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.
56 01 | 2022
56 01 | 2022 Zukunftstrend Intelligent Process Automation (IPA) Wie man RPA und KI erfolgreich miteinander kombiniert Zahlreiche Banken und Finanzdienstleister haben Robotic Process Automation (RPA) in den letzten Jahren erfolgreich eingeführt. Doch in vielen dieser Projekte realisierten Entscheider lediglich schnelle Gewinne. Heute wird es für sie immer schwieriger, geeignete Prozesse für die Automatisierung mit RPA zu finden. Die Kombination aus RPA und Künstlicher Intelligenz (KI) ist ihre Chance, dieser Herausforderung erfolgreich zu begegnen. Aus RPA und KI wird dann Intelligent Process Automation (IPA). Erst die Verbindung von RPA und KI führt zu einer durchgängigen und intelligenten Automatisierung der zahlreichen Routineprozesse im Finanzwesen. RPA kann man als eine Art Software-Roboter bezeichnen, der menschliche Handlungen imitiert, der jedoch genaue Anweisungen benötigt, wo und welche Fachdaten aus Dokumenten und E-Mails extrahiert werden sollen. Dafür muss jede RPA- Aktivität explizit programmiert oder gescriptet werden. Wenn Daten aus strukturierten Quellen verarbeitet werden, arbeitet RPA schnell, präzise und zuverlässig, z. B. bei der Aktualisierung von Kundenstammdaten oder der Übertragung wichtiger Inhaltsdaten in Finanzierungsanträgen. Damit erspart sie Mitarbeitern in Banken und bei Finanzdienstleistern den permanenten Wechsel zwischen unterschiedlichen Anwendungen und vereinfacht auf diese Weise Routineprozesse. Doch wie viele Daten erreichen Unternehmen heute noch strukturiert? Die meisten relevanten Daten befinden sich in unstrukturierten Fließtexten aus E-Mails, Chats sowie den un-
01 | 2022 57 terschiedlichsten Dokumenten und Belegen. Daran scheitert RPA, weil die Position und der Kontext der Fachdaten nicht erkannt werden. Künstliche Intelligenz wiederum kann Daten auch aus E-Mails und eingereichten Belegen und Urkunden extrahieren – ohne explizit dafür programmiert zu sein. Denn KI erkennt die Bedeutungszusammenhänge von Fachbegriffen und lernt eigenständig, sie richtig zuordnen und interpretieren zu können. So lassen sich Daten auch aus unstrukturierten und verteilt liegenden Dokumenten aus verschiedenen Systemen sekundenschnell erfassen und aufbereiten, um sie Mitarbeitern kontextgerecht zur Verfügung zu stellen. Weniger Kosten, mehr Kundennähe mit KI Viele Banken und Versicherungen haben das erkannt. Mehr als 80 Prozent der Führungskräfte halten laut einer KI-Studie von Deloitte aus dem Jahr 2020 KI für den entscheidenden Wettbewerbsfaktor – insbesondere für Themen wie die Personalisierung von Financial Services und die intelligente Prozessautomatisierung (IPA) von kundenzentrierten Abläufen. Finanzdienstleister erfassen Hypothekenkredite und Darlehensanträge teil- oder vollautomatisiert und senken die Bearbeitungsdauer dieser Prozesse einer Analyse der ITyX AG von 2021 zufolge um rund 40 Prozent. Hierbei handelt es sich etwa um Kartenanträge, Mietbürgerschaften, Baufinanzierungsanträge oder allgemeine Korrespondenz in Kundenservice und Backoffice. Doch welchen Reifegrad haben die derzeit angebotenen KI-Lösungen? Welche Services sind tatsächlich effizient? Und wie wirken sich Machine Learning (ML) und KI auf Kunden, Mitarbeiter und Geschäftsmodelle in Banken aus? Mit dem sogenannten „Trendreport AI – Finance“ wurde gemeinsam mit Experten ein Instrument geschaffen, das relevante Anwendungsfelder (Use Cases) für den Einsatz von KI für Banken und Finanzdienstleister identifiziert.
