Mehr Effizienz im Kundenservice
Smarte Helfer für Banken
 

Kaum ein Sektor ist für den Einsatz Künstlicher Intelligenz prädestinierter als die Finanz­branche. Gründe dafür sind die umfangreichen und komplexen Datenmengen sowie die ­starke Regulierung. Die Anwendungsmöglichkeiten der Technologie in der Beratung oder auch der Betrugserkennung sind vielfältig. Viele Banken haben die Potenziale erkannt und erste Projekte gestartet.

91 Prozent der Bank-CEOs rechnen damit, dass Künstliche Intelligenz (KI) ihr Geschäft in den nächsten Jahren wesentlich verändern wird, so das Ergebnis einer aktuellen Befragung von PwC. Angesichts der Vielzahl an Pilotprojekten, die Finanz­institute bereits angestoßen haben, überrascht diese Zahl kaum – bietet die Technologie doch enormes Potenzial für Einsparungen sowie Umsatzsteigerungen. Die Einsatzmöglichkeiten intelligenter Software sind extrem vielfältig: Bei Privat- wie auch Unternehmenskunden, im Backend sowie im Frontend.

Das Beste aus den Daten herausholen

Die meisten Banken verfügen bereits über die wichtigste Voraussetzung für eine personalisierte und passgenaue Kundenberatung, doch sie setzen diese noch nicht vollumfänglich ein. Die Rede ist von Daten.

Die Institute kennen Cashflow und Darlehen ihrer Kunden und können daraus eine Vielzahl an Schlussfolgerungen ziehen: Welches Auto haben sie gekauft? Wann sind sie zuletzt umgezogen? Welche Zahlungsmittel nutzen sie? In welcher Lebensphase befinden sie sich?

Kombiniert mit weiteren Informationen aus sozialen Netzwerken können Banken so ein fast vollständiges Bild ihrer Kunden erhalten. Um eine solch immense Menge an strukturierten und unstrukturierten Daten zu verarbeiten und eine Systematik darin zu finden, benötigen Finanzinstitute die Unterstützung von KI-Lösungen.

Diese können beispielsweise ermitteln, zu welcher Jahreszeit die meisten Kunden ein neues Auto kaufen oder wie der Mietspiegel die Nachfrage nach Immobiliendarlehen beeinflusst. Aus diesen Informationen lassen sich wiederum Schlussfolgerungen für die Optimierung der Angebote von Banken ziehen. Denn durch intelligente Algorithmen können Finanzinstitute Entscheidungen von Kunden sehr genau voraussagen und die darauf basierende Angebotsplanung weiter verbessern.

Wichtig ist hier natürlich, dass die Institute alle personenbezogenen Angaben datenschutzkonform erheben und speichern. Darüber hinaus können aber auch anonymisierte Informationen zu Zusammenhängen zwischen Persönlichkeitsmerkmalen und Verhalten aufschlussreich sein. Insbesondere in Deutschland sind Kunden sensibel, wenn es um das Sammeln und Auswerten von personenbezogenen Daten geht – weshalb auch hiesige Finanzinstitute bisher wenig in diesem Bereich vorangehen. Doch dachte vor Jahren auch noch niemand, dass Online-Transaktionen rasch an Fahrt gewinnen würden. Und heute sind diese weithin akzeptiert.
Das Gleiche wird auch im Bereich der Datenanalysen passieren: Die Akzeptanz wird umso mehr steigen, je größer der Mehrwert ist – und je häufiger Kunden die Erfahrung machen, dass sie mithilfe von Regulierungen wie der DSGVO die volle Kontrolle über ihre Daten haben.

Mit Investment-Robotern Geld anlegen

Neben einer stärkeren Personalisierung ermöglicht künstliche Intelligenz außerdem auch Investment Banking für eine breitere Zielgruppe. Smarte Software kann hier gewinnbringend unterstützen, da sie Börsenkurse schnell analysieren und rationale Entscheidungen treffen kann. Das lohnt sich vor allem bei kleineren Anlegern, die ohne Automatisierung überhaupt keinen Zugang zu Investments hätten, weil ein erfahrener Bankberater dafür zu teuer ist.

Sogenannte Robo Advisors wählen mithilfe ausgeklügelter Algorithmen automatisch die passenden Aktien für passive Fonds aus. Sie folgen dabei der gleichen Vorgehensweise wie ein menschlicher Finanzberater: Zunächst fragt er den Kunden nach seinen Präferenzen. Dieser muss unter anderem den Anlagebetrag, Anlagehorizont und seine Risikoneigung angeben. Basierend darauf ermittelt das System eine individuell optimale Verteilung des Anlagevermögens auf verschiedene Anlageklassen. Im nächsten Schritt schlägt der Robo Advisor dann für jede Klasse eine mögliche Produktzusammensetzung vor. Dies geschieht nach implementierten Algorithmen aufgrund der hinterlegten Daten.

Es gibt verschiedene Robo-Advisor-Lösungen, die sich vor allem durch den Grad ihrer Autonomie unterscheiden. Bei der simpelsten Variante handelt es sich um ein reines Beratungstool. Vom System generierte Vorschläge muss der Nutzer in Eigenregie umsetzen. Die Vermögensverwaltung bleibt somit alleine in der Kundenverantwortung.

Beim zweiten Typ wird für die Umsetzung einer von mehreren vorgefertigten Dachfonds vorgeschlagen, der von seiner Rendite-Risiko-Struktur den Kundenpräferenzen am nächsten kommt. Die Realisierung erfolgt einfach durch Erwerb des betreffenden Dachfonds seitens des Kunden.

Die dritte Variante ist die intelligenteste und daher auch die autonomste: Das System errechnet dabei das optimale Portfolio und realisiert es gegebenenfalls mithilfe einer Partnerbank. Es überwacht zudem, wie sich die Anlage entwickelt, und passt diese gegebenenfalls automatisch an, falls das erforderlich werden sollte. Diese Variante übernimmt somit nicht nur die automatisierte Finanzberatung, sondern verwaltet darüber hinaus das Vermögen und kommt beispielsweise bei Scaleable Capital zum Einsatz. Das FinTech arbeitet mit der Direktbank ING zusammen und hat 2018 als erster deutscher Robo Advisor die Milliardenmarke an betreutem Vermögen überschritten.



Mehr Effizienz im 24/7-Kunden­service

Das Beispiel der Robo Advisors zeigt, wie KI die Bankberater entlasten und gleichzeitig den Service für Anleger erweitern kann. Darum halten intelligente Lösung auch Einzug in weitere Bereiche des Kundenkontakts.

Dass diese durchaus bereit sind, sich mit technischen Lösungen zu unterhalten, lässt sich eindrucksvoll an der wachsenden Verbreitung von intelligenten Chatbots sowie am Boom der sprachgesteuerten Assistenten wie Alexa, Cortana und Co. erkennen. Beide Varianten der maschinellen Sprachverarbeitung beziehungsweise Computerlinguistik basieren auf KI und haben sich in den letzten Jahren immens weiterentwickelt. Daher ist es für Banken ein logischer nächster Schritt, ebenfalls Chatbots und sprachbasierte Dienste anzubieten. Und so experimentieren bereits viele mit diesem Ansatz.

Beispielsweise nutzt der Chatbot von Wells Fargo künstliche Intelligenz sowie den Facebook Messenger, um auf Nachrichten von Nutzern in natürlicher Sprache zu antworten. Er teilt den Kunden mit, wie viel Geld sie auf ihren Konten haben oder wo sich der nächste Bankautomat befindet. Auch ermöglicht es Capital One seinen Kunden bereits, mithilfe von Alexa ihr Guthaben zu überprüfen, Ausgaben zu verfolgen und Rechnungen zu bezahlen. Und erst im letzten Jahr ging JP Morgan eine Partnerschaft mit Amazon ein, um eine neue Funktion für Alexa zu entwickeln. Diese                 erlaubt es den institutionellen Kunden, über den Sprachassistenten auf die Analystenberichte und Aktieninformationen von JP Morgan zuzugreifen.

Banken gehen also bereits erste Schritte in Richtung sprachbasierter Assistenten im Finanzmarkt. Das Potenzial ist sowohl im Privat- als auch im Unternehmenskundenbereich enorm. Denn mithilfe der intelligenten Assistenten lassen sich Berater und Mitarbeiter im Kundenservice entlasten, während das Institut gleichzeitig rund um die Uhr erreichbar ist.

Betrügern einen Schritt voraus sein

Eine der wichtigsten Einsatzmöglichkeiten von Künstlicher Intelligenz liegt im Backend, nämlich in der Betrugserkennung im Zahlungsverkehr. Das geschieht heute häufig noch auf Basis einfacher, regelbasierter Systeme. Doch die Betrüger entwickeln sich technologisch weiter, sodass diese Systeme immer wieder aufwendig auf den neuesten Stand gebracht werden müssen, um mit ihnen Schritt zu halten. Das könnte künftig eine KI-basierte Lösung übernehmen: Diese kann Muster und Interdependenzen von Daten aufzeigen, die dem menschlichen Auge allein oft verborgen bleiben. Selbstlernende Algorithmen können sich in diesem Zusammenhang eigenständig an neue Fälle anpassen und sich kontinuierlich selbst optimieren.

Doch auch ohne kriminelle Einflüsse können Unstimmigkeiten im Tagesgeschäft von Banken vorkommen. Denn Finanztransaktionen werden sekündlich in mehreren Systemen erfasst. Dabei kann es zu Irrtümern kommen, die – sofern sie entdeckt werden – langwierige Untersuchungen nach sich ziehen. Sogenannte Fat-Finger-Fehler, beispielsweise eine Null zu viel, können dazu führen, dass Verantwortliche Entscheidungen auf Basis falsch berechneter Gewinne und Verluste (GuV) treffen und fehlerhafte Tagesabschlüsse erstellen.

Auch aufwendige Kontrollprozesse konnten in der Vergangenheit nicht alle Differenzen verhindern. Hier kann intelligente Software Abhilfe schaffen. Am Markt gibt es bereits Lösungen im Bereich Machine Learning, womit Finanzinstitute Anomalien und ungewöhnliche Trade-Aktivitäten erkennen können.

Die KI verhält sich wie ein intelligenter persönlicher Assistent des Validierungsteams und zeigt an, wo wahrscheinlich ein Fehler vorliegt. Im Rahmen eines manuellen Überprüfungsprozesses durch das Team priorisiert das System die fraglichen Transaktionen und erkennt zudem mehr Fehlerquellen als das regelbasierte Systeme in einem Straight-Through-Prozess leisten können.  » 1  Das funktioniert vor allem in Finanzumgebungen, die eine große Menge an strukturierten Daten aufweisen und in denen sich die Benutzer konsistent verhalten, sodass sich daraus Muster ableiten lassen.

Fazit

Die Beispiele zeigen: Letztendlich wird KI dafür sorgen, dass viele Bankmitarbeiter sich in Zukunft auf komplexere Tätigkeiten konzentrieren können, die eine Software nicht leisten kann. Gleichzeitig werden menschliche Fähigkeiten vor allem im persönlichen Kontakt relevant bleiben, um Vertrauen aufzubauen und zu stärken. KI wird aber auch dazu führen, durch automatisierte Anlagen und effizientere Betrugserkennung mehr Umsatz für die Bank zu generieren.

Das Allerwichtigste ist aber, dass die Technologie die Kundenzufriedenheit immens steigern wird. Dabei gilt es zu beachten, dass die Einführung einer einzelnen neuen Lösung kein Garant für Zukunftssicherheit ist. Erfolgreiche Finanzunternehmen setzen auf eine Kombination aus KI, Datenanalyse und Automatisierung, bieten ihren Kunden aber auch die Möglichkeit, bei Bedarf jederzeit mit echten Mitarbeitern zu sprechen.

Der Wandel hin zur zukunftsfesten, digitalen Bank beginnt jedoch nicht nur mit ersten Testversuchen mit den neuen Technologien, sondern vor allem in den Köpfen. Denn für nachhaltigen Erfolg muss der kulturelle mit dem technologischen Wandel einhergehen.

Kontakt  
Diesen Artikel ...  
Artikelinformationen 
Artikel veröffentlicht am:
01.08.2019
Erschienen in Ausgabe:
01 | 2019
Quelle(n):

Artikelbild: iStock.com/iLexx

Autor/in 
Martin Häring


ist Chief Marketing Officer (CMO) und Teil der Geschäftsleitung beim Finanz-Softwarehersteller Finastra.
Weitere Artikel 
Über KINOTE 
Um einen Wandel der Finanzbranche erfolgreich zu meistern, müssen Kreditinstitute sowohl Chancen als auch Herausforderungen der Künstlichen Intelligenz (KI) erkennen.

Unter der neuen Marke KINOTE der Bank-Verlag GmbH finden Sie Meldungen, Studien und Fachartikel zum Themenkomplex KI.

Wir beantworten Ihre Fragen rund um KI. Wir berichten über Trends, neue Technologien, Forschungsergebnisse und daraus entstehende Möglichkeiten, die KI Ihrem Unternehmen bietet.
Webkiosk 

Das Magazin

Ausgabe 01 | 2019

Jetzt kostenlos lesen

 

 

 

Newsletter

die bank | Newsletter

Abonnieren Sie den kostenlosen redaktionellen Newsletter der Fachzeitschrift „die bank“.
Der Newsletter erscheint mindestens einmal im Monat und informiert Sie über aktuelle Beiträge und News.

 Anmeldung

 Newsletter-Archiv