3 Anwendungen für KI-basierte Sprachtechnologien in der Finanzbranche

Regulatorische Berichte automatisiert erstellen

Abonnieren Sie den kostenlosen Bank Blog Newsletter

Ein erhöhtes Maß an aufsichtsrechtlichen Vorgaben bindet in Banken und Finanzdienstleistern zunehmend zeitliche und personelle Ressourcen. Der Einsatz von KI-basierten Sprachtechnologien ermöglicht eine fast vollständige Automatisierung der Erstellung von regulatorischen Berichten.

Natural Language Processing (NLP) im Banking

Natural Language Processing (NLP) nutzt Technologien der Künstlichen Intelligenz.

Partner des Bank Blogs

YouGov ist Partner des Bank Blogs

In Zeiten der digitalen Disruption stehen Banken vor vielfältigen Herausforderungen. Ein erhöhtes Maß an regulatorischen Vorgaben bindet immer mehr personelle Ressourcen, niedrige Zinsen lassen die Gewinnmargen schwinden und neue Marktteilnehmer erhöhen den Wettbewerbsdruck signifikant. Daher bewegt sich kaum ein anderer Wirtschaftsbereich in einem so anspruchsvollen Marktumfeld wie die Finanzindustrie.

Der Einsatz innovativer Technologien bietet hier die Möglichkeit, den Veränderungen souverän zu begegnen und gezielt für die eigene Positionierung zu nutzen. Neue Technologien wie Künstliche Intelligenz bieten für das operative Bankgeschäft vielfältige Möglichkeiten, um Kunden mit neuen Services zu bedienen und die internen Prozesse zu optimieren.

KI-basierte Sprachtechnologien in der Finanzbranche

Eines der herausforderndsten und zeitgleich spannendsten Anwendungsgebiete der Künstlichen Intelligenz ist die maschinelle Verarbeitung natürlicher Sprache – besser bekannt als Natural Language Processing (NLP). Als interdisziplinäre Querschnittsdisziplin zwischen Linguistik und Künstlicher Intelligenz besteht das Ziel in der Entwicklung von Algorithmen, die Elemente von menschlicher Sprache aufschlüsselt und maschinell verarbeitet. Das heißt: All das, was Menschen schriftlich oder verbal ausdrücken, kann NLP in digital lesbare Informationen übersetzen.

Dieser Prozess funktioniert jedoch auch in die umgekehrte Richtung: Daten lassen sich so in Sprache oder Text verarbeiten. Diese beiden Prozessrichtungen markieren die Teildisziplinen, in denen NLP aufgeteilt werden kann:

  • Natural Language Understanding (kurz: NLU) und
  • Natural Language Generation (auch: NLG oder Automatische Textgenerierung).

Drei Anwendungsformate von NLG

Natural Language Generation (NLG) ist ein Teilgebiet der Künstlichen Intelligenz. NLG-Software erzeugt aus strukturierten Daten natürlichsprachliche Texte und hilft so, Sachverhalte narrativ darzustellen. Praktische Anwendung findet NLG z.B. in der Nachrichten-Berichterstattung für Sport, Börse und Wetter, aber auch bei der Erstellung von Reportings in Unternehmen.

Schon heute verwenden Banken NLG für zahlreiche Anwendungen – beispielsweise bei der Erstellung von Fonds-, Börsen-, Jahres- oder Quartalsberichten, Kreditbewertungen, Kreditanträgen, Finanzinformationen und Portfolioberichten. Diese müssen sich jedoch in der Regel an zahlreiche regulatorische Maßgaben orientieren. NLG bietet hierbei einen entscheidenden Vorteil: Durch den deterministischen (alternativ: regelbasierten) Ansatz der automatischen Textgenerierung werden Formulierungen fehlerfrei erstellt und erfüllen somit zu einhundert Prozent den regulatorischen Anforderungen.

Im Folgenden sollen drei konkrete Anwendungsformate vorgestellt werden:

  1. Tätigkeitsberichte im Fondsmanagement,
  2. Verdachtsmeldungen sowie
  3. Interne Reportings und datenbasierte Entscheidungsvorlagen.

1. Tätigkeitsberichte im Fondsmanagement

Kosten- und Zeitdruck sind in allen Branchen ein relevantes Thema. Häufig stellt sich insbesondere die Arbeit mit Content als zeitaufwendig, komplex und kostenintensiv heraus. Dies gilt gleichermaßen für die Erstellung von Fonds- und Tätigkeitsberichten. Um die Effizienz im Erstellungsprozess von derlei Berichten zu steigern, nutzen Banken eigene Daten, die mit Hilfe von Natural Language Generation automatisiert in natürlichsprachlichen Text gewandelt werden.

Die Software generiert also aus Daten qualitativ hochwertigen Text, der sich in nicht von manuell erstellten Texten unterscheiden lässt. Hochqualifiziertes Fachpersonal wird damit entlastet und verfügt über mehr Ressourcen, sich um Kernaufgaben – beispielsweise der Konzeptionierung und Verwaltung renditeträchtiger Anlageprodukte – zu kümmern. Im Ergebnis bedeutet dies: Weniger Zeit für repetitive Aufgaben und mehr Ressourcen um zur Wertschöpfung im Finanzwesen beizutragen.

2. Verdachtsmeldungen

Die Berichtserstattung von Verdachtsmeldungen gehört zu den Kernanforderungen des Geldwäschegesetzes (GwG). Das bedeutet für Finanzdienstleister: Hohe Qualitätsansprüche, das Gebot der unverzüglichen Fallbearbeitung und ein hohes Meldeaufkommen binden massive Ressourcen.

Im Zuge der Fallbearbeitung werden in Banken eine Vielzahl von Daten und Informationen in die Bestandsführenden Systeme bzw. Case Management Systeme durch Analysten hinterlegt. Diese relevanten Informationen bilden somit eine sehr gute Datenbasis, um Verdachtsmeldung oder Nichtmeldung (Plausibilisierung) automatisch zu generieren.

So profitieren Verpflichtete des Geldwäschegesetzes von KI-basierter Textgenerierung:

  • Mehr Effizienz durch Prozessbeschleunigung und Ressourcenschonung
  • Einheitlichere Vertextung und sinkende Fehlerquoten
  • Höhere Qualität durch automatisierte Datenübernahme und transparentes Regelwerk
  • Verringerung der Review-Prozesse durch Daten- / Textkongruenz

Analysen zeigen, dass bei der Erstellung eines Textes zur Abgabe einer Verdachtsmeldung beziehungsweise der Plausibilisierung des Sachverhaltes ein hohes Automatisierungspotenzial besteht. NLG-Lösungen ermöglichen es, Verdachtsmeldungen auf Knopfdruck zu erstellen – skalierbar, effizient und zu 100 Prozent richtlinienkonform.

3. Interne Reportings und datenbasierte Entscheidungsvorlagen

Eine maschinelle Unterstützung in der Datenanalyse und –interpretation ist aufgrund der enormen Datenmenge im Finanzbereich unvermeidlich. Genau hier setzt ein spannendes und zunehmend relevantes Anwendungsfeld für NLG an – die automatisierte Erstellung von Reportings. Insbesondere im Finanzbereich können mithilfe von NLG Prozesse rund um die aufwendige Erstellung von Reportings und Entscheidungsvorlagen skalierbar gestaltet werden.

Auf diese Weise lassen sich große Mengen an Daten effizient auswerten, Informationen interpretieren und Handlungsempfehlungen gezielt formulieren: Aufgaben, für die Business Analysten manuell viel Zeit verwenden, lassen sich durch Automatische Textgenerierung zeit- und kostensparend skalieren. In der Finanzbranche, in der Reportings direkt zur Wertschöpfung beitragen, erlaubt NLG damit die Erschließung neuer Märkte sowie die Verschlankung von Geschäftsprozessen. Für die interne Verwendung, etwa im Bereich Finance und Controlling oder im Bereich Risk Advisory, stellt NLG mit Berichten auf Basis von Business-Intelligence-Systemen datenbasierte Entscheidungsvorlagen bereit.

Smart Banking mit KI-basierten Sprachtechnologien: Die Mehrwerte auf einem Blick

Automatische Textgenerierung bietet zahlreiche Potenziale für die Finanzbranche: Die automatisierte Erstellung von Texten durch KI-basierte Software führt zu messbaren und nachhaltigen Effizienzgewinnen – sowohl intern als auch extern. Zeit- und kostenintensive Workflows zur Erzeugung von Berichten und Entscheidungsvorlagen können automatisiert und die Kundenkommunikation durch Personalisierung zeitgemäß gestaltet werden. Auf diese Weise tragen Sprachtechnologien maßgeblich dazu bei, Banken zukunfts- und wettbewerbsfähig zu positionieren.

Über den Autor

Sebastian Marx

Sebastian Marx ist Senior Account Manager Finance & Payment bei Experian mit den Themenfeldern Risikomanagement, Betrugsprävention und Advanced Analytics. Der Finanzwirt verfügt über langjährige Erfahrung in verschiedenen Aufgaben im Finanzdienstleistungssektor und in der Technologieszene.

Vielen Dank fürs Teilen und Weiterempfehlen


Mit dem kostenlosen Bank Blog Newsletter immer informiert bleiben:

Anzeige

Get Abstract: Zusammenfassungen interessanter Businessbücher

Kommentare sind geschlossen

Bank Blog Newsletter abonnieren

Bank Blog Newsletter abonnieren