Künstliche Intelligenz (KI) – eine neue Ära im Banking

2020 stand im Licht abrupter Veränderungen die weder geplant noch antizipiert werden konnten. Über alle Gesellschaftsbereiche hinweg war die Anpassungs- und Adaptionsfähigkeit an sich verändernde Rahmenbedingungen das Credo der Zeit. Für Banken, die in den letzten Jahren bereits mit elementaren strukturellen Veränderungen konfrontiert waren, wurde die Flexibilität und Anpassungsfähigkeit um ein Vielfaches herausgefordert. Denn zusätzlich zur Digitalisierung, dem nun seit über zehn Jahre andauerndem Niedrigzinsumfeld, verändertem Kundenverhalten, neuen Wettbewerbern und regulatorischen Herausforderungen wirkte das Jahr 2020 wie ein Brandbeschleuniger für die Transformation.

Die Treiber: Flexibilität und Anpassungsgeschwindigkeit, betriebswirtschaftliche Effizienz und neue Technologien

2021 steht weiterhin unter dem Licht andauernder Umwälzungen in der Bankenwelt. Ein wesentlicher Treiber wird nach wie vor die Digitalisierung sein. Aber auch grundlegende betriebswirtschaftliche Disziplinen wir Arbeits- und Betriebsorganisation, Kosten- und Prozesseffizienz oder die Modernisierung von sogenannten Legacy Systemen werden zentrale Herausforderungen darstellen, die es zu bewältigen gilt. Im technologischen Kontext wird das Thema Künstliche Intelligenz (KI) hierbei eine nicht zu unterschätzende Rolle spielen.

Künstliche Intelligenz – Bedeutung, Anwendungen und Lebenszyklen

Das Phänomen Künstliche Intelligenz in der Bankenwelt ist kein Novum. Neben zahlreichen Studien und Berichten hatte u.a. die BaFin bereits im Juni 2018 die Auswirkungen der Phänomene Big Data und KI in der Bankenwelt analysiert und eine Stellungnahme hierzu veröffentlicht. Die Erkenntnisse deuteten bereits damals darauf hin, dass Banken und Finanzinstitute durch die Anwendung der neuen Technologie einen „grundlegenden Paradigmenwechsel“ durchlaufen werden und das „maschinelles Lernen als Schlüsseltechnologie für KI“ die Entwicklung kognitiver IT Systeme revolutionieren würde.

Seit einigen Jahren beobachten wir nun vermehrt, wie im Zuge der Digitalisierung neue Geschäftsmodelle, Anwendungsfälle und so auch Einsatzmöglichkeiten für KI in der Bankenweltentstehen. Kognitive Technologien auf Basis künstlicher Intelligenz spielen dabei eine  zunehmend wichtige Rolle.

KI-basierte Anwendungsfälle in der Bankenwelt sind durchaus vielseitig:

  • Automatisierung von Geschäftsprozessen
  • intelligente Verarbeitung von großen Datenmengen für verbesserte Entscheidungsfindung
  • Einsatz von BOT-Technologien im Kundenservice
  • automatisierte Bilanzanalyse und regelbasierte Kundenbonitätsprüfung
  • Abwicklung von Kreditkartenzahlungen zur Betrugsprävention
  • Portfoliomanagement über Roboadvisory.

Die Liste der Einzellösungen ist durchaus erweiterbar, die Transparenz über die Vorteile und die Durchsetzungskraft in der Masse wiederum überschaubar. Wie ist das zu erklären?

Marktreife und Durchsetzungskraft von KI-Anwendungen

Wie bei jeder bahnbrechenden Innovation – in unserem Falle der KI – gibt es typische Zyklen sowie Entwicklungs– und Reifestadien. Oftmals beschreibt die Anfangsphase einen „Hype“, in dem Erwartungshaltung, Marktdurchdringung und Markterfolg selten im Einklang sind. Die Durchsetzungsfähigkeit erfolgt in der Regel erst durch eine gewisse Reife und durch Adaption in der Masse. Sie liefert im Idealfall die Grundlage für stetige Erhöhung der Marktdurchdringung und Erfolg. Die Anfangszeit ist geprägt von technologischer Finesse, Dynamik und einer hohen Erwartungshaltung an die Technologie. In den fortlaufenden Phasen wird der Erfolg einer Innovation verstärkt an elementaren betriebswirtschaftlichen Anforderungen wie Prozesseffizienz, Kostenersparnis, Nutzenversprechen und technologische Umsetzungsfähigkeit gemessen. Diese Entwicklung wird am Beispiel des Gartner Hype Cycle** für KI illustriert:

Wünschbarkeit, Realisierbarkeit und Rentabilität – der Dreiklang

Jede Innovation braucht gute Ideen, doch nicht jede gute Idee ergibt eine Innovation. Nur die Schnittmenge von Erwartungshaltung der Nutzer, technischer Realisierbarkeit und wirtschaftlicher Rentabilität stellt eine stabile Grundlage für Banken  dar und bieten die Möglichkeit, sich für eine breite Masse zu etablieren. Diese Komponenten sind letztendlich auch für die Nachfrage und das Angebot von KI Lösungen im Finanzdienstleistungsmarkt bindend. Wichtig ist dabei auch die Diversität des Angebots – je höher die Vielfalt für KI Anwendungen, umso größer und konkreter die Auswahl und umso intensiver der Wettbewerb um Technologie- und Nutzenführerschaft. Bei steigendem Marktwachstum (Angebot und Nachfrage) und gleichzeitiger Marktattraktivität (Ertrag und Rentabilität) im Zielmarkt, beginnt der Prozess richtig an Fahrt zu gewinnen und der Erfolg von KI Anwendungen in der Bankenwelt kommt deutlich zum Vorschein.  

Stabile und betriebswirtschaftlich robuste KI-basierte Geschäftsmodelle und Anwendungen mit klaren Nutzenvorteilen in puncto Kosteneffizienz, Prozessoptimierung, User Experience und technologische Kostenführerschaft werden in 2021 vermehrt in den Fokus rücken. Der Wettbewerb wird insbesondere dadurch bestimmt werden, wie die aktuellen und zukünftigen Herausforderungen im Bankenmarkt mit der Unterstützung KI-basierter Technologien gestemmt werden können. Greifbare KI Anwendungsfälle die einen konkreten Pain der Banken adressieren und zur Optimierung und Verbesserung von Prozessen, Senkung der Kosten oder höheren Kundenzufriedenheit führen, werden das Rennen machen.

So viel zur Theorie.

Erfolgreiche KI-Lösungen in der Praxis – Transparenz, Nutzenführerschaft und Effizienz

Wo liegen die Herausforderungen im Finanzsektor und wie können diese bewältigt werden? Wie kann ein gelungener Einstieg in eine effiziente KI Umsetzung aussehen und was sind Best Practices?

Mehr dazu lesen Sie im nächsten Blogbeitrag!

 

 

*Quelle: BaFin Journal Juni 2018, https://www.pd-g.de/assets/Presse/Fachpresse/180619_BaFin-Journal_06-18_Wechselmann_Big_Data.pdf

**Quelle: Gartner Hype Cyle for AI, https://www.gartner.com/smarterwithgartner/2-megatrends-dominate-the-gartner-hype-cycle-for-artificial-intelligence-2020/

 

Post a Comment

* indicates required

Core Application Renewal

Finanzhäuser gleichen teils Technologiemuseen: Die digitale Transformation beginnt im Backend. Zu unserem neuesten Whitepaper:

Mehr erfahren.