Künstliche Intelligenz bringt PS in die Bankfiliale

Durch intelligente Datenanalyse Kunden besser kennen lernen

Abonnieren Sie den kostenlosen Bank Blog Newsletter

Eine gute Beziehung basiert auf Vertrauen. Dieses wächst, je besser man sich kennt. Hier haben Banken und Sparkassen Probleme: Viele Kunden, wenig Mitarbeiter und keine Zeit, sich kennenzulernen. Künstliche Intelligenz kann helfen, Kunden wieder zu Vertrauten zu machen.

Künstliche Intelligenz für mehr Vertrauen und Kundenbindung

Künstliche Intelligenz ermöglicht es, Kunden besser kennenzulernen.

Partner des Bank Blogs

PWC ist Partner des Bank Blogs

Dass Künstliche Intelligenz (KI) und intelligente Datenanalyse das zukünftige Bankgeschäft maßgeblich beeinflussen werden, ist unstrittig: Von Chatbots über Produktempfehlungen bis hin zur Betrugserkennung, alles ist möglich. Doch ungeachtet des zu erwartenden Nutzens erweist sich die reale Umsetzung des theoretisch möglichen als schwierig. In diesem Zusammenhang wird den Banken gerne der Einfachheit halber „fehlender Pioniergeist“ unterstellt. Aber das ist nur die eine Seite der Medaille. Häufig fehlt es einfach an pragmatischen, d.h. schnell einsatzfähigen, intuitiv verständlichen und kostengünstigen Lösungen, die einen messbaren Mehrwert stiften. Um den Pioniergeist zu wecken muss eben manchmal überhaupt erst ein lauffähiger Weg in Sicht sein.

An Einsatzmöglichkeiten für KI mangelt es nicht

Der Bankensektor ist laut Experten nach der Medizinbranche der größte Markt für den Einsatz von KI. Warum? Weil sowohl im Finanzbereich als auch im Bereich Health Care von Natur aus viele Daten gesammelt werden und sich diese besonders gut für Analysezwecke eignen. Algorthmic Trading, Chatbots zur Kundenkommunikation, datengetriebene Kundensegmentierung, Produktempfehlungsalgorithmen, Vorhersage von Kreditausfällen oder das Identifizieren von Betrugsfällen: Die Einsatzmöglichkeiten von KI im Bankenumfeld sind vielfältig und klingen vielversprechend.

Daher ist es schwer nachvollziehbar, warum die bereits am Markt existierenden Lösungen keinen Anklang finden. Mit Sicherheit spielen bei dem ein oder anderen potentiellen Nutzer fehlender Mut oder ein Mangel an Innovationswille eine Rolle. Doch entgegen der Vorurteile sind tatsächlich viele Banken aktiv auf der Suche nach innovativen Lösungen, um die eigenen Geschäftsprozesse zu optimieren, den Arbeitsalltag der Mitarbeiter neu zu gestalten und das Kundenerlebnis zu verbessern. Im Rahmen der Umfrage „Enhanced Bankers – The Impact of AI“ (TABB Group) gaben 87 Prozent der Befragten an, dass der Einsatz von KI zur Analyse und Identifikation geschäftsrelevanter Ereignisse sehr hilfreich wäre.

Exzellenter Kundenservice beginnt bei der Datenanalyse

Banken könnten Ihre Kunden beispielsweise alleine aufgrund des individuellen Datenprofils extrem gut kennen und einen qualitativ hochwertigen Kundenservice anbieten.  Einer Umfrage von Accenture zur Folge glauben 76 Prozent der Banker, dass KI in naher Zukunft primär den Bereich Kundeninteraktion revolutionieren wird (Studie „Neue Schlagkraft für Banken“). Entgegen der Annahme ist das Aushängeschild der Banken allerdings nach wie vor der intensive persönliche Kontakt mit bestehenden und potentiellen Kunden.  Dabei ist weithin bekannt, dass der vermeintlich intensive Kundenkontakt durch die stetig zunehmende Auslastung der Mitarbeiter in der Realität schon lange nur noch für einen Bruchteil der Kunden gilt. Den Mitarbeitern ist es schlichtweg nicht mehr möglich, sich in die Kunden „einzuarbeiten“ und aus der direkten, zwischenmenschlichen Interaktion Anforderungen und Bedarfe abzuleiten.

Dabei ist die Lösung zum Greifen nah. Diverse Tech-Startups stehen in den Startlöchern und bieten Analyse-Tools an, die durch den Einsatz modernster Machine-Learning-Verfahren rein technisch überzeugen. Die Banken müssten nur den ersten Schritt wagen. Doch auch in Bezug auf die Beziehung zwischen Startup/ Finanzbranche gibt es wieder zwei Seiten der Medaille, die betrachtet werden müssen.

Startups verlieren sich häufig in Visualisierungen

Viele der im Markt verfügbaren Analyse-Tools sind nicht so ausgereift, dass ein Einsatz für die Banken attraktiv oder sogar alternativlos wäre. Mangels Branchenerfahrung bzw. Sensitivität kommt es bei der Entwicklung von Analyse-Tools im Startup-Umfeld häufig zu einer nicht am Kunden orientierten Produktentwicklung. Heißt: Der Product/Market-Fit ist nicht gegeben, die Analyse-Tools sind primär technologie- und nicht Problem getrieben. Der Fokus der Anwendungen liegt meist auf der graphischen Darstellung der Analyseergebnisse und weniger auf der Angabe sich daraus ergebender Handlungsfelder oder konkreter Maßnahmen. Der potenzielle Anwender ist dann häufig mit der Interpretation der Visualisierung überfordert, in der Folge rechtfertigt die Lösung den Einsatz in der Praxis nicht, weil sie schlicht nicht den nötigen Mehrwert liefert.

Doch entgegen der Entkopplung von Anbieter-Know-How und Kundenbedarf gibt es auch Startups, die sich maximal an den Bedarfen der Kunden orientieren. Hier erarbeiten Data Scientisten mit Branchenerfahrung gemeinsam mit den Kunden aus der jeweiligen Branche Analyse-Tools, die dann sowohl in Hinblick auf die zu lösenden Probleme sowie die optimale Ergebnispräsentation einen maximalen Kundennutzen stiften.

Künstliche Intelligenz schafft Zeit für echte Begegnungen

Sofern den Banken eine auf den individuellen Bedarf adaptierte Lösung zur Verfügung steht, lassen sich schnell messbare Vorteile erzielen. Das gilt vor allem im Vertrieb. Die Zusammenlegung von Filialen, viele Kunden – ein Berater und die zunehmende Diversifizierung der Kundenlebensläufe sind Herausforderungen, die direkt oder indirekt den Vertrieb betreffen.

Mithilfe smarter Tools können Vertriebsmitarbeiter beispielsweise auf Knopfdruck eine Auswahl passender Produkte für unterschiedliche Kundensegmente erhalten, basierend auf einer detaillierten Ad-hoc-Typisierung der zugrundeliegenden Kunden.

Ein konkretes Beispiel: Der Vertriebsmitarbeiter wählt 5.000 Kunden aus, die eine hohe Affinität bzgl. Investmentfonds haben. Basierend auf dem durch die KI analysierten Kundenverhalten erkennt er, dass für 3.000 der ausgewählten Kunden das Thema „Nachhaltigkeit“ von Bedeutung ist. Diese Information lässt sich beispielsweise aus den Transaktionsdaten generieren: Einkäufe in Bio-Supermärkten und getätigte Spenden. Die Kombination aus genereller Affinität und persönlichen Werten ermöglicht es dem Vertriebsmitarbeiter, den entsprechenden Kunden das Produkt „Nachhaltigkeitsfonds“ anzubieten.

Die so generierten „Customer Insights“ können über eine integrierte Exportfunktion direkt als Vertriebsaufgaben im Kernbanksystem eingespielt oder den relevanten Kunden bei dem nächsten log-in im Onlinebanking angezeigt werden. Dank der Unterstützung der KI dauert das ganze keine fünf Minuten mehr. Der Vertriebsmitarbeiter kann die gewonnene Zeit nutzen, und sich wieder dem zwischenmenschlichen Kontakt mit seinen Kunden widmen.

Über den Autor

Sebastian Conrady

Sebastian Conrady ist als Produktmanager im Bereich Data Science für das Westphalia DataLab (WDL) tätig. Der studierte Betriebswirt und gelernte Bankkaufmann konzentriert sich vor allem auf den Finanzsektor.

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