KI bietet Banken viele Chancen – wenn die richtigen Use Cases gefunden und Mitarbeiterinnen und Mitarbeiter nachhaltig für die technologischen Möglichkeiten begeistert werden. Doch wie überwindet man anfängliche Herausforderungen und hebt das Potenzial? Ein Leitfaden!
Ein Leitfaden zur Hebung von Potenzialen für Künstliche Intelligenz in Banken und Sparkassen.
Partner des Bank Blogs
Digitale Ökosysteme sind von zentraler Bedeutung für den Erfolg und die Wettbewerbsfähigkeit in der modernen Unternehmenslandschaft; so auch im Bankensektor. Der Einsatz von künstlicher Intelligenz (KI) ist relevanter Enabler für eine Erweiterung des Dienstleistungsangebots, Effizienzsteigerungen und die Erschließung neuer Geschäftsfelder. Die sogenannte „GenKI“ (Generative KI, GenAI) repräsentiert gegenwärtig den Höhepunkt der in der Breite einsetzbaren KI-Entwicklungen. Doch wie gelingt die umfassende Erschließung des KI-Potentials für Banken?
Erstellung der KI-Strategie über wertgenerierende Anwendungsfälle
Grundvoraussetzung ist eine auf konkrete Wertgenerierung basierende KI-Strategie, d.h. eine Perspektive auf die Anwendungsfälle, die der Bank einen quantifizierbaren Nutzen bringen. Diese Betrachtung basiert jedoch auf zwei zentralen Komponenten: das entsprechende Operating Model und die passende Technologieplattform. Hier hat sich ein iterativer Ansatz als sinnvoll etabliert.
Das bedeutet, frühzeitig mit Pilotprojekten zu starten, KI-Kompetenzen in den Arbeitsabläufen aufzubauen und die Möglichkeiten der Technologieplattform zu bedenken. Dabei ist es wichtig, alle Möglichkeiten innerhalb des gegebenen, auch formalen, Rahmens auszuloten, um nicht eine lange Plattformeinführung abwarten zu müssen.
Digitaler Assistent als Pilotprojekt
Die Einführung einer Off-the-Shelf-Lösung, die auf einem leistungsstarken Sprachmodell basiert und als digitaler Assistent fungiert, kann ein sinnvoller erster Schritt für Pilotprojekte sein. Mitarbeiter haben die Möglichkeit, diese KI-Lösung für erste Anwendungsfälle zu nutzen, wie beispielsweise die Zusammenfassung von Dokumenten im Kreditprozess oder die Unterstützung bei der Erstellung von Kreditmemos. Diese ersten Erfahrungen und Erfolge helfen dabei, Abläufe zu verbessern und Ideen für weitere Anwendungsfälle am eigenen Arbeitsplatz zu entwickeln.
Anwendungsfälle entlang einer Capability Map
Parallel dazu sollten Anwendungsfälle entlang einer Capability Map entwickelt, priorisiert und schließlich in einer Heatmap konsolidiert werden. Diese bildet die Grundlage für eine inkrementell entwickelte KI-Strategie, die klar definierte Ziele verfolgt und nicht nur Selbstzweck ist. Unser Haus hat beispielsweise begonnen, erste Use Cases umzusetzen, vor allem im Bereich Credit Memo Drafting, Vorbereitung von Entscheidungsvorlagen oder Gen AI für die Auswertung von ESG-Reports. Um tragfähig und umsetzbar zu sein, muss die KI-Strategie in Verbindung mit bestehenden strategischen Eckpfeilern wie IT-, Daten- und Cloudstrategie entwickelt werden.
Etablierung einer Execution Engine für die Implementierung
Mit der KI-Strategie als Basis werden die Anwendungsfälle umgesetzt. Dabei wird auch die KI-Strategie durch stetiges, wechselseitiges Feedback auf die spezifischen Bedürfnisse des Unternehmens abgestimmt.
Diese Implementierung erfordert eine Vielzahl von Fähigkeiten – von spezialisiertem Know-how für die Anbindung von Services und Sprachmodellen über Datenschutz, Ethik und regulatorische Anforderungen bis hin zu Datenengineering und Architekturmanagement.
Um die Vielfalt der notwendigen Fähigkeiten für die identifizierten KI-Anwendungsfälle zu bündeln, müssen Führungskräfte, Fachexperten und IT-Teams Hand in Hand arbeiten und eine Execution Engine aufbauen.
Einbezug der Mitarbeiter
Daher hat unser Haus beispielsweise eine Arbeitsgruppe aus allen Bereichen der Bank gegründet, die zusätzliche KI-Anwendungsfälle identifiziert und implementiert. Für die Implementierung wählt die Arbeitsgruppe zwischen verschiedenen Off-the-Shelf-Lösungen wie Copilot for Edge, M365 Copilot oder GitHub Copilot die für den jeweiligen Use Case passende Lösung aus.
Die Execution Engine begleitet auch die Einführung durch einen Kommunikationsansatz, der kontinuierlich Wissen über die Technologie vermittelt und sie erlebbar macht. Dabei werden Chancen und Risiken offen angesprochen sowie eingeordnet und die Mitarbeiter schließlich ermutigt, sich selbst von den Vorzügen zu überzeugen. Hierfür hat sich bei uns der Einsatz von Change Agents in den Abteilungen bewährt. Diese sind die ersten Ansprechpartner für alle Fragen rund um KI.
Aufbau eines KI Operating Models und von KI-Fähigkeiten
Parallel zur Entwicklung der Execution Engine müssen ein Operating Model und KI-Fähigkeiten in der gesamten Organisation verankert werden.
Ein leistungsfähiges Operating Model basiert auf einer effektive KI-Governance mit klar definierten Verantwortlichkeiten, Entscheidungsprozessen sowie Kontrollmechanismen. Unter Risikogesichtspunkten ist zudem ein enger Schulterschluss von Compliance-Einheiten wie Recht, Datenschutz und dem Chief Information Security Office notwendig. KI-Anwendungsfälle müssen zunächst einer Prüfung unterzogen werden, um mögliche Risiken im Hinblick auf den Einsatz der KI sowie den durch sie erzeugten Output zu untersuchen.
Gerade bei der Verwendung der Ergebnisse muss den Mitarbeitern klar sein, dass es ihre Verantwortung ist, die Ergebnisse zu validieren. Sinnvoll ist hier die Validierung durch Mitarbeiter mittels einer Nutzungs-Policy, regelmäßiger Audits und Trainings zur Sensibilisierung. Bei der Nutzung von vollständig autonomen Anwendungsfällen mit direkter Kundeninteraktion sind besondere Validierungsmethoden notwendig.
Auswirkungen des EU AI Acts
Vor allem im Bankensektor hat der EU AI Act erhebliche Auswirkungen auf die Nutzung von AI, insbesondere in Bezug auf Modellentwicklung und Risikomanagement. Hierbei ist darauf zu achten, spezifische Anforderungen an Governance, Datenmanagement und Datenschutz, einschließlich der Förderung von AI Literacy und menschlicher Überwachung, einzuhalten. Die Anforderungen variieren jedoch je nach Risiko der KI-Anwendungsfälle und ihrer Rolle in der Wertschöpfungskette.
Auseinandersetzung mit den Herausforderungen und Chancen von KI
Entscheidend für die erfolgreiche Nutzung von KI sind eine aktive Auseinandersetzung mit den Herausforderungen und Chancen von KI sowie ein effektives Trainingsprogramm. Wir haben hierfür verschiedene Ansätze in der Bank gewählt, beispielsweise Video-Tutorials, halbtägige Schulungen und maßgeschneiderte Einzelcoachings. Jeder Ansatz ist für alle Mitarbeiter offen und zielt darauf ab, die Eintrittsschwelle für die KI-Nutzung zu reduzieren. Außerdem wurden für die häufigsten Anwendungsfälle in den verschiedenen Bereichen vorgefertigte Prompts in einer Prompt Library abgelegt.
Verankerung in der Organisation und bei den Mitarbeitern
KI kann für Banken eine Reihe von Chancen bieten. Die Entwicklung einer KI-Strategie, die wertgenerierende Anwendungsfälle mit der Technologieplattform und dem Operating Model verbindet, ist hierfür entscheidend. In der praktischen Umsetzung kommt es vor allem darauf an, die richtigen Fähigkeiten in der Organisation zu verankern und Mitarbeiter für den Einsatz generativer KI zu begeistern.
Gelingen kann dies durch Information, Teilhabe und niedrigschwellige Pilotprojekte, die den Nutzen schnell erlebbar machen und so helfen, Vorbehalte zu überwinden. Um mögliche Risiken aus dem Einsatz von KI zu reduzieren, ist eine effektive Governance mit klaren KI-Nutzungs-Policies, regelmäßigen Audits und Trainings zur Sensibilisierung notwendig.
