#Trends & Technologien #Digitalisierung
Veröffentlich in den Insights
02.02.2018 16:00

Der schwierige Weg zur künstlichen Intelligenz im Banking

Manche Technologien verändern die Geschäftswelt schneller als andere. Im Falle der künstlichen Intelligenz (KI) mag es sich zwar nicht um die rasanteste digitale Revolution handeln, mit Sicherheit jedoch um eine der prägendsten in der Geschichte der Digitalisierung. Langsam aber sicher hält die Technologie Einzug in die Finanzindustrie und schafft ganz neue Möglichkeiten. Experten sind sich sicher, dass sich hinter dem Buzzword die Zukunft für eine schöne neue Bankingwelt verbirgt.

Der sonst eher wortkarge CEO von Google, Sundar Pichai, behauptete kürzlich, künstliche Intelligenz würde auf die Menschheit einen vergleichbaren Einfluss nehmen, wie Feuer und Elektrizität. Gemessen an der Signifikanz, die die Bändigung des Feuers und elektrischer Strom für die Entwicklung der Menschheit und ihrer Kulturen hatte, klingt die Behauptung geradezu vermessen. Doch wer kann schon absehen, wie künstliche Intelligenz in den kommenden Jahrzehnten unseren Alltag revolutionieren wird?

Software übernimmt bereits viel Fleißarbeit in der Bank – aber ohne KI

Autonom fahrende Autos, Echtzeit-Übersetzungen auf Websites oder die automatische Erkennung von Objekten und Menschen in Bildern: Tagtäglich ernten wir bereits die Früchte lernender Algorithmen. Der Begriff Maschinenlernen, der oft synonym mit KI gebraucht wird, beschreibt dabei den Prozess, an deren Ende eine KI steht. Auch Amazons bekannte Vorschlagfunktion ähnlicher Artikel basiert auf einem selbstlernenden Algorithmus namens DSSTNE. Bei den Sprachassistenten Alexa, Siri und Co handelt es sich ebenso um künstliche Intelligenzen. Sie sind diejenigen, die der von Hollywood seit vielen Jahren verbreiteten Darstellung der Technologie wohl am nähsten kommen.

Im alltäglichen Bankgeschäft übernimmt Software bereits viele Aufgaben und automatisiert langwierige Arbeitsschritte. Wirklich intelligente, selbstlernende Software findet in der Finanzwelt allerdings noch seltener Verwendung. Denn nicht hinter jeder Automatisierung von Backoffice-Prozessen steckt auch eine künstliche Intelligenz. Es gibt einen großen Unterschied zwischen Automatisierungssoftware (Robotic Process Automation, kurz RPA) und künstlicher Intelligenz, den wir in einem früheren Artikel bereits umrissen haben.

Die Nutzung von RPA ist bereits Standard in Finanzinstituten und hat ähnliche Veränderungen hervorgerufen wie die Einführung von Rechenmaschinen. Dabei verrichtet die Software einfache Aufgaben, wie den Transfer von Daten zwischen Systemen, zwischen denen ganz einfach Schnittstellen fehlen. Aber Intelligent sind die Systeme dabei nicht – sie folgen klar definierten Regeln und “hinten raus” kommt nur das, was von einem Menschen vorgegeben wurde. Hier wird die Abgrenzung zu Maschinenlernen und KI deutlich. Datenbanken zu pflegen und Formulare auszufüllen wird den Sachbearbeitern durch RPA erspart und sie können sich kreativen Aufgaben widmen.

Noch ist es nicht als trivial zu bezeichnen überhaupt KI Systeme zu implementieren, denn die zu tätigende Investition ist recht umfangreich. Rein technologisch wird diese Herausforderung für viele Unternehmen aber bereits kleiner, da es mittlerweile Anbieter auf dem Markt gibt, die ihren Kunden KI-Systeme für verschiedene Anwendungszwecke “out of the box” zur Verfügung stellen. Deren Attraktivität für Banken liegt dabei auf der Hand: Personalisierung in Kommunikation und Verkauf und dadurch Vorteile gegenüber Wettbewerbern, Identifizierung neuer strategischer Chancen oder ungenutzter Potenziale, Einsparen finanzieller Ressourcen und sogar das Image als fortschrittliches Unternehmen bringen echte Gewinne.

Strukturelle und personelle Hürden bei der Umsetzung

Banken, wie auch vornehmlich große Unternehmen anderer Branchen, sehen sich einer Menge Problemen gegenüber, die die wirkliche Nutzbarkeit von KI und damit deren erfolgreiche Implementierung verzögern oder verhindern. Diese umfassen personelle wie auch strukturelle Gegebenheiten. In vielen Unternehmen fehlt es gerade noch an umfassendem Verständnis der Technologie und wie man diese für sich nutzen kann. Dazu zählt auch, die möglichen Ziele und neuen Geschäftsmodelle, die man mit der Technologie erreichen kann, erst einmal zu identifizieren. Damit das passieren kann, muss die Bereitschaft vorhanden sein, die Technologie in aller Tiefe zu ergründen und innerhalb der Unternehmen die Türen für ihren Einsatz zu öffnen. Hier verzeichnet die Branche aber allem Anschein nach eine deutliche Bereitschaft, sich zu öffnen und signalisiert, dass man aus Versäumnissen der Vergangenheit gelernt hat. Kaum ein Finanzinstitut möchte sich die Chance, KI zu nutzen, entgehen lassen.

Doch es fehlt aktuell noch an Fachkräften, die genügend Erfahrung haben die durch die neue Technologie erhobenen Daten nutzbar zu machen. Addiert man dazu das altbekannte Problem des Big Data Ansatzes, dass zwar massig Daten existieren, diese aber über viele Stellen verteilt in so genannten Datensilos liegen, werden die Hürden deutlich sichtbar. Alleine innerhalb eines Unternehmens können strikt voneinander getrennte Datensätze verstreut sein, die alleine zwar schon einen Wert haben, jedoch erst kombiniert den Treibstoff für wirklich effektive KIs darstellen. Die Silos aufzulösen und alle Daten verfügbar zu machen ist eine große Aufgabe – ohne sie zu erledigen ist das Potenzial lernender Algorithmen für Unternehmen nicht voll nutzbar.Und bei der Datenfrage spielen die neuen Datenschutzrichtlinien eine nicht unerhebliche Rolle. Es türmen sich Aufgaben, die dringend zu erledigen sind, um den Weg zu ebnen in die schöne neue Welt der künstlichen Intelligenzen.

Warum sich die Mühe lohnt lesen Sie in der kommenden Woche, wenn wir Ihnen die vielfältigen Bereiche vorstellen, in denen künstliche Intelligenz für Banken eine Rolle spielen können – und sollten.