MEHR EFFIZIENZ DURCH KI: Wie sich Banken mit Künstlicher Intelligenz Wettbewerbs­vorteile sichern

Welche 3 Vorteile sich für Banken durch Künstliche Intelligenz erschließen

_Futurization

Autor: Tim Mack, KI-Experte bei WAVESTONE

Der Druck auf Banken nimmt zu: Digitalisierung, neue Wettbewerber, anhaltende Niedrigzinsen und verändertes Kundenverhalten transformieren den Markt. Künstliche Intelligenz (KI) bietet für Banken großes Potenzial, diesen Herausforderungen erfolgreich zu begegnen. Dabei sind drei Vorteile der KI entscheidend.

Künstliche Intelligenz (KI) bietet für Banken großes Potenzial, Wettbewerbsvorteile zu schaffen

Der Einsatz neuer Technologien kann wichtige Wettbewerbsvorteile im Banking schaffen

Der Einsatz neuer Technologien kann wichtige Wettbewerbsvorteile im Banking schaffen.

KI im Banking: Künftig ein zentraler Wettbewerbsfaktor

Die Finanzbranche befindet sich im Umbruch: Zunehmend drängen neue Wettbewerber auf den Markt, die Kunden oft komplett innovative und digitale Lösungen anbieten. Gleichzeitig verändert die Digitalisierung radikal Nutzungsgewohnheiten und Kundenbedürfnisse. Neben anhaltenden Niedrigzinsen und regulatorischen Herausforderungen kam mit der Corona-Krise für viele Banken zusätzlich der Verlust von Kundennähe hinzu, da sie den physischen Kontakt mit Kunden in Filialen stark reduzieren mussten.

Damit sie den Anschluss nicht verpassen, müssen Banken jetzt in die Umsetzung kommen: Sie sind gezwungen, sich weiterzuentwickeln und digitale Geschäftsmodelle und Prozesse aufzubauen. Um sich der Vielfalt an Herausforderungen zu stellen, wird der Einsatz Künstlicher Intelligenz (KI) im Banking zu einem entscheidenden Wettbewerbsfaktor.

Denn die KI ermöglicht nicht nur die Automatisierung hochkomplexer Aufgaben und Prozesse, sondern kann auch in großem Maß zur Kostensenkung und Effizienzsteigerung beitragen – seit Jahren ein strategisches Ziel der Banken. Höchste Zeit also, dass die Entscheider:innen in den Finanzhäusern sich mit den Vorteilen der KI auseinandersetzen und die innovative Technologie für sich nutzen.

Künstliche Intelligenz in deutschen Banken: Der Status Quo

Die Realität in Deutschland ist ernüchternd: Nur neun Prozent aller Banken im DACH-Raum setzen bislang auf KI-Anwendungen. Das zeigt die Studie „Digital Outlook 2025 Financial Services“, die wir von WAVESTONE mit dem Analysehaus Lünendonk und weiteren Beratungen durchgeführt haben. Noch überraschender: Fast die Hälfte der Finanzhäuser schätzt das Thema zum Zeitpunkt der Studie als irrelevant für ihr Geschäft ein.

Deutsche Finanzinstitute haben beim Einsatz Künstlicher Intelligenz also noch erheblichen Nachholbedarf – insbesondere im Vergleich mit den USA, aber auch einigen chinesischen Banken.

91%

der Finanzdienstleister im DACH-Raum haben bislang noch keine KI-Lösungen implementiert.

Dabei ist die Ausgangslage auch bei uns vielversprechend, denn verglichen mit anderen Branchen verfügt der Bankensektor über sehr große Datenmengen. Vor allem Themen wie Datenschutz, fehlende technische Infrastrukturen, Budgetrestriktionen und der Mangel an qualifizierten Fachkräften mit KI-Kompetenzen scheinen hierzulande allerdings noch Hürden für den Einstieg in die Technologie darzustellen. Dabei bietet Künstliche Intelligenz Finanzhäusern eine Vielfalt ein Einsatzmöglichkeiten.

Einsatzgebiete der KI im Banking

Hinter der KI steckt eine große Anzahl an unterschiedlichen Methoden, Verfahren und Technologien. Genauso vielfältig sind die KI-Anwendungsfälle im Finanzsektor. Sie lässt sich u. a. für folgende Funktionen einsetzen:

  • Analyse und Bewertung großer Datenbestände
  • Automatisierung von Geschäftsprozessen und Aufgaben
  • Kundenverhalten verstehen
  • Einsatz von Chatbots
  • Lösungen zur Betrugsprävention
  • Automatisierung von Bilanzanalysen, Kreditentscheidungen und Kundenbonitätsprüfungen
  • Personalisierung von Marketing und Kundenansprache
  • Erkennung von Trends und Entwicklungen im Finanzsektor

Künstliche Intelligenz im Banking: 3 zentrale Vorteile

Kern des KI-Systems ist dabei ein Modell, das eine bestimmte Fragestellung beantwortet, etwa um Vorhersagen zu treffen oder bestimmte Entscheidung datenbasiert zu stützen. Das kann Entscheider:innen und Mitarbeiter:innen in Banken insbesondere drei Vorteile bieten:

1. Bessere Entscheidungen treffen durch Machine Learning in Banken

Eine besonders gewinnbringende Möglichkeit Künstliche Intelligenz in Banken einzusetzen, ist durch maschinelles Lernen bzw. Machine Learning (ML). Dieser Teilbereich der KI kann Muster und Gesetzmäßigkeiten in großen Datenmengen erkennen. Im Prinzip generieren ML-Systeme also aus Erfahrungen künstliches Wissen. Die erkannten Muster lassen sich wiederum verallgemeinern und dann auf andere Daten übertragen, um weitere Informationen und Problemlösungen zu generieren.

Voraussetzung ist, dass ausreichend Daten vorhanden sind, aus denen die Algorithmen lernen können. Dann können ML-Systeme Zusammenhänge aus bestehenden Daten erkennen und darauf aufbauend Vorhersagen generieren, Daten aufbereiten sowie Empfehlungen und Entscheidungen aussprechen.

Beispielsweise lässt sich durch den Einsatz der ML-Technologie die Kreditwürdigkeit der Kunden bewerten. Das hilft Bankberater:innen bei der Entscheidung, ob eine Person einen Kredit erhält und wie hoch der Kreditzins ausfällt. Sie können durch die KI also schnellere und objektivere Entscheidungen treffen und dafür sorgen, dass sie jeden Kunden möglichst fair behandeln.

Ein Beispiel: Beteiligt sich ein Kunde häufig an Sportwetten, steigt bei ihm die Gefahr eines Kreditausfalls im Vergleich zu Kunden mit den ansonsten gleichen Voraussetzungen. Der Algorithmus des ML-Modells kann solche Daten einbeziehen und lernen, Menschen mit ähnlichen Profilen dennoch in andere Kreditrisikogruppen einzuordnen. Das ist eine zentrale Information für Bankberater:innen.

Auch im Risikomanagement und bei der Betrugserkennung kann KI dazu beitragen, schnellere und bessere Entscheidungen zu treffen. Insbesondere im Bereich Fraud Detection gibt es bereits einige Anwendungsfälle: Die KI hilft hier Muster zu erkennen, um etwa schnellstmöglich automatisiert Verdachtsfällen im Kreditkartenbetrug aufzudecken.

2. Effizienz steigern durch den Einsatz von KI

Neben der effizienteren Entscheidungsfindung kann KI die Effizienzsteigerung auch in anderen Bereichen der Banken unterstützen. So kann sie z. B. die klassische Büroarbeit erleichtern. Dies gilt insbesondere an der Schnittstelle zwischen Papier und PC – etwa, indem sie Handschriften automatisiert erkennt und in ein digitales Format übernimmt oder rechtliche Dokumente validiert. Neben der Zeitersparnis lassen sich so auch Fehler reduzieren.

Weiteres großes Potenzial zur Effizienzsteigerung bietet der Einsatz von KI beim Betrieb von IT-Systemen. So könnten KI-Lösungen die Wartung der knapp 60.000 Geldautomaten in Deutschland unterstützen. Indem Algorithmen Störungen vorhersagen und so Ausfällen vorbeugen, können Banken nicht nur ihre Betriebskosten senken, sondern auch ihre Außenwahrnehmung verbessern.

Darüber hinaus bietet Künstliche Intelligenz großes Automatisierungspotenzial, z. B. bei der Analyse und Optimierung, auch von sehr komplexen Geschäftsprozessen.

Künstliche Intelligenz hilft beim Kundenverständnis

Bankkunden erwarten zunehmend personalisierte Angebote und reibungslosen Service rund um die Uhr

3. Kunden besser kennen & die Kundenzentrierung steigern

Durch KI-Systeme können Finanzhäuser außerdem ein besseres Verständnis über ihre Kunden und deren Bedürfnisse erhalten – und diesen so immer besser gerecht werden. Das ist gerade vor dem Hintergrund der Digitalisierung und den dadurch veränderten Nutzungsbedürfnissen relevant. So können Banken kundenzentriertere Angebote für Privat-, aber auch für Firmenkunden entwickeln.

Zudem kann die komplette Kommunikation mit den Kunden stärker personalisiert und automatisiert werden. Beispielsweise kommen bereits heute Chatbots zum Einsatz. Kennen Banken ihre Kunden und deren drängendsten Fragen, können sie diese damit direkt auf ihrer Webseite beantworten. Die KI hilft somit, den Kundenservice zu entlasten und die Anliegen der Kunden schneller zu klären, um so die Kundenerfahrung maßgeblich zu verbessern.

KI in Banken implementieren: Voraussetzungen & Vorgehen

Die vielen Beispiele machen es deutlich: Künstliche Intelligenz bietet Banken großes Potenzial, um sich von ihren Mitbewerbern abzuheben und Kunden eine positivere Erfahrung zu bieten. Dabei macht sie Mitarbeiter:innen nicht überflüssig, sondern unterstütz sie vielmehr bei ihrer Arbeit, etwa indem sie ihnen zusätzliche Informationen liefert, um objektiver entscheiden zu können.

Will eine Bank nun KI-Systeme erfolgreich in ihre Geschäftsprozesse integrieren, müssen zunächst folgende Voraussetzungen erfüllt sein:

  1. Eine stabile organisatorische und technische Infrastruktur
  2. Umfassende und solide Datengrundlage
  3. Kompetenzen im Bereich Data Science und KI

Es gilt außerdem, eine klare Zielsetzung für das Projekt zu haben und eine KI-Strategie zu definieren aus der hervorgeht, welche Einsatzmöglichkeiten für die KI in der jeweiligen Bank sinnvoll sind und welcher Business Impact erwünscht ist. Erst dann können die passenden Algorithmen für das KI-System zuverlässig ausgewählt werden. Denn neben einer guten Datengrundlage und technischen Infrastruktur ist auch die Wahl des richtigen Algorithmus entscheidend, um sich einen Wettbewerbsvorteil gegenüber anderen Finanzinstituten mit KI-Einsatz zu verschaffen.

Banken müssen tiefgreifende KI-Kompetenzen aufbauen

Gerade Banken haben durch ihre hohe Datenverfügbarkeit beste Voraussetzungen, um durch Künstliche Intelligenz aus Daten Erkenntnisse zu extrahieren sowie kostensparende und effizienzsteigernde Prozessautomatisierungen zu implementieren. Um das enorme Potenzial der KI jedoch vollumfänglich zu nutzen, ist zunächst ein tiefes Verständnis über die zu verwendenden Daten, die jeweiligen Algorithmen, die Probleminstanzen und die Domänen unerlässlich. Banken sollten daher möglichst schnell in den Aufbau von KI-Wissen investieren und die nötigen digitalen Prozesse für den Einsatz der KI in die Wege leiten. Denn eins ist sicher: Künstliche Intelligenz setzt an vielen Stellen der Wertschöpfungskette einer Bank an und verhilft zu operativer Flexibilität. Sie ist somit notwendige Technologie für die Zukunft, um die Herausforderungen der digitalen Transformation zu meistern und künftig innovativeres und effizienteres Banking zu betreiben.

Autor

Tim Mack

KI-Experte bei WAVESTONE

Tim Mack beschäftigt sich neben seinem Beratungsschwerpunkt SAP-Banking mit künstlicher Intelligenz und maschinellem Lernen (ML). Im Rahmen seines Masterstudiums an der WHU hat er zudem an einem feldübergreifenden Klassifikationssystem von ML-Algorithmen für das algorithmische Selektionsproblem geforscht.

EFFICIENT Banken Machine Learning
André Hartung

André Hartung

Associate Partner
andre.hartung@wavestone.eu