22 01 | 2022 Use Cases
22 01 | 2022 Use Cases für den Einsatz von KI Den Menschen unterstützen, nicht ersetzen Künstliche Intelligenz (KI) ist längst nicht mehr nur eine abstrakte Wissenschaft, sie wird bei der täglichen Arbeit heute bereits auf vielfältige Weise eingesetzt. Gerade auch bei Banken und Finanzdienstleistern. Sie erweisen sich als besonders prädestiniert für die Nutzung von KI, denn in diesen Unternehmen steht eine große Datenfülle zur Verfügung, die sich vielseitig nutzen lässt.
01 | 2022 „Data Science und Machine Learning in Kreditinstituten“ I und II 23 Die Frage, wie sich KI im Alltag nutzen lässt, stand auch bei der Fachtagung „Data Science und Machine Learning in Kreditinstituten“ im Fokus. Der Bank-Verlag hatte das Format unlängst als Online-Veranstaltung angeboten und damit viel Interesse in der Community erzielt. Gleich drei konkrete Use Benjamin Stahl ist Data Scientist bei der ING. Cases wurden im Rahmen dieser Tagung am Nachmittag vorgestellt, und Moderatorin Ute Kolck konnte dazu Vertreter der ING-DiBa, von BNP Paribas sowie von der Schufa Holding begrüßen. Beispiel KI-gestütztes Direktmarketing Bei der ING wird setzt man beispielsweise auf ein KI-gestütztes Direktmarketing. Als reine Digitalbank ist das Unternehmen darauf angewiesen, auf smarte Art mit seinen Kunden zu kommunizieren. Personalisierte Botschaften innerhalb der Banking-App und des Internet-Bankings sind dabei die bevorzugten Kanäle, aber auch E-Mails mit passenden Produkt- und Serviceangeboten werden versendet. Um jeweils die perfekte, personalisierte und relevante Ansprache für die einzelne Kundin zu platzieren, bediene sich die Bank verschiedener KI-Modelle, die es auf etwa 75 Mio. Prognosen pro Woche bringen, erläuterte Benjamin Stahl, Data Scientist bei der ING. Die Modelle werden auf der Basis von Vergangenheitsdaten trainiert und auf heutige Kunden angewendet. So ergibt sich ein Profil, das einerseits die Affinität des Kunden für bestimmte Produkte oder Services (wie ein Depot, eine Baufinanzierung oder einen Autokredit) prognostiziert, und andererseits werden spezielle Modelle zur Unterstützung bei der Wahl des geeigneten Kommunikationskanals herangezogen. Die Kundenaffinität sei eine zentrale Komponente für die Entscheidung über die anzuzeigende Botschaft, aber nicht die einzige, führte Stahl aus. Eine Real-time Decision Engine wache darüber, welche Art der Kommunikation an den Kunden in welcher Frequenz ausgespielt werde. Hat der Kunde beispielsweise eine neue Girocard bestellt, so erhält er beim Öffnen seines Online-Banking-Zugangs mehrfach eine aufpoppende Meldung, die ihm verrät, dass seine neue Karte unterwegs ist. Das beruhigt den Kunden und hilft, unnötige Anrufe (also eine Mehrbelastung des Service-Centers) zu vermeiden. Die Engine entscheidet zudem auch über die Frequenz dieser Ausspielung. Wurde der Kunde mehrfach über den Versand der Karte informiert, wechselt die Meldung, und informiert nun über weitere für den Kunden interessante Produkte und Services der Bank.
