Fabian Forthmann ist Senior Consultant im Bereich Data and Analytics der msg for banking ag und berät Banken und Finanzdienstleister hinsichtlich Entwurf und Einführung von datengetriebenen KI-Systemen. Der Master of Science war zuvor Consultant bei der PPI AG.
Sparkassen, Volksbanken und Privatbanken stehen vor einer Grundsatzentscheidung: Sollen sie KI schnell selbst entwickeln? Oder ist es doch besser, auf den IT-Verbundpartner zu warten? Eine systematische Entscheidungshilfe.
In vielen Banken kollidieren der Wille zur Innovation und die Fokussierung auf die absehbar durch KI generierten Erträge: Denn den durch KI zu erwartenden Effizienzgewinnen stehen hohe Initialaufwände entgegen, was die Umsetzung von KI-Projekten ausbremst.
Künstliche Intelligenz wird künftig deutlich stärker in die Wertschöpfung von Finanzinstituten integriert – mit weitreichenden Folgen für viele Geschäftsmodelle. Insbesondere die Kundenansprache wird davon profitieren.
„Wer Visionen hat, sollte zum Arzt gehen“, hat Ex-Bundeskanzler Helmut Schmidt kantig zu Protokoll gegeben. Bei Daten ist das anders: Die Erschließung von KI-Innovationen bedarf einer Datenvision, zu welcher sich auf Vorstandsebene commited wird.
Zur Entwicklung und Inbetriebnahme mehrwertgenerierender Modelle im Bereich der Künstlichen Intelligenz gehören viele wichtige Prozesse. Doch vor allem ein Schritt bildet die Grundlage für ein erfolgreiches KI-Projekt.
Intelligente Modelle haben die Chance, die Finanzbranche zu revolutionieren – von der Betrugserkennung bis hin zu personalisierten Kundenerlebnissen. Der Einsatz von KI-Modellen in der Produktion stellt die Finanzinstitute jedoch vor erhebliche Herausforderungen.
KI-Innovationen werden mittelfristig über den Erfolg deutscher Banken entscheiden. Doch viele Institute stocken bei der Umsetzung vereinzelter Pilotprojekte. Mit der Fokussierung auf zwei Aspekte können Entscheider den langfristigen KI-Erfolg sichern.
Kreditinstitute weltweit schreiten in der Digitalisierung mit Hilfe von Künstlicher Intelligenz voran. Dabei vernachlässigen sie jedoch den Großteil ihres wertvollen Datenschatzes: Unstrukturierte Daten. Dabei liegen gerade hier zahlreiche Chancen, dies es zu nutzen gilt.
Viele Geldhäuser scheitern an einer nachhaltigen Perspektive, welche Chancen tatsächlich durch Einsatz von Künstlicher Intelligenz genutzt werden können. Insbesondere der Aspekt der Kostensenkung wird oft nicht berücksichtigt. Dabei sind die Potentiale beträchtlich.
Neben immensen Potenzialen im Einsatz von Künstlicher Intelligenz führt die Nutzung dieser Technologie bei Finanzdienstleistern deutschlandweit zu schwerwiegenden Risiken, welche durch den Regulator identifiziert wurden. Wie kann damit umgegangen werden?
Wenn Kreditinstitute über den Einsatz von Künstlicher Intelligenz nachdenken, bereitet ihnen der Gedanke an Regulierung oftmals Kopfschmerzen. Denn: Die Entscheidungen der Künstlichen Intelligenz sind in der Regel nicht nachvollziehbar. Doch es gibt eine Lösung dafür.
Die enormen Potenziale von Künstlicher Intelligenz für Finanzdienstleister sind bekannt. Oftmals fehlt es in Kreditinstituten jedoch an konkreten Pilotprojekten. Drei mögliche Anwendungsfelder zeigen, wie KI in der Bankenwelt sinnvoll eingesetzt werden kann.
Kreditinstitute können durch die Verwendung von Künstlicher Intelligenz enorme Kostenpotenziale erschließen. Viel zu oft konzentrieren sich Entscheider dabei jedoch nur auf das benötigte KI-Modell – und vernachlässigen zwei wesentliche Aspekte.
