22 01 | 2019 Mehr
22 01 | 2019 Mehr Effizienz im Kundenservice Smarte Helfer für Banken Kaum ein Sektor ist für den Einsatz Künstlicher Intelligenz prädestinierter als die Finanzbranche. Gründe dafür sind die umfangreichen und komplexen Datenmengen sowie die starke Regulierung. Die Anwendungsmöglichkeiten der Technologie in der Beratung oder auch der Betrugserkennung sind vielfältig. Viele Banken haben die Potenziale erkannt und erste Projekte gestartet.
01 | 2019 23 91 Prozent der Bank-CEOs rechnen damit, dass Künstliche Intelligenz (KI) ihr Geschäft in den nächsten Jahren wesentlich verändern wird, so das Ergebnis einer aktuellen Befragung von PwC. Angesichts der Vielzahl an Pilotprojekten, die Finanz institute bereits angestoßen haben, überrascht diese Zahl kaum – bietet die Technologie doch enormes Potenzial für Einsparungen sowie Umsatzsteigerungen. Die Einsatzmöglichkeiten intelligenter Software sind extrem vielfältig: Bei Privat- wie auch Unternehmenskunden, im Backend sowie im Frontend. Das Beste aus den Daten herausholen Die meisten Banken verfügen bereits über die wichtigste Voraussetzung für eine personalisierte und passgenaue Kundenberatung, doch sie setzen diese noch nicht vollumfänglich ein. Die Rede ist von Daten. Die Institute kennen Cashflow und Darlehen ihrer Kunden und können daraus eine Vielzahl an Schlussfolgerungen ziehen: Welches Auto haben sie gekauft? Wann sind sie zuletzt umgezogen? Welche Zahlungsmittel nutzen sie? In welcher Lebensphase befinden sie sich? Kombiniert mit weiteren Informationen aus sozialen Netzwerken können Banken so ein fast vollständiges Bild ihrer Kunden erhalten. Um eine solch immense Menge an strukturierten und unstrukturierten Daten zu verarbeiten und eine Systematik darin zu finden, benötigen Finanzinstitute die Unterstützung von KI-Lösungen. Diese können beispielsweise ermitteln, zu welcher Jahreszeit die meisten Kunden ein neues Auto kaufen oder wie der Mietspiegel die Nachfrage nach Immobiliendarlehen beeinflusst. Aus diesen Informationen lassen sich wiederum Schlussfolgerungen für die Optimierung der Angebote von Banken ziehen. Denn durch intelligente Algorithmen können Finanzinstitute Entscheidungen von Kunden sehr genau voraussagen und die darauf basierende Angebotsplanung weiter verbessern. Wichtig ist hier natürlich, dass die Institute alle personenbezogenen Angaben datenschutzkonform erheben und speichern. Darüber hinaus können aber auch anonymisierte Informationen zu Zusammenhängen zwischen Persönlichkeitsmerkmalen und Verhalten aufschlussreich sein. Insbesondere in Deutschland sind Kunden sensibel, wenn es um das Sammeln und Auswerten von personenbezogenen Daten geht – weshalb auch hiesige Finanzinstitute bisher wenig in diesem Bereich vorangehen. Doch dachte vor Jahren auch noch niemand, dass Online-Transaktionen rasch an Fahrt gewinnen würden. Und heute sind diese weithin akzeptiert. Das Gleiche wird auch im Bereich der Datenanalysen passieren: Die Akzeptanz wird umso mehr steigen, je größer der Mehrwert ist – und je häufiger Kunden die Erfahrung machen, dass sie mithilfe von Regulierungen wie der DSGVO die volle Kontrolle über ihre Daten haben. Mit Investment-Robotern Geld anlegen Neben einer stärkeren Personalisierung ermöglicht künstliche Intelligenz außerdem auch Investment Banking für eine breitere Zielgruppe. Smarte Software kann hier gewinnbringend unterstützen, da sie Börsenkurse schnell analysieren und rationale Entscheidungen treffen kann. Das lohnt sich vor allem bei kleineren Anlegern, die ohne Automatisierung überhaupt keinen Zugang zu Investments hätten, weil ein erfahrener Bankberater dafür zu teuer ist. Sogenannte Robo Advisors wählen mithilfe ausgeklügelter Algorithmen automatisch die passenden Aktien für passive Fonds aus. Sie folgen dabei der gleichen Vorgehensweise wie ein menschlicher Finanzberater: Zunächst fragt er den Kunden nach seinen Präferenzen. Dieser muss unter anderem den Anlagebetrag, Anlagehorizont und seine Risikoneigung angeben. Basierend darauf ermittelt das System eine individuell optimale Verteilung des Anlagevermögens auf verschiedene Anlageklassen. Im nächsten Schritt schlägt der Robo Advisor dann für jede Klasse eine mögliche Produktzusammensetzung vor. Dies geschieht nach implementierten Algorithmen aufgrund der hinterlegten Daten. Es gibt verschiedene Robo-Advisor-Lösungen, die sich vor allem durch den Grad ihrer Autonomie unterscheiden. Bei der simpelsten Variante handelt es sich um ein reines Beratungstool. Vom System generierte Vorschläge muss der Nutzer in Eigenregie umsetzen. Die Vermögensverwaltung bleibt somit alleine in der Kundenverantwortung. Beim zweiten Typ wird für die Umsetzung einer von mehreren vorgefertigten Dachfonds vorgeschlagen, der von seiner Rendite-Risiko-Struktur den Kundenpräferenzen am nächsten kommt. Die Realisierung erfolgt einfach durch Erwerb des betreffenden Dachfonds seitens des Kunden. Die dritte Variante ist die intelligenteste und daher auch die autonomste: Das System errechnet dabei das optimale Portfolio und realisiert es gegebenenfalls mithilfe einer Partnerbank. Es überwacht zudem, wie sich die Anlage entwickelt, und passt diese gegebenenfalls automatisch an, falls das er-
