Künstliche Intelligenz verändert das Banking

Künstliche Intelligenz hält Einzug ins Banking. Dabei kommt es jedoch nicht nur auf die Technik an. Es geht vielmehr um eine sinnvolle Arbeitsteilung zwischen intelligenten Systemen und Menschen.

Perspektiven für den Einsatz Künstlicher Intelligenz im Banking.

Partner des Bank Blogs

Künstliche Intelligenz und Anwendungen, die auf diesen Technologien und Prinzipien beruhen, halten Einzug in immer mehr Bereiche der Finanzwirtschaft. Das wird auch in Zukunft so weitergehen. Denn die Vorteile lassen sich klar beschreiben.

Aktuelle Einsatzfelder von KI im Finanzbereich

Auch die aktuellen Einsatzfelder von Technologien, die unter dem Oberbegriff der „Künstlichen Intelligenz“ zusammengefasst werden, lassen sich im Finanzbereich klar benennen:

• Es sind Kundeninteraktionen und Customer Relationship Management,
• die sogenannte Robotic Process Automation (RPA),
• es ist das Compliance- und Risikomanagement und
• es ist der Bereich des Asset Managements und des algorithmischen Handels.

Robotic Process Automation (RPA) steht schon seit geraumer Zeit auf der Angebotsliste von Banking-Plattform-Anbietern wie Edge Verve Systems. Hinzu kommen weitere RPA-Spezialisten wie beispielsweise UIPtah.

Künstliche Intelligenz kann Banken unterstützen, in traditionell wenig automatisierten Bereichen effizienter zu arbeiten. Beispiele hierfür wären die Handelsfinanzierung (Trade Finance) und die Abwicklung von Konsortialkrediten (Syndicated Lending). Der Vorteil, den sich Finanzinstitute hier vom KI Einsatz versprechen können liegt also darin, dass Prozesse effizienter und damit billiger ablaufen.

So setzt zum Beispiel JP Morgan Chase eine Contract Intelligence (COiN)-Plattform mit Bilderkennung ein, um Verträge und andere rechtliche Dokumente in Sekundenschnelle zu überprüfen. Demgegenüber sind für die manuelle Prüfung von jährlich 12.000 Kreditverträgen rund 360.000 Stunden nötig. Die Bank of New York Mellon hat Bots als Teil ihrer Robotic Process Automation implementiert und erhöht damit die betriebliche Effizienz. Nach eigenen Angaben erreicht sie damit eine hundertprozentige Genauigkeit bei der Kontoabschlussvalidierung über fünf Systeme hinweg und verkürzt die Bearbeitungszeit um 88 Prozent.

Ziele im KI Einsatz: Effizienz und Geschwindigkeit

Die britische Großbank HSBC nutzt Künstliche Intelligenz in ihrem Compliance und Risk Management, um die Anzahl der sogenannten False Positives zu reduzieren und sich besser auf die wirklich Kriminellen konzentrieren zu können. Hier wird mit dem Einsatz von KI das Ziel verfolgt, gleichbleibende und repetitive Aufgaben schneller abzuarbeiten. Dazu wird auf Machine Learning gesetzt. Hierbei werden dem System zunächst möglichst viele Beispiele von False Positives als Datenmaterial zum „Lernen“ gegeben. Das System erkennt über den Lernvorgang mit der Zeit eigenständig die typischen Merkmale von False Positives und die typischen Kontexte und kann diese erkannten Muster in der Zukunft dazu nutzen, auch in unbekannten Datenbeständen die Fälle zu identifizieren, die die Merkmale von False Positives erfüllen. Und das mit einer hohen Treffgenauigkeit jenseits der 98 Prozent und natürlich viel schneller als Menschen das jemals könnten.

Im Bereich des Costumer Relationship Management kommt seit 2017 der Robo-Advisor ROBIN zum Einsatz. Er gehört zur Deutschen Bank und beruht auf dem IBM System Watson. Anleger können über ROBIN in ein ETF-Portfolio investieren, das auf die eigene Risikoneigung zugeschnitten ist. Das Konzept von ROBIN legt besonders großen Wert auf das Zusammenspiel von Mensch und Maschine. Zwar kommen bei ROBIN Algorithmen zum Einsatz, doch bei der Analyse wird auch auf menschliche Expertise gesetzt. Die Hoheit über Anlageentscheidungen haben letztlich immer erfahrene Portfoliomanager. Aber Robin übernimmt einen großen Teil der persönlichen „Beratung“ von vielen tausend Kunden, die vorher Menschen in Eins-zu-Eins Gesprächen übernommen haben.

Auch Sopra Banking Software hat einen „Robo Loan Officer“ entwickelt, eine Art virtueller Kreditberater, der mit Kunden in mehreren Sprachen via Text-Chat oder per Voice-Schnittstelle kommunizieren kann. Ziel des KI Einsatzes ist es hier, möglichst viele Standardabläufe in der Kundenbetreuung automatisch, parallel und kostengünstiger ablaufen zu lassen. Vor dem Hintergrund, dass im Durchschnitt 80 Prozent der Kundenfragen stets die gleichen sind, macht diese Standardisierung der Kundenkommunikation auch Sinn. Gleichzeitig steigt dann aber das Anforderungsniveau an die Kundenberater, die eben erst später und mit besser informierten Kunden in den persönlichen Dialog gehen.

Rückwirkungen auf die Organisation werden unterschätzt

Durch die Verwendung von KI und der daraus resultierenden (Teil-)Automatisierung lassen sich insbesondere die operativen Kosten von bisher arbeitsintensiven Prozessen reduzieren. Die großen positiven Effekte liegen demnach in der Effizienzsteigerung von Prozessen und in der Optimierung von Abläufen. Doch allein mit der Implementierung einer Technologie ist es nicht getan. Auch wenn diese – zumindest dem Namen nach – intelligent und autonom arbeitet.

Meistens werden die Rückwirkungen auf die Organisation unterschätzt. Als Daumenregel gilt hier weiter die bereits bekannte „Regel“ bei der Einführung neuer Technologien und Systeme: Für jeden Euro, der direkt in die Technologie investiert wird, müssen noch einmal 8 bis 10 Euro für die Aufwände und Kosten der organisatorischen Anpassung aufgrund der technologischen Neueinführung oben drauf kalkuliert werden.

Wenn es um die Voraussetzungen für den produktiven Einsatz von Künstlicher Intelligenz geht, sind es diese drei, die zählen: Qualität und Wachstum der Datenbasis, Skalierbarkeit der Infrastruktur und eine veränderungsfähige Organisation. Der erste Punkt ist eine Frage des Sammelns von Daten aus verschiedenen Quellen und deren durchdachtes und systematisches Management in Datenbanken. Die Skalierbarkeit der Infrastruktur kann relativ einfach über Cloud-Lösungen und Infrastructure as a Service Modelle sichergestellt werden. Die Veränderungsfähigkeit der Organisation ist dagegen eine Voraussetzung, die nicht technisch programmiert oder über den Einkauf von Services gewährleistet werden kann.

Vorgehen bei der KI Implementierung

Wo und wie der Einsatz von KI zu Veränderungen führt, ist natürlich – wie immer – von Unternehmen zu Unternehmen unterschiedlich. Dennoch lassen sich ein paar grundsätzliche Regeln zum Vorgehen und zur Entscheidungsfindung definieren:

1. Es ist die erste und wichtigste Aufgabe bei der Entscheidung über den Einsatz von Künstlicher Intelligenz in Unternehmen, sich zunächst eine klare Übersicht über die Funktionen und Aufgaben im eigenen Unternehmen zu machen.
2. Der nächste Schritt besteht in der genauen Analyse und Beschreibung, wie und wo diese Funktionen in bestehende Workflows eingebettet sind und welche Jobs dazu gehören beziehungsweise involviert sind.
3. Als nächstes sind die einzelnen Funktionen und Aufgaben daraufhin zu analysieren welche Art von Entscheidungen in diesen Funktionen wo und wie getroffen werden. Hier ist der Ansatzpunkt für die Implementierung von KI Technologie, denn hier geht es – wie bereits beschrieben – um Voraussagen und Bewertungen.
4. Bei Voraussagen sind KI Technologien unschlagbar.
5. Bei den jeweiligen Bewertungen sieht das nicht so eindeutig aus. Hier muss jedes Unternehmen entscheiden, ob die Bewertung einer Voraussage auch der Technologie überlassen werden soll oder ob hier menschliches Bewertungs- und Urteilsvermögen notwendig ist.
6. Wenn es um eindeutige Klassifizierungen und Zuordnungen geht, sind KI Technologien heute schon sehr gut und können autonom arbeiten.
7. Wenn es um das Bewerten und Beurteilen von Zusammenhängen und verschiedenen Einflüssen geht oder um kreatives Verarbeiten von Informationen und Voraussagen, dann kann das nur durch menschliches Können und menschliche Erfahrung geleistet werden.

Künstliche Intelligenz ist eine neue Stufe des Wandels

Künstliche Intelligenz sorgt also nicht nur für effizientere Prozesse und optimierte Abläufe. Künstliche Intelligenz bedeutet im Einsatz auch eine Neudefinition von Workflows, Zuständigkeiten und Entscheidungsbefugnissen. Damit ändern sich auch Organisationen und selbst Hierarchien.

Das bedeutet eine neue Stufe des Wandels. Wenn diese Wandel aber zu einer sinnvollen und produktiven Arbeitsteilung zwischen Mensch und Maschine nach dem oben beschriebenen Vorgehen führt, dann wiegen die Vorteile dieses Wandels die Kosten bei weitem auf.