Eine aktuelle Studie verspricht Banken ein Einsparpotenzial in Milliardenhöhe durch den Einsatz Künstlicher Intelligenz. Allerdings zeigt Sie auch die Probleme bei der Umsetzung. Insbesondere fehlende Daten behindern den erfolgreichen KI-Einsatz.
Technologie ist nicht erst seit der Digitalisierung ein wichtiger Faktor für Finanzdienstleister. Im Bank Blog finden Sie Studien zu den wichtigsten Trends und Entwicklungen.
Partner des Bank Blogs
Egal ob Front, Middle oder Back Office: Der Einsatz von Künstlicher Intelligenz (KI) bietet dem Bankensektor bis 2030 ein Einsparpotenzial von mehr als 300 Milliarden Dollar weltweit. Das verdeutlicht eine aktuelle Studie der Managementberatung Horváth für die Fachexperten, Wissenschaftlerinnen und Manager aus dem Retail Banking in der DACH-Region befragt wurden.
Viele Banken sind jedoch aktuell nicht in der Lage, das volle Potenzial aus ihren Datenmengen zu schöpfen. Datensilos, mangelnde Datenqualität und nicht harmonisierte IT-Landschaften sind einige der größten Hindernisse auf dem Weg das Potential von KI zu heben.
Systematische Datenanalyse entscheidet über Marktanteile
Retail-Banken verfügen über eine Vielzahl an Kanälen wie Social Media, Mobile Banking, Transaktionen oder Kunden-Servicecenter, vielfache Datenquellen und riesige Mengen an Daten. Doch die Studie zeigt, dass die Datenerhebung oft unstrukturiert erfolgt.
Hinzu kommt: Voneinander getrennte Datensilos mit unvollständigen Datensätzen führen zu mangelnder Qualität der Daten. Sie sind im schlimmsten Fall gar nicht auswertbar. Hintergründe für die schlechte Datenqualität liegen oft in der geringen Datenkultur und fehlenden Zuständigkeiten. Oftmals prägen veraltete Legacy-Systeme die IT-Landschaft. Inkompatible IT-Systeme erschweren eine IT- und Daten-Harmonisierung.
Datenstrategie bildet die Basis, um volles Potenzial zu nutzen
Ohne das Vorhandensein einer Datenstrategie mit entsprechender Data Governance, sei das Ausrollen von IT-Harmonisierungsprojekten vielfach zum Scheitern verurteilt. Sie bilde die Grundlage für alles Weitere.
Unzuverlässige Datensätze können hingegen zu fehlerhaften Schlussfolgerungen führen. Banken sollten daher zentralisierte analytische Plattformen aufbauen, die interne und externe Daten sammeln und analysieren.
Wer seine Daten systematisch analysieren kann, ist klar im Vorteil. Es lassen sich valide Trends im Kundenverhalten erkennen und so beispielsweise neue Produkte entwickeln oder Angebote personalisieren.
Auch das Risikomanagement profitiert. Wer etwa Transaktionen in Echtzeit analysieren kann, der kann auch betrügerische Aktivitäten schneller ans Licht bringen und stoppen, oder gar im Ansatz verhindern.
KI spart Kosten und führt zu neuen Geschäftsmodellen
Mit automatisierten Prozessen lassen sich Betriebskosten senken. Beispiel Back Office: KI-Algorithmen können unstrukturierte Daten bereinigen und kategorisieren, und so die Datenqualität erheblich verbessern. Um Investitionsentscheidungen zu unterstützen, können KI-Algorithmen Finanznachrichten in Echtzeit analysieren.
Der geschäftliche Nutzen des Einsatzes Künstlicher Intelligenz im Banking wird bis zum Jahr 2030 auf über 300 Milliarden US- Dollar geschätzt.
Im Middle Office lassen sich mit KI automatisierte Prüfungen durchführen und stellen sicher, das regulatorische Anforderungen eingehalten werden. Die Einhaltung von Governance-Anforderungen verbessert sich. In der Kundenberatung punkten KI-gestützte Chatbots, erhöhen Effizienz und Beratungsqualität.
Die Analyse von Marktdaten und Kundenfeedback hilft, um neue Produkte, Dienstleistungen oder Geschäftsmodelle – Stichwort Data Monetization – zu entwickeln. Die Innovationskraft wird gestärkt.
Beispiele für eine Integration von ChatGPT
Der Payment-Anbieter Klarna arbeitet seit kurzem zusammen mit ChatGPT und bietet nicht nur eine individuelle Einkaufsberatung mittels generativer AI an. Mit der Integration von ChatGPT Enterprise sollen Klarna-Mitarbeitende von verbesserten Sicherheitsstandards, höherer Geschwindigkeit und fortschrittlichen Datenanalysen profitieren
Die Investmentbank Morgan Stanley nutzt OpenAIs GPT-4, um Informationen über Unternehmen, Sektoren, Anlageklassen und globale Märkte zu analysieren und bereitzustellen. Die Berater liefern ihren Kunden datengestütztes Wissen in Echtzeit und verbessern so Leistung und Kundenbeziehung.
KI wird zu einem „Must-have“
Retail Banken stehen nicht nur im Wettbewerb mit aufstrebenden BigTechs und FinTechs, sondern auch die Kundentreue sinkt. Wer morgen noch eine Rolle spielen will, für den gilt es dringend, die digitale Transformation voranzutreiben, den eigenen Datenschatz zu heben, geeignete KI-Lösungen zu implementieren und wettbewerbsfähige Geschäftsmodelle zu entwickeln.
Künstliche Intelligenz entwickelt sich nach Meinung der Studienautoren von einer Innovation zur strategischen Notwendigkeit. Institute, die den Mehrwert von KI ignorieren, laufen daher Gefahr, vom Markt zu verschwinden.
Die Studie „Transformation im Retail Banking 2024“ können Sie hier beziehen.
Partner des Bank Blog – Horváth & Partners Management Consultants
Mehr über das Partnerkonzept des Bank Blogs erfahren Sie hier.
