Die Zukunft der Künstlichen Intelligenz (KI) in der Finanzbranche ist jetzt

Die stereotype Vorstellung von einer Bank - elegante Menschen, die hinter Schreibtischen sitzen und Dokumente abstempeln - gehört der Vergangenheit an. Prognosen zeigen, dass bis 2021 die Mehrheit aller Finanzgeschäfte in Großbritannien über eine App abgewickelt werden wird. Aus der Sicht des Kunden waren Bankgeschäfte noch nie so einfach.

Doch mit einer einfachen Migration ist es nicht getan - die Technologie schreitet immer weiter voran und Finanzunternehmen müssen sich nicht nur mit der Digitalisierung, sondern auch mit der Automatisierung auseinandersetzen. Inmitten all dessen war keine Lösung jemals so entscheidend wie die fortschreitende Einführung von KI.

 

Der Finanzsektor & Eine Geschichte der Transformation

 

Auch wenn KI neu zu sein scheint, so ist sie doch nur der jüngste Teil eines langen digitalen Trends. Die Transformation der Finanzinstitute begann vor etwa 10 Jahren, als die Marktführer neue digitale Kanäle nutzten - und damit einen effektiveren Produktverkauf und eine größere Kundenreichweite. In gewissem Sinne hörten die Banken auf, einfach nur Geld zu verwahren und zu geben. Sie wurden zu etwas völlig anderem (etwas mehr!) - einer Art technologischer Dienstleistung.

Während sich die Entwicklung weiter erfolgreich ausbreitete und moderne Technologien und Softwarebereitstellungsmethoden wie DevOps, Agile, Lean und Continuous Delivery eingeführt wurden, haben Finanzinstitute andere vielversprechende Richtungen ins Visier genommen, wie die Modernisierung von Altsystemen und die Einführung der Cloud.

Doch wie wir bereits sagten, ist der Einsatz von Künstlicher Intelligenz (KI) wohl der wichtigste von allen.

Darüber hinaus werden neue Technologien mit der globalen Digitalisierung des Bankensektors nicht mehr "nur" als Chance genutzt, die Oberhand zu gewinnen, sondern sie sind zu einer Art Standard geworden, dem die Banken entsprechen müssen. Das kann sich als Herausforderung erweisen, insbesondere für ältere Institute, die sich nun in diese neue, moderne Form entwickeln müssen, wenn sie wettbewerbsfähig bleiben wollen. KI ist nur die jüngste Hürde, aber es ist keine Option, sie zu umgehen - Finanzunternehmen müssen das Unvermeidliche annehmen und sich durchsetzen.

 

Glücklicherweise ist all dies durch moderne KI möglich

 

Wenn Finanzinstitute an der Spitze der Technologie und der modernen Dienstleistungen stehen wollen, müssen sie die neuesten Trends schnell und clever übernehmen. Derzeit drängt der Markt darauf, das Beste aus der KI - insbesondere dem maschinellen Lernen - herauszuholen und sie in verschiedenen Bereichen einzusetzen.

Wie Sie KI oder ML implementieren, hängt ganz von Ihrem Unternehmen ab und davon, welche Faktoren am wichtigsten sind, aber wir sehen bereits eine Reihe von wichtigen neuen Trends...

 

Bewertung des Kreditrisikos

 

Wenn KI im Risikomanagement eingesetzt wird, bringt sie zwei entscheidende Eigenschaften mit sich: Zuverlässigkeit und Schnelligkeit.

Algorithmen des maschinellen Lernens sind sehr gründlich. Im Vergleich zu alten, manuellen Scoring-Systemen können sie mehr analysieren als Risikoanalysten, die in der Regel nur Metriken wie Einkommen und Statistiken berücksichtigen. Die KI-Technologie ist in der Lage, Erkenntnisse aus vergangenen Transaktionen zu verarbeiten und alle Arten von Daten zu nutzen, die von Banken in der Vergangenheit gesammelt wurden, um das tatsächliche Kreditrisiko mit einem ganzheitlichen Ansatz vorherzusagen. Sie kann sogar nicht-finanzielle Informationen berücksichtigen - wie aktuelle Nachrichten aus der ganzen Welt.

Und das alles schneller als menschenmöglich. Buchstäblich.

 

Fraud Detection

Die Minderung finanzieller Risiken durch KI-Systeme übertrifft die manuelle Betrugserkennung in mehreren Bereichen. Wie bereits erwähnt, analysieren Algorithmen des maschinellen Lernens große Datenmengen und gewähren so bisher unbekannte Einblicke in Verhaltensmuster - was es einfacher macht, abnormale Vorgänge zu erkennen und Transaktionen, die ungewöhnlich erscheinen, sofort zu identifizieren. Statistiken zeigen, dass die Erkennung von echtem Betrug um etwa 50% gesteigert werden kann.

Abgesehen von der Hauptaufgabe, Betrug aufzudecken, hilft Machine Learning auch dabei, das Risiko der Rufschädigung eines Finanzinstituts zu verringern . Denn die fälschliche Sperrung eines Kontos für einen Betrug, der nicht stattgefunden hat, schadet in der Regel der Kundenzufriedenheit. Fallstudien haben gezeigt, dass aktuelle maschinengestützte Betrugserkennungssysteme die Zahl der Fehlalarme um fast 80 % reduzieren können - ein wichtiger Beitrag zur Vermeidung solcher Szenarien.

Lesen Sie den Artikel"Welche Rolle spielen Big Data in der Versicherungsbranche?", um mehr darüber zu erfahren, wie KI und ML von Versicherungsunternehmen zur Aufdeckung von Betrugsfällen eingesetzt werden.

 

Digitale Vermögensverwaltung

 

Künstliche Intelligenz kann auch als gut informierter Finanzberater dienen.

Ähnlich wie bei der Bewertung des Kreditrisikos können Machine Learning-Systeme das Verhalten von Kontoinhabern analysieren und ihr Ausgabenverhalten bewerten - in diesem Fall, um optimale Entscheidungen zu empfehlen. Sie können Ratschläge zur Maximierung von Ersparnissen geben, maßgeschneiderte Bankprodukte und Tools vorschlagen oder sogar auf mögliche finanzielle Fehler hinweisen ("Hey, Joan, hast du bemerkt, dass du letztes Jahr 2.407 £ für Grande Latte ausgegeben hast?").

Die ultimative Form der digitalen Vermögensverwaltung sind automatisierte Anlagesysteme, die ein Portfolio von Vermögenswerten verwalten und im Alleingang Gewinne erwirtschaften. Sie können bereits eine positive Erfolgsbilanz vorweisen, denn sie haben bereits Hunderte von Milliarden Dollar erfolgreich verwaltet - und diese Zahlen werden in den kommenden Jahren voraussichtlich rasch steigen.

 

Marktanalyse

 

Maschinelles Lernen kann auch verschiedene Markteinblicke sammeln und eine Sentiment-Analyse (Interpretation und Klassifizierung von Emotionen in Textdaten) sowie einen Überblick über historische Daten liefern, wobei auch die Nachrichtenlage berücksichtigt wird.

Zusammengenommen können all diese Quellen umfassend aufzeigen, wie groß das Risiko einer Investition ist und wie man potenziell den Gewinn maximieren kann.

Maßgeschneiderte Angebote - Personalisiertes Marketing

Alle Informationen, die in den oben beschriebenen Bereichen gesammelt und verarbeitet werden, können auch für den Vertrieb genutzt werden. Mit einem tiefen Verständnis für den Kunden, seine Bedürfnisse und Verhaltensmuster ist es einfacher (und billiger), Produkte und Lösungen zu verkaufen, die der Kunde mit größerer Wahrscheinlichkeit kaufen möchte.

Eine bessere Nutzersegmentierung und Analyse der Marketingpräferenzen ist nicht nur für Finanzinstitute von Vorteil, sondern auch für deren Kunden. Ein maßgeschneidertes Erlebnis, das auf einem detaillierten Profil basiert, erhöht die Zufriedenheit des Kunden, dem Produkte angeboten werden, die ihn am ehesten interessieren könnten, und vermeidet die Ablehnung von Marketingkontakten und eine allgemeine Unzufriedenheit mit den Verkaufstaktiken des Unternehmens.

Und mehr

Diese Liste ist noch lange nicht zu Ende - und wird es wahrscheinlich auch nie sein! Zu den anderen interessanten Bereichen, in denen KI eingesetzt werden kann, gehören zum Beispiel auch die Bekämpfung von Geldwäsche, Cybersicherheit oder eine automatische Transparenz- und Verlustbegrenzungsanalyse. Aber das sind ganze Themen für sich, vielleicht für einen anderen Tag!

Was kommt als Nächstes?

Viele Finanzunternehmen haben bereits damit begonnen, diese neuen Lösungen in ihre Systeme zu integrieren. Die Implementierung von maschinellem Lernen ist nur ein Teil des Übergangs - die anderen notwendigen Zutaten sind ein einheitlicher Ansatz für die Benutzererfahrung auf allen Ebenen des Unternehmens und vor allem die Fähigkeit, schnell auf das sich verändernde Umfeld zu reagieren, wobei Experimente und Fehlschläge in die Unternehmenskultur integriert werden.

Eine der größten Herausforderungen, denen sich vor allem größere und ältere Finanzunternehmen stellen müssen, ist überraschenderweise nicht die Integration moderner Systeme an sich, sondern das Schließen der Lücke zwischen den klassischen Abläufen (Bankgeschäfte aus der "Vergangenheit") und der "neuen Welt" des Finanzwesens, die durch die sich ändernden Kundenbedürfnisse bestimmt wird (die frühere Idee, "das Geld zu haben", wird durch das Bedürfnis ersetzt, "das Geld zu nutzen").

Darüber hinaus entwickeln viele Finanzinstitute immer noch alte Systeme, von denen sich einige sogar noch an die 90er Jahre erinnern können, während neue Lösungen für die Benutzererfahrung auf modernen Systemen basieren müssen. Die technologischen Standards im Finanzsektor steigen aufgrund des rasanten Wachstums von FinTech-Startups ständig an, ganz zu schweigen davon, dass die Finanzwelt das Papiergeld zugunsten von mehr Kontrolle und Transparenz abschaffen will. Mit anderen Worten - ein vollständig digitaler Finanzsektor ist unvermeidlich, früher oder später.

Zum Schluss noch ein Wort der Ermutigung: Für erfahrene Unternehmen mit einer etablierten Position auf dem Markt mag eine technologische Umstellung dieser Größenordnung schwierig erscheinen, aber wie Fallstudien zeigen, sind die Vorteile die Mühe wert.