Aufrufe
vor 2 Wochen

KINOTE 01.2019

  • Text
  • Methoden
  • Lernverfahren
  • Unternehmen
  • Systeme
  • Modell
  • Beispielsweise
  • Menschen
  • Einsatz
  • Banken
  • Intelligenz
Um einen Wandel der Finanzbranche erfolgreich zu meistern, müssen Kreditinstitute sowohl Chancen als auch Herausforderungen der Künstlichen Intelligenz (KI) erkennen. Unter der neuen Marke KINOTE der Bank-Verlag GmbH finden Sie Meldungen, Studien und Fachartikel zum Themenkomplex KI. Wir beantworten Ihre Fragen rund um KI. Wir berichten über Trends, neue Technologien, Forschungsergebnisse und daraus entstehende Möglichkeiten, die KI Ihrem Unternehmen bietet.

24 01 | 2019 01 |

24 01 | 2019 01 | STP-Workflow-Integration Erzeugung von Handel STP-Regel-Manager Post-Trade-Prozesse Prüfe bestehende Regel 1 Prüfe bestehende ... Prüfe bestehende N Neue Regel: Machine Learning Detect Quelle: Finastra. forderlich werden sollte. Diese Variante übernimmt somit nicht nur die automatisierte Finanzberatung, sondern verwaltet darüber hinaus das Vermögen und kommt beispielsweise bei Scaleable Capital zum Einsatz. Das FinTech arbeitet mit der Direktbank ING zusammen und hat 2018 als erster deutscher Robo Advisor die Milliardenmarke an betreutem Vermögen überschritten. Mehr Effizienz im 24/7-Kundenservice Das Beispiel der Robo Advisors zeigt, wie KI die Bankberater entlasten und gleichzeitig den Service für Anleger erweitern kann. Darum halten intelligente Lösung auch Einzug in weitere Bereiche des Kundenkontakts. Dass diese durchaus bereit sind, sich mit technischen Lösungen zu unterhalten, lässt sich eindrucksvoll an der wachsenden Verbreitung von intelligenten Chatbots sowie am Boom der sprachgesteuerten Assistenten wie Alexa, Cortana und Co. erkennen. Varianten maschinel- Beide der len Sprachverarbeitung beziehungsweise Computerlinguistik basieren auf KI und haben sich in den letzten Jahren immens weiterentwickelt. Daher ist es für Banken ein logischer nächster Schritt, ebenfalls Chatbots und sprachbasierte Dienste anzubieten. Und so experimentieren bereits viele mit diesem Ansatz. Beispielsweise nutzt der Chatbot von Wells Fargo künstliche Intelligenz sowie den Facebook Messenger, um auf Nachrichten von Nutzern in natürlicher Sprache zu antworten. Er teilt den Kunden mit, wie viel Geld sie auf ihren Konten haben oder wo sich der nächste Bankautomat befindet. Auch ermöglicht es Capital One seinen Kunden bereits, mithilfe von Alexa ihr Guthaben zu überprüfen, Ausgaben zu verfolgen und Rechnungen zu bezahlen. Und erst im letzten Jahr ging JP Morgan eine Partnerschaft mit Amazon ein, um eine neue Funktion für Alexa zu entwickeln. Diese erlaubt es

01 | 2019 25 den institutionellen Kunden, über den Sprachassistenten auf die Analystenberichte und Aktieninformationen von JP Morgan zuzugreifen. Banken gehen also bereits erste Schritte in Richtung sprachbasierter Assistenten im Finanzmarkt. Das Potenzial ist sowohl im Privat- als auch im Unternehmenskundenbereich enorm. Denn mithilfe der intelligenten Assistenten lassen sich Berater und Mitarbeiter im Kundenservice entlasten, während das Institut gleichzeitig rund um die Uhr erreichbar ist. Betrügern einen Schritt voraus sein Eine der wichtigsten Einsatzmöglichkeiten von Künstlicher Intelligenz liegt im Backend, nämlich in der Betrugserkennung im Zahlungsverkehr. Das geschieht heute häufig noch auf Basis einfacher, regelbasierter Systeme. Doch die Betrüger entwickeln sich technologisch weiter, sodass diese Systeme immer wieder aufwendig auf den neuesten Stand gebracht werden müssen, um mit ihnen Schritt zu halten. Das könnte künftig eine KI-basierte Lösung übernehmen: Diese kann Muster und Interdependenzen von Daten aufzeigen, die dem menschlichen Auge allein oft verborgen bleiben. Selbstlernende Algorithmen können sich in diesem Zusammenhang eigenständig an neue Fälle anpassen und sich kontinuierlich selbst optimieren. Doch auch ohne kriminelle Einflüsse können Unstimmigkeiten im Tagesgeschäft von Banken vorkommen. Denn Finanztransaktionen werden sekündlich in mehreren Systemen erfasst. Dabei kann es zu Irrtümern kommen, die – sofern sie entdeckt werden – langwierige Untersuchungen nach sich ziehen. Sogenannte Fat-Finger-Fehler, beispielsweise eine Null zu viel, können dazu führen, dass Verantwortliche Entscheidungen auf Basis falsch berechneter Gewinne und Verluste (GuV) treffen und fehlerhafte Tagesabschlüsse erstellen. Auch aufwendige Kontrollprozesse konnten in der Vergangenheit nicht alle Differenzen verhindern. Hier kann intelligente Software Abhilfe schaffen. Am Markt gibt es bereits Lösungen im Bereich Machine Learning, womit Finanzinstitute Anomalien und ungewöhnliche Trade-Aktivitäten erkennen können. Die KI verhält sich wie ein intelligenter persönlicher Assistent des Validierungsteams und zeigt an, wo wahrscheinlich ein Fehler vorliegt. Im Rahmen eines manuellen Überprüfungsprozesses durch das Team priorisiert das System die fraglichen Transaktionen und erkennt zudem mehr Fehlerquellen als das regelbasierte Systeme in einem Straight- Through-Prozess leisten können. » 1 Das funktioniert vor allem in Finanzumgebungen, die eine große Menge an strukturierten Daten aufweisen und in denen sich die Benutzer konsistent verhalten, sodass sich daraus Muster ableiten lassen. Fazit Die Beispiele zeigen: Letztendlich wird KI dafür sorgen, dass viele Bankmitarbeiter sich in Zukunft auf komplexere Tätigkeiten konzentrieren können, die eine Software nicht leisten kann. Gleichzeitig werden menschliche Fähigkeiten vor allem im persönlichen Kontakt relevant bleiben, um Vertrauen aufzubauen und zu stärken. KI wird aber auch dazu führen, durch automatisierte Anlagen und effizientere Betrugserkennung mehr Umsatz für die Bank zu generieren. Das Allerwichtigste ist aber, dass die Technologie die Kundenzufriedenheit immens steigern wird. Dabei gilt es zu beachten, dass die Einführung einer einzelnen neuen Lösung kein Garant für Zukunftssicherheit ist. Erfolgreiche Finanzunternehmen setzen auf eine Kombination aus KI, Datenanalyse und Automatisierung, bieten ihren Kunden aber auch die Möglichkeit, bei Bedarf jederzeit mit echten Mitarbeitern zu sprechen. Der Wandel hin zur zukunftsfesten, digitalen Bank beginnt jedoch nicht nur mit ersten Testversuchen mit den neuen Technologien, sondern vor allem in den Köpfen. Denn für nachhaltigen Erfolg muss der kulturelle mit dem technologischen Wandel einhergehen. Autor Martin Häring ist Chief Marketing Officer (CMO) und Teil der Geschäftsleitung beim Finanz-Softwarehersteller Finastra.

die bank

die bank 01 // 2019
die bank 02 // 2019
die bank 03 // 2019
die bank 04 // 2019
die bank 05 // 2019
KINOTE 01.2019
die bank 06 // 2019
die bank 01 // 2018
die bank 02 // 2018
die bank 03 // 2018
die bank 04 // 2018
die bank 05 // 2018
die bank 06 // 2018
die bank 07 // 2018
die bank 08 // 2018
die bank 09 // 2018
die bank 10 // 2018
die bank 01 // 2017
die bank 02 // 2017
die bank 03 // 2017
die Bank 04 // 2017
die bank 05 // 2017
die bank 06 // 2017
die bank 07 // 2017
die bank 08 // 2017
die Bank 09 // 2017
die bank 10 // 2017
die bank 01 // 2016
die bank 02 // 2016
die bank 03 // 2016
die bank 04 // 2016
die bank 05 // 2016
die bank 06 // 2016
die bank 07 // 2016
die bank 08 // 2016
die bank 09 // 2016
die bank 10 // 2016
die bank 11 // 2016
die bank 12 // 2016
die bank 01 // 2015
die bank 02 // 2015
die bank 03 // 2015
die bank 04 // 2015
die bank 05 // 2015
die bank 06 // 2015
die bank 07 // 2015
die bank 08 // 2015
die bank 09 // 2015
die bank 10 // 2015
die bank 11 // 2015
die bank 12 // 2015

© die bank 2014-2018