5 Beispiele für den Einsatz von GenKI in Banken

Der Paradigmenwechsel im Bankwesen hat begonnen

Abonnieren Sie den kostenlosen Bank Blog Newsletter

Generative KI hat das Potenzial, die Art und Weise, wie wir leben, arbeiten und Bankgeschäfte tätigen, in bedeutendem Umfang zu revolutionieren. Fünf konkrete Einsatzfelder verdeutlichen den Mehrwert für Kreditinstitute.

Mit künstlicher Intelligenz im Bankwesen zu neuen Ufern

Mit künstlicher Intelligenz im Bankwesen zu neuen Ufern

Partner des Bank Blogs

SAP Fioneer ist Partner des Bank Blogs

Richtig eingesetzt kann generative KI eine enorme Steigerung der Produktivität und Effizienz im Bankbetrieb bewirken. Diese Vorteile resultieren u.a. aus einer zentralen Stärke der Technologie, die darin liegt, Strukturen komplexer Informationen zu entdecken und effektiv zusammenzufassen. Dazu eingesetzte Large Language Models (LLMs) werden auf Texte in einer oder mehreren Sprachen trainiert und verfügen über ein kontextbezogenes Verständnis menschlicher Ausdrucksformen und Konversationen.

Diese Funktionen können besonders hilfreich sein, um die Bereiche Kundenservice, Marketing, Vertrieb und Compliance mit Automatisierung zu unterstützen und zu skalieren.

Unterschiedliche Einsatzmöglichkeiten mit und für Bankkunden

Generative KI kann beispielsweise als Assistent oder Coach für Mitarbeiter fungieren, indem sie ihnen hilft, ihre Arbeit effizienter zu erledigen und sich auf wirkungsvollere strategische Aktivitäten zu konzentrieren. Ferner können u.a. Online-Interaktionen kontextsensitiv gestaltet werden, um das Kundenerlebnis bei  der Service-Automatisierung und bei der Bereitstellung von Produktinformationen qualitativ zu verbessern.

Anwendungsfälle generativer KI sind natürlich nicht auf Kundeninteraktionen beschränkt, sondern erstrecken sich auf eine Vielzahl weiterer Bereiche.

Fünf Konkrete Anwendungsfälle bieten Optionen für den Einstieg

1. Dokumentensuche und -synthese

Bankmitarbeiter verbringen viel Zeit mit der Suche nach Informationen und der Erstellung von Synthesen langer Dokumente. Generative KI kann ihnen dabei helfen, Informationen in Verträgen (z. B. Policen, Dokumente zur Kreditvergabe, regulatorische Anforderungen) und in anderen unstrukturierten Dokumenten schneller zu finden und im Gesamtkontext des Kunden besser zu verstehen.

So kann KI beispielsweise Bankanalysten dabei unterstützen, die Berichterstellung zu beschleunigen, indem sie Tausende von Wirtschaftsdaten oder anderen Statistiken aus der ganzen Welt recherchiert und geeignet zusammenfasst. Firmenkundenbetreuer können sich schneller und effektiver auf Kundengespräche vorbereiten, indem generative KI umfassende Präsentationsmaterialien für sie erstellt und die Konzentration auf die wichtigen Aspekte der Kundeninteraktion fördert.

2. Kundeninteraktion

Bankkunden benötigen häufig Hilfe bei der Suche nach Antworten auf ein bestimmtes Problem, das so spezifisch ist, dass es nicht in vorhandenen Chatbots programmiert oder in anderen Wissensbibliotheken verfügbar ist. Oftmals hat auch der kontaktierte Kundensupport keinen unmittelbaren Zugriff auf die gewünschte Information.

Der Einsatz generativer KI zeichnet sich in diesem Anwendungsfall dadurch aus, dass sie Antworten in weitaus größeren Datenbeständen finden, zusammenfassen und dem Support, bzw. dem Kunden direkt zur Verfügung stellen kann. Solche Anwendungsfälle könnten beispielsweise in der KI-unterstützten Aufklärung von Kreditkartenbetrug liegen oder bei der Kundenproduktrecherche in Vorbereitung eines Gesprächs mit einem Bankmitarbeiter.

3. Kapitalmarkt- und Investmentrecherche

Selbstverständlich hängen erfolgreiche Kapitalmarktinvestionen wesentlich vom tiefen Verständnis globaler Märkte und Risiken ab. Dazu müssen Investmentabteilungen verschiedenste Unternehmensunterlagen, Transkripte, Berichte und komplexe Daten in mehreren Formaten analysieren, sowie Daten schnell und effektiv abfragen, um ihre Wissensdatenbanken zu füllen.

Generative KI-Werkzeuge können in diesem Kontext als Forschungsassistenten für Investmentanalysten dienen. Solche Assistenten können dabei helfen, makroökonomische Berichte, behördliche Unterlagen, „Earnings call” Transkripte und andere Quellen zu durchsuchen und wichtige Informationen schnell und intelligent zu identifizieren und zusammenzufassen.

4. Unterstützung bei der Bewältigung der Regulatorik

In der Finanzdienstleistungsbranche kommen weltweit fast täglich etliche neuer Vorschriften hinzu, während sich bestehende Regeln ändern. Dies bedeutet einen enormen manuellen und sich in Teilen wiederholenden Arbeitsaufwand für die Institute, um neue Anforderungen zu interpretieren und deren Einhaltung sicherzustellen. Entwickler müssen die zugrunde liegenden regulatorischen und geschäftlichen Änderungen, die eine Anpassung ihrer Codes erfordern, schnell verstehen, umsetzen und zugehörige auditierbare Dokumentationen bereitstellen.

Generative KI kann dabei den notwendigen Kontext über die zugrunde liegenden regulatorischen Änderungen liefern. Auf diese Weise könnten beispielsweise relevante Bereiche von Basel III Regelungen zusammengefasst werden, um Entwicklern dabei zu helfen, den Kontext besser zu verstehen, und die Teile des Frameworks zu identifizieren, die Änderungen im Code erfordern, und ihn mit einem korrespondierenden Coding-Repository abgleichen.

5. Marketingunterstützung

Während bestehende Tools für maschinelles Lernen (ML) gut geeignet sind, um Marketinginitiativen oder die Gestaltung besonderer Angebote für bestimmte Kundensegmente auf der Grundlage verfügbarer Parameter vorherzusagen, ist es nicht immer einfach, diese Erkenntnisse schnell in die Praxis umzusetzen.

Beispielsweise kann das manuelle Erstellen von Marketing-E-Mails mit spezifischen Finanz-Empfehlungen sehr zeitaufwändig sein. Generative KI kann beim kreativen Prozess der individuellen Kundenansprache unterstützen und dazu beitragen, das Kundenerlebnis, den Cross-Sale und damit die Bindung an die Bank zu verbessern.

Die Zukunft des Bankwesen ist „generativ“

Die genannten Beispiele, die nur einen kleinen Einblick in die Welt möglicher Anwendungsfälle generativer KI gewähren, deuten darauf hin, dass die Zukunft des Bankwesens „generativ” sein wird. Bei Google Cloud denken wir, dass generative KI das Potenzial hat, den Bankensektor sowohl aus Sicht der Banken wie auch der Kunden grundlegend zu transformieren.

In der Praxis zeigt sich, dass die erfolgreiche Einführung generativer KI Lösungen im Bankbereich insbesondere von einigen zentralen Faktoren abhängt: Der Auswahl leistungsfähiger Cloudanbieter, konkreter Anwendungsfälle, der richtigen Auswahl und Bereitstellung geeigneter Datenquellen, sowie der verantwortlichen Ausgestaltung entlang relevanter geschäfts-ethischer und regulatorischer Rahmenbedingungen.

Google Cloud unterstützt Bankkunden wie zum Beispiel die Deutsche Bank, die Deutsche Börse, die DZ Bank und auch die Commerzbank im deutschen Markt bei der Entwicklung und Implementation solcher Lösungen, die dabei insbesondere von Differenzierungsmerkmalen in den Bereichen „explainable AI” und Sicherheit profitieren. Denn diese Merkmale unterstützen unter anderem die Nachvollziehbarkeit und Vertraulichkeit der erzielten Ergebnisse und machen den KI-Einsatz im Geschäftskontext von Banken erst möglich.

Über den Autor

Dr. Ranja Reda Kouba

Dr. Ranja Reda Kouba ist Head of Customer Engineering, Financial Services Industries bei Google Cloud Deutschland. Sie hat einen Doktortitel in Angewandter Mathematik und Data Science sowie einen Master-Abschluss in Quantenphysik und war zuvor Associate Partner bei McKinsey Sie ist zudem stellvertretende Vorsitzende des Beirats des nationalen Statistik Instituts Österreichs und Mitglied des Kuratoriums des Österreichischen Instituts für Wirtschaftsforschung.

Vielen Dank fürs Teilen und Weiterempfehlen


Mit dem kostenlosen Bank Blog Newsletter immer informiert bleiben:

Anzeige

Get Abstract: Zusammenfassungen interessanter Businessbücher

Kommentare sind geschlossen

Bank Blog Newsletter abonnieren

Bank Blog Newsletter abonnieren