KINOTE 01.2021

56 01 | 2021 Digitale

56 01 | 2021 Digitale Resilienz Krisen nutzen, statt sie nur zu überstehen Covid-19 wird wohl als Bewährungsprobe für die Resilienz von Unternehmen in die Wirtschaftsgeschichte eingehen. Die von der Pandemie ausgelöste Krise hat offengelegt, in welchen Bereichen Banken die geforderte Digitalisierung schon erfolgreich umgesetzt haben und wo noch es Defizite wie ineffiziente Prozesse und Informationssilos gibt. Künstliche Intelligenz (KI), Analytics und die Cloud sind probate Mittel, um gegenzusteuern und die Resilienz der Institute nachhaltig zu stärken.

01 | 2021 57 Das aktuelle Global Business Barometer des Wirtschaftsmagazins The Economist zeigt auf: Deutsche Unternehmen sehen die wirtschaftliche Entwicklung vor dem Hintergrund von Corona weltweit am pessimistischsten. Die Krise hat auch viele Finanz institute hart getroffen und den ohnehin großen Innovationsdruck weiter erhöht. Banken müssen bewährte Geschäftsund Arbeitsmodelle überdenken und sie – auch aufgrund neuer Themen wie ESG oder auch Climate Risk – entsprechend anpassen – eine Aufgabe, die die Branche unter dem Schlagwort digitale Transformation schon seit Jahren umtreibt und die jetzt noch erheblich an Brisanz gewonnen hat. Kann dieser Umbauprozess aber auch die Resilienz erhöhen und eine Bank letztlich sogar gestärkt aus der Krise bringen? Veränderung beginnt im Kopf Die Verbesserung der wirtschaftlichen Widerstandskraft beginnt dabei nicht mit der Einführung organisatorischer und technologischer Neuerungen, sie ist zunächst eine Frage der Mentalität und Denkweise. Entscheider müssen ein realistisches Bild ihrer Organisation haben und neben den Stärken vor allem die aktuellen Schwächen erkennen, denn genau hier liegt Verbesserungspotenzial. Herrscht darüber grundsätzliche Einigkeit, wird der Erfolg eines entsprechenden Projekts maßgeblich von der Fähigkeit bestimmt, agil und angemessen auf unvorhergesehene Ereignisse reagieren zu können. Analytics und KI als resilienter Mehrwert Resilient zu sein, das bedeutet, auch in unvorhersehbaren Situationen adäquat, faktenbasiert und schnell entscheiden zu können. Banken, die Analytics und KI einsetzen, um ihre Geschäftsdaten auszuwerten, gelangen zu Erkenntnissen, die wiederum Basis solcher informierten Entscheidungen sind. Ein weiterer wichtiger Faktor ist Geschwindigkeit. Krisen erfordern oft eine schnelle Entscheidungsfindung unter veränderten Umständen, deswegen sollten die eingesetzten technologischen Lösungen automatisiert ablaufen, Zusammenarbeit unterstützen, flexibel und vor allem skalierbar sein. Um diese Flexibilität und Skalierbarkeit gewährleisten zu können, findet auch bei Banken – die bisher aus nachvollziehbaren Gründen Cloud­Lösungen nur außerhalb des Kerngeschäfts einsetzen – ein allmähliches Umdenken in Richtung einer offenen Cloud­Architektur statt. Sie erlaubt eine beliebige Kombination von proprietären und frei verfügbaren Tools und gewährt jederzeit den Zugriff auf sämtliche verfügbaren Kapazitäten. Diese Flexibilität hat vor allem dann Vorteile, wenn neue Analytics­Modelle entwickelt, trainiert (Stichwort Machine Learning) und bereitgestellt werden sollen, denn das erfordert über einen gewissen Zeitraum mehr Rechenleistung, die dann je nach Bedarf dazugebucht und später wieder reduziert werden kann. Kontrollierte Intelligenz Nützliche analytische Modelle zur Datenanalyse entstehen nicht durch simples Ausprobieren. Ihre Entwicklung muss über wiederholbare, kontrollierte und agile Prozesse erfolgen. DataOps­ und ModelOps­Frameworks machen dieses Vorgehen effizienter. Durch eine permanente und automatisierte Überwachung und Dokumentation aller existierenden Modelle stellen sie sicher, dass diese schnell und an den richtigen Stellen an neue und unvorhergesehene Ausgangsbedingungen angepasst werden können, wie sie beispielsweise auch während einer Krise auftreten. Das erhöht nicht nur die gesamtbetriebliche Resilienz, sondern auch die Widerstandsfähigkeit und Güte der genutzten Analytics. Analytics für alle Abteilungen Damit die Modelle einen echten Mehrwert bringen können, müssen alle Mitarbeiter die Möglichkeit haben, ihre Expertise in die Modelle einfließen zu lassen. Der Kundenberater weiß beispielsweise aus erster Hand, was bei den Kunden ganz oben auf der Agenda steht, und muss diese Erfahrungen auch einbringen. Datenbasierte Entscheidungen sind gerade in Krisenzeiten zu wichtig, um sie nur Technikspezialisten und Data Scientists zu überlassen. Wer neben Self Services und benutzerfreundlichen Oberflächen auch die Transparenz der genutzten Modelle sicherstellt, gibt allen Mitarbeitern die Möglichkeit, sich zu beteiligen. Damit fördert er nicht nur eine Kultur der Selbstständigkeit und Innovation, sondern verbessert gleichzeitig auch die Qualität der entwickelten Modelle, bzw. Modellsysteme.