01.09.2021

Die 5 wichtigsten Vorteile von künstlicher Intelligenz in Banken

Künstliche Intelligenz (KI) ist derzeit der Megatrend in Banken und im Finanzwesen – und das aus gutem Grund. Technologische Fortschritte in der künstlichen Intelligenz, wie etwa maschinelles Lernen, Bilderkennung und Verarbeitung natürlicher Sprache, treiben umwälzende Veränderungen in der Geschäfts- und Arbeitswelt voran. Darüber hinaus können diese Entwicklungen relevante Ergebnisse für die Banken erzielen, indem sie beispielsweise die Back-Office-Vorgänge, die Kundenerfahrung und die Mitarbeiterzufriedenheit verbessern.

Artikel teilen:

Lesezeit:

Künstliche Intelligenz in Banken ist auf dem Vormarsch

Künstliche Intelligenz hat in Banken das Potenzial, massive Kosteneinsparungen zu realisieren. Laut einer Studie von Accenture können Banken durch den Einsatz von KI-Tools die Anzahl ihrer Transaktionen um das 2,5-Fache erhöhen, ohne neue Mitarbeiter einstellen zu müssen.

Auch Finanzdienstleister sind gut beraten, wenn sie die Vorteile durch künstliche Intelligenz nutzen. KI ohne Daten ist jedoch nicht möglich. Aber das ist kein Problem, denn die Finanzbranche sammelt viele Daten in ihrem regulären Geschäftsbetrieb.

Allerdings ist der Einsatz von künstlicher Intelligenz und maschinellem Lernen im Finanzwesen keineswegs neu. So übernimmt die künstliche Intelligenz bereits heute wichtige Aufgaben bei der Ermittlung von verdächtigen Kreditkartenaktivitäten. Aufgrund steigender Fallzahlen beim Identitätsdiebstahl muss die Branche die richtige Technologie einsetzen, um ihre Kunden zu schützen und Haftungsrisiken zu mindern.

Da die betrieblichen Vorgänge virtualisiert ablaufen, sind die Schwachstellen in Finanzsystemen besonders gefährdet. Früher trugen Bankräuber Skimasken und Pistolen bei Überfällen, heute nutzen die Täter hingegen Codes und eine Tastatur. Der einzige Weg, technologische Bedrohungen zu bekämpfen, erfolgt über den Einsatz von noch besserer Technologie.

Künstliche Intelligenz bietet Finanzinstituten die Möglichkeit, eine kundenfreundliche Erfahrung zu gestalten, die Fehlerquoten zu senken und bessere Investitionen zu tätigen. Intelligente Systeme für das Entscheidungsmanagement (DMS; engl. Decision Management Systems) unterstützen das Institut bei der Einhaltung der regulatorischen Auflagen, indem sie die Fehlerquoten reduzieren und den Zeitaufwand für die genaue Erfassung von Kundeninformationen senken.

Jedoch wäre eine angemessene Bewertung von künstlicher Intelligenz unvollständig, wenn gewisse Falschannahmen zu künstlicher Intelligenz nicht zur Debatte stünden. So ist beispielsweise die Vorstellung, dass maschinelles Lernen der menschlichen Intelligenz ebenbürtig ist, einfach ein Mythos. Außerdem übersteigen selbst dort, wo künstliche Intelligenz menschliche Fähigkeiten zu übertreffen scheint, wie beispielsweise bei der Verwendung vieler Variablen zur Vorhersage eines Ergebnisses, die Kosten oft den Nutzen.

Whitepaper

Wie KI der Bank- und Finanzbranche helfen kann

Erfahren Sie, wie digitale Entscheidungsplattformen künstliche Intelligenz und menschliches Wissen sinnvoll miteinander verbinden und Experten dabei helfen, ihre Entscheidungswege und -logik auf die Plattform zu übertragen.

Jetzt herunterladen

Welche Vorteile der künstlichen Intelligenz sind in Banken am wichtigsten?

Nachfolgend werden die fünf wichtigsten Vorteile von künstlicher Intelligenz im Bank- und Finanzwesen genannt. Wir erörtern auch einige der Risiken und Herausforderungen, denen die Finanzdienstleistungsbranche beim Einsatz von künstlicher Intelligenz gegenübersteht.

1. Einhaltung regulatorischer Auflagen und Betrugserkennung

Die Bankenbranche hat eine bewegte Vergangenheit, die Investoren Millionen von Euros gekostet hat. Gesetze, wie etwa der Sarbanes-Oxley Act of 2002 (SOX), sehen empfindliche Strafen für Akteure vor, die gegen die Vorschriften verstoßen. Es liegt daher im besten Interesse von Banken und Finanzorganisationen, die Einhaltung der regulatorischen Auflagen so weit wie möglich zu automatisieren.

DMS ermöglicht eine frühzeitige Betrugserkennung und eine umfassende Dokumentation der Prüfverfahren. Prüfungen durch Dritte können Störungen im regulären Betrieb verursachen, wenn Mitarbeiter von ihren Schreibtischen weggerufen werden, um fehlende Angaben vorzunehmen oder Einträge zu erklären. Mit der richtigen Software und maschinellem Lernen werden nur korrekt erfasste Informationen im System vorliegen und fehlerhafte Angaben sofort markiert bzw. nicht zugelassen.

Wenn Finanzinstitute ihre Wachsamkeit erhöhen, ändern Betrüger ihre Vorgehensweise. Da Transaktionen mit großen Summen für eine Nachprüfung gekennzeichnet werden, haben Betrüger ihr Verhalten angepasst und überweisen nur Beträge, deren Höhe knapp unterhalb der Ermittlungsgrenze liegt. Ohne geeignete Analyseverfahren können kriminelle Aktivitäten unentdeckt bleiben, obwohl die vorgeschriebenen Anforderungen erfüllt werden. Das ist ein Bereich, in dem künstliche Intelligenz dem Menschen tatsächlich überlegen ist. Künstliche Intelligenz analysiert große Mengen von Daten und sortiert verdächtige Transaktionen aus. Die manuelle Analyse solcher Transaktionen führt einfach zu Fehlern. Ohne ein laufendes Betrugserkennungssystem auf KI-Basis haben Kriminelle ein leichtes Spiel, Geld zu waschen oder illegale Aktivitäten zu finanzieren.

2. Verbesserte Investitionsbewertung

Zinserträge stellen nur einen Aspekt der Ertragsgenerierung dar. Daher sind Banken ständig auf der Suche nach lukrativen Gelegenheiten, um zu investieren und eine gute Rendite zu erwirtschaften.

Die richtige Anlagesoftware kann Investitionsempfehlungen geben, die der Risikobereitschaft dieser Institutionen entsprechen. Darüber hinaus können sie die Finanzierungsvorschläge der Kunden genau bewerten, denn die branchenspezifischen Informationen sind oft nur schwer zu verstehen.

Die Entscheidung zu investieren liegt nach wie vor in den Händen der menschlichen Analysten. Softwareprogramme für die Investitionsanalyse vereinfachen den Prozess und berücksichtigen mehr Variablen. Wenn das Institut Interessen außerhalb ihrer nationalen Grenzen verfolgt, kann der Zugriff auf Informationen viel Zeit binden. Die Bewertung einer neuen Umgebung kann eine Herausforderung sein, aber die richtige KI-Software wird den Prozess entscheidend beschleunigen.

3. Bessere Kundenerfahrung

Kunden suchen ständig nach vorteilhaften Annehmlichkeiten. So wurde beispielsweise der Geldautomat deshalb so erfolgreich eingeführt, weil die Kunden Zugang zu einem wichtigen Service hatten, wenn die Banken geschlossen waren. Dieses Maß an Komfort hat nur zu weiteren Innovationen angeregt. Heute können Kunden mit ihren Smartphones Bankkonten öffnen und sich selbst verifizieren, ohne die bequeme Couch verlassen zu müssen.

Um die Bearbeitungszeiten zu verkürzen, kann ein Entscheidungsmanagementsystem (DMS) den Zeitaufwand für die Know-Your-Customer-(KYC)-Daten senken und Fehler eliminieren. Darüber hinaus können – mit der richtigen Geschäftsregel-Software – Geschäftsentscheidungen ohne langwierige Verfahren umgesetzt und eingeführt werden.

Neue Produkte und saisonale Finanzangebote können rechtzeitig zur Verfügung gestellt werden. Darüber hinaus sind neue Geschäftsentscheidungen oder Änderungen der Konditionen einfach im System unterzubringen.

Die Berechtigungsprozesse werden automatisiert. Das bedeutet für Kunden, die sich nicht qualifizieren können: Sie nehmen nicht den enttäuschenden Eindruck mit, dass sie einen kompletten Prozess durchlaufen sind, nur um abgelehnt zu werden. Diese Technologie schafft trotz der vielfältigen Kundendaten eine persönliche Atmosphäre.

Banken können aufgrund der schnelleren Bearbeitungszeiten das Vertrauen der Kunden gewinnen. Zudem kann die DMS-Software die Genehmigungszeiten für Anlagen verkürzen.

Manchmal eröffnen Bankmitarbeiter Konten mit fehlerhaften Daten, die zu Einschränkungen bei den Kundenkonten führen. Das kann für einen Kunden sehr frustrierend sein. Das genaue Erfassen der Kundendaten und das korrekte Einrichten der Kundenkonten gewährleistet Ihren Kunden eine durchgängig reibungslose Erfahrung.

4. Geringere Betriebskosten und Risiken

So sehr wir die Interaktion mit Menschen genießen, sie hat oft einen entscheidenden Nachteil. Menschliche Fehler treten häufig auf und können schwerwiegende Folgen nach sich ziehen. Selbst wenn erfahrene Mitarbeiter an entscheidender Stelle sitzen, kann ein falscher Tastendruck Haftungsrisiken und irreparable Reputationsschäden für das Institut verursachen.

Entscheidungsmanagementsysteme (DMS) reduzieren dieses Risiko, indem sie logische Abläufe bei der Datenerfassung erstellen sowie prädiktive und präskriptive Techniken kombinieren, um geschäftliche Probleme zu lösen.

Hier soll das Kontoeröffnungsverfahren als Beispiel dienen. Mit dem DMS können Sie Regeln einrichten, die dem Kunden zeigen, welche Arten von Konten sie in Abhängigkeit von ihren persönlichen oder geschäftlichen Informationen öffnen können.

Wenn ein Kunde ein Konto online eröffnet, können Alter und Einkommensquelle den Kontotyp festlegen, der für ihn zur Verfügung steht. In diesem Fall können Minderjährige keine Konten auf ihren Namen eröffnen und persönliche Sparkonten bieten keinen Dispo. Das bedeutet, dass Sie weniger Mitarbeiter im direkten Kundenkontakt benötigen, wodurch wiederum die Arbeitskosten sinken.

Darüber hinaus wird durch die erhöhte Genauigkeit die Anzahl an Personen, die das Unternehmen für die Beurteilung von Transaktionen und Aktivitäten benötigt, weiter reduziert.

Davon profitiert auch die Mitarbeiterzufriedenheit. So spart ein DMS beispielsweise Zeit bei der Dateneingabe ein. Das bedeutet, dass Ihr Team sich auf das Kerngeschäft konzentrieren und mehr Zeit in innovative Tätigkeiten investieren kann.

Trotz all ihrer Vorteile kann künstliche Intelligenz nicht den Wert eines persönlichen Handschlags ersetzen. Jedoch können Finanzinstitute die Einsparungen, die sich aus der Investition in KI-Systeme ergeben, als Ressourcen von der Datenerfassung auf die Geschäftsentwicklung umlenken.

5. Verbesserte Bewertung von Darlehen und Krediten

Der Einsatz von Kreditbewertungen zur Feststellung der Kreditwürdigkeit beruht oftmals auf veralteten Informationen, falschen Einstufungen und fehlerhafte Angaben. Heutzutage sind jedoch viel mehr Informationen online verfügbar, die ein realistischeres Bild der zu bewertenden Person oder des zu bewertenden Unternehmens vermitteln können.

Ein auf künstliche Intelligenz gestütztes System kann Genehmigungs- oder Ablehnungsempfehlungen erteilen, indem es mehr Variablen berücksichtigt, selbst wenn über den privaten oder geschäftlichen Antragsteller nur wenige Unterlagen vorliegen.

Der Haken an der Sache ist, dass nicht immer klar ist, warum die Software zu einer bestimmten Empfehlung kommt. Wenn ein Antrag genehmigt wird, stellt niemand Fragen. Wenn jedoch ein Antrag abgelehnt wird, ist das Institut dem Kunden eine Erklärung schuldig.

Obwohl Systeme objektiv sein sollten, können sie dennoch zur Voreingenommenheit neigen. Das liegt daran, dass Konfigurationen so gut sind wie ihre Entwickler. Glücklicherweise ähneln sich die meisten Finanzierungsanträge, die bei den Instituten eingehen, und die Menschen sind sich der Tendenz der Institutionen bewusst. Deshalb sind Entwickler besser in der Lage, beim Konzipieren von Anwendungen und Updates bessere Variablen zu berücksichtigen und schnell anzupassen.

Welche Fallstricke müssen Banken beim Einsatz von künstlicher Intelligenz besonders beachten?

Künstliche Intelligenz ist eine relativ junge Technologie. Aufgrund ihrer Unausgereiftheit und der bislang kurzen Einsatzzeit stellt sie ein wesentliches Geschäftsrisiko dar, das zudem durch die rasante Weiterentwicklung in diesem technologischen Feld verstärkt wird. Folglich müssen Finanzdienstleister die Vorteile der künstlichen Intelligenz gegen die folgenden Risiken und Herausforderungen abwägen.

1. Künstliche Intelligenz bietet keine ethische Begründung für abgelehnte Kreditanträge

Wie bereits erwähnt, ist die KI-Anwendung von ihrem Entwickler abhängig. Ein fehlerhafter Algorithmus führt zu einer falschen Analyse. Software wird innerhalb bestimmter Parameter entwickelt – und diese Parameter sind interpretierbar. So würde beispielsweise ein Antrag für eine Hypothek in einer einkommensschwachen Gegend als hohes Risiko eingestuft werden. Folglich wird die Anwendung einen hohen Zinssatz empfehlen, um das Risiko für das Institut zu mindern. Leider sagt die Einstufung dieser Wohngebiete weniger über die Einkommensbildung aus als über die sozioökonomischen Faktoren einschließlich der ethnischen Herkunft. Das System ist nicht in der Lage, diese Voreingenommenheit zu erkennen. Denn es kann Informationen nur anhand seines zugrunde liegenden Konzepts analysieren.

Ohne angemessene Begründung ist es schwierig, die Ablehnung einem Kunden zu erklären. Da die Menschen heutzutage ihre Auseinandersetzungen in den sozialen Medien austragen, kann der Name eines Finanzinstituts zur Zielscheibe einer Schlammschlacht werden, weil es seine Entscheidung nicht erklären konnte.

2. Menschen bevorzugen weiterhin den Umgang mit Menschen

Selbst wenn Kunden unmittelbar von der verbesserten Effizienz durch die Kooperation mit Maschinen profitieren, stehen sie einem vollautomatischen System weiterhin misstrauisch gegenüber. In der Tat kann eine Störung im System für einen Kunden schlimme Folgen haben und mit einer Software lässt es sich nicht verhandeln. Jedes Mal, wenn Banken ihr System aktualisieren und Fehler bekannt werden, laufen die sozialen Medien heiß vor Beschwerden und Negativschlagzeilen. Hingegen singt leider niemand Loblieder, wenn die Dinge gut laufen. Selbst wenn diese Vorfälle nur sehr vereinzelt auftreten, hat es immer einen Reputationsschaden zur Folge.

Die geradezu irrwitzige Vorstellung, dass die Maschinen die Kontrolle übernehmen könnten, verstärkt das Misstrauen, das Kunden gegenüber künstlicher Intelligenz an den Tag legen. Viele Menschen, darunter auch Top-Tech-Investoren wie Elon Musk, meinen, dass Computer eine Art Bewusstsein in Zukunft entwickeln werden, wie man es Science-Fiction-Filmen kennt, und dass die Existenz der Menschheit auf dem Spiel steht.

Es ist auch nicht hilfreich, dass Social-Media-Seiten persönliche Daten an Vermarkter verkaufen. Solche Enthüllungen verstärken nur die Ängste, die Kunden ohnehin schon haben.

3. Investitionskosten zu hoch?

Im Gegensatz zu den Lohnkosten für einen Analysten, die sich über Jahre verteilen, wird die Softwaregebühr im Voraus bezahlt – zudem kann zusätzliche Hardware wie Server und physische Infrastruktur erforderlich sein.

Darüber hinaus müssen regelmäßige Updates geplant und durchgeführt werden. Wenn es ein Problem mit einem Update gibt, könnte das System für einen längeren Zeitraum nicht zur Verfügung stehen. Außerdem kann eine neue Software die vorhandene Hardware überfordern. Reduzieren kann man dieses Risiko, wenn man sich auf einen vertrauensvollen Partner stützen kann.

Fazit

Trotz ihrer Herausforderungen macht künstliche Intelligenz die Finanzbranche einfach besser:

KI bietet Banken einen Kanal, um verdächtige Aktivitäten schnell zu identifizieren.
KI ermöglicht der Finanzbranche bessere Investitionen zu tätigen und einen breiteren Kundenstamm anzusprechen.
KI schafft ein benutzerfreundliches Erlebnis für Kunden dank ihrer erhöhten Zugänglichkeit und Flexibilität.

Entscheidungsmanagement-Software ist ein KI-basiertes Werkzeug, das einen zentralen Bestandteil des Geschäftsprozessmanagements im Bank- und Finanzwesen bildet. Mit diesem System können Menschen ohne IT-Hintergrund intelligentere, automatisierte Geschäftsentscheidungen treffen und letztlich die Wettbewerbsfähigkeit des Unternehmens verbessern.