In der Regel gelten Banken und Finanzdienstleister oft als traditionelle Einrichtungen, die sich primär mit den Investitionen ihrer Kunden beschäftigen. Doch gerade im Trendthema Künstliche Intelligenz (KI) sehen Finanzinstitute eine große Chance und sind teilweise Vorreiter: Das Marktforschungsinstitut IDC schätzt die Ausgaben des Finanzsektors im Bereich KI auf rund drei Milliarden Dollar [1] – im Jahr 2018 allein. Die möglichen Anwendungsbereiche sind in einer derart datengetriebenen Branche vielfältig: automatisierte Sicherheitsmaßnahmen, die selbstständig verdächtige Transaktionen und Betrugsversuche erkennen, personalisierter Echtzeit-Kundenservice und sogar Anlagenhandel auf Basis von Algorithmen.
Gerade für etablierte Banken sind KI-Lösungen die Chance, auf die agilen und individuellen Geschäftsmodelle der zahlreichen Fintechs zu reagieren. Denn die gehobene Erwartungshaltung des digitalen Kunden schließt auch ihre Branche ein. Und genau wie im Einzelhandel gilt es, mit neuer Technologie die Erwartungen der Kunden besser zu verstehen und zu erfüllen – und im Idealfall vorherzusehen.
Datenbasierte Geschäftsmodelle
Finanzinstitute sind in fast jeden Bezahl-Bereich des täglichen Lebens eingebunden und können aus den entstehenden Transaktionsdaten eine Vielzahl von Rückschlüssen auf das Verhalten ihrer Kunden ziehen: Wo geben sie ihr Geld aus? In welchem Lebensabschnitt befinden sie sich? Welche Services oder Zahlungsmittel des Portfolios nutzen sie und wie häufig? Zusammen mit Informationen aus der Kundenberatung oder sozialen Plattformen ergibt sich ein sehr aufschlussreiches Kundenbild. Allerdings kann es Instituten schwerfallen, dieses Bild aus den vielen einzelnen Konto- und Serviceinformationen zusammenzusetzen. Vor allem, wenn diese Daten über mehrere Abteilungen und deren Datensilos verteilt sind. Deshalb ist es wichtig, dass sie mit einem effizienten und übergreifenden Datenmanagement die Voraussetzungen für einen effektiven Einsatz von KI schaffen. Beispielsweise machen es Datenplattformen mit Single Customer View (SCV) einfacher, die Daten einzelner Kunden gezielt und sicher aus großen Datensätzen herauszufiltern. Bei der Planung der eigenen IT-Infrastruktur sollte für Banken die Verfügbarkeit ihrer Daten immer höchste Priorität haben.
Dann kann künstliche Intelligenz schon im ersten Analyseschritt enorm weiterhelfen. Sie ist prädestiniert dafür, aus einer großen Menge unstrukturierter Daten Muster abzuleiten und darauf basierende Handlungsempfehlungen zu geben. Selbstlernende Algorithmen „wissen“ dann anhand der Kundendaten, welche Angebote den Nutzer gerade vermutlich am meisten interessieren. Ein Sparbuch bei Nachwuchs, Baufinanzierung für den Hausbau oder ein Kredit für ein neues Auto sind nur einige Beispiele. Mit KI können Banken ihren Daten eine menschliche Dimension verleihen und persönlicher auf ihre Kunden eingehen. Nur dann sind das Ergebnis personalisierte Angebote und Services für den Kunden und eine höhere Zufriedenheit und Kundenbindung auf Unternehmensseite. Ersetzen kann KI die menschlichen Berater zwar noch lange nicht, aber sie gibt deren Beratung ein Datenfundament für passgenaue und proaktive Geschäftsmodelle.
Nutzer erwarten „Always on“
Mit omnipräsenten Smartphones und Webapplikationen schrumpft außerdem die Distanz zwischen Kunde und Finanzdienstleister. Öffnungszeiten, Landesgrenzen und selbst Servicegebühren durch reine Online Banken scheinen größtenteils Vergangenheit. Stattdessen erwarten Nutzer im Austausch für ihre Daten sofortiges, persönliches Feedback rund um die Uhr, denn auch sie wissen, dass ihre Daten etwas wert sind. Anbieter, die den Erwartungen der „Always on“-Mentalität nicht gerecht werden, tun sich schwer am Markt. Es gilt also, die internen Reaktionszeiten zu verkürzen und Support- und Serviceprozesse möglichst effizient zu gestalten. KI bietet hier mehrere Ansatzpunkte: Viele moderne Webpräsenzen greifen bereits auf automatisierte Chatbots als erste Anlaufstelle zurück. Unabhängig von den menschlichen Kundenbetreuern können diese KI-Bots Anfragen aufnehmen, filtern und dafür sorgen, dass der Ratsuchende mit dem richtigen Ansprechpartner verbunden wird. Dank fortschrittlicher Sprachtechnologie kann KI auch in Callcentern bereits ähnliche Screening-Aufgaben übernehmen. So zeigt beispielsweise Google, dass die Tage passiver Bandansagen dank KI gezählt sind. Denn mit der Duplex-Technologie können intelligente Bots das Gespräch innerhalb ihrer Kapazitäten unabhängig führen und entweder Routineabfragen wie Kontostände selbst beantworten oder im Falle komplexerer Anfragen an zuständige Mitarbeiter durchstellen. Capital One dagegen hat bereits den Amazon-Sprachassistenten Alexa für solche Anfragen eingespannt.
Auch für Applikationen und Website-Präsenzen ist Benutzerfreundlichkeit oberstes Gebot. Gerade Suchfunktionalitäten lassen sich mit KI intuitiver und individueller gestalten. Die Macquarie Bank verwendet in ihrer App eine Kontextsuche, die auch Anfragen wie „Wieviel habe ich für das Golfen ausgegeben?“ versteht und innerhalb der eigenen Transaktionen die relevanten Umsätze identifizieren kann. Ganze Sätze im Suchfeld, Sprachsteuerung – diese kleinen Schritte sind wertvoll für eine eingängige Bedienung und die damit einhergehende Zufriedenheit der Kunden mit den Apps und Services.
Sicherer dank Daten
Banken und Finanzdienstleister müssen sich aber vor der Implementierung vergegenwärtigen, dass diese Lösungen nicht in einem Vakuum funktionieren: Datenmanagement ist der Erfolgsfaktor Nummer Eins in der Digitalisierung und komplexe KI-Lösungen sind von einem steten Strom von Informationen und Updates abhängig. Alles im Bereich Machine Learning, Analytics, Streaming oder Bots ist extrem „datenhungrig“. Gleichzeitig wächst auch das Volumen der produzierten und zu verarbeitenden Rohdaten weiter exponentiell an. Auch der Aufbau der IT wird komplexer: statt „on premises only“ greifen Banken und Fintechs gleichermaßen häufig auf die Services verschiedener Cloud-Dienstleister zurück, sei es für Backups, Storage oder zusätzliche Rechenpower. Die entstehenden Multi-Cloud-Ökosysteme sind eine zusätzliche Herausforderung für das eigene Datenmanagement. Mit zentralisierten Datenplattformen, wie beispielsweise DataStax Enterprise, können Unternehmen gewährleisten, dass ihre Daten immer rechtzeitig bereitgestellt werden und dabei auch die gängigen Sicherheits- und Compliance-Richtlinien erfüllen. Und umgekehrt erlauben KI-basierte Sicherheitsmaßnahmen es Banken, das eigene Sicherheitsniveau anzuheben: Automatisierte Betrugserkennung war einer der ersten Bereiche für KI im Finanzsektor. Und auch weiterhin entfällt ein Großteil der Ausgaben für KI in diesem Sektor auf die Erkennung, Prävention und Untersuchung möglicher krimineller Transaktionen.
Ausblick
KI wird sich bei Banken und Finanzdienstleistern aber auch in weiteren Anwendungsbereichen etablieren. Gezielter Einsatz von Automatisierung ist unumgänglich in einer derart weitreichenden Branche mit immer höheren Erwartungen der Kunden. Nach derzeitigem Stand der Technik ist KI hier allerdings ein Helfer und kein Ersatz: Auch wenn die Software mögliche Betrugsversuche oder ein anderes verdächtiges Muster identifiziert, obliegt die schlussendliche Handlungsentscheidung doch immer noch einem menschlichen Mitarbeiter.
Mit weiterem technologischem Fortschritt im Bereich künstliche Intelligenz kann sich dieses Kräfteverhältnis natürlich in Zukunft verschieben. Deshalb ist es wichtig, dass Finanzinstitute frühzeitig für sie geeignete KI-Technologie identifizieren und in dem Bereich praktische Erfahrungen sammeln, um später diese Kompetenzen an ihre Teams weitergeben zu können. Denn mit neuer Technik allein ist es nicht getan. Für einen nachhaltigen Erfolg am digitalen Markt müssen sich KI-Lösungen und Datenmanagement auch in der Unternehmenskultur und den Köpfen sowie im Know-how der Mitarbeiter etablieren.
Um einen Kommentar zu hinterlassen müssen sie Autor sein, oder mit Ihrem LinkedIn Account eingeloggt sein.