Ist der Einsatz Künstlicher Intelligenz (KI) für Banken noch Zukunft oder schon Gegenwart? Geht es nach den Erkenntnissen der Bankenstudie 2024 von Bearing Point, sollten Banken so schnell wie möglich auf KI setzen. So könnten sie präziser und effizienter arbeiten. Die Einsatzmöglichkeiten seien mannigfaltig.
Eines der größten Hindernisse kann neben regulatorischen Hürden aber das mangelhafte Datenmanagement der Banken sein. Wer KI und weitere Tools nutzen will, muss Daten effizient, vollständig und fehlerfrei erheben, aufbereiten und verwalten, betont Bearing Point.
Wo lässt sich Künstliche Intelligenz einsetzen? Und in welchen Bereichen sollten Banken ihre Prozesse stärker digitalisieren? Diese Fragen versucht die Bankenstudie zu beantworten.
Künstliche Intelligenz im Performance Management
Banken würden viel Potenzial beim „Performance Management“ liegen lassen. Um Erträge und Kosten besser zu überwachen, schlägt Bearing Point ein Instrument vor, um die gesamte Bank zu steuern. Dieses sollte integrativ, datenbasiert und kundenzentriert sein.
Dafür müssten viele Banken zurück zu Schritt eins: Transparenz und Datenmanagement. Sie brauchen Übersicht über Kosten und Erträge auf Einzelgeschäftsebene und auf Ebene einzelner Produkte und Kunden. Die Analyse sollte dabei prozessbasiert sein.
Schritt zwei ist dann laut Bearing Point die Integration dieser Erkenntnisse, nicht nur in Entscheidungen über die Geschäftsausrichtung, die Entwicklung neuer Produkte und Angebote sowie die Optimierung von Prozessen, sondern auch in die Planung, Steuerung und Überwachung der Einzelgeschäfte (Vor- und Nachkalkulation) sowie in die laufende, übergreifende Ertrags-, Aufwands- und Risikosteuerung.
Schritt drei ist das Zusammenspiel von betriebswirtschaftlichen und operativen Kennzahlen mit finanzwirtschaftlichen- und Risikokennzahlen. So ließen sich nicht nur Trends frühzeitig erkennen, sondern auch Sach- und Prozesskosten sparen. Prozesse und Eigenkapitalnutzung sollen so optimiert werden und IT-Kosten gesenkt werden.
KI bei Finanzierungs- und Risikofunktionen
Ebenso wie beim Performance-Management, können Banken auch bei Finanzierungs- und Risikofunktionen Künstliche Intelligenz einsetzen. Die Anforderungen an die Systeme wachsen durch sich ändernde Regulierungsvorgaben sowie wegen des Wettbewerbsdrucks durch Digitalisierung und technischen Fortschritt. Genau diesen Fortschritt können sich Banken aber auch zunutze machen.
Besonders routinierte Abläufe im Einlagen- und Kreditgeschäft wie die Datenerfassung könnten durch den Einsatz von Tools und KI effizienter gestaltet werden. Weitere Beispiele sind laut Bearing Point die Überwachung von Transaktionen, die Berechnung von Risikokennzahlen, das Erkennen von Mustern in größeren Datenmengen oder die Analyse von Textdaten wie in Verträgen oder Berichten. Auch für Vorhersagen ließe sich KI einsetzen, wenn man beispielsweise den Markt für Finanzderivate oder auch Bewegungen anderer Märkte beobachten würde.
KI vereinfacht Veröffentlichungen
Ein weiteres Feld für den Einsatz von KI sind Offenlegungspflichten von Banken. Sie kann beim Erstellen von Bilanzen-, dem Veröffentlichen von Kennzahlen, Gewinn- und Verlustrechnung und Financial Reports unterstützen. Voraussetzung ist aber auch hier, dass Banken ihre Daten exzellent sammeln, aufbereiten und managen.
Erst dann können Tools repetitive Aufgaben übernehmen und so Ressourcen schaffen. Technologien können Effizienz und Präzision beitragen, menschliche Urteile, Überlegungen und strategische Entscheidungen bleiben laut Bearing Point aber unverzichtbar.
Einsatz generativer KI
Bei der Kreditwürdigkeitsprüfung könnten Bank sogar auf Generative KI setzen, um schneller und qualitativer entscheiden zu können. Generative KI kann komplexere Datenanalysen durchführen, natürliche Sprache besser verarbeiten und automatisiert entscheiden, wo zuvor manuell eingegriffen werden musste.
So könnten Banken präzisere, effizientere Prozesse etablieren. Vor dem Einsatz müssen aber datenschutzrechtliche und ethische Fragen geklärt werden, um das Vertrauen der Kunden zu erhalten und regulatorische Vorschriften einzuhalten.
KI im Omnichannel-Banking
Künstliche Intelligenz kann aber nicht nur eingesetzt werden, um bankinterne Prozesse zu optimieren, sie kann auch im Omnichannel-Banking und in den Bereichen Portfoliomanagement und Vorsorgeplanung Kunden unterstützen.
Banken müssen für Kunden analog und online erreichbar sein. Die Anforderungen steigen. Dafür müssen die Institute sichere Messenger, Chatbots und Apps anbieten. Hinzu kommen Virtual Reality und Robo-Advisory. Auch dabei fallen Daten an, die – korrekt ausgewertet – Banken helfen, Bedürfnisse zu erkennen und ihre Kunden individueller beraten zu können.
Laut Bearing Point ermöglicht die Kombination aus Omnichannel-Banking, KI und automatisierten Prozessen ein kundenzentriertes und automatisiertes Servicemodell.
KI kann Banken bei internen und externen Prozessen unterstützen. So könnten die Institute effizienter und präziser arbeiten. Voraussetzung dafür ist aber, dass Banken ihre Daten richtig sammeln, aufbereiten und verwalten.