Künstliche Intelligenz im Banking: Revolution in der Finanzwelt?

Die Digitalisierung ist die zweite große technologische Revolution der Menschheit, die weitreichende wirtschaftliche und kulturelle Veränderungen nach sich zieht. Sie ist auch zu einem Schlüsselthema für die Bankenwelt geworden. Neben der andauernden Niedrigzinsphase auf der ökonomischen Seite und den vielfältigen juristischen Entwicklungen hinsichtlich der Bankenaufsicht ist es die dritte große Herausforderung für die strategische Entwicklung. Bei der Digitalisierung kristallisiert sich der maschinelle Umgang mit den immer zahlreicher anfallenden Daten mittels Konzepten und Methoden der Künstlichen Intelligenz (KI) als Kernthema heraus.

Dieser Beitrag ist Teil unserer Blog-Serie zur Künstlichen Intelligenz im Banking

Allgemein verstehen wir heute unter KI diejenigen Methoden, mit denen Computer Fähigkeiten erlangen, aus Daten über das Erkennen von Mustern und Zusammenhängen Wissen zu erwerben und dieses auch anzuwenden. Dieses weite Feld bedarf nun einer weiteren Strukturierung, um die aktuellen Entwicklungen richtig einordnen zu können. In diesem und nachfolgenden Beiträgen auf dem Finance IT Blog  wird diese Strukturierung vorgenommen und mit Inhalt gefüllt.

Künstliche Intelligenz ermöglicht Effizienzsteigerung im Betrieb von IT-Systemen

Beginnen wir dabei zunächst auf dem Feld, welches nicht spezifisch ist für das Banking, wo Banken aber gleichwohl in erheblichem Maße vom Einsatz von KI profitieren können. Es handelt sich dabei um den Bereich der Effizienzsteigerung im Betrieb von IT-Systemen durch KI. Es geht dabei sowohl um die Stabilität von Software als auch um die unterbrechungsfreie Einsatzfähigkeit von Hardware. Allein zwischen 55.000 und 60.000 Geldausgabeautomaten werden von den Banken in Deutschland betrieben. Zwar ist die Tendenz abnehmend, aber es handelt sich hier dennoch um eine kritische Infrastruktur. Wenn ein Automat ausfällt, muss er schnellstens wieder aktiviert werden, egal um welche Tageszeit und um welchen Wochentag es sich handelt. Wenn KI dazu beitragen kann, Störungen vorherzusehen, drohende Ausfälle zu vermeiden und vielleicht sogar solche Probleme, die keine Hardware-Defekte zur Ursache haben, selbst zu beheben, dann wird das die Betriebskosten senken und dem Image der Banken nützen.

Aber auch die Verfügbarkeit von IT-Systemen und Netzwerken generell bleibt ein Thema, das in den Verbundsystemen von Sparkassen und Genossenschaftsbanken zwar in die Sphäre der Rechenzentralen gehört, dennoch aber mit KI verbessert werden kann. Dies ist kein exklusives Thema der Banken, auch Telefoncarrier, Stromanbieter bzw. generell Unternehmen, die öffentliche Netze betreiben, sind hier in einer ähnlichen Situation.

Robotic Process Automation (RPA) kann komplexere Prozesse eigenständig bearbeiten

Das zweite große Feld für den Einsatz von KI liegt in der Steigerung der Effizienz im Prozess der Finanzintermediation und der damit verbundenen Transaktionen. In manchen Beiträgen zu diesem Thema ist zu lesen, dass es hier um die Automatisierung von Prozessen geht. Dies scheint mir die Situation im Wesentlichen zu verkennen. Die Automatisierung von Geschäftsprozessen von Banken ist bereits weit fortgeschritten. Dennoch besteht in diesem Bereich ein lukratives Einsatzfeld. Egal ob Zahlungsverkehr oder Wertpapiergeschäft, eine wichtige Effizienzgröße ist die Quote des Straight Through Processing (STP). Wenn es sich wie beim Zahlungsverkehr in Deutschland um mehr als  20 Mrd. Transaktionen pro Jahr handelt, dann ist eine händische Nacharbeit im Promille-Bereich bereits ein erheblicher Kostenfaktor. In der ganzen Branche summiert sich das schnell auf mehr als 1000 Personenjahre. Robotic Process Automation (RPA) ist die Disziplin, die hier erhebliches Effizienzpotential erschließen kann. Dabei geht es nicht nur um die verhältnismäßig einfachen Transaktionen im Massenzahlungsverkehr, sondern auch um die komplexeren Prozesse der Wertpapierabwicklung oder des dokumentären Auslandsgeschäfts. Schließlich handelt es sich bei RPA nicht nur um eine Technologie, sondern um eine eigenständige Weise, Probleme automatisiert zu lösen, die vorher eine menschliche Interaktion erfordert haben. Wenn das Eingreifen von Mitarbeitern überflüssig wird, lässt sich die Effizienz der Erbringung von Leistungen der Finanzintermediation erheblich steigern.

Erfolg zeigt sich erst nach Integration in das Tagesgeschäft

Wie man sieht, besteht allein in der Effizienzsteigerung ein erhebliches Potential zur Kostensenkung. Umfragen zeigen aktuell, dass dies den Banken durchaus bewusst ist. Auf die PwC-Studie hatte ich im ersten Blogbeitrag bereits verwiesen. Es gibt andere Studien, die ähnliches zu Tage bringen, z.B. „Enhanced Bankers – The Impact of AI“ von der TABB Group, wonach 83 % der Befragten KI-Lösungen bereits prüfen und 67 % solche Lösungen bereits im Einsatz haben. Allerdings zeigt die Erfahrung mit anderen Hype-Themen – zu nennen wäre hier das Thema Blockchain – dass es einen Unterschied gibt zwischen innovativen Ideen und deren Umsetzung in das Tagesgeschäft. Der streitbare Nobelpreisträger Robert Shiller weist in seinem neuen Buch  „The Narrative Economics“ zu Recht darauf hin, dass Märkte einen Hang dazu haben, an einfache Geschichten zu glauben. Deswegen bleibt es dabei, dass die Probe auf’s Exempel in der Umsetzung von Ideen in operative Prozesse und Systeme besteht. Dies gilt noch viel mehr für die Visionen im Bereich des Retail Banking, mit denen sich der nächste Beitrag beschäftigen wird.

Bild: Shutterstock

Hinterlassen Sie eine Antwort

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.