Die Stärke von KI jetzt nutzen!

Private Banking basiert auf Persönlichkeit – auf der Beziehung von Mensch zu Mensch. Das schließt Künstliche Intelligenz nicht aus. Ganz im Gegenteil: Das richtige Verständnis vorausgesetzt, birgt die Technologie immense Mehrwerte für unsere Bankhäuser.

Künstliche Intelligenz ermöglicht vielfältige Mehrwerte für Banken und Sparkassen.

Partner des Bank Blogs

„Künstliche Intelligenz (KI) in der Bankenbranche ist kein futuristisches Szenario mehr, sondern eine Realität, die bereits jetzt einen bemerkenswerten Mehrwert schafft. KI-Lösungen ermöglichen nicht nur eine Effizienzsteigerung in operativen Prozessen, sondern eröffnen auch neue Perspektiven in der Kundenbetreuung und Produktentwicklung.“ – So beschreibt ChatGPT den Mehrwert von KI für unseren Bankalltag.

Die wenigen Sätze klingen so selbstbewusst wie generisch. Zweifellos verdeutlichen sie aber zwei Dinge:

1. Generative KI, oder kurz GenAI, besitzt eine immense Leistungsfähigkeit in der Erstellung von Inhalten.
2. GenAI erkennt ziemlich gut die Handlungsfelder, auf denen wir als Banken tätig werden können.

Die Textaufgabe ist damit nicht nur eine bloße Spielerei, sondern vielmehr eine Handlungsaufforderung für unsere Branche.

Was ist das Besondere an GenAI?

Doch von was sprechen wir genau? GenAI basiert auf Large Language Models, kurz: LLMs. Im Gegensatz zu herkömmlichen Anwendungen im Bereich Predictive AI  zeichnen sich LLMs durch ihre Fähigkeit aus, natürliche Sprache in einem bislang beispiellosen Umfang zu verstehen und zu generieren.

Predictive AI konzentriert sich üblicherweise auf die Vorhersage von Mustern und Trends auf Grundlage von Daten. Es hilft beispielsweise bei der Kontierung von Rechnungen oder bei der Ermittlung von Kaufwahrscheinlichkeiten. GenAI nutzt diese Vorhersagen gezielt für und fokussiert auf Sprache, um über LLMs stets das jeweils nächste Wort zu antizipieren.

Hohes Potential für GenAI

Studien renommierter Universitäten aus dem vergangenen Jahr – etwa „Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality“ der Harvard University und „Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence“ vom Massachusetts Institute of Technology (MIT) – prognostizieren eine Verbesserung der Arbeitsleistung von Mitarbeiter durch GenAI von bis zu 38 Prozent und eine Beschleunigung von bis zu 37 Prozent. McKinsey erwartete ebenfalls 2023 in „The economic potential of generative AI“ für den Bankensektor ein durchschnittliches Umsatzwachstum von 3 Prozent bis 5 Prozent pro Jahr.

LLMs sind aus dem Labor direkt in unseren privaten Alltag eingezogen. Wir alle haben sicherlich schon auf den „Assistenten GenAI“ zurückgegriffen, etwa im beruflichen Kontext bei der standardmäßigen Beantwortung von E-Mails sowie im privaten Umfeld, wenn wir eine Idee für eine Glückwunschkarte benötigen oder ein Kochrezept ausprobieren.

Wo ergeben sich Ansatzpunkte für die Bank?

Im Bankwesen entfaltet Generative KI bereits eine transformative Wirkung. Das betrifft insbesondere den Bereich der Kundenerfahrung über digitale Kanäle: Durch die Integration von LLMs in Chatbots und virtuelle Assistenten können Banken ihren Kunden einen verbesserten und personalisierten Service bieten. Zwar ist und bleibt für Private Banking- und Wealth Management-Kunden der direkte Kontakt zu ihrem Berater essenziell. Diese können aber mittels virtueller Assistenten Gespräche vorbereiten, Handlungsempfehlungen ableiten und Dokumentationspflichten erfüllen – womit letztlich auch die Kunden profitieren. Ebenso ist es möglich, dass Kunden direkt die KI kontaktieren, um Antworten auf allgemeine Fragen zu erhalten, Rückfragen zum eigenen Finanzstatus zu stellen oder Finanzberichte anzufordern – und das alles über intuitive Dialoge.

Darüber hinaus ermöglichen LLMs eine tiefgehende Analyse von Kundenpräferenzen und -verhalten. Dies führt zu maßgeschneiderten Empfehlungen für Produkte und Dienstleistungen, die den individuellen Bedürfnissen der Kunden entsprechen. Die Personalisierung geht über herkömmliche Ansätze hinaus und schafft eine engere Verbindung zwischen der Bank und ihren Kunden.

Auswirkungen auf Beratung und Kundenerfahrung

Ein weiterer entscheidender Aspekt ist die Auswirkung von LLMs auf die Beratungsqualität. Relationship Manager können dank KI relevante Informationen sammeln und bei Bedarf auf eine umfassende Wissensbasis zugreifen: LLMs sammeln große Mengen an Finanzdaten, verarbeiten Markttrends und regulatorische Entwicklungen und extrahieren die relevantesten Informationen für die Berater. Sie ermöglichen also eine präzisere Beratung und unterstützen Relationship Manager dabei, fundierte Entscheidungen zu treffen, die den Bedürfnissen ihrer Kunden optimal gerecht werden.

Die Implementierung von LLMs im Bankwesen trägt somit nicht nur zu einer reibungsloseren digitalen Kundenerfahrung bei, sondern stärkt auch die Beratungsqualität. Dieser doppelte Effekt versetzt Banken in die Lage, ihren Kunden einen Mehrwert zu bieten und gleichzeitig die Effizienz ihrer internen Prozesse zu steigern.

Die Umsetzung: Make vs. Buy

Bei der Implementierung von LLMs in unsere Unternehmen haben wir die Wahl: Folgen wir einem Make- oder einem Buy-Ansatz. Die Entscheidung erfordert eine gründliche Analyse der Kosten und Wirtschaftlichkeit. Der Kauf von Software mit integrierten LLMs und KI, oft in Form von Copilots, bietet den Vorteil schnellerer Implementierung und geringerer Anfangsinvestitionen. Diese Lösungen sind oft bereits auf verschiedene Anwendungsfälle vorkonfiguriert und lassen sich relativ schnell in bestehende Systeme integrieren.

Jedoch ist es ratsam, die langfristigen Kosten genauer zu prüfen, insbesondere wenn die Bank eine breite Palette von Anwendungsfällen abdecken möchte. Lizenzgebühren, Wartungskosten und mögliche Abhängigkeiten von externen Anbietern können sich im Laufe der Zeit akkumulieren.

Der Make-Ansatz beinhaltet dagegen, eigene maßgeschneiderte LLM-Lösungen zu entwickeln. Damit einher gehen jedoch beträchtliche Investitionen in die Entwicklung und den Aufbau internen Know-hows. Ein strategischer Vorteil liegt darin, dass die Bank volle Kontrolle über ihre KI-Anwendungen hat und diese präzise auf ihre individuellen Bedürfnisse zuschneiden kann. Zudem kann das erworbene Wissen über die Entwicklung von LLMs für künftige Projekte genutzt werden.

Der sorgfältige Aufbau von Skills und Know-how für die Eigenentwicklung erfordert Schulungen, Expertise und Zeit. Es ist wichtig, die langfristige Vision und die spezifischen Anforderungen der Bank zu berücksichtigen, um die optimale Entscheidung zwischen dem Make- und Buy-Ansatz zu treffen. Beide Ansätze haben ihre Vor- und Nachteile, und die Auswahl hängt von den individuellen Gegebenheiten und Zielen der Bank ab.

Für welche Lösung sich eine Bank aber auch entscheidet – KI und insbesondere GenAI sind die neue Realität. Von der Software-Entwicklung bis zu vielen administrativen Tätigkeiten entlang der gesamten Wertschöpfungskette bieten sich uns zahlreiche Use Cases. Dies sollten wir als Chance verstehen und unsere Häuser entsprechend auf den Prüfstand stellen.

GenAI ist ein Fortschritt Fortschritt in der KI-Entwicklung

Der Einsatz von Large Language Models stellt einen grundlegenden Fortschritt in der KI-Entwicklung dar. Im Bankwesen eröffnen sich durch die Integration von solchen LLMs in Chatbots und virtuelle Assistenten vielfältige Möglichkeiten zur Optimierung der Prozesse sowie zur Verbesserung der Kundenerfahrung und Beratungsqualität.

Die Entscheidung zwischen dem Make- und Buy-Ansatz erfordert eine gründliche Analyse der Kosten und Wirtschaftlichkeit, wobei beide Optionen ihre eigenen Vor- und Nachteile haben und von den individuellen Gegebenheiten und Zielen der Bank abhängen.