Big Data und Analytics sind Schlagworte, die eng miteinander verbunden sind. Mit „Watson“ hat IBM ein selbstlernendes System entwickelt, das strukturierte und unstrukturierte Daten erkennt, auswertet und aufbereitet. Sein Ziel ist die Beratungs- und Entscheidungsunterstützung. Der heutige Gastbeitrag erläutert die Hintergründe.
Das Computersystem Watson ist eines der führenden Technolgie Systeme und bietet auch für Banken und Sparkassen interessante Anwendungsoptionen
© Shutterstock
Partner des Bank Blogs
Data Analytics ist ein aktuelles Schlagwort auch für Finanzdienstleiter. Doch das Sammeln großer Datenmengen alleine bringt noch keinen Mehrwert. Nutzen kann erst durch das begleitende Ableiten von Analyseergebnissen entstehen.
Drei Entwicklungsphasen von IT Systemen
Bei der Entwicklung von IT Systemen lassen sich drei Phasen unterscheiden:
- In der Frühphase dominierten Lochkarten und Stapelverarbeitung die IT Systeme. Es ging darum, einfache Aufgaben schneller abzuarbeiten.
- Danach kam die Phase der programmierungsgesteuerten IT Systeme. Der Fokus lag auf der Entwicklung immer schnellerer Prozessoren, um genau definierte Rechnungen immer schneller durchführen zu können. Skalierung war nötig, um die Ergebnisse zu verbessern und das Management der Systeme erfolgte noch weitgehend manuell.
- Seit kurzem läuft die Ära der kognitiven Systeme. Der Fokus liegt auf der intelligenten Verarbeitung großer Datenmengen und statistischen Methoden. Die Systeme sind weitgehend automatisiert.
Beim Einsatz von IT Systemen lassen sich drei Phasen identifizieren
Watson zur Entscheidungsunterstützung
Das selbstlernende System „Watson“ von IBM ist ein solches kognitives System. Es soll strukturierte und unstrukturierte Daten erkennen, analysieren und aufbereiten und so künftig zu einem Berater des Beraters und Entscheidungsunterstützer werden. Dabei nutzt es die ganze Vielzahl der zur Verfügung stehenden Informationen und Informationsquellen, die ein einzelner Mitarbeiter nicht mehr verarbeiten könnte.
Kognitive Systeme wie Watson haben drei charakteristische Merkmale
Das Besondere: Watson kommuniziert mit seinem Gegenüber in menschlicher Sprache.
Entscheidungsunterstützung durch Watson
Systeme wie Watson sollen den Berater oder Experten nicht ersetzen. Vielmehr bieten sie eine Entscheidungs- und Dialogunterstützung bei kontinuierlichem Lernen durch drei Bausteine:
- Verarbeitung natürlicher Sprache um die Komplexitäten unstrukturierter Daten zu verstehen.
- Erzeugung und Bewertung von Hypothesen durch die Anwendung fortgeschrittener Analysemethoden.
- Evidenzbasiertes Lernen um sich auf der Basis der Ergebnisse zu verbessern und so mit jeder Iteration und Interaktion intelligenter zu werden.
Einsatzszenarien kognitiver Systeme
Grundsätzlich gibt es sechs Problemstellungen, bei denen die ein Einsatz kognitiver Systeme wie Watson sinnvoll erscheint:
- Vorhandensein großer Mengen an unstrukturierten Daten.
- Suche nach Antworten und Beweisen.
- Dialogunterstützung.
- Untersuchung einer großen und vielfältigen Zahl an Antworten.
- Kontinuierliches Lernen.
- Entscheidungsunterstützung.
Sechs Ansatzpunkte für einen Einsatz kognitiver Systeme wie Watson
Im medizinischen Bereich wurden die Vorteile solcher Systeme bereits frühzeitig erkannt. Hier werden Ärzte z.B. durch die maschinelle Aufbereitung von Studien und Diagnosen in der Therapieentscheidung erheblich unterstützt.
Anwendungsmöglichkeiten im Banking
Die Beschreibung des Systems klingt jedoch einfacher als es ist. Insbesondere die technische Komplexität und die strukturelle Aufwendigkeit sind eine Herausforderung Dazu kommen dann noch die Schwierigkeiten in der Verständigung zwischen Mensch und Maschine. Daher und aufgrund enger gesetzlicher Vorgaben mangelt es im Finanzdienstleistungsbereich immer noch an plakativen Leuchtturmprojekten.
Dabei gibt es auch im Banking vielzählige Anwendungsfälle für Watson:
Watson m Vertrieb
Watson kann Korrelationen in Kundenaktionen erkennen und dadurch Kundenpräferenzen, Kundengruppen oder Gewohnheiten auswerten. Dies ermöglicht eine kundenindividuellere Ansprache. Die Inhalte der Beratungsprotokolle können ebenfalls effizient analysiert, dokumentiert und ausgewertet werden.
Watson für regulatorische Anforderungen
Auch bei regulatorischen Anforderungen kann Watson unterstützen. So können z.B. interne Vorgaben automatisiert auf ihre Umsetzung überprüft werden.
Watson im Risikomanagement
Im Risikomanagement sind ebenfalls weitreichende automatisierte Prüfungen möglich. Wachsender Regulierung kann damit langfristig effizient begegnet werden.
Nutzen von Watson
Mit Watson können Kundenerwartungen künftig treffender erfüllt werden. Zudem kann die Kundenzufriedenheit bei Kreditinstituten kann über den Einsatz solcher Werkzeuge über eine kosteneffiziente Beratungsunterstützung gesteigert werden.
Analysten, Berater und Experten werden zudem durch schnelle, proaktive und transparente Entscheidungsunterstützung entlastet. Watson kann damit sowohl in kleineren Anwendungsfällen als auch bei der unternehmensweiten Umsetzung zu erheblichem Nutzen führen!
Wer mehr über das „Innere“ von Watson erfahren möchte, für den steht im Studienbereich ein interessanter Report bereit.
Ein Kommentar
Sehr interessanter Artikel, gefällt mir. Aus meiner Sicht ein Quantensprung der Informationstechnologie für die Automatisierung bei Finanzdienstleistern im Umfeld der Digitalisierung. Vor allem bei der Integration sozialer Medien bzw. mobiler Welten besteht hier grosses Potenzial. Die genannten Nutzungsmöglichkeiten stellen nur einen kleinen Teilausschnitt dar. Auch bei der Unterstützung von Sachbearbeitungsprozessen und bei der Dokumentation schlummern viele Möglichkeiten. IBM ist hier sicher kein Vorreiter aber für die Akzeptanz in Markt ist es sehr wichtig, dass Big Blue die Richtung weist.
…und das Ganze hört sich schon sehr rund an.
Im Vorfeld sollte jedoch ein Nutzungskonzept stehen, das die Einsatzmöglichkeiten identifiziert, strukturiert, bewertet und in die bestehende Prozesslandschaft integriert. Und dann T U N!