Daten, die ihr zur Verfügung gestellt werden. Sie kann die Arbeit und menschliche Fehler erheblich reduzieren – sie ist jedoch (noch) nicht immun dagegen.
