Trends Markt News

iStock.com/Marisa9

KI in der Finanzbranche: Die strategische Ausrichtung fehlt

Bei nahezu jedem deutschen Finanzinstitut steht das Thema Künstliche Intelligenz (KI) auf der Agenda. Allerdings befindet sich der Großteil der Banken und Sparkassen noch in der Vorbereitungs- oder Testphase und kann zudem keine stimmige Strategie vorweisen. Das sind die zentralen Erkenntnisse der Marktstudie „Künstliche Intelligenz in der Finanzbranche“ der Unternehmensberatung Eurogroup Consulting (EGC), an der über 130 Führungskräfte deutscher Finanzinstitute teilgenommen haben.

Über die Hälfte der befragten Vorstände, Bereichsleiter und Fachexperten gibt an, dass sich ihr Unternehmen nicht nur mit dem Thema KI beschäftigt, sondern bis zur Entwicklung von Use Cases vorgedrungen ist bzw. teilweise einzelne KI-Lösungen im Einsatz hat. Im Detail: 18 Prozent haben Use Cases entwickelt, 24 Prozent testen Prototypen. Lediglich 23 Prozent erklären, dass ihr Unternehmen KI bereits im Regelbetrieb anwendet – 13 Prozent setzen eine bis drei entsprechende Anwendungen ein, bei rund 10 Prozent sind es mehr als drei. Demgegenüber bauen 12 Prozent erst das nötige Know-how auf, 22 Prozent wählen geeignete Daten aus.

Weckruf an die Branche
Grundsätzlich lässt sich zu diesen Zahlen sagen: Angesichts der Bedeutung von KI für den künftigen wirtschaftlichen Erfolg von Banken sowie angesichts der steigenden Konkurrenz durch KI-affine Fin- und BigTechs sind sie ein deutlicher Weckruf an die Branche, die eigenen KI-Aktivitäten zu erhöhen. So lösen die neuen Technologien zwar nicht alle Probleme der Banken, sie leisten aber dennoch einen entscheidenden Beitrag zu ihrem künftigen Geschäftserfolg. So kann KI dabei helfen, die Fehlerquote zu senken und Reaktionszeiten auf Kundenanfragen deutlich zu verkürzen. Mitarbeiter werden von zeitaufwändigen Routinearbeiten befreit und erhalten Freiräume für wertschöpfende Tätigkeiten. Auch sollten sich die Banken darüber im Klaren sein: Die Entwicklung, der Einsatz und die Akzeptanz der neuen Technologien – auch derjenigen, die vielleicht heute noch nicht so stark von den Kunden nachgefragt werden –, schreiten sehr schnell voran und entwickeln sich oftmals sprunghaft. Wer nicht vorbereitet ist, hat das Nachsehen.

KI senkt Fehlerquoten und Reaktionszeiten
Laut der Studie gibt es bei der Umsetzung von KI Unterschiede zwischen den verschiedenen Institutsformen: Die Mehrheit der Befragten von Direktbanken und Kapitalverwaltungsgesellschaften gibt an, bereits mindestens eine KI-Lösung eingeführt zu haben, gefolgt von Geschäftsbanken und Sparkassen. Genossenschafts- und Landesbanken befinden sich neben FinTechs, Dienstleistern und Versicherern im Mittelfeld, Förder- und Privatbanken bilden das Schlusslicht.

Insgesamt sehen die Finanzinstitute mit rund 60 Prozent das größte Potenzial für KI im Backoffice, danach kommen die Bereiche Produkte (50 Prozent) und Kunden (47 Prozent). » 1  Chatbots sind in 38 Prozent der Kreditinstitute und damit bereits am häufigsten im Einsatz, an zweiter Stelle steht das Machine Learning (ML) mit 32 Prozent. Es folgen Cognitive RPA (Robotic Process Automation mit einer selbstlernenden Komponente) – und Deep Learning (DL)/Neuronale Netze.

KI im Retailbereich
Im Retail- und Abwicklungsbereich sind vor allem KI-Lösungen von Relevanz, die das Massengeschäft effizienter machen. Hierzu zählt auch die Automatisierung von Routineaufgaben ebenso wie die Kundenkommunikation über Chatbots, die mittlerweile sehr gute Leistungen erbringen. Software-Roboter können riesige Datenmengen auf bestimmte Muster hin untersuchen. Sie ermöglichen es zum Beispiel, Kundengruppen zu clustern und zielgerichtet anzusprechen.

Beim sogenannten Churn Management, mit dem Banken der Abwanderung von Kunden entgegenwirken, helfen die Muster, rechtzeitig zu erkennen, wann ein Kunde unzufrieden wird – wenn er sich etwa negativ in einem Forum äußert oder das Angebot für eine bestimmte Zeit nicht genutzt hat. Die KI kann darauf unmittelbar reagieren und entsprechende Aktivitäten einleiten, sodass sich die Bank die Kosten für den Verlust eines Kunden bzw. für die Anwerbung eines neuen sparen kann.

Insgesamt sind solch schnelle Reaktionen ein wichtiger Vorteil der neuen Technologien: Sämtliche Auswertungen können permanent erfolgen, Software-Roboter sind Tag und Nacht einsatzbereit. Ein Beispiel für den Einsatz von KI, der zum Kunden hin sichtbar wird, sind sogenannte Robo Advisors, von denen es bislang rund 30 am Markt gibt. Die angehenden Kunden klicken sich durch einen Fragenkatalog, geben Antworten zur Vermögenssituation, Risikoneigung sowie der Erfahrung an den Kapitalmärkten und erhalten dann einen Vorschlag für ein Portfolio.

Verarbeitung großer Datenmengen
KI, etwa in Form von Cognitive RPA, erleichtert und verbessert die automatisierte Verarbeitung großer Datenmengen und Prozessabläufe erheblich. Das Thema ist für Abwicklungseinheiten von großem Interesse. Ein intelligentes System kann zum Beispiel selbstständig erkennen, in welchem Feld der Name des Kunden steht oder wo eine bestimmte Zahl im Formular zu finden ist. So muss das System nicht jedes Mal neu programmiert werden, wenn sich ein Parameter ändert. Das erleichtert auch die Datenübertragung von einem System ins andere.

Ebenfalls relevant auf dem Gebiet der KI, die über die reine Digitalisierung von Standardprozessen hinausgeht, ist die natürliche Sprachverarbeitung. So lässt sich eingehender Schriftverkehr verwalten, Briefe an die Kunden können vorformuliert werden. Nicht zuletzt helfen die neuen Technologien dabei, die gestiegenen Kundenansprüche zu erfüllen. So wollen Verbraucher bei der Interaktion mit ihrer Bank nicht immer wieder nach denselben Informationen gefragt werden. Zudem sind sie nicht länger bereit zu warten und bestehen auf die sofortige Bearbeitung ihrer Anliegen. Insbesondere bei Routineabläufen wünschen sie eine einfache und effiziente Abwicklung.

KI im Asset Management und Private Banking
Während direkt mit dem Kunden agierende Chatbots im Private Banking eine eher geringe Rolle spielen, geht es hier in erster Linie um die Software-Roboter, die ihre Arbeit im Hintergrund verrichten. Mit ihrer Hilfe können auch Asset Manager und Privatbanken Kunden zu Gruppen clustern, die der Berater anschließend individuell ansprechen kann. Anhand von Geo- und Bevölkerungsdaten kann KI Vorschläge für Immobilieninvestitionen machen. Ebenso ist es möglich, große Mengen von Analystenberichten automatisch auszuwerten. Und: KI kann anhand bestimmter Parameter einen Verdacht auf einen Betrugsfall äußern, der anschließend von Bankmitarbeitern überprüft wird. Auf diese Weise können die neuen Technologien gerade Privatbanken dabei helfen, den Spagat zu bewältigen, bei sinkenden Margen effizienter und gleichzeitig besser in der individuellen Kundenbetreuung zu werden.

Was den Umsetzungsgrad solch innovativer Anwendungen im eigenen Unternehmen betrifft, scheinen die Banken laut der eingangs erwähnten Studie allerdings nicht ganz realistisch zu sein. So geben drei Viertel der Befragten an, mindestens zur frühen Mehrheit zu gehören, was den Einsatz von KI angeht. Knapp 30 Prozent bezeichnen sich als Frühanwender oder gar Innovatoren. Lediglich ein Viertel zählt sich zur späten Mehrheit bzw. zu den Nachzüglern. In der Studie findet sich auch ein deutlicher Hinweis darauf, dass die Befragten teilweise zur Selbstüberschätzung neigen: Finanzinstitute, die gerade erst ihr KI-Know-how aufbauen, schätzen sich oft innovativer ein als diejenigen, die bereits mehrere KI-Prozesse eingeführt haben. 

KI-Einsatz erfolgt ohne Strategie
Entscheidender Handlungsbedarf zeigt sich vor allem bei der Einführung einer KI-Governance – der Verankerung entsprechender Prozesse, Methoden und Verfahren in der Organisation. 62 Prozent geben an, diese nicht in angemessener Form einzuführen, 28 Prozent haben erste Standards definiert, und nur 10 Prozent arbeiten bereits danach bzw. sind dabei, die Prozesse zu optimieren. Darüber hinaus verfügt kein einziges der beteiligten Institute über eine definierte und vollständig umgesetzte KI-Strategie. 32 Prozent geben an, dass KI nicht in der Unternehmensstrategie verankert ist. 53 Prozent erklären, dass die Strategie derzeit ausgearbeitet bzw. die Umsetzung geplant ist. Eine Minderheit von 15 Prozent gibt zu Protokoll, dass die KI-Strategie immerhin teilweise umgesetzt ist.

Dabei fällt auf: Auch die Institute, die KI bereits vereinzelt im Einsatz haben, folgen weder einer festen Strategie, noch haben sie es geschafft, Prozesse, Verfahren und Methoden in der Organisation zu verankern. Das bedeutet, dass ein effizienter Einsatz von KI-Lösungen im größeren Umfang nur schwer zu realisieren ist. Wichtig ist es vor allem auch, eine systematische Vorgehensweise zu etablieren, mit der Erfolg versprechende Use Cases ausgewählt und ein Zeitplan für die Umsetzung aufgestellt wird. Dies erfordert auch, dass es einen KI-Verantwortlichen in der Firma gibt – dies kann, muss aber nicht unbedingt ein Chief Digital Officer sein.

Investitionen notwendig
Ebenfalls eine wichtige Erkenntnis aus der Studie: Bei der Einführung von KI werden die Finanzin­stitute sehr bald an ihre eigenen Grenzen stoßen. Dabei sehen sie selbst als größte Herausforderung die Ressourcenverfügbarkeit, die von 54 Prozent als besonders drängender Engpass genannt wird, gefolgt von mangelndem KI-Know-how (47 Prozent) und Datenqualität (41 Prozent).  » 2  Das bedeutet: Investitionen in interne und externe Ressourcen sind dringend nötig. Dessen sind sich auch die befragten Unternehmen bewusst und haben für das Jahr 2020 im Median 2 bis 5 Prozent ihres IT- und Projektbudgets für KI-Investitionen eingeplant.

Gleichzeitig bestehen hohe Ansprüche an die Effizienz von KI. 6 bis 12 Prozent Gewinn- oder Kosteneinsparungspotenzial muss KI für die Mehrheit der Befragten erreichen, damit eine positive Umsetzungsentscheidung erfolgt. Dieses Potenzial besteht durchaus. Für die Unternehmen dürfte es jedoch – auch angesichts ihres derzeitigen Reifegrads in Bezug auf die Technologie – schwierig sein, derart treffsichere Prognosen zu erstellen.

Aus der Studie ergeben sich klare Handlungsempfehlungen für Banken und Sparkassen:

1. Einen KI-Beauftragten ernennen
Ein wichtiger erster Schritt ist festzulegen, wer im Unternehmen für die Entwicklung von KI-Prozessen zuständig ist. Das kann ein Chief Digital Officer ebenso wie der Innovations- oder Transformationsbeauftragte im Unternehmen sein.

2. KI-Strategie formulieren
Um mit KI die gewünschten Erfolge zu erzielen, benötigen Unternehmen zudem eine ausformulierte KI-Strategie. In dieser sollte unter anderem festgeschrieben werden, in welchen Bereichen eine Effizienzsteigerung durch die neuen Technologien angestrebt wird. 

3. Strukturen transparent machen
Damit KI-Anwendungen gezielt entwickelt und eingeführt werden können, muss für alle Bereiche und alle Mitarbeiter klar sein, auf welchem Weg dies geschehen kann: Wer sind die richtigen Ansprechpartner im Unternehmen? Welche Budgets gibt es, und wie lassen sie sich beantragen? 

4. Use Cases mit klaren Zielen 
(Kosten, Effizienz oder Optimierung) entwickeln
Im Hinblick auf die Umsetzung konkreter Anwendungen gilt es, Use Cases zu entwickeln und ihr Potenzial und ihre technische Machbarkeit zu prüfen. Dann werden diejenigen ausgewählt, die die größten Einsparungen und Vorteile versprechen.

5. Prototypen bauen
Ausgewählte Anwendungen werden zunächst in bestimmten Bereichen oder mit einer begrenzten Zielgruppe getestet. Bewähren sie sich dort, gehen sie in den Regelbetrieb über.

6. Qualifizierte Mitarbeiter finden / Fortbildung verstärken
Ohne qualifizierte Mitarbeiter wird es Banken kaum gelingen, KI-Technologien im größeren Umfang einzusetzen und weiterzuentwickeln. Wichtig ist es daher, KI-Experten gezielt zu rekrutieren und Qualifikationsmöglichkeiten anzubieten.

Fazit
Obwohl KI-Anwendungen eine große Wirkung haben, sind die Kosten etwa für intelligente Datenauswertungen häufig überschaubar. In der Regel ist ein vergleichsweise kleiner Eingriff in bestehende IT-Systeme nötig. Ein im Hinblick auf Innovationen grundsätzlich empfohlenes iteratives Vorgehen verspricht hier sehr gute und schnelle Ergebnisse. Wichtig ist jedoch, dass dieses systematisch in Angriff genommen wird.
 

 

Autor

Christian Leurs ist Partner bei Eurogroup Consulting (EGC) und Experte für die Digitalisierung in der Finanzbranche.

 

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge