Wealth Management wandelt sich: Gefragt ist ein smartes, hyper-personalisiertes „Financial Home“. Künstliche Intelligenz und Daten werden zum Schlüssel, um steigende Kundenerwartungen zu erfüllen und die Zukunft der Vermögensverwaltung zu prägen.
Künstliche Intelligenz verknüpft umfassende Vermögensdaten, analysiert Transaktionen vektorbasiert und schafft ein hyper-personalisiertes „Financial Home“ – präzise, effizient und kundenfokussiert.
Partner des Bank Blogs
Der Beratungsmarkt für Vermögensanlagen wandelt sich grundlegend, weg von traditionellen Strukturen hin zu dynamischen Plattformen. Kunden fordern zunehmend ein digitales, smartes und hyper-personalisiertes „Financial Home„. In diesem Spannungsfeld erweist sich Künstliche Intelligenz als entscheidender Schlüssel, um komplexe Kundenerwartungen effizient zu erfüllen und neue Geschäftsfelder zu erschließen.
Die Transformation des Beratungsmarktes
Die Landschaft der Finanzberatung befindet sich im Umbruch. Kundenerwartungen verschieben sich signifikant: Statt standardisierter Angebote wird ein individuelles, digitales und intuitiv bedienbares „Financial Home“ gewünscht. Die digitale Affinität nimmt zu, und der Bedarf an einer transparenten 360-Grad-Sicht auf das gesamte Vermögen wird immer dringlicher. Dies stellt traditionelle Akteure wie Banken und Vermögensberater vor die Herausforderung, ihre Prozesse und Angebote grundlegend zu überdenken und anzupassen. Gleichzeitig erzeugt die anrollende Erbenwelle in den nächsten Jahrzehnten zusätzlichen Handlungsdruck und bietet zudem Chancen für zusätzliches Geschäft.
Auch die Regulatorik richtet sich nach den Erwartungen der Kunden, denn letztlich stellt FIDA nichts anderes dar, als die längst überfällige europäische Demokratisierung des Zugangs zu den eigenen Finanzdaten. Sie stellt auch sicher, dass die Daten sicher bleiben und nur lizensierte Unternehmen wie Banken oder Kontoinformationsdienstleister, wie z.B. wealthAPI, diese prozessieren. Was bisher nicht reguliert wird, ist die Qualität der Daten, also in welcher Form diese am Ende beim Kunden ankommen.
Die nicht durchgängig hochqualitative Form von Daten und die Fragmentierung des Finanzmarktes mit einer Vielzahl von Anbietern und Produkten hat in der Vergangenheit zu einer wachsenden Komplexität für den Endkunden geführt. Eine manuelle Verwaltung und Analyse der eigenen Finanzen wurde zunehmend unübersichtlich und fehleranfällig. In diesem Kontext etabliert sich KI nun als unverzichtbarer Enabler, der es ermöglicht, Komplexität zu reduzieren und gleichzeitig präzisere und relevantere Finanzentscheidungen für den Kunden zu unterstützen.
Jenseits von PSD2: Die Tiefen der Wealth-Daten
Um ein echtes „Financial Home“ zu realisieren, ist eine umfassende Datenbasis unerlässlich. Während die PSD2-Richtlinie den Zugang zu Zahlungskontendaten ermöglicht, reicht dies für eine ganzheitliche Vermögensverwaltung – egal ob aus Sicht des Beraters oder des Endkunden – nicht aus. Ein präziser Blick auf das Gesamtvermögen erfordert die Integration weiterer, tiefergehender Finanzdaten. Dazu gehören Wertpapiere aus Multi-Depot- und Multi-Brokerage-Strukturen, Kryptowährungen, P2P-Lending-Positionen, Beteiligungen sowie diverse Sachwerte wie Immobilien, Edelmetalle, Uhren, Kunst oder Oldtimer. Ebenso relevant sind Bauspar- und Darlehensdaten, detaillierte Steuerinformationen und Versicherungsdaten.
Den Datenschatz heben: Die allermeisten Finanzdaten eines Kunden bleiben bisher im Verborgenen.
Die Aggregation und Verknüpfung dieser vielfältigen Datenquellen bildet die Grundlage für eine echte 360-Grad-Sicht auf das Vermögen des Kunden. Diese umfassende Datenlage ermöglicht es sowohl dem Kunden selbst, smarte finanzielle Entscheidungen zu treffen, als auch einem Vermögensberater ein individueller Co-Pilot für Finanzentscheidungen zu werden und Vertrauen (zurück) zu gewinnen.
KI-gestützte Datenveredelung in der Praxis
Wir setzen in der Verarbeitung von Transaktionsdaten auf einen mehrstufigen, KI-gestützten Prozess zur Veredelung von Finanzdaten. Dieser beginnt mit dem nahtlosen Import von Portfolien über mehr als 3500 Banken- und Brokerage-APIs. Nach dem vom Endkunden initiierten Import folgt die Datenaggregation, bei der Artefakte entfernt, fehlende Informationen ergänzt und alle Daten einem einheitlichen Standard zugeführt werden.
Die darauf aufbauende Datenverfeinerung reichert die aggregierten Daten mit essentiellen Informationen an, darunter Fundamentaldaten, historische Zeitreihen und ESG-Kriterien. Abschließend erfolgt die KI-basierte Datenanalyse. Hier werden Performanceberechnungen durchgeführt, Portfolien nach gängigen Indikatoren klassifiziert und Prognosen über zukünftige Dividendenerträge erstellt. Diese Prozesse ermöglichen eine tiefgehende Bewertung des Vermögens und bilden die Grundlage für die nächste Stufe der Personalisierung.
KI als Finanzflüsterer: Personalisierte Produktempfehlungen
Die gesammelten und veredelten Daten ermöglichen den Einsatz intelligenter Vermögensanalyse-Tools, die durch KI zu echten „Finanzflüsterern“ werden und den Kunden helfen, smarte Entscheidungen zu treffen. Dazu zählen u.a.
- Eine Cashflow-Analyse, auch bekannt als digitales Haushaltsbuch, die Ein- und Ausgaben übersichtlich darstellt und jederzeit Aufschluss über die liquiden Mittel gibt.
- Eine KI-basierte Vertragsanalyse identifiziert wiederkehrende Ausgaben, erkennt Preiserhöhungen und liefert frühzeitig Indikationen für Kündigungsfristen.
- Ein Dividendenplaner prognostiziert zukünftige Erträge und unterstützt bei der Portfoliooptimierung.
Die Königsklasse sind die KI-basierten, personalisierten Produktempfehlungen. Hier werden nutzerzentrierte Daten mit komplexer Finanzmathematik kombiniert, um Produkte zu identifizieren, die nicht nur den Präferenzen des Kunden entsprechen, sondern auch optimal ins bestehende Portfolio passen. Die KI bewertet dabei verschiedene Dimensionen: neben demografischen Merkmalen wie Alter und Erfahrung fließen Verhaltensdaten (z.B. geklickte Produkte), persönliche Präferenzen (z.B. Nachhaltigkeit, Risikobereitschaft) und quantitative Kriterien basierend auf dem bestehenden Vermögen (z.B. Volatilität, regionale Verteilung) in die Analyse ein.
Das Ergebnis ist ein hochpräzises Nutzerprofil und ein „Perfect Match“ bei den Produktvorschlägen, was die Kaufwahrscheinlichkeit signifikant erhöht und somit auch die Monetarisierung optimieren dürfte.
Exkurs Vektorisierung: Transaktionen als Datenpunkte
Wie funktioniert das im Detail? Die präzise Analyse von Finanztransaktionen ist für eine effektive Finanzplanung unerlässlich. Doch gerade die Identifizierung von regelmäßig wiederkehrenden Zahlungen, wie etwa Abonnements, war lange Zeit eine Herausforderung.
Traditionelle, regelbasierte Ansätze sind bei komplexen und dynamischen Finanztransaktionen schnell überfordert und nicht in der Lage, die Komplexität und Dynamik moderner Finanztransaktionen abzubilden. Es kann keine zuverlässige Erkennung wiederkehrender Zahlungen gewährleisten.
Deshalb verwenden wir eine vektorbasierte Lösung, bei der rohe Transaktionsdaten mit Hilfe von KI in verwertbare Erkenntnisse umwandelt werden. Dafür erstellt unser System Vektoren, um Transaktionen in wiederkehrende Zahlungsmuster zu gruppieren bzw. einzubetten.
Stellen Sie sich jede Transaktion als einen Punkt in einem mehrdimensionalen Raum vor. Dieser Raum hat viele Dimensionen: beispielsweise für den Betrag, für den Händler und für das Datum. Je ähnlicher zwei Transaktionen sind, desto näher liegen sie in diesem Raum beieinander. Unser System wandelt diese Transaktionen in sogenannte Vektoren um. Ein Vektor entspricht einem Zahlencode, der alle relevanten Informationen über eine Transaktion enthält. Diese Vektoren ermöglichen es uns, Ähnlichkeiten zwischen Transaktionen auf mathematische Weise zu berechnen. Die Vektorisierung ist vergleichbar mit dem Erstellen eines digitalen Fingerabdrucks für jede Transaktion.
Das gleiche Prinzip wenden wir für die personalisierten Produktempfehlungen an. Ein Nutzer besteht dabei aus verschiedenen dreidimensionalen Datenpunkten wie verfügbares Budget, Investmenterfahrung, Risikoprofil und bestehende Investments. Die Datenpunkte, die dem Nutzer am nächsten stehen in den einzelnen Dimensionen (Budget, Erfahrung, Risiko usw.) sind somit Produkte, die dem Nutzerprofil sehr nahe stehen bzw. ähnlich sind. Zum Beispiel ein Investment der gleichen Risikoklasse mit höherer Rendite oder ein Investment mit der gleichen Rendite, aber einer niedrigeren Risikoklasse. Diese Produkte schlagen wir dem Nutzer vor.
KI als Motor für die Vermögensverwaltung der Zukunft
Die digitale Revolution hat die Erwartungen der Kunden an die Vermögensverwaltung grundlegend verändert. Weg von standardisierten Angeboten, hin zu einem hyper-personalisierten „Financial Home“. Dies materialisiert sich auch in der Regulatorik (FIDA) und ganz allgemein im Versprechen von Open Wealth.
Künstliche Intelligenz wird ein entscheidender Teil der Antwort auf diese Erwartungen sein, da sie radikale Komplexitätsreduktion ermöglicht, was notwendig ist, um in einem zunehmend fragmentierten und datenreichen Finanzmarkt zu bestehen.
Die Notwendigkeit einer tiefgreifenden Datenintegration, die weit über die Vorgaben von PSD2 hinausgeht und Wertpapiere, Kryptowährungen, Sachwerte und vieles mehr umfasst, ist immanent. Erst diese umfassende 360-Grad-Sicht auf das Vermögen ermöglicht es, die Leistungsfähigkeit von KI voll auszuschöpfen. Von der automatisierten Datenveredelung bis hin zu KI-basierten Analysen wie Performanceberechnungen oder Prognosen – die Technologie versetzt Finanzinstitute in die Lage, ihren Kunden eine nie dagewesene Transparenz und Steuerung ihrer Finanzen zu bieten.
Es wird deutlich, dass die Zukunft der Vermögensverwaltung nicht in der reinen Digitalisierung, sondern in der intelligenten Nutzung von KI liegt, um eine nie dagewesene Kundenorientierung und Effizienz zu erreichen. Diejenigen Akteure, die diese Symbiose aus KI, umfassender Datenintegration und Kundenorientierung am schnellsten und effektivsten meistern, werden nicht nur überleben, sondern den Markt der Zukunft dominieren.
