Die Finanzbranche landet, was den Reifegrad von Künstlicher Intelligenz angeht, auf dem Relegationsplatz. Datenschutz oder Jobverlust sind drängende Themen. Die vielen Vorteile der Technologie lassen sich allerdings vom Front bis zum Back Office beobachten und weisen den Weg in die Zukunft.

Künstliche Intelligenz für die Finanzbranche

Künstliche Intelligenz eröffnet Banken vielfältige neue Möglichkeiten

Partner des Bank Blogs

FinTechs, Einschränkungen durch Legacy-Systeme und konventionelle Geschäftsmodelle: Traditionelle Banken müssen sich neuen Herausforderungen stellen. Der Einsatz von KI-Technologien schafft Abhilfe. Machine Learning, Deep Learning oder Algorithmen für die Weiterverarbeitung von Big Data bringen Vorteile für die Finanzbranche. So verbessern beispielsweise intelligente digitale Assistenten den Service, Datenmodelle automatisieren Kreditentscheidungen und Betrug lässt sich durch Muster-, Gesichts- und Spracherkennung aufdecken.

Künstliche Intelligenz hat positive Auswirkungen auf Banken

Eine aktuelle Studie von Infosys hat den Einfluss von künstlicher Intelligenz und KI-Reifegrad in Unternehmen untersucht. Die Erhebung bestätigt, dass immer mehr Unternehmen unterschiedlichster Branchen KI-Technologien implementieren. Demnach erwarten Organisationen, bis 2020 mit dem Einsatz von KI 39 Prozent mehr Umsatz zu generieren und gleichzeitig 37 Prozent an operativen Kosten einzusparen.

Über die Hälfte (56 Prozent) der Befragten aus dem Finanzsektor setzt KI bereits seit einem bis drei Jahren ein. Ganz generell investieren Unternehmen aus der Finanzbranche laut Studie überdurchschnittlich viel (14,6 Millionen US-Dollar im Vergleich zu 6,7 Millionen in den anderen Branchen) in die Technologien. schneidet das Marktsegment allerdings am drittschlechtesten aller befragten Sektoren ab. Gebremst wird die Entwicklung vor allem wegen der Zurückhaltung der Banken aufgrund von Themen wie Datenschutz oder Informationssicherheit.

Ein weiterer wichtiger Faktor ist die Sorge vor dem Jobverlust: Einer von vier Befragten in der Finanzbranche geht davon aus, dass durch die Automatisierung und KI viele Positionen bald überflüssig werden. Viele eintönige Arbeiten werden durch KI-gesteuerte Maschinen übernommen und befreien Arbeitskräfte von zeitfressenden Aufgaben. Mitarbeiter erhalten so mehr Zeit, ihre Kreativität auszuleben und neue Ideen zu entwickeln und können intensiver auf Wünsche ihrer Kunden eingehen. Angestellte sind in der Lage, bessere Produkte und Leistungen zu entwickeln, neue Modelle für die Kreditwürdigkeit festzulegen, sowie Risiken zu managen. Kurz: Menschliche Fähigkeiten werden durch neue Technologien ausgeweitet und sogar verbessert – wie die Geschichte in früheren technischen Revolutionen gezeigt hat. Der Erfolg bei der Einführung von KI-Technologien hängt daher auch maßgeblich davon ab, dass Mitarbeiter die Technologie als Chance sehen, mit den immer weiterwachsenden Anforderungen durch Kunden, die Konkurrenz und Regulatoren, zurecht zu kommen.

Anwendungsfälle für Künstliche Intelligenz vom Front bis zum Back Office

Doch KI verbessert gleichzeitig auch das Kundenerlebnis. Einige Beispiele: Technologien sind deutlich erfolgreicher und akkurater bei der Gesichtserkennung als Menschen. Intelligente Software versendet Antworten auf Kunden-E-Mails schneller und effizienter als ein menschlicher Mitarbeiter. KI verbessert den Kundenkontakt durch Agilität, Präzision und Kundennähe.

In vielen Banken werden die unterschiedlichen Technologien bereits erfolgreich genutzt. So setzt die australische Westpac auf visuelle Erkennung. Die Kunden der Bank können beispielsweise neue Karten über ihre Smartphone-Kameras aktivieren. Santander wiederum führte vor kurzem als erste Bank in Großbritannien die Möglichkeit für Zahlungen via Sprachaktivierung ein. First Direct und Barclays andererseits nutzen schon seit einiger Zeit Stimmerkennung, um ihre Telefon-Banking-Kunden zu authentifizieren.

Aber auch im persönlichen Kundenkontakt wird KI bereits eingesetzt. In Japan arbeiten bereits zwei Banken erfolgreich mit Robotern: „Pepper“ unterhält Kunden der Mizuho Bank mit Spielen und einem Multimedia-Angebot und gibt Produktinformationen auf Nachfrage. „Nao“, der andere Roboter, begrüßt Kunden in den Filialen der Mitsubishi UFJ und erkundigt sich nach deren Wünschen. Mitarbeiter der Banken können sich  so auf den Kundenservice konzentrieren.

Allerdings geht es bei der Einführung von KI im Bankwesen nicht nur um das Front Office. Auch für die Middle- und Back Offices bringt die Technologie Vorteile. Im Kreditrisikomanagement beispielsweise setzen Banken mittlerweile intelligente Algorithmen ein, die von Machine Learning und Prescriptive Analytics erstellt wurden. Sie helfen den Finanzinstituten zum Beispiel dabei, Tilgungshistorien zu interpretieren. Der Aidyia Hedgefonds basiert rein auf KI und alle Handelsgeschäfte laufen ohne menschliche Unterstützung ab.

Ein weiteres Beispiel kommt aus der Versicherungsbranche: Ein Roboter, der rund 10.000 bis 15.000 US-Dollar kostet, bearbeitet fünf- bis zehnmal so viele Versicherungsfälle wie ein menschlicher Vertreter. Bei PayPal wiederum kann ein auf Open Source laufendes KI-System nicht nur verdächtige Transaktionen entdecken, sondern auch Falschmeldungen von einem wirklichen Betrugsfall unterscheiden. Auch die gewichtige US-Bank JPMorgan Chase & Co nutzt ein Machine-Learning-Programm. COIN (Contract Intelligence) entscheidet in wenigen Sekunden über einen Darlehensantrag. Ein Team von Anwälten und Kreditsachbearbeitern würde für diese Aufgabe 360.000 Stunden im Jahr aufwenden müssen.

Künstliche Intelligenz ist die Zukunft

All dies zeigt: Künstliche Intelligenz ist nicht mehr aufzuhalten. In weniger als einem Jahrzehnt wird die Generation Z neben den Millennials die wichtigsten Kunden der Banken stellen. Sie wachsen mit den neuesten Technologien auf, arbeiten mit mehreren Bildschirmen gleichzeitig, kommunizieren mit Emojis und freuen sich über die Einfachheit der Interaktion mittels natürlicher Sprache. Doch es benötigt mehr, als nur menschliches Können, um die Bedürfnisse dieser Kunden verstehen und bearbeiten zu können. Um diese Herausforderung zu bewältigen, müssen Mensch und Maschine in Symbiose zusammenarbeiten. Schließlich warten in Zukunft noch ganz andere Aufgaben auf Banker: Produkte voraussehen, Kundentrends erkennen und vielleicht sogar digitale Währungsportfolios managen.