iStock.com/Nosyrevy

Dominanter Trend:
Status quo und Entwicklung KI-unterstützter Anwendungsfälle

 

Gleichzeitig ist der Innovationsdruck in der Bankenbranche durch den Eintritt neuer Wettbewerber, durch neue Kundenanforderungen, eine anhaltende Niedrigzinspolitik sowie erhöhte Anforderungen seitens der Regulation merklich gestiegen. Etablierte Player der Finanzbranche sind daher gezwungen, ihre bisherigen Geschäftsmodelle zu hinterfragen, nach neuen Zugängen zum Kunden zu suchen und allenthalben ihre Prozesse zu optimieren.
Kaum eine Branche ist dabei aufgrund der vorhandenen Datenmengen für den Einsatz Künstlicher Intelligenz (KI) mehr prädestiniert als die der Finanzdienstleistung. Durch KI unterstützte Anwendungen können die Antwort auf die beschriebenen Entwicklungen sein und dafür sorgen, dass etablierte Banken und Sparkassen wettbewerbsfähig sind und bleiben. Dieser Beitrag gibt auf Basis zweier Expertenbefragungen einen Überblick über Einsatzfelder der KI in der Finanzdienstleistung sowie eine tiefe Betrachtung in Bezug auf die Anlageberatung.

 

Definition „Künstliche Intelligenz“ und zugeordnete Methoden

Definitionen für KI gibt es einige, sodass man sich zunächst mit dieser Thematik auseinandersetzen muss. Wir verwenden nach Analyse diverser Grundlagenwerke und Ansätze im Rahmen unserer Arbeiten eine weite und gleichermaßen dynamische Definition der KI:

  • Im Sinne von Alan Turing analog des Turing-Tests [Turing 1950]: KI liegt vor, wenn ein Mensch in einem Experiment nicht eindeutig erkennen kann, ob sein Gegenüber ein Mensch oder eine Maschine ist.
  • Im Sinne von John McCarthy [McCarthy et al. 1955]: KI ist eine Maschine, die sich so verhält, dass man dies intelligent nennen würde, wenn ein Mensch sich so verhielte.

Des Weiteren stehen im Zentrum der Befragungen Anwendungen, die den Methodenschwerpunkt auf neuronale Netze und alle Formen des darauf aufbauenden Lernens legen, wie z. B. Reinforced Learning oder Unsupervised Learning. Charakteristisches Merkmal ist die Lernfähigkeit dieser Systeme.
Beispiele für derartige Anwendungen sind automatisierte Segmentierungen, die automatische Beantwortung von Anfragen (Service-Bots) oder auch Prognoseverfahren auf Basis großer Datenbestände.

Mischformen, die sowohl regelbasierte Algorithmen als auch künstliche neuronale Netze verwenden, zählen wir ebenfalls zur KI. Dies ist z. B. der Fall, wenn ein Service-Bot zur automatisierten Beantwortung von „1st Level-Support“ Kundenanlässe erkennt und das Problem mithilfe künstlicher neuronaler Netze klassifiziert.

 

Analyse möglicher Einsatzfelder der KI heute und in Zukunft

Mit einer ersten Befragung (N=48) wurden nunmehr zwei Ziele verfolgt:

  • erstens wurden die heutigen Einsatzfelder von KI in Universalbanken identifiziert und strukturiert erhoben, und
  • zweitens wurde untersucht, wie sich diese Einsatzmöglichkeiten in Zukunft nach Meinung der Experten verändern könnten.

In einer breit angelegten Literaturrecherche wurden 33 KI-Anwendungsfälle in Banken identifiziert und für eine strukturiertere Darstellung in das generische Bankmodell einer Universalbank nach Alt und Puschmann eingeordnet. » 1
Die gefundenen Anwendungsfälle stellen die oberste Schicht des Business KI-Frameworks für Banken dar und vereinen die Wirtschafts- und KI-Welt.
Gleichzeitig bilden die identifizierten Anwendungsfälle die inhaltliche Grundlage für die Expertenbefragung zum Status quo und zum Ausblick von KI-Einsatzgebieten bei Banken.

 

Analyse heutiger und zukünftiger Einsatzfelder

Über alle Prozesskategorien und Anwendungsfälle hinweg zeigen sich derzeit nur wenige Unternehmen, die bereits flächendeckend auf KI basierende Methoden einsetzen. Je nach Anwendungsfall gibt sogar bis zu einem Drittel der Befragungs-Teilnehmer an, dass sich in ihrem Unternehmen für den entsprechenden Anwendungsfall auch zukünftig kein KI-Einsatz finden wird.

Andere entwickeln hingegen in ausgewählten Einsatzgebieten KI-Systeme zur Unterstützung, haben bereits einen Prototyp im Einsatz oder planen den Einsatz in den nächsten zwei bis fünf Jahren. In diesen Fällen wird von einem Großteil der Befragten davon ausgegangen, dass mit einer (vollständig) automatisierten Durchführung der Prozesse zu rechnen ist. Ein Beispiel dafür ist der Einsatz von KI-unterstützten Empfehlungssystemen zur Ableitung personalisierter Angebotsvorschläge. » 2

Mit KI unterstützte personalisierte Angebotsvorschläge sind bereits bei 8 Prozent der Befragten im Einsatz, 64 Prozent entwickeln oder planen derartige Lösungen. Diese Aktivitäten spiegeln sich deutlich im Ausblick wider: Ein Viertel der Befragten geht davon aus, dass zukünftig personalisierte Angebotsvorschläge ausschließlich durch KI generiert werden, die Hälfte rechnet zumindest zu großen Teilen mit KI-Unterstützung für diesen Anwendungsfall.

Die beiden Diagramme » 3 und » 4 stellen die Prozesskategorien mit Sicht auf Status quo und Ausblick jeweils vergleichend und aggregiert gegenüber. Es zeigt sich deutlich, welche KI-Schwerpunkte sich aktuell abzeichnen und welche nach Meinung der Experten in den nächsten zehn Jahren priorisiert werden. Lediglich die Führungsprozesse werden aktuell kaum mit Methoden der KI unterstützt. Dies ist auch nur bedingt für die nächsten Jahre in Planung. In allen anderen Prozesskategorien ist zukünftig ein hoher Grad der KI-Unterstützung zu erwarten.

Vor allem der Status quo der transaktionsbezogenen Anwendungsfälle lässt dies bereits heute vermuten. KI wird den Menschen in vielen Fällen zumindest in Teilen, manchmal sogar zu großen Teilen ersetzen.

 

KI in der Anlageberatung

Vertieft betrachtet werden soll nun ebenfalls mittels Expertenbefragung (N=39) die KI-Unterstützung im Rahmen der Anlageberatung. Auch hier ist die Bandbreite KI-unterstützter Anwendungen groß: Der Bogen spannt sich über einfache Visualisierungen und Sprach-Assistenz bis hin zu Chat-Anwendungen, Stimmerkennung und vollständigem Robo Advisory sowie dem Einsatz menschenähnlicher Roboter in Filialen.

Es zeigt sich, dass Automationsansätze in ganzer Breite Eingang in den Anlageprozess gefunden haben, wobei der Grad der jeweiligen Etablierung unterschiedlich ausgeprägt ist. Auch perspektivisch ergibt sich eine positive Prognose für die Ausweitung KI-unterstützter Automationsverfahren.
An der digital unterstützten Kundenschnittstelle werden Chatbots, Sprachassistenz, Stimmerkennung und Gesichtserkennung gleichermaßen Einsatzpotenziale zugesprochen. Eine hohe Relevanz wird zudem der personalisierten Datenvisualisierung beigemessen, mit deren Hilfe ein besseres Verständnis der Anlagegegebenheiten durch den Kunden erreicht werden kann.

In Bezug auf eine vollautomatisierte Kundenschnittstelle werden physisch anwesende Roboter nach Meinung der Experten den menschlichen Ansprechpartner nicht ersetzen. » 5

Dennoch sehen die befragten Experten große Vorteile durch den Einsatz von Robo Advisory, die jedoch wiederum durch eine verstärkte Regulierung gefährdet sein könnten.
Die Automation von Anlageprozess und Datenanalyse wird von den Experten über den heute bereits bestehenden Einsatz hinaus ebenfalls zukünftig deutlich verstärkt gesehen. Insbesondere die Ableitung von Wissen über den Kunden wird intensiviert werden, so z. B. durch die zusätzliche Datengewinnung aus sozialen Netzwerken. Dem Einsatz von KI wird übergreifend ein positiver Effekt für das Kundenverständnis zugesprochen.

 

Fazit
Die befragten Experten sind sich einig, dass KI in den nächsten Jahren den Menschen in vielen Tätigkeiten zwar nicht vollständig, aber zu weiten Teilen ersetzen wird. Insbesondere zur Verbesserung des Kundenerlebnisses und zur Optimierung der Geschäftsprozesse wird dies der Fall sein. Auch Routinetätigkeiten innerhalb eines Anwendungsfalls werden durch KI erledigt werden. Bei komplexeren Aufgaben verbleibt die kognitive Fachexpertise jedoch (noch) beim Menschen, beispielsweise beim Treffen wichtiger strategischer Entscheidungen. Die Notwendigkeit, dass Kunden selbst über Kenntnisse der zugrunde liegenden Methoden und Verfahren der KI verfügen müssen, wird von den Experten uneinheitlich beurteilt. Abgeleitet werden kann hier durchaus eine gewisse Aufklärungsleistung, die von Finanzdienstleistern an ihre Kunden gerichtet ist. Insgesamt wird auch dem Thema Ethik beim Einsatz von KI zukünftig eine bedeutende Rolle unterstellt.

Auch spezifisch auf den Anlageprozess bezogen haben Automationsansätze in ganzer Breite Eingang gefunden. Der Grad der jeweiligen Etablierung ist zwar unterschiedlich ausgeprägt, dennoch ergibt sich für die Zukunft eine positive Prognose für die Ausweitung KI-unterstützter Automationsverfahren. Das gilt gleichermaßen für die digital unterstützte bzw. vollautomatisierte Kundenschnittstelle wie auch in den Unterstützungsprozessen zur Anlageberatung. Die Bandbreite der Einzelanwendungen ist groß: Sie erstreckt sich in Richtung des Kunden von diversen Interaktionsmöglichkeiten über die Erkennung von Personen und einer personalisierten Datenvisualisierung bis zum kompletten Robo Advisory und in Richtung der verarbeitenden Prozesse über Robotic Process Automation bis hin zur automatisierten Datenanalyse.

Jenseits der erläuterten konkreten Anwendungsfälle erstaunlich ist die hohe Anzahl an Experten, die die Strategie ihres Unternehmens in Bezug auf den KI-Einsatz in den jeweiligen Anwendungsfällen nicht kennen. Das zeigt, dass in den Unternehmen auch Nachholbedarf in der internen Kommunikation besteht.
Der hohe Grad der sich in Planung befindlichen oder prototypisch bereits entwickelten Einsatzszenarien unterstreicht die zukünftige Relevanz von KI. Es ist daher zwingend erforderlich, sich bereits heute mit Techniken und Methoden derselben zu beschäftigen.

 

Literatur:

  • Alt R., Puschmann T. (2016): Bankmodell. In: Alt R., Puschmann T.: Digitalisierung der Finanzindustrie. Heidelberg 2016, S. 55-117.
  • McCarthy et al. 1955: McCarthy, John; Minsky, Marvin; Rochester, Nathaniel; Shannon, Claude: A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. Hanover, 1955.
  • Turing 1950: Turing, Alan M.: Computing Machinery and Intelligence. In: Mind 59 (236), 1950, S. 433-460.

 

Die Autoren danken Christina Hartdegen und Valentin Zacherl für ihre Mithilfe bei der Erstellung dieses Beitrags.

Autoren

Dr. Anja Peters ist Geschäftsführerin der ibi research an der Universität Regensburg GmbH.
Stephan Weber ist Research Director der ibi research an der Universität Regensburg GmbH.

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge