Marketingüberladende Darstellungen, wie Künstliche Intelligenz vermeintlich die großen Menschheitsprobleme lösen kann, verstellt den Blick auf die Realitäten in den meisten Unternehmen und insbesondere im Finanzsektor. Die wirklichen Probleme hier sind eher unsexy.
Künstliche Intelligenz ist ein heißdiskutiertes Thema im Banking.
Partner des Bank Blogs
Es ist äußerst schwer, sich dem Marketinglärm, um das Thema Künstliche Intelligenz (KI) zu entziehen. Wir tragen KI Technologien auf Smartphones in unseren Hostentaschen, wir sehen Werbespots wie KI vermeintlich die großen Probleme der Menschheit löst. Wir führen aber auch emotional und politisch hochaufgeladenen Diskussionen um die Zukunft von Jobs und gar der Menschheit. Dabei wird häufig suggeriert, dass KI eine Technologie sei. Wir sehen schwindelerregende Marktzahlen über das Potenzial von KI.
„KI“ ist eine Gemengelage
Die Realität ist vermutlich jedoch die, dass es kein allgemein gültiges Verständnis oder gar Definitionen von KI gibt. Vielmehr stecken hinter dem Platzhalter „KI“ eine Vielzahl von Technologien und Ansätzen. Auch wenn Berichte über FinTech spannend zu lesen sind, stellt sich die Frage, wie können Unternehmen die Komplexität der Digitalen Transformation in einer global vernetzten Welt in den Griff bekommen. Um diese Diskussionen zielführend voranzutreiben bedarf vor allem eines: Kontext, Kontext, Kontext!
Dabei ist der Kontext für Konsumenten, Investoren und Unternehmen stark unterschiedlich. Natürlich erwecken die Technologien für Konsumenten, nicht zuletzt Smartphones, Begehrlichkeiten für den Unternehmensalltag. Aber solange ein Chatbot keine genaue Auskunft darüber geben kann, wo genau Rechnungen innerhalb der Prozesse im Rechnungswesen stecken, müssen wir weiter über andere Konzepte nachdenken.
Ebenso überlagern die Diskussionen um Unicorns (also Unternehmen, die noch im Privatbesitz sind, aber bereits über eine Milliarde Dollar Umsatz machen) die Wahrnehmung, wie neue Technologien wirklich ihren Eingang in Unternehmen finden. Ebenso würden viele Unternehmen liebend gerne ihre Prozesse auf der grünen Wiese neu stricken. Jedoch leiden sie an technologischen Altlasten und die Risiken für großvolumigen Datentransfer sind enorm. Somit ist kaum überraschend, dass die Diskussionen um „KI“ eine Gemengelage sind, in der die Konturen häufig nur unschwer zu erkennen sind.
Die Dualität des KI-Marktes
Wie können also Entscheider vor diesem Hintergrund mehr Klarheit in ihre Entscheidungsprozesse bekommen? Für Banken ist der Kontext weitestgehend vorgegeben. Wie können sie ihre digitale Reise beschleunigen ohne dass sie Transformationsprojekte vor die Wand fahren oder dass Startups ihnen das Geschäftsmodell zerschießen?
Ein Ansatz, der sich in Diskussionen als hilfreich erwiesen hat, ist sich den Markt in zwei Hälften vorzustellen.
Die Dualität des KI Marktes zeigt sich durch unterschiedliche Kundenanforderungen bezüglich Industrialisierung und hochspezifischen Projekten.
Auf der einen Seite die Industrialisierung der großen horizontalen Prozesse. Also etwa Rechnungswesen oder IT. Hier ist der Fokus auf Skaleneffekten in der Dienstleistungserbringung. Es dominieren standardisierte Lösungen sowie Innovationen wie etwa Robotic Process Automation (RPA). Und es geht vornehmlich um die Quantität von Daten. Ein gutes Beispiel dafür ist der Ansatz von IBM, Watson mit verfügbaren Data Lakes zu verbinden. Die Ansätze der KI sind hier allerdings recht eng: Einzelne Algorithmen, die Daten integrieren oder analysieren. Anders formuliert: Es ist eine Welt, die von Machine Learning (und zu einem geringeren Maß von Chatbots) dominiert wird.
Auf der anderen Seite befindet sich die weitaus spannendere Welt der eher projektspezifischen Ansätze. Darunter Projekte, welche auch die großen Probleme der Menschheit wie Krebsforschung und Ernährungsprojekte miteinschließen. Dies ist eher die Welt der Data Scientists und hier es geht vor allem um die Qualität der Daten. Dies ist auch die Welt der proprietären Algorithmen, etwa um Schwellenwerte für den Schutz vor Betrug und der Bekämpfung von Geldwäsche zu setzen. Hier sehen wir sehr viel komplexere KI-Ansätze, die zunehmend auch von dem Neuandenken von Prozesschritten, unterstützt durch Methodologien wie Design Thinking, begleitet wird. Entscheidend ist jedoch, dass diese beiden verschiedenen Welten in der Wahrnehmung häufig zusammenfließen auch wenn die Kundenanforderungen grundverschieden sind.
Arago bietet eine KI Plattform für unterschiedliche Anwendungsszenarien
Als Leiter der Strategieentwicklung bei Arago, einem der Pioniere der KI-Branche, komme ich natürlich nicht umhin, unsere Ansätze innerhalb dieser Diskussionen zu verankern. Dabei ist es nicht einfach, ein Namensschild an unsere Strategie zu heften, da wir einen hochdifferenzierten Ansatz fahren. Vereinfacht gesprochen verfolgen wir einen ähnlichen Ansatz wie Google DeepMind, jedoch mit dem entscheidenden Unterschied, dass man unsere Lösungen kaufen kann.
Auch wenn es sich wie Fachchinesisch anhören mag, wir positionieren unsere Lösung HIRO als KI-basierte Digitale Plattform, deren decision engine sowohl Machine Reasoning als auch Machine Learning Algorithmen integriert. Ziel ist es, den etablierten Unternehmen zu ermöglichen, auch im digitalen Zeitalter relevant zu bleiben.
Über Jahre hinweg haben wir besonders im Bereich der IT Automatisierung demonstriert, dass wir den autonomen Betrieb von ganzen Prozessketten mit hohen Skaleneffekten umsetzen können. Im Augenblick entwickeln wir uns in den Bereich der Geschäftsprozesse weiter, der wegen der fehlenden Standardisierung neue Herausforderungen an KI aufwirft.
Der strategische Fokus von Arago liegt darin, etablierten Industrien zu helfen den Digitalen Darwinismus mittels einer KI Plattformstrategie zu überleben.
Wir haben es als Kultur auf unsere Fahnen geschrieben, über die Möglichkeiten, aber auch die Grenzen von KI aufzuklären. Sollten Sie Gelegenheit haben, eine Rede unseres Gründers Chris Boos zu hören, so werden Sie sowohl seine Leidenschaft erleben, aber eben auch seinen unermüdlichen Drang, mehr Klarheit in die Debatten, um KI zu bringen. Nicht zuletzt, dass wir KI nicht auf die Welt von Machine Learning verkürzen dürfen.
Um Entscheidungen in Echtzeit zu fällen, bedarf es Unmengen von Daten, was wirtschaftlich kaum tragbar wäre. Ebenso können die meisten Algorithmen weder mit Kontext von Information umgehen oder auf Veränderungen in Umgebungen reagieren. Aber „digital sein“ bedeutet eben genau diese Fähigkeiten als Endziel zu erreichen. Deshalb verfolgen wir einen Plattformansatz, in dem wir verschiedene Arten von Algorithmen integrieren und durch proprietäre Algorithmen ergänzen, um die Begrenzungen von engen Ansätzen und isolierten Algorithmen zu überkommen.
Um den Digitalen Darwinismus zu überleben, bedarf es einer Orchestrierung von Menschen, Prozessen und technologischer Innovation
Wie also können wir mehr Klarheit in die Diskussionen bekommen und die Unternehmen in ihren fundamentalen Herausforderungen unterstützen? Dies wird uns nur gelingen, indem wir uns auf die Probleme fokussieren, welche all diese Innovation vermeintlich lösen sollen.
Vorstände sind paranoid über die potenzielle Disruption durch KI, aber sie können diese Ängste häufig nicht in klare Handlungsvorgaben für die operativen Teams übersetzen. Genau hier sollten die Diskussionen ansetzen und die praktischen Erfahrungen aus den schon durchgeführten Pilotprojekten widerspiegeln. Change-Management ist der wohl wichtigste Punkt auf der Digitalen Reise. Dies wird aber nur durch eine Orchestrierung von Menschen, Prozessen und technologischer Innovation gelingen. Und hier schließt sich der Bogen: Um dies zu erreichen brauchen wir Kontext, Kontext, Kontext!
