Acht KI-Köstlichkeiten für Banken

0

Wenn eine Bank bei einem Softwareunternhemen anfragt und wissen will, wie sie Künstliche Intelligenz nutzen könnte, steht das für etwas: Erstens, dass die Bank KI-willig ist und zweitens, dass die Bank KI-ratlos ist. Banken wollen KI ja haben, sie könnten auch durchaus – Budget ist da. Aber sie wissen nicht, in welcher Form. Welcher KI- Aggregatzustand passt für uns? Das ist die große Frage, die gerade durch die Branche wabert. Die Verantwortlichen aus allen Fachbereichen wissen: Künstliche Intelligenz kann uns helfen – Punkt – mehr auch nicht.

Diese Erkenntnis bringt Christian Engel nun seit etwas mehr als einem Jahr aus seinen Gesprächen mit den Verantwortlichen aus dem Hause „Bank“ landauf, landab mit nach Hause und er ist froh. Weil er ihnen acht Antworten geben kann - wer will kann auch noch mehr als diese acht von ihm bekommen.

Christian, warum fällt es dir denn so leicht, deinen Banken-Kolleg-innen Antworten zu geben? Weil ich weiß, wie andere Branchen von KI profitieren. Das kann man übertragen.

Aber doch nicht in jeder Hinsicht? Nein, wir müssen genau hinschauen. Und wenn wir das dann tun, sehen wir Möglichkeiten am Horizont unseres Denkens, die spannend sind.

Das hört sich nach spielerischen Ansätzen an für eine Branche, die gar nicht spielerisch wirkt. Wie geht ihr denn vor bei der Suche nach Lösungen? Ganz einfach. Wir machen im Grunde nichts anderes als über Tellerränder zu schauen. Wir gucken quasi ab, wenn du so willst.

Aber, Christian, das erinnert an die Big-Data-Leier von vor drei Jahren. Da hat Public von den Banken und Manufacturing vom Gesundheitswesen usw. usf. abgeschaut. Na und? Das ist doch nicht schlimmt. Spicken ist erlaubt, wenn gute Dinge dabei herauskommen.

Dann erzähl uns doch mal von den acht KI-Köstlichkeiten für die Banken. Wo siehst du Einsatzmöglichkeiten?

Eins: Internationale Überweisungen -> Textanalytisch lernende Verfahren können in den verschachtelten Textfragmenten der Transaktionsprotokolle auf kritische oder zweifelhafte Fälle aufmerksam machen. Ein Muster wird mittels Künstlicher Intelligenz identifiziert. Die Verfahren müssen intelligent, also lernend sein, damit die Trefferwahrscheinlichkeit das schlechte vom guten zu trennen weiß.

Zwei: Geldwäsche -> Banken fürchten Strafzahlungen aufgrund von Transaktionen, die sie genehmigt haben, die aber kriminell sind. Deshalb treten zahlreiche Investigatoren an, um auffällige Transaktionen einzeln zu prüfen. Diese Transaktionen zu reduzieren funktioniert mittels KI-Verfahren. Dadurch werden via Geldwäsche-Optimierungsverfahren sogenannte False-positives reduziert. Mit dem Gradiant Boosting (einer Form von KI) reduzieren wir Aufwände um rasante 20 Prozent.

Drei: Call Center Feedback -> Agentin und Kundin verstehen sich am Telefon sehr oft falsch. Das kostet die Bank wirklich viel Geld. Weil Supervisoren und Berater anrücken müssen, um den Prozess zu optimieren, der eigentlich gar nicht zu optimieren ist. Wo Menschen am Werk sind, ist das ja vorprogrammiert. Nun wäre es technologisch möglich, die gesprochenen Worte, die das Sprachprogramm sowieso in Text umwandelt, in einen selbstlernenden Algorithmus zu schicken, der schließlich sogar die Intuition des Agenten simulieren kann, und der ihm oder ihr viel bessere Vorschläge für die Interaktion mit seinen Kunden vorschlagen kann.

Vier: Gutachten -> Darlehen für Investitionen bei Firmenkunden einer Bank werden über Gutachten vergeben. Das sind sehr komplexe Pamphlete, die nicht mit denen im Privatsektor verglichen werden können. Am Ende hat ein einziger Mensch über die Kreditvergabe zu entscheiden, für die er ein viele, viele Seiten langes Gutachten studieren muss. Seine Entscheidung fällt: Ja oder Nein. Aber hat die Sachberarbeiter-in auch die richtige Stelle im Gutachten zur Bewertung gefunden? Manchmal nicht. Auch hier kann Künstliche Intelligenz durchaus helfen. Die macht das alles maschinell, sie sucht den Text nicht nur auf Stichworte ab, sondern identifiziert Muster, die objektiv zu einer langfristig sinnvollen Entscheidung raten.

Fünf: Des Beraters Wissen schon beim Frühstück anreichern -> Klar, der Berater weiß am besten über seinen Kunden Bescheid. Er weiß Dinge über ihn, die nur im persönlichen Gespräch zu erfahren waren. Doch halt – es gibt Ausnahmen. Wenn nämlich lokale Medien über einen Kunden schreiben, die außerhalb des Einzugsgebietes des Beraters liegen, sagen wir im weit entfernten Nürnberg. Nichts ist peinlicher als nicht zu wissen, was der Nachbarkreis über seinen (Groß)Kunden weiß. Und hier gibt es Texterkennungsverfahren, die ihm auf ein persönliches Dashboard Informationen einspielen, die für ihn geschäftsentscheidend sein können. Auch hier kommt Künstliche Intelligenz zum Einsatz, weil auch hier das Prinzip des maschinellen Lernens wirkt.

Sechs: Kreditvergaben -> Je besser man über einen Kreditanfragenden Bescheid weiß, desto sicherer kann man sein, dass der Kredit getilgt wird. Klassischerweise schauen Banken in die Historie des Kunden und lassen sich von der Schufa Auskünfte schicken. Doch reichen diese Merkmale wirklich? Was wäre, wenn mittels Geoverfahren auch Wohnorte herangezogen werden könnten, um mehr Klarheit zu bekommen. Was wäre, wenn diese KI-Verfahren herausfinden können, in welchen Teilen einer Stadt oder einer Region die verlässlichsten Kunden wohnen?

Sieben: Online-Banking oder Pocket-account (Konto in der Handtasche) -> Wir können mit Künstlicher Intelligenz regelmäßige Interaktionen zwischen Bank und Kunden-innen so automatisieren, dass diese ihre Überweisungen beispielsweise gar nicht mehr selbst auslösen müssen. Das KI-Verfahren übernimmt da gerne.

Acht: Trader -> Er handelt am Tag um die 300 Mal. Man kann dem Trader einen Roboter an die Seite stellen, der ihm für 10 Minuten im Voraus Aktionen vorschlägt, damit er bessere Entscheidungen trifft. Der Roboter macht das mittels KI-Algorithmen. Auch hier bildet er die menschliche Intuition mathematisch ab.

Christian, das waren sehr eingängige Beispiele. Sind das denn wirklich wichtige Beispiele oder sind es Fantastereien, mal ehrlich? Na, also um ganz ehrlich zu sein, sind die Beispiele eins bis sechs realistisch. Sieben und acht sind Fantastereien. Aber nicht auf ewig, schließlich beginnt jede Innovation mit einer phantastischen Idee, die zuerst als nicht realisierbar erscheint.

Kannst du uns noch verraten, was dein Denkvorbild war? Du sagtest ja zu Beginn, dass ihr abgeschaut habt. Wer oder was hat euch die Vorlage gegeben? Das waren Berichte über die Forschungen im Bereich des Militärs und der Verteidigungsministerien!

Das klingt seltsam – das steht ja nicht für Flexibilität. Richtig

Und was genau habt ihr euch von denen abgeschaut? Sie waren Vorreiter bei Emails und GPS. Und wenn wir uns ansehen, was aus diesen Dingen geworden ist, sollten wir sie nicht als gute Beispiele ignorieren. Die basteln ja heute schon an den Technologien von morgen. Wir haben geschaut, was in anderen Branchen mit KI bereits gemacht wird und auf mögliche Einsatzszenarien bei Banken projiziert.

Vielen Dank, Christian! Und beim nächsten Mal beschreibst du uns die Punkte eins bis sechs etwas genauer, oder? Gerne.

Tags
Share

About Author

Andrea Deinert

In the field of content and media I am working as an internal journalist at SAS for those regions as Germany, Austria, Switzerland. Experienced in article writing and copyediting I translate content into readable texts.

Leave A Reply

Back to Top