So macht KI Banken wieder zum Treiber des Wandels

Viel Potenzial für viel Veränderung!

Abonnieren Sie den kostenlosen Bank Blog Newsletter

Risikomanagement, Forecasting oder Kundenkommunikation – Banken können mehr als andere Branchen von den Potenzialen Künstlicher Intelligenz profitieren und sich mit optimierten Prozessen und individuellem Service nachhaltig fit für die Zukunft machen.

Künstliche Intelligenz bietet Banken und Sparkassen viel Potenzial

Künstliche Intelligenz bietet Banken und Sparkassen viel Potenzial.

Partner des Bank Blogs

Berg Lund & Company ist Partner des Bank Blogs

Geldinstitute waren und sind Treiber ökonomischen, technologischen und gesellschaftlichen Wandels. Dieser Wandel zeigt sich aktuell wieder in einer besonders spektakulären Form: der Künstlichen Intelligenz. KI scheint unsere Arbeitswelt zu revolutionieren. Oder um es mit den Worten des Arbeitsministers Hubertus Heil zu sagen: „Ab 2035 wird es keinen Job mehr geben, der nichts mit KI zu tun hat“. Und gerade im Bankensektor sollte man sich der Diskussion über Potenziale und Herausforderungen der KI ernsthaft und ohne Scheuklappen stellen.

Einsatzgebiete von KI in Banken

Denn Banken haben hierbei einen grundlegenden Vorteil: Sie können auf umfangreiche Daten zurückgreifen. Diese sind die entscheidende Voraussetzung, um Maschinelles Lernen (ML) und Künstliche Intelligenz zu nutzen. Mit ihrer Hilfe können Muster erkannt und eingesetzt werden. Aufgrund der gesteigerten Rechenleistung und besserer KI-Modelle kommen immer mehr mögliche Einsatzgebiete für Künstliche Intelligenz im Bankensektor hinzu.

Um nur ein paar Beispiel zu nennen:

  • KI kann im Bereich der Fraud Detection helfen, Betrugsversuche in Echtzeit zu erkennen und erfolgreich zu bekämpfen.
  • Künstliche Intelligenz kann im Predictive-Banking-Bereich durch analyse- und datengetriebenes Banking den Kunden Transparenz und Vorhersagbarkeit über die eigenen Finanzen ermöglichen.
  • Und mit Robo-Advisors lassen sich durch eine automatisierte Empfehlung und Verwaltung von Vermögensanlagen neue Kundensegmente erschließen.

Regulierung mit Nachholbedarf

Bei all diesen Möglichkeiten müssen von den Banken beim KI-Einsatz die regulatorischen Anforderungen natürlich im Blick behalten werden. Dies gilt zum einen für den AI Act der Europäischen Union. Nach den finalen Abstimmungen und der formellen Annahme durch das Europäische Parlament und den Rat liegt es nun allerdings in der Verantwortung der Kommission und der Nationalstaaten, geeignete und belastbare Kriterien zu identifizieren, um eine praktische Umsetzung etwa bei der Regulierung von „General purpose AI“-Anwendungen (GPAI) sowie von Hochrisiko-Anwendungen möglich zu machen.

Zum anderen sind aber auch die regulatorischen Vorgaben der Bafin zu beachten. Diese nehmen vor allem die jeweilige Geschäftsleitung in die Pflicht, mit eigenen Richtlinien Potenziale und Grenzen des Einsatzes von KI festzulegen, Risiko-mitigierende Maßnahmen zu definieren und die unternehmenseigene IT-Strategie entsprechend zu erweitern. Zudem muss in der jeweiligen KI-Anwendung der Mensch immer als zentrale Kontrollinstanz erhalten bleiben.

Eine weitere Regulierung zeichnet sich bei ESG-freundlichen Anlageprodukten ab. Speziell die Erklärbarkeit (Stichwort „Explainable AI“) wird in absehbarer Zukunft wohl eine notwendige Anforderung für jede KI-Anwendung in diesem Bereich sein – die europäische Datenschutzgrundverordnung (DSGVO) enthält für Kunden bereits jetzt ein vage formuliertes Recht auf Erklärung bei KI-basierten Entscheidungen. Ungeachtet dieser regulatorischen Herausforderungen hat KI dennoch das Potenzial, die Arbeit der Banken umfassend zu verändern.

Mehr Sicherheit in unsicheren Zeiten

So kann der Einsatz von KI Banken mehr Sicherheit gerade in diesen unsicheren Zeiten geben. Die Geldhäuser legen in der aktuell nervösen Situation Wert auf ein möglichst verlässliches Forecasting. Hier können KI-basierte Modelle wichtige Impulse setzen: So kann man im Rahmen der Liquiditätsprognose die Potenziale von ML nutzen. Hierbei ermittelt ein Algorithmus aufgrund von historischen Zahlungsgewohnheiten, äußeren Umständen und weiteren Daten den Bodensatz stabiler Einlagen.

Wie ein solches Modell in der konkreten Anwendung aussehen kann, zeigt das Beispiel des  Geldnotrufs, eines Minikredits von 100 bis 199 € mit einer Laufzeit von ein bis zwei
Monaten. Der meistgenutzte Ansatz zur Evaluierung der Kreditwürdigkeit ist die SCHUFA-Auskunft. Die Zielgruppe für den Geldnotruf besitzt allerdings zum Teil bereits Einträge bei der
SCHUFA und diese ist typischerweise auch recht „grob“ in ihrer Risikobeurteilung. Daher müssen andere Unterscheidungsmerkmale in den Kundengruppen identifiziert werden, um deren aktuelle Bonität und damit Rückzahlungswahrscheinlichkeit beurteilen zu können.

Und hier kommt die KI ins Spiel: Ein Algorithmus berücksichtigt darum  individuellere Daten wie die persönliche Kredithistorie, Transaktionen oder Social-Media-Aktivitäten für die Ermittlung der Ausfallwahrscheinlichkeit. Diese wird in Echtzeit innerhalb von maximal 60 Sekunden berechnet. Der Bank wird damit die Möglichkeit gegeben, Kunden mit einer hohen Ausfallwahrscheinlichkeit kleinere Kredite zu gewähren. Außerdem werden Kundeneigenschaften identifiziert, die einen signifikanten Einfluss auf die Rückzahlungsmoral haben.

Im Ergebnis können somit durch die KI-basierte Kundenklassifizierung Ausfallrisiken erkannt und Verluste bei Bank und Kunden minimiert werden. Die Kreditausfallquote ging in diesem Fall um über 90 Prozent zurück – und dies bei gleichbleibender Vergabequote. Und innerhalb von nur drei Monaten amortisierten sich die Entwicklungskosten für das Credit Scoring.

Mehr Service – zu jeder Zeit und überall

Aber speziell auch im Hinblick auf Service und Kundenmanagement bieten KI-Modelle für Banken nachhaltig positive Perspektiven. Dank generativer KI-Modelle wie ChatGPT kann etwa auch die Kommunikation automatisiert werden. Die Stärke der GenAI liegt vor allem darin, echte Dialoge mit den Kunden in natürlicher Sprache, sowohl in Deutsch als auch in Englisch, zu führen.

Die Chatbots lernen dabei, auf die individuellen Bedürfnisse der einzelnen Kunden einzugehen, können auf eine Vielzahl von weiteren Daten (zumindest die im Internet frei verfügbaren) zurückgreifen und hierbei auch soziodemographische Merkmale berücksichtigen. Während z. B. die junge Managerin erwartet, dass ihr Anliegen auch nach Feierabend digital gelöst wird, freut sich der Rentner vielleicht, wenn – durch die KI veranlasst – sich am nächsten Tag ein Mitarbeiter direkt bei ihm telefonisch meldet.

Fazit: Bereit für eine neue Zeit?

Schon diese Beispiele machen deutlich: KI wird die Entscheidung über Kreditvergaben in Echtzeit ermöglichen, Mitarbeiterinnen und Mitarbeiter entlasten, die Möglichkeiten des Kundenservice neu vermessen – und noch viel mehr. Der Einsatz von Künstlicher Intelligenz kann die Arbeit der Banken  in vielerlei Hinsicht auf ein neues Level heben – für die Institute wie für deren Kunden.

Die Banken stehen darum jetzt vor der Aufgabe, sich selbst auf die KI-getriebenen Veränderungen vorzubereiten und im Rahmen einer klaren Strategie das Potenzial von ChatGPT & Co. effizient und nachhaltig gewinnbringend einzusetzen. Denn wir stehen am Anfang einer neuen Zeit. Und die Banken haben die Chance, mit dem Einsatz von KI wieder Treiber und Gestalter einer neuen Entwicklung zu werden. Diese Chance sollten sie nutzen.

Über den Autor

Andreas Gillhuber

Andreas Gillhuber verantwortet als Co-CEO der Alexander Thamm GmbH das operative Geschäft in Kundenprojekten. Der Diplom-Ingenieur war zuvor in verschiedenen IT-Führungspositionen für große Unternehmen tätig. Er ist ehrenamtlicher Vorstand der German Data Science Society (GDS).

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