Trends Magazin

istock.com/NicoElNino

Interaktion zwischen Banken und Kunden: Gut trainierter Chatbot kann zum Bindeglied werden  

Eine überladene Webseite mit Produkten bzw. Produktinformationen samt verklausulierter Bedingungen über den Kunden auskippen – auf diese Formel lässt sich, wenn auch überspitzt, das Konzept so mancher Bank verkürzen. Dieser Ansatz ist dem heutigen Stadium der Digitalisierung nicht mehr angemessen.

Das pure Übersetzen des Angebots auf eine Online-Version funktioniert mit Kunden in den 2020er-Jahren nicht mehr. Das zeigen auch Studien: Kunden legen gerade bei Beratungs- und Anlagegeschäften sehr viel Wert auf ein persönlich zugeschnittenes, möglichst einfach zu nutzendes Angebot. Die Customer Experience gewinnt damit nochmals als Faktor für den Erfolg.

Gerade in einem Umfeld, in dem Menschen nicht selten den Großteil ihres Vermögens einbringen, ist ein solches Anliegen besonders berechtigt. Der Wunsch nach kompetenter und persönlicher Betreuung ist aber nicht auf Finanzinstitute beschränkt. Banken haben bei der Digitalisierung zwar bereits aufgeholt, aber bisher vor allem in technokratischer Art und Weise. Der Kunde als lebendes und atmendes Wesen ist dabei teilweise auf der Strecke geblieben und muss wieder stärker in den Mittelpunkt rücken.

Eine simple Rückkehr des alten Modells der Kundenbetreuung vor Ort ist kein realistisches Szenario. Die digitale Schiene als sogenanntes „New Normal“ bleibt. Dabei zeigen Studien, dass Kunden einen Mix bevorzugen und dass gerade solche Kunden mehr Umsatzpotenzial mit sich bringen.

Der Mensch im Mittelpunkt
Es geht weniger darum, das Rad bei den Maßnahmen neu zu erfinden – vielmehr ist es erforderlich, vorhandene Kanäle, Schnittstellen etc. kundenfreundlich zu gestalten und miteinander zu verbinden. Der digitale rote Faden muss ins Angebot. Folglich kann die Situation auch nur im Digitalen gerichtet werden. Hierfür müssen sich Banken weiter befähigen, denn oft steht noch ein Elefant im Raum: der Mainframe. Dessen Verfechter haben einige Argumente für den bisherigen und weiteren Einsatz, etwa Leistungsfähigkeit, Sicherheit und Zuverlässigkeit. Allerdings treffen diese Merkmale inzwischen auch für die Cloud-Nutzung zu. Für eventuelle Schwachstellen lassen sich gute Lösungen finden.

Denn so bequem das Festhalten am monolithischen Zentralrechner auch sein mag: Banken haben weder Zeit noch Budget, komplette, durchgängige Ökosysteme rund um ihre Mainframes zur Einführung kundenorientierter digitaler Angebote zu stricken.

Der Weg kann hier nur über die Cloud führen. Das gilt insbesondere, wenn Künstliche Intelligenz (KI) zum Einsatz kommen soll, um besagten digitalen roten Faden zu spinnen. Es mag zunächst wie ein Widerspruch klingen: Hochtechnologie qua Künstliche Intelligenz soll bei einer Re-Humanisierung unterstützen, die auf Kundenseite ein gutes Gefühl wachruft. Weil an dieser Stelle emotionale Aspekte zu berücksichtigen sind, dürfen entsprechende IT-Projekte auch keinesfalls auf Technologie reduziert werden. Vielmehr gilt es, auch Fragen zu stellen wie: Sind die Berater adäquat trainiert? Erfolgt ggf. eine Weitergabe von Kunden an andere Experten innerhalb eines Instituts nahtlos, sprich: Passen die Prozesse? Sind Abläufe so gestaltet, dass Kunden sie nachvollziehen können? Diese und viele weitere Punkte „des Menschlichen“ gilt es vor und während der Einbindung der Technik zu beachten.

Entmystifizierung der KI
Gerade der Begriff der KI ist immer noch regelrecht mystifiziert. Dabei ist es im Grunde trivial: KI ist ein Werkzeugkasten mit vielen bekannten Komponenten. Genug Menschen haben bereits vor 30 Jahren zu neuronalen Netzen promoviert. Viele dieser Tools sind im Grunde relativ einfach und simpel. Die größte Herausforderung ist häufig die Lernphase zu Beginn: KI-Modelle müssen in Abhängigkeit der Aufgabenstellung mit Blick auf die jeweilige Prädikation trainiert werden. Je komplexer der Task, desto mehr Zeit wird erforderlich sein. Die Bandbreite an Trainingsmethoden vergrößert die Unschärfe bezüglich der Zeit bis zur Einführung: Supervised Learning, Unsupervised Learning, Reinforcement Learning ... In weniger als drei Monaten ab dem Go-Live des Modells wird kaum ein KI-Projekt produktiv werden können.

Deshalb und wegen vieler direkt nutzbarer Algorithmen und Services setzen erfolgreiche KI-Lösungen in der Regel auf einer Cloud-Umgebung auf, damit zumindest das Gerüst schnell steht. Das heißt jedoch nicht, dass alles teuer eingekauft werden muss: KI-Spezifika sind oft als Open Source verfügbar und in Modellbibliotheken enthalten; zudem gibt es starke Communities.

Deshalb entwickelt sich dieser Bereich auch schnell weiter. Unternehmen sollten daher kontinuierlich neue Modelle prüfen, um die Leistung eines Ansatzes ggf. zu verbessern. Sicherheitsaspekte müssen dabei im Bankenumfeld besonders beachtet werden, jedoch gilt grundsätzlich zunächst einmal: Lösungen lassen sich finden!

Chance zur Alleinstellung nutzen
Zentrale Aufgabe eines jeden Projekts wird dabei sein, den ganz spezifischen Weg zu erarbeiten. Einerseits wäre ein Patentrezept zwar einfach umzusetzen, andererseits ermöglicht gerade diese tiefgreifende Notwendigkeit nach einem individuellen Ansatz die Chance zur Einzigartigkeit. Denn auch die von Kunden empfundene Austauschbarkeit des Bisherigen ist Teil des Problems für Banken.

Für ihren individuellen Weg muss jede Bank also den richtigen Mix aus Daten, Services und Kollaboration finden. Er bildet die Basis für ein Angebot, das eine überzeugende Customer Experience liefert. Von Anfang an digital, wahrhaft menschlich – so könnte ein Motto lauten.

Folgende Bausteine sollten Banken dabei berücksichtigen:

■ End-to-End konzipierte Digitalangebote über alle Kanäle und digitalen Touchpoints hinweg
■ Intuitive Nutzung der Services für Kundinnen und Kunden
■ Unmittelbare Abschlüsse sollten im Rahmen eines eigenen Ökosystems möglich sein, aber nicht erzwungen werden
■ Hochpersonalisierte, nahtlose Angebote mit Zugang zu echten, sprachfähigen Experten
■ Transparente und sinnbehaftete Vorgehensweisen, denn sie erhöhen die Akzeptanz bei den Kundinnen und Kunden: Verstehen aktiviert und motiviert!
■ Sinnvolle Videointeraktion zur Steigerung der Loyalität

Nicht alle dieser Bausteine werden unmittelbar von KI profitieren – mittelbar jedoch durchaus.

Ein Beispiel: Eine Videointeraktion ist zwar abhängig vom Gegenüber, das Auffinden des bestmöglichen Ansprechpartners kann aber sehr wohl KI-basiert unterstützt werden. Ein weiteres Beispiel: Ein gut trainierter Chatbot kann ein Bindeglied sein, um einzelne Services miteinander zu einem durchgängigen Angebot zu verknüpfen, indem er Kundinnen und Kunden „an die Hand nimmt“.

Die Bereitstellung passender Angebote und Unterlagen sind einige wenige weitere der vielen Möglichkeiten, wie KI das Angebot näher an den Menschen bringt. Siehe dazu auch die Abbildung » 1 .

Fazit
Auch wenn sich die Institute bei ihrer Digitalisierungsstrategie nicht gern in die Karten schauen lassen: Dass es sich bei dem Gesagten nicht um bloße Theorie handelt, zeigen inzwischen einige Erfolgsbeispiele. So konnte eine spanische Bank mithilfe einer optimierten mobilen Kundenerfahrung die Zahl unerwünschter Kundenvorfälle – Abbrüche von Vorgängen, Absprünge etc. – in etwa halbieren. Die Nutzung des Mobilangebots hat seitdem um 86 Prozent zugenommen. Gleichzeitig war das Finanzinstitut in der Lage, neue Services um 15 Prozent schneller als zuvor einzuführen. Die´Kundinnen und Kunden danken es der Bank mit einer besseren Zufriedenheitsbewertung und Treue.

Autor



Dr. Robert Laube, Executive & Vertical Lead für Financial Services in Deutschland bei der Avanade GmbH.

Hintergrund: An welchen Stellen kann eine optimierte digitale Kundenerfahrung ansetzen?

Kundengewinnung und -bindung
■ Besseres Lead-Management
■ Verbesserung des Kundeneinstiegs
■ Verkürzung der Zeit für die Kontoeröffnung

Produktivität beim Cross- und Up Selling
■ Höhere Produktivität von Vertriebsteams
■ Kunden besser bei langfristiger Planung helfen

Prozessvereinfachung
■ Backoffi ce-Automatisierung
■ Vereinfachung der Abläufe
■ Interne Effizienz

+++

Was versteht man unter „Data Science“ und wie ist dies in den Themenkomplex KI einzuordnen? Wozu benötigt eine Bank einen Data Scientist und mit welchen Daten und Tools wird hier gearbeitet? Diese und weitere Fragen stellen wir Torsten Nahm, der das Kompetenzzentrum für Data Science bei der DKB leitet. Hören Sie hier weitere Episoden aus der Reihe „durch die bank“.

Melden Sie sich bei Interesse zu unserem Web-Seminar „Robotic Process Automation (RPA) in Kreditinstituten – Implementierung und Weiterentwicklung" an

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge