KI hilft Banken dabei, Datenprozesse kostengünstiger und effizienter zu gestalten. Sie ist damit zu einer wettbewerbsentscheidenden Anwendung geworden. Warum, erklärt Technologieexperte Bastian Schulz.
Künstliche Intelligenz vereinfacht das Datenmanagement in Banken und hilft dabei, Zeit und Kosten zu sparen.
fotomek / stock.adobe.com
Systemlösungen auf Basis Künstlicher Intelligenz (KI) sind für Banken äußerst zukunftsträchtig. Riesige Datenmengen, das Gold der Neuzeit, lassen sich mit ihr bewältigen. Bei den Instituten sorgt KI für schnelle, effiziente und fehlerfreie Unternehmensprozesse. Das automatisierte Dokumentenmanagement mit geringeren Fehlerquoten führt dort zu besserer Datenqualität, höherer Wirtschaftlichkeit und verbesserten strategischen Entscheidungen. Bei speziellen und komplexen Anforderungen wie notleidenden Krediten kann sich die Anwendung bereits zuverlässig beweisen.
KI sorgt für mehr Umsatz bei weniger Kosten
Finanzinstitute unterliegen eminent hohen Dokumentations- und Rechnungslegungspflichten und müssen ein umfangreiches Portfolio an unterschiedlichsten Verträgen managen – und zwar nicht nur für ihre Kunden, sondern auch gegenüber anderen Banken, Partnern, Ämtern und Behörden. Dabei zeigt sich das Anforderungsprofil an eine Künstliche Intelligenz schon sehr deutlich: Eine schnelle und genaue Datenabstraktion, die mittelfristig weniger Administration erforderlich macht und somit mehr Umsatz bei geringeren Kosten ermöglicht.
Die wachsende Bedeutung des Themas wird nicht zuletzt dadurch belegt, dass sich die Bundesanstalt für Finanzdienstleistungsaufsicht, Bafin, der Künstlichen Intelligenz Mitte 2018 bereits mit großer Aufmerksamkeit gewidmet hat. So schrieb das Bafin-Journal, basierend auf einer Studie, an der auch Experten der Boston Consulting Group (BCG) und des Fraunhofer-Instituts für Intelligente Analyse- und Informationssysteme (IAIS) mitgewirkt haben: Aus Perspektive des Marktes bieten Big Data und Künstliche Intelligenz den Marktteilnehmern "erhebliche Wettbewerbschancen". Zu erwarten sei insbesondere eine stärkere Entkoppelung von Kundenschnittstelle und Kernprozessen, angetrieben von veränderten Kundenerwartungen.
Die Unternehmen haben die Chancen des Machine Learning für die routinemäßige Extraktion, Strukturierung und weitergehende Verarbeitung von Daten offenbar erkannt: Laut einer aktuellen Studie des Digitalverbandes Bitkom wird KI bereits von zwölf Prozent der Unternehmenslandschaft eingesetzt. Jeder zweite Befragte geht davon aus, dass maschinelles Lernen aktuelle Geschäftsmodelle tiefgreifend verändern wird. Zu den größten Vorteilen zählen vor allem die Steigerung der Produktivität (47 Prozent).
Die Fähigkeiten der KI steigen ständig
Schon längst geht es aber nicht nur darum, Daten aufzufinden, sondern Zusammenhänge zu erkennen: Die Anwendungsbreite im Bankensektor reicht aktuell von der Analyse einfacher Kreditverträge bis hin zu komplexen Vertragswerken zwischen globalen Bankkonzernen. Schnell kommen da Millionen von rechtlich und finanziell relevanten Datenpunkten zusammen, die es alle im Auge zu behalten gilt.
Währenddessen wachsen die Herausforderungen an die Systeme – im Bankensektor etwa bei den Entwicklungen rund um die so genannten notleidenden Kredite. Diese sogenannten Non-Performing Loans (NPL) stellen ein hochkomplexes Vertragsgebäude dar, mit Myriaden von Dokumenten wie Kreditvereinbarungen, Besitzurkunden, Planungsgenehmigungen und vielen anderen mehr.
Ihre Bearbeitung für Transaktionen bindet unglaublich hohe personelle Ressourcen, die Analyse erfordert einen immensen Aufwand an letztlich teurer Managementzeit und verursacht hohe operative Kosten. Und: Trotz alledem kommen immer noch Transaktionen in den Markt, die keinen vollständigen Überblick über die Portfolioinhalte und -details mit sich bringen – und daher zum Scheitern verurteilt sind. Gerade der oftmals sehr lange dauernde Analyseprozess und das Fehlen vollkommener Portfoliotransparenz tragen zum Nichtzustandekommen entsprechender Käufe beziehungsweise Verkäufe bei. Umso mehr als gerade potenzielle Investoren sehr schnell ausreichende Sicherheit über die Inhalte und damit auch den Wert der Portfolios benötigen.
KI-Lösung als zuverlässiger Turbo-Helfer
Hier kann KI jetzt ihre Stärken ausspielen. Was bisher aufwändig manuell erfolgen musste, können jetzt selbstlernende Algorithmen übernehmen: Für die schnelle, präzise und effiziente Bereitstellung der notwendigen Kreditinformationen werden zunächst Datenmodelle zu den einzelnen Kreditverträgen erstellt. Auf Basis der definierten relevanten Datenpunkte extrahiert die KI dann automatisiert sämtliche Vertragskonditionen aus der umfangreichen Dokumentengrundlage und hilft dabei, das erforderliche Inventar zu erstellen.
Bereits nach wenigen hundert Trainingsdokumenten lassen sich dabei Erkennungsraten von weit über 90 Prozent bei bis zu 75 Prozent Zeitersparnis bei der Datenerfassung und -extraktion erzielen. Der gesamte Prozess, vom Aufsetzen der einzelnen Datenmodelle bis zur Einsatzbereitschaft der KI-Lösung im Regelbetrieb, nimmt dabei nur wenige Wochen in Anspruch.
Mit der so gewonnenen Transparenz über Inhalte und damit auch Werte von Kreditportfolios lassen sich Unsicherheiten und Risiken signifikant minimieren und erfolgskritische Investitionsentscheidungen auch unter Zeitaspekten deutlich optimieren. Und das ist ohne Frage ein Durchbruch im modernen Datenmanagement.