KI macht Stärken und Schwächen von Banken offensichtlich

Banken sind Vorreiter, was den Einsatz von KI-Bots angeht. Zugleich macht die Einführung von KI und verwandten Technologien sichtbar, wo Banken Schwächen in ihren Infrastrukturen und Geschäftsmodellen haben – und wo sie einen Startvorteil in Sachen KI vorweisen können.

Bild: © Alexas_Fotos, pixabay.com

Kein Zweifel: Künstliche Intelligenz ist mehr als ein vorübergehender Hype. KI ist das IT-Thema 2019, auch und gerade in Banken. Nicht, dass die Finanzbranche nicht ohnehin genug zu tun hätte, um ihre IT-Infrastrukturen zugleich compliant, effizient und zukunftssicher zu machen; trotzdem kommt das Thema KI für Banken zur richtigen Zeit. Denn künstliche Intelligenz hat das Potenzial, IT-Prozesse fundamental zu modernisieren und dabei einen erlebbaren Nutzen für den Kunden zu schaffen.

Das haben zahlreiche Banken auch bereits erkannt. So ist die Branche „Markt“führer, was den Einsatz von KI-Bots angeht. Zugleich macht die Einführung von KI und verwandten Technologien sichtbar, wo Banken Schwächen in ihren Infrastrukturen und Geschäftsmodellen haben – und wo sie einen Startvorteil in Sachen KI vorweisen können.

1.    Pro: viele passende Use Cases

In Banken drängen sich zahlreiche Prozesse und Anwendungsgebiete für den Einsatz von KI geradezu auf. Dazu gehören nicht nur die Bots und Robo-Advisors. Ebenso bieten sich portfolio-optimierende Instrumente wie Transaktionsanalysen oder prozessuale, wie z.B. die automatisierte Verarbeitung von Eingangsrechnungen. Schwerpunkte sind mittelfristig aber regulatorische Themen wie AML, Netzwerkanalysen, etwa zur Erkennung von Terrorismusfinanzierung, und vor allem Verbesserungen der Customer Experience, wie zum Beispiel Voice Banking.

2.    Contra: fehlende Fachkräfte

Weltweit gibt es zu wenige KI-Fachkräfte und -Experten. Das trifft Banken mit ihrem kurzfristigen Bedarf an Umsetzungskompetenz besonders hart. Ein Ausweg ist die Ausbildung und Umschulung von Mitarbeitern, aber dieser Weg ist langwierig. Kurzfristig lösbar ist dieser Engpass nicht – selbst Google investiert stark in Ausbildung.

3.    Pro: Kosten nicht im Fokus

In Branchen, die KI vorrangig für Prozessoptimierung einsetzen wollen, spielen die Kosten eine dominierende Rolle. In Banken liegt der Fokus aber weitgehend auf der Verbesserung der User Experience, und damit in einem Wachstumsfeld. Deshalb spielen Kosten keine entscheidende Rolle. Das erhöht die Freiheitsgrade für experimentelle KI-Anwendungen.

4.    Contra: viele Daten, aber schlecht zugänglich

Die Qualität von KI wächst mit der Menge der verfügbaren (historischen und aktuellen) Daten. Das stellt Finanzdienstleister vor unterschiedliche Herausforderungen. Fintechs verfügen über keine historischen Datenbestände, mit deren Hilfe eine KI „lernen“ kann. Geschäftsbanken wiederum haben riesige Datenbestände, die aber oft in proprietären Anwendungen und Formaten vorliegen. Zudem sind Datensilos in verschiedenen Abteilungen, Geschäftsbereichen und Standorten ein weit verbreitetes Phänomen, das der Entfaltung von KI im Weg steht.

5.    Pro: KI als Katalysator auf dem Weg in die Cloud

KI muss bereits in der Konzeption frei skalierbar angelegt werden. Das kann kaum eine Bank in Eigenfertigung sicherstellen. Deshalb lässt sich KI sinnvoll und nachhaltig nur in der Cloud nutzen – eine Strategie, die ohnehin viele Häuser verfolgen. KI wird die Entwicklung hin zur Cloud weiter beschleunigen.

6.    Contra: (Urheber-)Rechtliche Fragen bremsen den KI-Fortschritt.

Im Kern von KI stecken insbesondere Algorithmen für maschinelles Lernen. Dieses Lernen funktioniert über Training an bestehenden Datenbeständen. Diese Daten sind in den meisten Banken vorhanden. Allerdings sind das in der Regel personenbezogene Daten, die aus rechtlichen Gründen nicht ohne Weiteres zweckentfremdet werden dürfen. Die Klärung dieser Fragen bremst die Entwicklung von erfolgreichen Use Cases in Banken derzeit noch etwas ein.

Banken stehen nicht vor der Herausforderung, passende Use Cases für den Einsatz von KI zu finden. Viel eher geht es darum, diese nach Dringlichkeit und Wertbeitrag zu priorisieren und vor allem intern die Strukturen zu schaffen, die eine erfolgreiche Realisierung erst gewährleisten. Aus eigener Kraft kann und wird das keine Bank schaffen, dazu ist intern wie auf dem Arbeitsmarkt zu wenig Know-how vorhanden. Deshalb ist es für die Branche jetzt besonders wichtig, sich nicht lange mit Strategien aufzuhalten, sondern mit kleinen Anwendungsfällen schnell loszulegen. Denn so groß die Chancen durch KI auch zu sein scheinen: Nur die Schnellen werden sie in Mehrgeschäft umsetzen können. Allen anderen bleibt nur der Kostenansatz.

Artikel empfehlen

Durch die Nutzung dieser Webseite erkläre ich mich mit der Verwendung von Cookies einverstanden. Weitere Informationenschließen