Wie neue Technologien die Finanzwelt verändern
Geradezu exemplarisch treiben disruptive Technologien weitgehende Veränderungen in der Finanzbranche voran. Eine ganze Reihe von Trends machen einen nicht unwesentlichen Nachholbedarf sichtbar. Hat sich eine Bank oder Versicherung in der letzten Dekade noch nicht zu einem effizienten Technologieunternehmen entwickelt, besteht das Risiko, plötzlich als nicht mehr markttauglich aus dem Wettbewerb auszuscheiden.
Der erste Teil dieser Blogreihe beleuchtet folgende Themen:
- Welche Schlüsseltechnologien spielen vermehrt eine Rolle?
- Welche Gefahren drohen der Branche?
- Welche technischen Trends wirken sich auf die Finanzwelt raus?
Die «Finance Game Changer» - Teil 1
Schnelle Veränderungen in einer stark regulatorischen und durchaus auch politisch liegenden Branche geschehen nicht von heute auf morgen. Obschon es heutzutage bereits einige gutfunktionierende Alternativen von Bankendienstleistungen gibt, konnten diese die bewährten Methoden und Prozesse nicht sofort verdrängen. Nun aber könnten gleich mehrere tragende Säulen des Traditionsgeschäfts gleichzeitig ausgehebelt werden.
Die Schlüsseltechnologien von heute und morgen
Ein grosser Wandel innerhalb einer Branche kann meist nur unter Verwendung einer oder mehreren bestehenden Technologien vonstatten gehen. In den letzten 30 Jahren waren die Initiatoren, die auch als sogenannte Ära 1.0 -Technologien der digitalen Revolution bekannt wurden, unter anderem Computerchips, das Internet, das Smartphone, das GPS und die Cloud (nicht abschliessend).
Aktuell stehen wir in der Ära 2.0 und damit inmitten von Neuentwicklungen, die sich den Technologien der Vor-Generation bedienen. Einige davon haben im Finanzbereich bereits Fuss gefasst, es sind dies beispielsweise:
- Künstliche Intelligenz
- Blockchain / Distributed Ledger
- Edge/Cloud Computing
- Synthetische Biologie
- 3D-Druck / Additive Fertigung
- 5G-Telekommunikation
- IoT (Internet of Things)
- Energie (Erzeugung und Speicherung)
Parallel dazu haben bereits weitere Entwicklungen der Ära 3.0 begonnen, es sind dies unter anderem:
- Quantum Computing (Computer, die mit Quanten-Technologie arbeiten)
- die Kernfusion (Energiegewinnung)
- die Singularität (Punkt, an dem KIs die Intelligenz von Menschen übertreffen)
- Brain App-Store (Hirnschnittstellen)
Die Gefahren
Folgende Punkte weisen in Studien das grösste Risikopotenzial für die Finanzwelt aus:
- Die exponentielle Geschwindigkeit des Technologie-Wandels und deren Möglichkeiten werden häufig unterschätzt. Basistechnologien, wie im letzten Kapitel erwähnt, beschleunigen weitere, darauf basierende Innovationen in hohem Masse. Brauchte die Ära 1.0 in etwa 30 Jahre, dauert der Eintritt von Ära 2.0 in die Ära 3.0 schätzungsweise weniger als eine Dekade. Je mehr Technologien da sind, desto mehr Möglichkeiten zur gemeinsamen Nutzung stehen zur Verfügung. Oft wird zu lange an alten Methoden und bisher Bewährtem festgehalten, ohne es zu hinterfragen.
- Digitale Disruptoren treten in den Finanzmarkt ein. Technologie-Giganten wie die GAFAMs (Google, Amazon, Facebook, Apple, Microsoft) oder deren asiatischen Gegenspieler die BATs (Baidu, Alibaba, Tencent) bieten ganze Netzwerke von Dienstleistungen an. Sie verbinden die Dienstleistungen beispielsweise mit Zahlungsoptionen, Kreditfinanzierungen, Investitionsmöglichkeiten oder Versicherungslösungen. Informationen aus Kanälen wie Suchmaschinen, Social-Plattformen, Web-Shops etc. die einer Bank oder einer Versicherung nicht haben, lassen äusserst transparente Verhaltensmuster wie Kaufverhalten und Lebenssituationen früh erkennen. Die Konkurrenz erkennt also Bedürfnisse weit vor einem Finanzinstitut und hat damit das entscheidend bessere Timing.
- Mit jüngeren Menschen ändern sich nicht nur Bedürfnisse, sondern auch Prioritäten und Vorurteile. Entscheider in Firmen meist älterer Generationen, laufen Gefahr, an den kommenden Bedürfnissen und Trends der jüngeren Generationen regelrecht «vorbeizuentscheiden». Zudem hat diese Altersgruppe eine kleinere Hemmschwelle, finanzielle Entscheidungen auch ohne klassische Bankberater zu treffen – Hauptsache schnell, bequem und unkompliziert.
- Weitere in der Blogserie nicht näher beleuchtete Punkte sind Innovationen, die zur Veränderung von bestehenden Services, der Zerlegung der Wertschöpfungskette und der immer grösseren Möglichkeiten (Verzettelung) von Finanz-Geschäftsmodellen führen.
Die Technologischen Trends
1. Die Digitale Revolution im Finanzsektor
Schon vor Jahren haben die Servicemodelle und -Prozesse von Bankdienstleistern angefangen, sich neuen Innovationen anzupassen. E-Banking und das Online-Bestellen/Bezahlen wird hierzulande heute von über 80% der Bevölkerung genutzt. In vielen asiatischen Ländern teilweise sogar über 95%. Erweiterte Dienstleistungen wie mobile Apps für Zahlungsabwicklung ermöglichen das digitale Wallet mit einer Fingerbewegung. Diese ersetzen nicht nur Banknoten, sondern auch physische Bank- und Kreditkarten.
Kontaktlos in Verbindung mit einem QR-Code, einem Fingerabdruck-Scan oder mittels einem hinterlegten Zahlencode erschliessen sich die gängigsten Alltagsdienstleistunge an die sich schon viele gewöhnt haben. Auch Konteneröffnungen oder Kredite online abzuschliessen ist kein Novum mehr.
So viel zu heute. Aber was kommt danach?
Technisch setzt die Branche zukünftig vermehrt auf
- Distributed Ledger (Blockchain-Technologien)
- Digitales Investieren (Social Trading, Robo-Beratung, etc.)
- verbessertes Kundenerlebins durch «Gamification»
- Sicherheitsmehrwerte durch verbesserte Kryptografie und dem Einsatz von biometrischem Daten
- Abgrenzung zu Mitbewerbern durch zusätzliche digitalisierte Services, Spezialisierung, Abdeckung weltweiter Regulatorik wie der Ausbau des elektronischen Datenaustauschs, etc.
Um diese schnell entwickeln zu können und wirtschaftlich nutzbar zu machen, bedarf es jedoch vor allem einem: Intelligenter Automation.
2. Künstliche Intelligenz
Vieles deutet auf Elemente aus intelligenter, selbstlernender Automation hin. Diese werden die Abläufe nicht ur beschleunigen, sondern auch optimieren, erweitern und erschliessen – vollautomatisch versteht sich.
Besonders beeindruckend wurde dies Ende 2016 (ja richtig, schon vor 5 Jahren) mit dem Versuch einer KI namens «AlphaZero» aufgezeigt. Nach nur 4 Stunden des selbstständigen Schach-Lernens schlug diese überdeutlich den damaligen, als unschlagbar geltenden Schachcomputer «Stockfish 8», der mit einem Vielfachen an Daten und Rechenleistung ausgestattet war (100 Partien endeten mit 72 Siegen und 28 Remis)*. Mittlerweile entwickeln KIs bereits eigenständig neue KIs die besser sind als solche die von Menschenhand gemacht sind.
KI ist die neue Elektrizität.Andrew Y. NG
«Das reicht noch lange nicht für selbstfahrende Autos!» Mittlerweile schon. Die limitierenden Faktoren sind aber weniger die technischen Aspekte. Es sind der Gesetzgeber und die ethisch-moralischen Fragen darüber, wie eine KI im Falle von schwierigen Abwägungen Entscheidungen treffen soll. «Und was hat das jetzt mit dem Finanzsektor zu tun?» Sehr viel. Lernenden Systemen in der Wirtschaft wird in der Fachwelt ein hohes Potenzial zugeschrieben. Das gilt vor allem für Banken und Versicherungen. Studien der ETH Zürich sowie weiterer Wirtschaftsinstitute und Unternehmensberatungen gehen dabei von einer tief greifenden Beeinflussung von über 70% der Berufe im Finanzbereich durch künstliche Intelligenz aus. Mitunter ein Grund dafür sind die hier geradezu idealen Bedingungen dafür:
- Big Data - Daten für Auswertungen (Kundenprofile, Kundenverhalten, Marktdaten)
- beherrschbare, gut automatisierbare Technologien
- übergreifende, digitalisierende Bereiche der Branche (Einkauf & Vertrieb, Buchhaltung, Forschung & Entwicklung, HR, IT)
3. Robotic Process Automation (RPA)
Bei einer 40 Stunden-Woche und 220 Arbeitstagen pro Jahr hat eine menschliche Arbeitskraft eine verfügbare Arbeitszeit von 1’760 Stunden pro Jahr. Ein Roboter (im RPA-Jargon auch kurz «Bot» genannt) könnte dagegen theoretisch 8'760 Stunden pausenlos durcharbeiten, ohne müde und fehleranfällig zu werden. Bei einer geschätzt 3 bis 4-fach höheren Arbeitsgeschwindigkeit hätte der «Bot» somit eine 20-fach höhere Kapazität. Der Einstieg für den Entscheid zum Einsatz von RPA liegt vor allem bei drei Entscheidungskriterien. Diese beeinflussen den Return on Invest eines Business Cases zentral:- die Höhe des Repetitionsgrads,
- die Einfachheit des Geschäftsfalls und
- die Standardisierung der eingesetzten Technologien
- die Verbesserung von Leistungsfähigkeit (62%)
- die Erhöhung der Schnelligkeit (59%)
- der Reduktion von Fehlern und somit der Risikominimierung (53%)
- der Rationalisierung vorhandener Prozesse (52%)
- der Zugang zu neuen Technologien (51%)
4. KI trifft auf RPA
Wie schon bei den Schlüsseltechnologien erwähnt, kann die Kombination von Basistechnologien zu einer weiteren Entwicklungsstufe führen. Intelligente, hochautomatisierte Abläufe werden zunehmend an Stellenwert gewinnen. Wo wäre beispielsweise das Investment Banking ohne die automatisierten Vorgänge im Trading und in der Analyse? Die Rede ist von Milliarden von Informationen, die heutzutage «manuell» 24/7 unmöglich zu sammeln, zu filtern und zu nutzen wären. Ein Automat, der binnen Millisekunden Tausende Aktionen durchführt, ist längst Realität. Doch zukünftig werden auch Entscheidungen an die Maschine delegiert – zu fehleranfällig und zu irrational sind menschliche Einwirkungen in einem hochdynamischen, komplexen und risikobehafteten Umfeld. Gepaart mit einer KI entsteht demnach ein weiterer Treiber, der den Abstand zwischen Menschen und Maschine zunehmend vergrössert. Ende 2017 wurde Automation und KI auf Platz 4 der Faktoren eines Wandels im Finance Sektor im Ranking geführt - heute steht dieser Faktor auf Platz 1.Wir überschätzen immer die Veränderungen, die in den nächsten beiden Jahren passieren sollen. Aber wir unterschätzen den Wandel, der über die nächsten zehn Jahre passiert.(Bill Gates)
Summary
Entscheidend ist, wie und wann die genannten Technologien auch in einen tatsächlichen Mehrwert umgewandelt werden können.
- Testautomation
Alles beginnt idealerweise mit einer Hochautomation in der Entwicklung (Komponenten) über Schnittstellen (Integration) bis hin zu fertigen Prozessen (E2E) - RPA
Die im Test verwendeten Ansätze können in die Produktion übernommen und weiter ausgebaut werden. Obschon hier andere Regeln als im Test gelten (vor allem beim Zugriff- und Datenschutz), gibt es technisch praktisch keine Unterschiede betreffend den zu automatisierenden Technologien. Besser noch: Auf den Live-Systemen herrschen geradezu ideale Automationsbedingungen. Die in diesem Umfeld anzutreffende Systemverfügbarkeit und Stabilität, Datenqualität und -Integrität erleichtern dem Robot die Arbeit gewaltig.
Aus diesem Grund ist das effiziente Einführen und Betreiben von Robots per se nicht mit dem Einsatz eines Automatisierers getan. Drei Disziplinen sind der Garant für eine erfolgreiche Umsetzung
Businessanalyse – die sich lohnenden, zu automatisierenden Prozesse müssen nach klaren Regeln und Merkmalen evaluiert, analysiert und spezifiziert werden.
Automation – professionelles Umsetzen heisst richtige Ansätze und moderne Werkzeuge einsetzen. Wer immer noch Frameworks selber entwickelt und betreibt, wird sich damit eine Hypothek durch grossen und unnötigen Aufwand bei Wartung und Pflege aufbauen. Das verkleinert nicht nur dramatisch die Effizienz der Automation später im Betrieb, sondern verhindert aus Zeitgründen den Ausbau weiterer Automationsprojekte.
Testing – was viel vergessen wird: wie bei jeder Software, muss auch bei RPA für eine Sicherstellung des reibungslosen, fehlerfreien Einsatzes getestet werden. Dies ist nicht nur bei der Einführung oder Anpassung der Fall. Auch bei neuen Releases der Software und Systeme, die durch RPA bedient oder durchlaufen werden, ist dies notwendig. Hier lohnen sich Synergien zwischen Testautomation und RPA besonders (Strategie, Tools, Methodik, etc.) - KI
Der Unterschied zwischen der Analyse und einer KI ist der lernende Aspekt, was konkret bedeutet, Ersteres produziert Auswertungen, Letzteres Algorithmen. Überall da, wo also die Verbesserung logischer Abläufe oder Kalkulationsmethoden das Ziel sind, ist KI der Trend. Die wichtigste Grundlage künstlicher Intelligenz ist die Auswahl der Datengrundlage (was wird untersucht) und die Menge der Daten (wie exakt und korrekt sind deren Aussagen).
Die Bestimmung, die Umsetzung und der richtige Einsatz einer KI reduziert sich also auch nicht auf ihre technische Umsetzung.
- Blog 1 – Künstliche Intelligenz für Anwender
- Blog 2 – KI-gesteuerte Software und Systeme im täglichen Einsatz
- Blog 3 – Software-Testing mit künstlicher Intelligenz – eine Marktbetrachtung
- Blog 4 – KI-gesteuerte Software meets testing – etwas neues oder business as usual?
- Blog 5 – KI-gesteuerte Software: Testing gegen Bias und Drift
Inhalte Teil 2
In einem zweiten Blog-Teil (folgt im Q3 2021) werden folgende Themen beleuchtet- Was sind mögliche Szenarien des Finanzsektors von morgen?
- Welche Businessmodelle setzen sich wahrscheinlich durch?
- Welche Auswirkungen haben diese Einflüsse auf die Strategien der Firmen?
Quellen
- Frank Thelen «10xDNA», 2020
- Yuval Noah Harari, «21 Lektionen für das 21. Jahrhundert», 2020
- «Aufbruch zu neuen Horizonten» - Fachstudie von Deloitte, 2019
- Diverse Studien der ETH Zürich, 2017 bis 2021
- «Mensch-Roboter-Kollaborationen in indirekten Vergleichen»- ein White-Paper der ifaa — Institut für angewandte Arbeitswissenschaft (DE), 2019