Mit Künstlicher Intelligenz (KI) können Banken schneller Kundendaten auswerten und mit passenden Angeboten reagieren. Im Gegensatz zu ihren US-Pendants nutzen deutsche Institute aber erst vereinzelt diese Technologie.
Banken und Sparkassen setzen Künstliche Intelligenz häufig nur in einzelnen Prozessen gezielt ein. Laut Bain-Studie fehlt es in der Regel an einer Gesamtstrategie.
m.mphoto / stock.adobe.com
"Im Gegensatz zur Deutschen Bank befindet sich der Großteil der Geldhäuser hierzulande beim Tema KI in der Vorbereitungs- oder Testphase, entsprechend können sie noch keine stimmigen Strategien vorweisen", schreibt Michael Sudahl in seinem Bankmagazin-Beitrag "Künstliche Intelligenz wird sinnvoll verknüpft" (Ausgabe 4 | 2021). Um unter anderem für Firmenkunden eine neue Art von Finanzdienstleistungen zu entwickeln, ist die Deutsche Bank eine strategische Partnerschaft mit der Google Cloud eingegangen. Die Kooperation soll dem Institut "einen unmittelbaren Zugang zu führenden Technologien in den Bereichen Datenmanagement, KI und maschinelles Lernen" bringen.
US-Banken sind KI-Vorreiter
Zwar handelt es sich bei diesem Vorstoß nicht um einen Einzelfall, dennoch hängen laut einer Studie des Beratungshauses Bain europäische Banken beim Einsatz von KI-Technologie im internationalen Vergleich zurück. US-Geldhäuser nutzen hingegen verstärkt Tools wie Chatbots, Virtual Agents, intelligente 360-Grad-Kundenplattformen oder automatisierte Prozesse im Risikomanagement sowie bei der Kreditvergabe. KI-Experte und Bain-Partner Christian Westermann attestiert den US-Banken daher einen "mehrjährigen Vorsprung".
Laut der aktuellen Analyse von mehr als 40 führenden Banken in Europa, dem Mittleren Osten, Nordamerika und im asiatisch-pazifischen Raum verfügen die europäischen Institute, darunter auch namhafte deutsche und Schweizer Anbieter, mittlerweile über eine gewisse Erfahrung beim KI-Einsatz. Doch gehörten diese nicht zu den Top-Instituten auf diesem Gebiet.
Westermann fürchtet, dass das zögerliche Verhalten der Banken speziell das Firmenkundengeschäft der europäischen Häuser in Gefahr bringen könnte, "da hier ein globaler Wettbewerb herrscht". Die US-Häuser setzten KI konsequente ein, um die Bedürfnisse ihrer Kundschaft auszuloten und so rascher mit einem Angebot reagieren zu können. Zudem profitierten sie von einem höheren Automatisierungsgrad ihrer Prozesse.
Sparkassen sparen mit KI Ressourcen
Bankmagazin-Autor Sudahl zeigt jedoch, dass auch deutsche Institute nicht völlig tatenlos den Entwicklungen zusehen. "KI unterstützt bereits heute unsere Mitarbeiter in der Firmenkundenberatung", zitiert er Daniel Draenkow, zuständig für das Tema Digitalisierung beim Deutschen Sparkassen- und Giroverband (DSGV). Den Instituten im Bankenverband spare der Einsatz von KI vor allem Zeit und Ressourcen im Backoffice.
Eine Basistechnologie sei etwa die Dokumentenerkennung, mit der einige Sparkassen in einer Pilotversion arbeiten. "Eine KI erkennt die unterschiedlichen Dateitypen, liest in den gesendeten Ausweisen, Handelsregisterauszügen oder Bilanzen die relevanten Informationen aus und überträgt sie in die jeweiligen Systeme", beschreibt Sudahl den Prozess. Als weiteres Einsatzgebiet in der Sparkassenfinanzgruppe nennt der Autor die Geldwäsche- und Betrugserkennung.
Doch laut Bain-Analyse genügen einzelne KI-Anwendungen nicht, um sich ausschlaggebende Wettbewerbsvorteile zu sichern. "Unternehmensweit einheitliche Ziele, eine abteilungsübergreifende langfristige Strategie sowie deren konsequente Umsetzung fehlen bislang", lautet die Kritik der Studienautoren. "Die Strukturierung und Priorisierung der einzelnen Initiativen im Rahmen einer klaren Strategie ist der Schlüssel zum Erfolg beim Einsatz Künstlicher Intelligenz", sagt Westermann.
Mit institutsweiter KI-Plattform automatisieren
Als positives Beispiel führt die Studie die bereits begonnene Automatisierung der Kreditvergabe an. Statt unabgestimmter Initiativen in verschiedenen Geschäftsbereichen müssen sich laut Westermann Banken intern im ersten Schritt auf eine Technologie, eine Plattform und eine Datenbasis verständigen und alles "institutsweit unter Einbindung von Risikomanagement und Compliance zu installieren", rät er. In Phase zwei könnten einzelne Geschäftsbereiche "gezielt wertschaffende Prozesse sowie eventuell auch das Pricing automatisieren". So seien Banken in der Lage, Kunden binnen 24 Stunden einen passenden Kredit anzubieten und abzuschließen, anstatt nach mehreren Tagen oder gar Wochen.