Kurz erklärt: Künstliche Intelligenz in der Finanzbranche

Beispiele und Erkenntnisse aus der Finanzbranche und der Wissenschaft

Abonnieren Sie den kostenlosen Bank Blog Newsletter

Das Thema Künstliche Intelligenz beherrscht seit einiger Zeit die Diskussionen auch in der Finanzbranche. Doch was genau ist KI und wie funktioniert sie? Beispiele aus der Finanzbranche und Erkenntnisse aus der Wissenschaft sollen dies zeigen.

Einsatz Künstlicher Intelligenz in der Finanzbranche

Beispiele und Erkenntnisse zum Einsatz Künstlicher Intelligenz in der Finanzbranche.

Partner des Bank Blogs

Horváth ist Partner des Bank Blogs

Künstliche Intelligenz (KI) hat das Potenzial, unsere Gesellschaft grundlegend zu verändern. Zum Beispiel die Art und Weise, wie wir arbeiten, was wir verkaufen und wie wir miteinander interagieren. Auch viele Startups haben das Potenzial erkannt und beschäftigen sich mit Künstlicher Intelligenz. Häufig verschwinden dabei aber die Grenzen: Was ist tatsächlich Künstliche Intelligenz und was nicht? Oft wird eine Technologie als Künstliche Intelligenz bezeichnet, obwohl sie streng genommen gar keine ist. Deswegen möchten wir uns im Folgenden mit der Aufklärung der Begrifflichkeiten und möglichen Anwendungsfällen aus der Finanzbranche beschäftigen.

„Schwache“ versus „starke“ KI

Von „schwacher KI“ wird gesprochen, wenn ein KI-System für die Lösung einer bestimmten Aufgabe entwickelt und mit entsprechenden Daten trainiert wird, jedoch selbst über kein tieferes Verständnis für die Problemlösung verfügt. Dies wird auch „enge KI“ genannt.

Von „starker KI“ wird hingegen gesprochen, wenn ein KI-System mit kognitiven Fähigkeiten ähnlich denen eines Menschen entwickelt wird. Dieses KI-System soll in der Lage sein, auch für komplexe, unbekannte Probleme ohne menschliches Zutun eine Lösung zu finden. Starke KI ist somit eine Form der Intelligenz, die die gleichen intellektuellen Fähigkeiten wie ein Mensch besitzt oder ihn sogar übertrifft. Dies wird auch Künstliche Allgemeine Intelligenz genannt.

Aus wissenschaftlicher Sicht kam weltweit jedoch bisher nur schwache KI zum Einsatz.

Effizienzsteigerung bereits durch Einsatz schwacher KI

Der Einsatz von schwacher KI ist verknüpft mit einer schier unüberschaubaren Datenmenge und der komplexen Aufgabe, daraus verwertbare Schlussfolgerungen zu ziehen. Eine optimale Nutzung der wechselseitigen Beziehungen zwischen Kunde, Mitarbeiter und KI-Applikation hilft, das Potenzial von KI-Methoden auszureizen. KI-Methoden minimieren kostenintensive Fehlentscheidungen und geben zusätzlich Mitarbeitern Freiraum für andere Aufgaben.

Im Zeitalter von Big Data und der Digitalisierung aller Lebensbereiche ist das maschinelle Lernen inzwischen ein nicht mehr wegzudenkendes Standardverfahren der Künstlichen Intelligenz. Durch den Anstieg der Rechenperformance werden zurzeit in der Wissenschaft und der Ökonomie große Fortschritte hinsichtlich der Nutzung vormals technologisch nicht umsetzbarer Lösungen erzielt. So können KI-Anwendungen inzwischen selbstständig Muster aus Daten erkennen, verallgemeinern und anwendungsgebunden verwenden.

Nach diesem Vorgehen funktionieren beispielsweise die Empfehlungs-Algorithmen von Spotify und Amazon. Letztere analysieren unser Nutzungsverhalten und entwickeln mithilfe weiterer Daten von anderen Kunden individuell passende Angebote für den jeweiligen Kunden.

Beispiele für Maschinelles Lernen in der Finanzbranche

Die international agierende britische Großbank HSBC nutzt Machine Learning bei der Betrugserkennung im Bereich Geldwäsche, um sogenannte „False Positives“ zu reduzieren. Bei „False Positives“ werden völlig legale Transaktionen fälschlicherweise als „verdächtig“ markiert, weshalb diese anschließend manuell von den Mitarbeitern überprüft werden müssen. Das System schafft es inzwischen mit einer Trefferquote von rund 98 Prozent, das alte System sowohl in Genauigkeit als auch von der Geschwindigkeit deutlich zu übertreffen. Auch comdirect hat hierzu schon einige Testversuche mit vergleichbaren Erfolgen gestartet.

Ein ähnliches Konzept verfolgt die Citibank bei der Automatisierung der Kreditkarten-Betrugserkennung. Sowohl bei der Betrugserkennung im Bereich Geldwäsche als auch im Bereich Kreditkarten konnten durch den Einsatz von Maschinellem Lernen Kosten eingespart werden, da die Mitarbeiter signifikant weniger Vorfälle manuell überprüfen mussten. KI birgt also insbesondere für die Gebiete Compliance und Risikomanagement große Potenziale.

Mit NLP die menschliche Sprache verstehen

Besonders populär ist der Einsatz von Verfahren des Natural Language Processings (NLP) zur Verarbeitung der menschlichen Sprache per Telefon, Chat und Mail. Hierbei kann es sich sowohl um gesprochene als auch um geschriebene Sprache handeln. Damit lassen sich beispielsweise Chatbots programmieren wie der des US-amerikanischen Finanzdienstleistungsunternehmens Wells Fargo. Dieser erlaubt es Kunden, über Facebook auf ihr Konto zuzugreifen und Passwörter zu erneuern.

Die Bank of America liefert mit ihrem Bot einen Prognose-Assistenten, der personalisierte Ratschläge mittels historischer Finanzdaten liefert, um Geld zu sparen oder Rendite zu erwirtschaften. Die Sopra Banking Software hat mit ihrem „Robo Loan Officer“ einen virtuellen Kreditberater entwickelt, der in mehreren Sprachen im Chat oder per Voice-Schnittstelle kommuniziert. comdirect nutzt ebenfalls das NLP bei ihrer Sprachüberweisung via App und Alexa. Darüber hinaus kommt die Technologie im Rahmen des telefonischen Kundenmanagements bei der Kategorisierung der Anrufer zum Einsatz.

Neue Wege bei der Forschung zu KI

Durch die stetige und schnelle technologische Weiterentwicklung wird der Transfer der Erkenntnisse aus der Wissenschaft in die Wirtschaft immer wichtiger. Dies haben beispielsweise die weltweit führenden Technologiekonzerne frühzeitig erkannt und kooperieren nicht nur im Silicon Valley mit den führenden Forschungseinrichtungen. Im Rahmen der Forschung im Bereich künstlicher Intelligenz kooperiert zum Beispiel Amazon inzwischen in Deutschland mit der Universität Tübingen und dem Max-Plank-Institut.

Um auf diesem Feld von den großen amerikanischen Technologieunternehmen nicht abgehängt zu werden, müssen auch deutsche Finanzdienstleister neue Wege gehen. comdirect kooperiert in diesem Zusammenhang mit dem AHEAD Programm von Fraunhofer Venture, der Ausgründungsabteilung der Fraunhofer Gesellschaft. Die Direktbank war der erste Finanzdienstleister, der dort als Partner gelistet wurde. Ziel ist es, einen für beide Seiten gewinnbringenden Transfer der Erkenntnisse von der Wissenschaft in die Wirtschaft zu ermöglichen.

Wissenschaftler können sich mit ihren Projekten um einen Aufenthalt in der comdirect Startup Garage bewerben und dort ihre Ideen zu gemeinsamen Projekten formen. Hierbei profitieren sie von den Erkenntnissen und Erfahrungen der Startup Garage bei der Entwicklung von Geschäftsmodellen.

Über den Autor

Pidder Seidl

Pidder Seidl ist Head of comdirect Startup Garage und arbeitet bei der comdirect bank im Innovationmanagement und Business Development. Vor seiner Zeit bei der comdirect bank hatte er sein eigenes Startup gegründet und war als selbstständiger Unternehmensberater tätig

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