Die neuen Sprachmodelle von KI-Tools sind so leistungsfähig, dass Kundenservice und Vertrieb in der Finanzbranche auf ein neues Effizienz-Level katapultiert werden können – gut für die Verbraucher und gut für die oft überlasteten Callcenter.
Künstliche Intelligenz ermöglicht intelligente Chatbots im Kundenvertrieb der Banken.
Partner des Bank Blogs
„…dann drücken Sie die Drei“: Solche Ansagen im Kontakt mit Call-Centern von Banken werden schon bald der Vergangenheit angehören. Die Finanzbranche diskutiert über das Potenzial von generativer künstlicher Intelligenz (GenKI). Im Backoffice von Banken kann die neue Technologie als Turbo für zahlreiche Abläufe dienen. Und sie kann Mitarbeiter von lästigen wiederkehrenden Routinearbeiten befreien.
Doch das ist längst nicht alles: Auch in Kundenservice und Vertrieb ebnen digitale Assistenten den Weg zu neuen Anwendungen. Hier kann KI die Kundenreise bereichern und den Instituten effizientes Handeln ermöglichen. Vorbei sind die Zeiten, in denen sprechende Bots über stark limitierte sprachliche Möglichkeiten verfügten und ein wenig begeisterndes Kundenerlebnis lieferten. Mit dem Einzug von Systemen der neuen Generation verbessert sich die Antwortfähigkeit der neuen Assistenten enorm, denn sie sind mit einem Vielfachen der Datenparameter trainiert, die den Vorgängern zugrunde liegt.
Intelligente Chatbots in der Kundenbetreuung
Dieser Entwicklung stehen offenbar auch die Verbraucherinnen und Verbraucher erwartungsvoll gegenüber: Die Mehrheit ist laut einer aktuellen Studie von Nordlight Research offen für die Nutzung intelligenter Chatbots in der Kundenbetreuung.
Geschätzt werden branchenübergreifend insbesondere die Möglichkeit, rund um die Uhr Services zu nutzen (58 Prozent), schnellere Antworten und kürzere Wartezeiten (50 Prozent). Hohe Qualität und relevante Antworten vorausgesetzt, würden mehr als vier von zehn Bankkunden (41 Prozent) ein hohes Interesse an Terminvereinbarungen mit ihrem Anbieter haben. Als Vorteile gelten Verbrauchern auch Informationen zu Produkten und Dienstleistungen sowie Services wie die Änderung von Kundendaten.
Wir sehen daher große Effizienzgewinne für den Einsatz von KI-Systemen der neuen Generation in Callcentern. Hier ermöglichen es digitale Assistenten, Service-Anfragen automatisiert in hoher Qualität zu bearbeiten.
Drei Stufen für den Einsatz von generativer KI
Dabei gehen wir davon aus, dass sich Unternehmen dem Einsatz von KI-Modellen in verschiedenen Ausbaustufen nähern werden: In der ersten Ausbaustufe wird generative KI als „Stand-alone“-Lösung – zum Beispiel als Sprachassistent – eingesetzt. Auf der zweiten Stufe werden Bestandssysteme mit digitalen Assistenten wie Chatbots kombiniert, um neue Anwendungsfelder zu erschließen. Und in der dritten werden ganze Verkaufsprozesse automatisiert abgewickelt.
Stufe 1: Digitale Kundenassistenten
Hier kommt KI in einem Tool – etwa als digitaler Kundenassistent – zum Einsatz. Nehmen wir den Fall, dass eine Kundin oder ein Kunde per Chat-Dialog auf der Unternehmenswebsite nach Informationen fragt. Wenn sich eine Person beispielsweise über die Finanzierung für ein neues Bad informieren möchte, kann sie über einen Chatbot erste Fragen klären. Bei Bedarf wird automatisch ein Termin mit einer Beraterin oder einem Berater zugewiesen.
Dokumente wie Allgemeine Geschäftsbedingungen (AGB) oder Preisverzeichnisse können im System an einer zentralen Stelle gebündelt und je nach Chatverlauf zielgerichtet herausgegeben werden – eine deutliche Verbesserung zu früheren Sprachmodellen und Systemen, denn die neuen Modelle sind viel präziser als die der älteren Generationen.
Stufe 2: Automatisierung von Callcentern
Hier werden vorhandene Systeme und Applikationen eingebunden. Durch die Verknüpfung von Chat- mit CRM-Systemen ist es etwa möglich, eine aktuelle Anfrage der Kontakthistorie mit der Kundin oder dem Kunden zuzuordnen. Das System weiß dann also, wann eine Person zuletzt angerufen hat und mit welchem Anliegen und kann diese Informationen miteinander verknüpfen.
Hier schließt sich der Kreis zu Call-Center-Anwendungen: Durch Speech-to-Text-Technologie kann zum Beispiel Gesprochenes in geschriebenen Text umgewandelt werden. Der Vorteil: Auch mündliche Kundenanfragen können vom System verarbeitet werden – nicht nur schriftliche Eingaben. Wird ein leistungsfähiges KI-Tool mit dieser Technologie verknüpft, kann das System telefonische Kundenanfragen verstehen und automatisiert darauf reagieren. Abläufe beschleunigen sich und Kosten können sinken – Effizienz und Kundenzufriedenheit steigen.
Datenschutzbedenken sind in diesem Zusammenhang berechtigt. Doch zum Beispiel bei Microsoft sind im Rahmen von Unternehmenslizenzen entsprechende Service Level Agreements mit der Umsetzung von generativer KI in den Anwendungen enthalten, die auch für die Cloud-Nutzung gelten.
Stufe 3: Integration in Verkaufsprozesse
Perspektivisch lässt sich generative KI komplett in das Ökosystem eines Unternehmens integrieren und kann so vollautomatisiert Vertriebspotenziale erkennen, kommunizieren und umsetzen. Gekoppelt mit den richtigen Data Analytics kann die Technologie als integraler Bestandteil des Experience Managements in der dritten Ausbaustufe ganze Verkaufsprozesse abdecken. Die Arbeit an diesem Anwendungsszenario findet bislang nur vereinzelt statt.
Der nächste Schritt wird dann die umfassende Verknüpfung mit Kernbankensystemen sein: Für die Unternehmen erhöht das die Effizienz – Kunden eröffnen sich neue Interaktionsmöglichkeiten.
Als bedeutsame Innovation und Game-Changer wird die Verknüpfung mit den Kernbankensystemen und dem CRM gesehen. Zurück zum Beispiel von oben: Eine Person ruft wegen einer Frage zu einem Sparbrief an und erwähnt nur beiläufig, dass sie eine Immobilie erwerben möchte – und erhält automatisiert ein erstes Angebot per Voicebot. Diese Automatisierung gestaltet das Kundenerlebnis noch nahtloser – und hilft dem Unternehmen dabei, gezielte Angebote zu platzieren und den Umsatz zu steigern.
Philipp Jebens
Philipp Jebens ist Koautor des Beitrags. Er ist Manager bei KPMG, Financial Services und berät Finanzinstitute als Experte für strategische Neuausrichtungen im Kontext Digitalisierung der Kundenschnittstelle und Kundenorientierte Organisation. Der Master of Science war zuvor für BearingPoint und die Sparda-Bank Hessen tätig.
