Künstliche Intelligenz beeinflusst die Digitalisierung unterschiedlicher Branchen. Banken und Finanzdienstleiter partizipieren schon heute von den Vorteilen und Anwendungsszenarien, die sich aus der Nutzung von künstlicher Intelligenz ergeben. Für Kreditinstitute gibt es vielfältige konkrete Anwendungsbeispiele aber auch Herausforderungen im Umgang mit der neuen Technologie.
Künstliche Intelligenz eröffnet Banken vielfältige neue Möglichkeiten
Partner des Bank Blogs
Der technologische Fortschritt rund um künstliche Intelligenz eröffnet Banken neue Möglichkeiten sich weiterzuentwickeln. Mit dem im ersten Teil aufgezeigten Bedeutung und Einfluss von künstlicher Intelligenz ergibt sich die Vision, eine Bank mit neuen kognitiven Technologien auszustatten. Die wettbewerbsfähige Bank wird hierbei in der nächsten Generation zu einer „kognitiven Bank“.
Grundlage für die Transformation einer Bank in Richtung einer kognitiven Bank ist hierbei die Fähigkeit neue Technologie mit bestehenden Initiativen und Projekten zusammen zu bringen. Die kognitive Bank basiert dabei vor allem auf großen Datenmengen, einer sicheren und agilen Infrastruktur sowie einem Ökosystem, aus dem ein ständig neuer Mehrwert für Kunden generiert wird die eigene Bank und die. Ebenso gehört zu einer kognitiven Bank der Anspruch einen echten Omni-Kanal Dialog mit dem Kunden zu etablieren und das Wissen rund um den Kunden zu bündeln. Wissen und Daten liegen hierbei heterogen, das heißt nicht nur in strukturierter (Datenbanken / Tabellen), sondern auch in unstrukturierter Form (Schriftgut mit Kunden, Produktbeschreibungen, FAQ Texte, Marktentwicklungen, Nachrichten-Quellen, Geschäftsberichte, etc.) vor und können mittels kognitiver Technologie verstanden, vereint und verwendet werden.
Aus diesen heterogenen Daten ergibt sich ein Datenschatz mit dem situatives Banking möglich wird. Das heißt, es können am richtigen Kontaktpunkt zur richtigen Zeit die richtigen Angebote aber auch Problemlösungen aufgezeigt werden.
Entgegen einem zuvor festgelegten, statischen Umgang (Segmentierung im Vertrieb / Support Prozesse im Backoffice) ergibt sich nun die Möglichkeit einer echten situativen Interaktion mit einem Kunden. Daraus resultiert, dass Kunden sich deutlich häufiger individuell verstanden fühlen und eine Bank die Bedürfnisse ihr Kunden stets individuell, situativ korrekt adressieren kann. Die kognitive Bank nutzt diese Fähigkeiten sowohl im direkten Dialog in der Filiale oder am Telefon, als auch im digitalen Dialog über App, E-Mail oder Chat.
Dimensionen für die Nutzung Künstlicher Intelligenz
Im Rahmen einer kognitiven Transformation ergeben sich beispielhaft die folgenden Dimensionen für die Nutzung in der Praxis:
1. Kundendialog mittels virtuellem Berater
In der Kundenberatung werden kognitive Systeme im direkten Dialog, aber auch unterstützend von Beratern eingesetzt. Mit „Virtual Advisor“ Lösungen können hierbei einfache, aber auch komplexere Beratungsleistungen erbracht werden. In einem einfachen Anwendungsszenario kann beispielsweise ein maschineller Chat Dialog geführt werden. Zielsetzung des Service ist es in diesem Fall Fragen und Antworten rund um das Leistungsportfolio der Bank beantworten zu können. Ein Dialog wird hierbei in natürlicher deutscher Sprache geführt und die Interaktion mit dem Kunden situativ gestaltet. In einem komplexeren Szenario kann beispielsweise darauf aufbauend ein Virtual Advisor bereits heute deutlich mehr Aufgaben übernehmen und für umfängliche Beratungssituationen wie der Anlageberatung genutzt werden.
2. Berater-Unterstützung
Kognitive Technologie muss aber nicht zwangsweise im direkten Dialog mit dem Kunden verwendet, sondern kann auch dem Bankberater als internes Werkzeug zur Verfügung gestellt werden. Als konkretes Beispiel kann ein kognitives Dashboard dem Bankberater automatisiert relevante Beratungsinformationen vor oder auch in Echtzeit während des Beratungsgespräch zur Verfügung stellen oder gar Beratungsempfehlungen aussprechen. So können kognitive Virtual Advisor Lösungen Vorbereitungszeiten und Recherchen für Kundentermine signifikant verkürzen, sowie eine zielgerichtete und teilweise höhere Beratungsqualität sicherstellen.
3. Contact & Service Center Optimierung
Kognitive Technologie wird heute bereits verwendet um Service Prozesse in Service Center zu optimieren. Mit dem Verständnis der natürlichen Sprache können Service Vorgänge (teil-)automatisiert bearbeitet werden. Hierzu gehört sowohl das Routing von erkannten Kundenanliegen an die richtige Prozessfunktion, als auch die Unterstützung bei der Findung der passenden Problemlösung. Sobald ein Kundenanliegen automatisiert verstanden und vollautomatisiert bearbeitet wird, sprechen wir von kognitiven Robotics Lösungen.
Beispielsweise kann ein Kunde per E-Mail eine neue TAN Liste bestellen. Ein kognitives System kann sowohl das Anliegen einer E-Mail in unstrukturierter Form korrekt verstehen, als auch die implementierte Robotics Lösung ansteuern. Hierbei gilt es zweifelsfrei auf Basis der Kunden E-Mail eine Legitimation zu prüfen und ggf. einzufordern und im Nachgang die notwendigen Prozessschritte in den existierenden Tools einer Bank abzuarbeiten. Das folgende Beispiel der Versicherungskammer Bayern zeigt, wie ein kognitives System in der Praxis eingesetzt werden kann und hierbei Service Center Prozesse optimiert:
https://youtu.be/W_GFYkReQzE
Selbstlernende Systeme und Limitierung von künstlicher Intelligenz
Künstliche Intelligenz sieht sich einer hohen Erwartungshaltung ausgesetzt, die heute häufig in der initialen Praxiserprobung noch nicht in allen Dimensionen initial umsetzen lässt. Diese Erwartungshaltung ergibt sich oftmals bereits aus der Nutzung der Wortwahl „Intelligenz“. Daher ist es für den Einsatz von KI Technologie im Umfeld einer Bank wichtig zu verstehen, wie ein System das mit künstlicher Intelligenz arbeitet und in welcher Schrittfolge kognitive Technologie eingeführt werden sollte.
Analog zu einzelnen, menschlichen kognitiven Fähigkeiten besteht kognitive Technologie aus Einzeldisziplinen (z.B. sprachliches Verständnis, analytische Fähigkeiten, Verständnis von Tonalität und visueller Darstellung), welche in Form sogenannter API Services genutzt werden und in Summe eine Gesamtlösung ergeben.
Darauf aufbauend wird ein kognitives System zunächst mit der Bankfachlichkeit trainiert und auf ein autonomes „weiterlernen“ vorbereitet.
Ein selbstlernendes System muss die Welt „wahrnehmen“, Daten sammeln, die gesammelten Informationen verstehen und handeln um fundierte Empfehlungen zu geben. Dazu ist es notwendig die richtige Anzahl relevanter Informationen zu sammeln, diese aufzubereiten und in mehreren Schritten dem System „anzutrainieren“. Dieser Prozess mag heute noch vergleichsweise schwerfällig erscheinen, doch mit zunehmenden Datenbeispielen kann und wird ein KI System auch selbstständig dazulernen und sich kontinuierlich selbst verbessern.
Künstliche Intelligenz bietet Banken zahlreiche Chancen
KI Technologie kann schon heute den Kundendialog, die Service-Prozesse und Wissensdomänen im Ökosystem der Banken signifikant verbessern. Daraus ergeben sich Chancen sich nachhaltig zu differenzieren, Wettbewerbsvorteile und gar neue Geschäftsfelder aufzubauen.
https://youtu.be/pE2YhsITDzk
Künstliche Intelligenz wird die nächsten Jahre das digitale Kundenengagement durch natürliche Sprache noch weiter revolutionieren, noch nicht verantwortbare Fragen erforschen, Entscheidungen mittels evidenzbasierten Empfehlungen erleichtern, gesetzliche Compliance automatisiert überprüfen sowie heterogene Datenmassen finden und analysieren.
