48 01 | 2022 Digitaler
48 01 | 2022 Digitaler Zwilling Win-Win-Technologie für Banken und Unternehmen Unternehmen generieren mit digitalen Mitteln riesige Mengen an Daten in Echtzeit, die in Simulationen der Geschäftsabläufe zusammengeführt werden – sogenannten Digital Twins. Banken werden diesen Datenschatz nutzen können, um eine neue Beziehung mit ihren Kunden einzugehen. Die Institute können somit zum Katalysator der Digitalisierung werden und die ökonomischen Beziehungen ganzer Branchen modellieren. Damit Technologieunternehmen diese Rolle nicht vorwegnehmen, benötigt die Finanzbranche jedoch ein neues Set an Fähigkeiten.
01 | 2022 49 Die Einführung von Künstlicher Intelligenz (KI) im Bankensektor ist heutzutage schon fast Mainstream. Gleichzeitig kratzen die technologischen Anwendungen nur an der Oberfläche: Kreditinstitute nutzen Maschinelles Lernen (ML), um die Identifizierung und Authentifizierung ihrer Kunden zu vereinfachen. Digitale Assistenten werden eingesetzt, um die Kundenbeziehungen zu vertiefen oder personalisierte Einblicke und Empfehlungen zu geben. In internen Prozessen wird KI genutzt, um Risiken zu bewerten, Betrug oder Geldwäsche (AML) im Zahlungsverkehr zu erkennen oder aufsichtsrechtliche Überprüfungen der Kundenidentität (Know Your Customer, KYC) durchzuführen. Doch damit wird nur ein Bruchteil von dem ausgeschöpft, was heute schon möglich oder am Horizont ersichtlich ist. Kreative Programme wie DALL.E 2 kreieren auf Grundlage von Textbeschreibungen eindrucksvolle Bilder. Dahinter stecken Milliarden-Parameter-starke Modelle, die in riesigen Datensätzen Muster erkennen und sie extrapolieren. Mit Anwendungen wie AlphaFold2 werden neue Medikamente statt in jahrelangen, menschenintensiven Laborversuchen praktisch über Nacht digital erforscht. Wo liegen in solchen Technologien also die Potenziale für den Bankensektor? Eine große Chance stellen die sogenannten digitalen Zwillinge dar. Extrem große Datensets können hier mit der Abstraktionsfähigkeit Künstlicher Intelligenz verbunden werden. Künstliche Intelligenz erkennt Muster Digitale Zwillinge sind vor allem bekannt aus großen Fabriken oder Industrieanlagen wie Offshore-Bohrplattformen. Sie bilden komplexe reale Objekte und Strukturen digital ab, wodurch sich Prozesse detailgenau überwachen und steuern lassen. Künstliche Intelligenz nutzt diese Datenmengen, um Muster in diesen Modellen zu erkennen, Ineffizienzen aufzudecken und mithilfe von Predictive Analytics zukünftige Veränderungen des Systems zu prognostizieren. Offshore-Bohrplattformen können so die Effizienz und Sicherheit erhöhen, die Wartungs- und Betriebskosten senken und die Lebensdauer der Anlagen verlängern. Eine ähnliche Entwicklung vollzieht sich auch im Großkundengeschäft der Banken. Geldhäuser können branchenübergreifende digitale Zwillinge entwickeln, die den Geschäftskunden der Institute dabei helfen, ihre Liquidität zu managen und Vorhersage- und Beratungsfunktionen wahrzunehmen. Die Kunden erhalten detaillierte, digitale Einblicke in die Finanzentwicklungen ihres Unternehmens auf Mikro-Ebene. Langfristig lassen sich aber vor allem makroökonomische Entwicklungen über die gesamte Branche hinweg simulieren. Die Digitalisierung der Unternehmen kreiert zunehmend sich selbst verstärkende Netzwerkeffekte. Unabhängig davon, ob digitale Technologie zur Effizienzsteigerung oder zur Kostensenkung genutzt wird – sie hat den Nebeneffekt, dass Unternehmen einen genaueren und detaillierten Überblick über die eigenen Vermögenswerte und Prozesse erhalten. Geschäftstätigkeiten, Logistikketten und Finanzinfrastruktur werden zunehmend komplett digital abgewickelt und in Echtzeit verfolgt. Unternehmen besitzen immer häufiger ein hochauflösendes digitales Bild der Mikroökonomie ihres Geschäfts. Ein gutes Beispiel für diese Entwicklung ist die Schifffahrt. Schifffahrtsunternehmen verwalten ein beträchtliches Kapital an unterschiedlichsten Orten und in unterschiedlichsten Formen. Sie besitzen in der Regel ein großes Portfolio an ausständigen Forderungen (trade receivables). Mittels eines analogen Prozesses ist es äußerst schwierig, wenn nicht gar unmöglich, sich in Echtzeit ein Bild von den Schiffen, Containern, dem Zeit-
