Anzeige

Elaxy-Crealogix ist Partner für digitalen Finanzvertrieb

Künstliche Intelligenz – ein zukunftsweisender Banken-Trend?

0

Bedeutung und Einfluss auf das Ökosystem der Bankenindustrie

Immer häufiger wird heute der Trend kommuniziert, dass künstliche Intelligenz kognitive Fähigkeiten von Menschen ergänzen kann. Während künstliche Intelligenz früher vor allem in der Forschung höchste Relevanz hatte, gibt es derzeit kein Industrieunternehmen das sich diesem Thema im Rahmen einer eigenen Digitalisierungsstrategie verschließen kann.

Kognitives Banking durch Künstliche Intelligenz

Künstliche Intelligenz ermöglicht die kognitive Bank der Zukunft
© Shutterstock

Künstliche Intelligenz ist eines der Trend-Themen im Jahre 2017. Es wird wahrscheinlich keine Industrie und auch kein Unternehmen geben, dass sich nicht mit dem Einsatz von künstlicher Intelligenz auseinandersetzen wird. Menschliche Maschinen, Roboter und künstliche Kreaturen wurden in der Vergangenheit in der Literatur, Filmen und Medien immer wieder skizziert. Daraus ergibt sich eine vielfältige Erwartungshaltung, aber auch Ängste gegenüber dem Einsatz von neuer Technologie.

Daher gilt es zunächst klar zu beschreiben, wie künstliche Intelligenz – auch als Cognitive Computing benannt – umschrieben und definiert werden kann.

Abonnieren Sie den kostenlosen Bank Blog Newsletter

https://youtu.be/FfWpAG1WKz8

Was bedeutet Kognition?

Künstliche Intelligenz bedeutet für mich eine „Vermenschlichung der Informationstechnologie“. Zunächst werden uns Menschen eine Vielzahl von kognitiven Fähigkeiten zugeordnet. Der aus der Psychologie abgeleitete Begriff der menschlichen Kognition wird dabei beispielsweise mit Fähigkeiten wie Kreativität, Erinnerung, Vorstellungskraft, Wille oder der Fähigkeit zu lernen veranschaulicht. Wenn wir heute über kognitive Systeme sprechen, dann folgt man dem Anspruch einzelne oder mehrere dieser kognitiven Fähigkeiten mit Informationstechnologie darstellen zu können. Daraus folgt die Definition, dass ein kognitives System „verhaltenssteuernde menschliche Fähigkeiten“ besitzt.

Eine – vor allem für die Zukunft – besonders relevante kognitive Fähigkeit ist das Verstehen von und Interagieren mit natürlicher menschlicher Sprache. Sehr häufig wird die Auffassung vertreten, dass künstliche Intelligenz nur dann vorhanden ist, wenn man mit der Maschine einen „menschlichen“ Dialog führen kann. Da die natürliche Sprache aber in ihrer Sache hochkomplex und in ihrer individuellen Ausprägung einzigartig ist, war dies bisher maschninell schwer umsetzbar. Hierbei gilt es in der natürlichen Sprache sowohl den Bedeutungsebenen (Wortbedeutung, Satzbedeutung, Kontext einer Aussage) wie auch dem Kontext und möglicher Ambiguität (Mehrdeutigkeit von Wörtern) gerecht werden zu können. Bereits seit den 50er Jahren folgt die Informationstechnologie dem Anspruch mit Maschinen, natürliche Sprache zu verstehen und damit eine wesentliche Grundlage für kognitive Fähigkeiten schaffen zu können. Alan Turing, der unter anderem durch seine Mitwirkung bei der Entschlüsselung der Enigma im zweiten Weltkrieg bekannt wurde, legte mit dem „Turing-Test“ 1950 erstmals die Grundlage für die Bewertung, ob einem Informationssystem menschliche Züge zugeordnet werden können. Hierbei wurde auf Grundlage zweier Dialoge zwischen Mensch zu Maschine, sowie Mensch zu Mensch getestet, ob der menschliche Dialogpartner unterscheiden kann, ob die gegenüberliegende Kommunikation von einer Maschine oder einem Menschen getätigt wurde. War der Mensch nicht in der Lage zu unterscheiden, ob der Dialog von Mensch oder Maschine geführt wird, so ist der Turing Test erfolgreich bestanden. Ein Informationssystem, dass den Turing Test bestanden hat, werden seitdem kognitive Fähigkeiten zugesprochen.

Erste Informationssysteme denen bereits in den 50er Jahren den Turing-Test bestanden und damit kognitive Fähigkeiten zugeordnet werden konnten, waren in der Lage inhaltlich Sachverhalte zu verknüpfen und auf Basis dessen Dialoge führen zu können. Die Limitierung dieser Expertensysteme bestand jedoch darin, dass sämtliche Kombinationen und Sachverhalte eines möglichen Dialogs zuvor fest definiert vorgegeben wurden. Aufgrund der Komplexität menschlicher Sprache und den daraus unendlichen Kombinationen von Sachverhalten blieb die Qualität dieser Expertensysteme viele Jahrzehnte hinter der Erwartungshaltung des Anwenders zurück.

Daten & Rechenleistung – Wieso ist Kognition/KI heutzutage so relevant?

Aufgrund der aufgezeigten Limitierung sank die Aufmerksamkeit rund um künstliche Intelligenz im Zeitraum 1960-1990 signifikant. Doch die Entwicklung mehrerer Faktoren ermöglichten eine neue Ära und Hype um künstliche Intelligenz:

  • Eine erhöhte Datenmenge, die u.a. von System, Geräten und Sensoren erzeugt wird
  • Günstige Computerspeicher
  • deutlich skalierbare Rechenfunktionen
  • Neue Deploymentmodelle wie Cloud Computer und dezentrale Systeme
  • Fortschrittliche Technologie, die in der Lage ist, komplexe Daten in Echtzeit zu analysieren
  • Fortschritte in der Datenwissenschaft und globale Forschung über die Vorteile der menschlichen und maschinellen Zusammenarbeit;

Aufbauend auf diesen Entwicklungen folgten in den letzten 20 Jahren wichtige Meilensteine die die Weiterentwicklung von künstlicher Intelligenz vorantrieben:

  • 1997: IBM Deep Blue schlägt den damalige Schachweltmeister Garry Kasparov.
  • 2011: IBM Watson gewinnt die US TV-Show Jeopardy gegen die beiden besten amerikanischen Spieler. Grundlage der Spielshow ist die Umkehr von Frage-Antwort, sowie dem breiten Spektrum des „Weltwissens“
  • 2016: Googles Künstliche Intelligenz besiegt den weltbesten menschlichen Go-Spieler Lee Sedol.

Dies zeigt, dass Maschinen mit Hilfe von künstlicher Intelligenz heutzutage Probleme (oder in diesen Fällen Spiele) besser lösen können als Menschen. Darüber hinaus wird die benötigte Rechenkapazität, um solche komplexen Probleme zu lösen, deutlich leistungsfähiger- und kostengünstiger.

Gleichzeitig merken wir auch, dass immer wieder neue Technologien Einzug in unser Leben halten, die ein Stück neue Intelligenz – einzelne kognitive Fähigkeiten – mitbringen. Als Beispiele hierfür können Apple’s Siri, Google Now, IBM Watson oder auch Amazon’s Alexa genannt werden. Bei allen vier steht vor allem die natürliche Sprache als Kommunikationsmittel zwischen Mensch und Maschine im Vordergrund.

Ebenso wird der Umgang mit Daten mit Hilfe von Algorithmen stetig verbessert. Mit der zur Verfügung stehenden Datenmengen, wie auch Rechenleistung, können Informationssysteme deutlich häufiger „dazulernen“, damit Hypothesen erstellen und ihr eigenes Verständnis verbessern. Dieser Trend des sogenannten „Maschinellen-Lernen“ ist neben dem Umgang mit natürlicher Sprache ein zweiter wesentlicher Treiber für den Fortschritt von künstlicher Intelligenz.

Damit kann man sagen, dass aktuelle IT-Systeme oder Maschinen bereits mehr kognitive Fähigkeiten besitzen, als noch vor wenigen Jahren. Mit dem inhaltlichen Verständnis von natürlicher Sprache, werden weitere menschliche Fähigkeiten folgen. Es gilt nicht nur Sachaussagen zu verstehen, sondern auch mit Hilfe von Technologie Emotionen, wie auch den Ton der Sprache richtig deuten und interpretieren zu können.

Trotz all der Fortschritte, ersetzt künstliche Intelligenz die menschlichen Fähigkeiten heutzutage bei Weitem nicht. Daraus folgt in der Praxis der Grundtrend, dass künstliche Intelligenz uns Menschen in anspruchsvollen Situationen – wie beispielsweise Ärzte im Finden einer passenden Therapiemöglichkeit bei einer Krebserkrankung – unterstützen kann. Mit fortschreitender Digitalisierung sind nicht nur die technologischen Fähigkeiten künstlicher Intelligenz, sondern auch die Akzeptanz beim Endbenutzer gestiegen.

Welchen Einfluss hat künstliche Intelligenz auf Banken?

Die Digitalisierung hat auch vor der Bankenindustrie keinen Halt gemacht und zu teilweise radikalen Änderungen geführt. Man muss sich nur die Anzahl von FinTech Unternehmen in Deutschland anschauen, um zu wissen, dass sich die Industrie derzeit extrem wandelt. Im Zuge dessen möchte ich vor allem die Interaktion der Banken mit ihren Kunden hervorheben, die sich durch die Digitalisierung dramatisch geändert hat. Die Kunden erwarten mittlerweile ein anderes und vor allem besseres, individuelleres Kundenerlebnis (User Experience) als sie das vielleicht noch vor ein paar Jahren getan haben. Das liegt neben den neuen digitalen Technologien auch an den täglichen Erfahrungen die Kunden mit Unternehmen wie Apple, Amazon, Spotify oder Facebook sammeln. Der Anspruch von Kunden wandelt sich nachhaltig, führt von Jahr zu Jahr zu mehr digitaler Akzeptanz und öffnet damit die Türen für eine Vielzahl von Innovationen.

Neben den Herausforderungen, die die Digitalisierung mit sich bringt, gibt es aber auch viele Chancen für die Bankenindustrie. Zusätzlich zur bereits angesprochenen User Experience, können Banken gerade die künstliche Intelligenz nutzen, um die Interaktion mit ihren Kunden besser und individueller zu gestalten, aber auch die Effizienz und damit die eigene Kostenstruktur zu verbessern. Ein Beispiel hierfür sind zum Beispiel die Nutzung von künstlicher Intelligenz als unterstützendes Element in der alltäglichen Kundenberatung sowohl in der Filiale, im telefonischen oder digitalen Kundensupport (z.B. E-Mail & Social Media). Aber auch mit den immer komplexer werdenden Anforderungen der Banken-Regulatorik ergeben sich große Chancen künstliche Intelligenz sinnvoll einsetzen zu können.

Lesen Sie im nächsten Teil mehr über konkrete Anwendungsszenarien, wo künstliche Intelligenz im Bankenumfeld eingesetzt werden kann, und lernen Sie mehr über Chancen und Herausforderungen im Umgang mit künstlicher Intelligenz.

Informiert bleiben mit dem kostenlosen Bank Blog Newsletter:


Bitte bewerten Sie den Artikel mit Hilfe der Sternchen

1 Stern2 Sterne3 Sterne4 Sterne5 Sterne Bewertung: 4,58 Stern(e) - 19 Bewertung(en)

Danke fürs Teilen

Über den Autor

Stephan Schwebe

Stephan Schwebe gehört zur Generation der „Digital Natives“ und arbeitet als Executive Partner in der Beratungssparte von IBM Global Business Services. Vor seiner aktuellen Tätigkeit arbeitete er als Co-Founder und Chief-Revenue-Officer beim Berliner Startup zeotap im Big Data Umfeld und rollte das Geschäftsmodell erfolgreich in Südeuropa, Indien, USA und Kanada aus. Als Diplom-Wirtschaftsinformatiker und MBA liegt der Schwerpunkt seiner Expertise hierbei auf der Digitalisierung im Bankenumfeld. Durch seinen beruflichen Werdegang und praktischen Erfahrungen bringt er die Sichtweise aus der Startup-Welt und klassischen Konzernstrukturen zusammen und nutzt diese zur Lösung komplexer, innovativer Herausforderungen.

Anzeige

Hinterlassen Sie einen Kommentar

Kostenloser Newsletter für aktuelle Banking Trends

Für mehr Informationen hier klicken

Anzeige

Mit Amazon Echo die intelligente Sprachsteuerung von Alexa nutzen

" type="text/javascript">