Künstliche Intelligenz und Banken: Eine Frage des geldwerten Vorteils

Die Finanzindustrie ist um das Verarbeiten von Daten herum aufgebaut. Ob einst auf Papier oder jetzt in Cloud-Infrastrukturen: Banken bewegen Daten. Die Wertschöpfung aus Daten ist ihnen in die Wiege gelegt. Das Sammeln, Aufbereiten, Verdichten, das Organisieren des Datenflusses, das Ableiten von Erkenntnissen – all das ist ureigenes Bankgeschäft. Wo andere erst Sensoren verbauen oder Maschinen vernetzen, da sitzen Banken auf einem wahren Datenschatz: von den Zahlungsströmen der globalen Finanzmärkte bis runter zu den Konsumgewohnheiten des einzelnen Kunden. Von historischen Datenreihen bis zu Prognosen. Dies ist der ideale Nährboden für KI. Denn: Ohne Daten keine KI. Es bedarf Daten, um diese KI-Anwendungen zu entwickeln, zu trainieren, zu testen und zu verbessern.

Neben Daten ist es die Komplexität der Aufgaben, die KI im Bankenumfeld in die Hände spielt. Denn KI-Verfahren eröffnen Einsatzmöglichkeiten für das Automatisieren von Prozessen. Prozesse, bei denen klassische, regelbasierte Softwaresysteme an ihre Grenzen kommen. Das Erkennen von Betrugsversuchen ist ein Beispiel dafür. Hier kommen die Gestaltungsleidenschaft der Gesetzgeber, der technische Fortschritt und insbesondere das kreative Potenzial von Kriminellen zusammen. Dem Tempo der Veränderung mit Regelwerken beizukommen, ist ein aussichtsloses Unterfangen. Irgendjemand oder -etwas ist immer einen Schritt schneller. Die Folge: Handarbeit, unterstützt durch unzureichende IT-Verfahren. KI-Anwendungen eröffnen einen Ausweg aus dieser Situation. Entsprechend trainiert erlauben sie es Banken, in der Betrugserkennung einen höheren Grad der Automatisierung und ein schnelleres Abwickeln der Prozesse zu erreichen.

Betrugserkennung ist nur ein Bereich, in dem KI in einer Bank ihre Stärken ausspielen kann. Ob Prüfen von Anträgen, Marketingkommunikation oder Kundenservice: Der Einsatz von KI-Anwendungen rechnet sich schnell. Die Kosten sinken, das Tempo steigt, die Qualität wird besser. Für Banken tut sich eine Vielzahl von Möglichkeiten auf. Nicht das Finden eines Einsatzszenarios ist die Kunst, sondern die Auswahl aus den zahlreichen Optionen.

Trotz dieser Voraussetzungen sind umgesetzte Projekte mit signifikanten KI-Anteilen noch die Ausnahme. Das zeigt unsere Umfrage unter Verantwortlichen aus Banken über die KI-Situation in ihren Häusern. Vier von fünf geben an, dass KI bei ihnen noch in den Anfängen steckt. Was nicht daran liegt, dass sie den Technologien keine Bedeutung beimessen, im Gegenteil: 96 Prozent stimmen der Aussage zu, dass die Investition in KI mittelfristig zu Wettbewerbsvorteilen führt. Woher kommt dann diese Diskrepanz zwischen dem Möglichen und dem Realisierten?

Bei KI trifft in vielen Banken mangelnde Erfahrung auf mangelnde Risikobereitschaft. Für klassische Softwareprojekte greifen die Fachleute auf etablierte Verfahren und gelernte Technologien zurück. Sie bringen die Erfahrung aus zahlreichen vergleichbaren Projekten mit ein. Geht es um KI, fehlt all das noch. Hinzu kommt eine Besonderheit von KI-Anwendungen: Am Anfang ist nicht absehbar, ob die vorhandene Datengrundlage für die gewünschte Anwendung ausreicht. In der frühen Phase eines KI-Projektes führt am Experimentieren kein Weg vorbei. Und Experimente können scheitern. Die Bereitschaft, Risiken einzugehen, ist für das Entwickeln von KI-Anwendungen so wichtig wie das Beherrschen von Technologien. Verantwortliche müssen lernen, damit umzugehen. Erst dann können KI-Lösungen ihre Stärken im großen Maßstab ausspielen.

Banken erfüllen alle formalen Bedingungen für den erfolgreichen Einsatz von KI-Technologien. Jetzt gilt es, die richtigen Rahmenbedingungen zu schaffen, in denen KI-Ideen und -Projekte gedeihen können. Und das ist keine Frage der Technologie, sondern des Wollens. Und des Mutes.