Skip to main content
Top

18-10-2018 | Bank-IT | Schwerpunkt | Article

Künstliche Intelligenz sorgt für mehr Effizienz

Author: Barbara Bocks

3 min reading time

Activate our intelligent search to find suitable subject content or patents.

search-config
print
PRINT
insite
SEARCH
loading …

Künstliche Intelligenz gehört zu den wichtigsten Zukunftstechnologien aller Branchen. Wo und wie die Kreditinstitute diese bereits heute einsetzen und was sie dabei beachten müssen. 

Das Internet der Dinge, Künstliche Intelligenz (KI), 3D-Prints und die Blockchain haben das Potenzial, die Art, warum und wie Menschen handeln, tiefgreifend zu verändern. Das schreibt unter anderem die Welthandelsorganisation (WTO) in ihrem jährlichen "World Trade Report", der im Oktober 2018 veröffentlicht wurde. Aus Sicht der Autoren kann KI dabei helfen, die Effizienz in der Produktion von Gütern und Dienstleistungen zu erhöhen und die Innovation fördern. Auch zahlreiche Geldhäuser haben das KI-Potenzial für ihre IT erkannt. "Die LBBW beschäftigt sich bereits seit 2014 mit der Fragestellung, wie Datenanalysen durch mathematische Algorithmen und statistische Verfahren optimiert werden können", sagt Kilian Retter, Leiter der Gruppe Data Analytics und Online Marketing der Baden-Württembergischen Landesbank (LBBW), gegenüber Springer Professional. Heute setzt die Landesbank laut Retter eine Smart-Data-Plattform ein, die entsprechende Antworten aus unterschiedlichen Themenfeldern datengetrieben liefert.

Editor's recommendation

2019 | Book

Künstliche Intelligenz

Mit Algorithmen zum wirtschaftlichen Erfolg

Dieses Buch soll dabei helfen, die neuen Technologien und Anwendungspotenziale der Künstlichen Intelligenz besser zu verstehen und einzuordnen. Es vermittelt grundlegende Kenntnisse sowie Anwendungsbeispiele. 

Auch Goldman Sachs baut für manche Prozesse auf KI. Die Bank implementierte im Jahr 2015 eine Plattform mit vielseitiger Suchfunktion, berichtet Christian Kemper, stellvertretender Chefredakteur des Bankmagazin, im Beitrag "In intelligente Services investieren" der Februar-März-Ausgabe. "Elasticsearch" heißt das Tool, das Mitarbeiter der amerikanischen Investmentbank unter anderem dazu verwenden, den Handel zu überwachen, Anomalien und Fehler zu erkennen sowie Verträge zu analysieren. Für die manuelle Analyse der Vertragsunterlagen bräuchte es mehrere Teams aus der Rechtsabteilung, erklärt Michael Down, Senior Solutions Architect bei Elastic, der das Tool entwickelt hat, in dem Artikel.

KI hilft bei gezielter Kundenansprache 

Die LBBW setzt laut Retter im Privatkundengeschäft analytische Modelle ein, die basierend auf Mustern aus Produktnutzung und Kundensituation den individuellen Bedarf an Bankdienstleistungen bewerten. "Damit werden Kunden gezielt zu Themen angesprochen, die in ihre aktuelle Lebenssituation passen", so Retter weiter. Dabei beschränke sich das Geldhaus auf Daten, deren Nutzung der Kunde ausdrücklich zugestimmt hat.

Im Unternehmenskundengeschäft nutzt die LBBW KI-Verfahren für die automatisierte Bilanzanalyse. "Dabei werden mehrere hundert Bilanzen durch Textmining-Verfahren automatisch in die richtige Branche klassifiziert und aus Tabellen und Fließtexten Finanzkennzahlen extrahiert", sagt Retter. Diese Methoden könnten beispielsweise auch im Vertragswesen verwendet werden. Die Bank plant Retter zufolge zudem KI zum Schutz vor Betrugsfällen im Zahlungsverkehr oder im Bereich Compliance einzusetzen. Erste Überlegungen und Schritte wurden laut Experte in einzelnen Bereichen dazu bereits unternommen.

KI braucht Big-Data-fähige Plattform 

Am Anfang des Einsatzes von KI steht für Retter die Auswahl einer geeigneten Big-Data-fähigen Plattform, die es möglich macht, datengetriebene Modelle aufzubauen. "Dabei muss die vollständige Transparenz der Verarbeitungsschritte, vom Datenmanagement über die Modellerstellung bis hin zur Verarbeitung in den Folgeprozessen immer gegeben sein", sagt Retter. Grundvoraussetzung sei zudem, dass die Mitarbeiter im KI-Umfeld einen mathematischen und IT-technischen Hintergrund mitbringen. Zu Beginn ist es aus Sicht des Experten sehr hilfreich, kleinere und weniger komplexe Fragestellungen umzusetzen, um am praktischen Beispiel lernen zu können.

In einem Bericht mit Checkliste für KI-Projekte unterscheidet Guido Zimmermann von LBBW Research zwischen drei Arten von künstlicher Intelligenz:

  • Low-level KI: Intelligenz als Nebenprodukt einer Datenkompression
  • Mid-level KI: Asymptotisches Herantasten maschineller Intelligenz an menschliche Intelligenz, aber maschinelle Intelligenz < menschliche Intelligenz
  • High-level KI: Maschinelle Intelligenz > menschliche Intelligenz

Bei der künstlichen Intelligenz gibt es laut des WTO-Berichts allerdings noch einige technische Herausforderungen, bis die Maschinen kognitive Fähigkeiten entwickeln, die Menschen oft ohne nachzudenken nutzen, wie das Wahrnehmen und Navigieren durch die physische Umgebung.

print
PRINT

Related topics

Background information for this content

Related content