An fehlenden Daten liegt es nicht

Der Bankkunde im Visier von Künstlicher Intelligenz

| Autor / Redakteur: Xavier Guerin* / Ulrike Ostler

Im Bankwesen wird ein Dienstleistungsangebot, das zu spät zum Kunden kommt, gleich schlecht bewertet - sei es fünf Tage oder nur fünf Minuten. KI soll helfen.
Im Bankwesen wird ein Dienstleistungsangebot, das zu spät zum Kunden kommt, gleich schlecht bewertet - sei es fünf Tage oder nur fünf Minuten. KI soll helfen. (Bild: gemeinfrei - PIRO4D/Pixabay / CC0)

Laut IDC sind die Ausgaben für Künstliche Intelligenz (KI) und Cognitive Computing in den vergangenen zwölf Monaten weltweit um mehr als 50 Prozent auf geschätzte 19,1 Milliarden Dollar gestiegen. Führend bei den KI-Investitionen ist derzeit der Finanzdienstleistungssektor, wobei der Schwerpunkt auf Echtzeit-Transaktionsanalysen, intelligenter Betrugserkennung, algorithmischem Handel und KI-verwalteten Fonds liegt.

Banken und Finanzinstitute beginnen, das inhärente Potenzial von KI zu erkennen, insbesondere wenn es darum geht, neue Geschäftsfelder durch bessere und individuellere Kundendienstleistungen zu erschließen. Also liegt der eigentliche Reiz Künstlicher Intelligenz darin, dass die Technologie weit über die Grenzen des traditionellen Rechnens hinausgeht und in die Bereiche des Verstehens und Extrahierens von Mehrwert aus den riesigen heutigen Datenmengen hineinreicht.

Beispielsweise spricht die Macquarie Bank über die Schaffung von Kontrolle und Vorhersagen als Teil der KI-basierten digitalen Banking-Plattform der Bank. Dazu gehört die Bereitstellung von Informationen für einzelne Kunden über ihre Konten und die Verwendung von Analysen, um der Bank einen besseren Einblick in die Kunden zu geben. Bei KI geht es nicht nur um intelligente Automatisierung - es geht um die Erkenntnisse, die aus der Analyse von Daten resultieren.

Maschinelles Lernen ermöglicht es Computern, Daten zu sammeln, um zu lernen, wie eine Aufgabe schneller oder besser erledigt werden kann. Mit dieser Fähigkeit, große Informationsmengen zu sichten und zu verstehen, reduziert maschinelle Lernen im Bankwesen den Zeitaufwand für die Bearbeitung von Kreditverträgen beispielsweise von Hunderttausenden von Arbeitsstunden auf Sekunden. Nur ein Blick auf die unzähligen unterschiedlichen Prozesse in den Banken, die von der Automatisierung profitieren können, zeigt, dass das Einsparungspotential durch künstliche Intelligenz enorm ist.

Der Kontext macht´s

Die meisten Bankgeschäfte sind jedoch kontextabhängig. Kunden können mehrere Konten haben oder verschiedene Services in Anspruch nehmen – für viele Banken ist es nicht leicht sich ein vollständiges Bild von ihren Kunden zu machen.

Für die Kunden ist das Gefühl, dass ihre Bank nicht auf ihre Bedürfnisse eingeht einer der Hauptgründe für Unzufriedenheit. Der Grund, warum Banken es bisher nicht geschafft haben, eine umfassende Kundenansichten aufzubauen, liegt nicht an fehlenden Daten. Die Herausforderung besteht darin, diese Daten effektiv und über verschiedene Silos hinweg zu verwaltet.

Die effektive Nutzung von Daten - basierend auf neuen Technologien wie beispielsweise Graphen-Analyse - ist ein erster Schritt zur Bereitstellung von neuen zusammenhängenden Angeboten. Mit diesem verbesserten Verständnis der Kunden ist es dann möglich, zu untersuchen, wie künstliche Intelligenz angewendet werden kann, um das Verhalten und die Erwartungen der Kunden zu verstehen.

Im Zusammenhang mit PSD2 und Open Banking

Die Einführung von EU-Richtlinien wie PSD2 oder auch Open Banking bedeutet, dass die Banken Kontodaten untereinander und mit Dritten austauschen müssen. Dies sollte es auch vereinfachen, ein umfassendes Bild von jedem Kunden auf der Grundlage seiner tatsächlichen Aktivitäten und Geschichte zu erstellen.

Genau hier wird künstliche Intelligenz besonders interessant. Durch das Erkennen von Mustern im Kundenverhalten auf der Grundlage der von ihnen erzeugten Daten können Banken mehr Empfehlungen an Kunden aussprechen, die tatsächlich ihren Bedürfnissen entsprechen. Indem man sich anschaut, was einem Kunden zu einem ganz bestimmten Zeitpunkt geschieht (anstatt über das mögliche Verhalten einer ganzen Zielgruppe nachzudenken und was für diese nützlich sein könnte) können Banken ihre Service-Angebote effizienter gestalten und verbessern die Erfolgsaussichten signifikant. Außerdem lassen sich durch Automatisierung und künstliche Intelligenz weitere Angebote identifizieren, von denen Kunden profitieren können. Und nicht zuletzt lässt sich auch die Nutzung dieser Angebote vereinfachen.

Es ist um ein Vielfaches wahrscheinlicher, dass ein Kunde einen Service oder ein Angebot erneut nutzt, welches einfach zu bedienen und wirklich hilfreich ist. Die Vorteile der KI liegen auf der Hand. Nichtsdestotrotz müssen sich die Banken, die künstliche Intelligenz stärker einbinden wollen, auch mit den zugrundeliegenden Technologien - die die dies erst ermöglichen - mehr Aufmerksamkeit schenken.

Die Right-Now-Wirtschaft

Durch das rasante Wachstum der mobilen und Web-basierten Anwendungen, gibt es heute eine riesige Zahl an Kunden, die über ihren PC, ihr Smartphone oder Tablet auf Bankdienstleistungen zugreifen möchten - jederzeit und überall. In der heutigen schnelllebigen Right-Now-Wirtschaft erwarten Kunden eine sofortige, integrierte und nahtlose Benutzererfahrung. Anbieter die hier nicht liefern, werden sofort links liegen gelassen.

Oft ist der komplexeste Teil einer KI nicht die Entwicklung des Algorithmus, sondern die Verwaltung der Datenschicht. Für Banken, die sich mit dem Thema neue KI-Anwendungen befassen, merken oft, dass sie sich bei der Implementierung genauso viele Gedanken über das Daten-Management machen müssen, wie über die eigentliche KI. Wie extrahieren sie beispielsweise die benötigten Daten aus traditionellen Kernbankanwendungen, um diese in KI-Technologien erfolgreich einzusetzen?

In den meisten Unternehmen wurden (und werden) Daten in der Vergangenheit oft völlig unstrukturiert erfasst. Im Bankwesen sind Kundeninformationen häufig auf mehrere Konten und somit in vielen Silos verteilt. Es kann durchaus schwierig sein, wichtige Informationen aus diesen Daten herauszuholen, um Einblicke in das Kundenverhalten zu gewinnen und eine individuellere Kundenerfahrung zu ermöglichen.

Single Customer View

Plattformen mit der Möglichkeit, eine Single Customer View (SCV) aus verschiedenen internen Datenquellen zu erstellen, sind in der Lage, einzelne Kunden leichter zu identifizieren. Sie helfen nicht nur bei der Einhaltung von Compliance und Datenschutz, sondern geben auch den Kundenbeziehungen zum Unternehmen einen Kontext, so dass personalisierte CX-Lösungen geliefert werden können.

Um die Konzeption und das Angebot neuer Services zu ermöglichen, müssen die Daten zuverlässig verwaltet werden und immer verfügbar sein. Ausfallzeiten kosten Banken Summen in Millionenhöhe. Daher ist es notwendig, dass kritische Anwendungen jederzeit Zugriff auf Daten haben. Eine solide Datenstruktur, die jeden Single Point of Failure in jeder Art von Multi-Cloud und/oder On-Premise-Architektur eliminiert, ist unerlässlich.

Ebenso wichtig ist der Echtzeit-Zugriff auf den Daten. In Kombination mit internen Kundendaten können Echtzeitfähigkeiten und Transaktionsanalysen einen sofortigen Einblick in das Kundenverhalten geben und den Banken sagen, wann jemand beispielsweise für Produktmarketingmaßnahmen empfänglich sein oder wann er mit einem Service unzufrieden sein könnte. Diese Informationen verschaffen den Banken mit der entsprechenden Infrastruktur einen Wettbewerbsvorteil, wenn es darum geht, personalisierte Empfehlungen, Support und sogar innovative neue Dienstleistungen anzubieten.

Wissen, was los ist - oder sich ankündigt

Die Analyse der Daten ist wichtig, um die Bedürfnisse der heutigen, stark vernetzten Right-Now-Kunden zu erfüllen. Im Bankwesen ist die Fähigkeit, schnell auf Probleme wie Fehler und Betrug zu reagieren, unerlässlich.

Dies bedeutet: Die Finanzinstitute müssen in der Lage sein die Datenlandschaft in jedem Moment zu verstehen. Ohne diese Echtzeit-Einsicht wird das Kundenerlebnis schlechter und Probleme werden zu spät erkannt. Im Bankwesen wird ein Dienstleistungsangebot, das zu spät zum Kunden kommt, gleich schlecht bewertet - seien es fünf Tage oder nur fünf Minuten.

Für internationale Banken, ist es wichtig, dass Kunden ihre Informationen sofort von jedem Standort aus abrufen können. Das bedeutet aber auch, dass die Daten überall zugänglich sein müssen. Um dies zu erreichen, ist es notwendig, eine Datenplattform zu verwenden, die weit verteilte Daten verwalten kann und die Daten über alle verwendeten Server-Infrastrukturen hinweg repliziert und synchronisiert, unabhängig davon, ob diese bei einem Cloud-Provider, im eigenen Rechenzentrum oder in einer Kombinationen aus beidem gehostet werden.

Autor Xavier Guerin: „Der Grund, warum Banken es bisher nicht geschafft haben, eine umfassende Kundenansichten aufzubauen, liegt nicht an fehlenden Daten. Die Herausforderung besteht darin, diese Daten effektiv und über verschiedene Silos hinweg zu verwalten.“
Autor Xavier Guerin: „Der Grund, warum Banken es bisher nicht geschafft haben, eine umfassende Kundenansichten aufzubauen, liegt nicht an fehlenden Daten. Die Herausforderung besteht darin, diese Daten effektiv und über verschiedene Silos hinweg zu verwalten.“ (Bild: Datastax)

Die Datenmenge, die Art der Daten und die Geschwindigkeit, mit der Daten erzeugt werden können, nehmen heute exponentiell zu. Herkömmliche Systeme sind oft nicht in der Lage, massive Datenzuwächse zu verarbeiten und sind nicht immer adaptiv aufgebaut. Moderne Datenplattformen müssen daher in der Lage sein, Daten mit kontinuierlicher und vorhersehbarer Skalierbarkeit zu verwalten.

Datenplattformen mit integrierter Analyse können Banken auch bei der Planung zukünftiger Architekturen helfen, indem sie verstehen, wo die Finanzdienstleister Flexibilität und Skalierbarkeit einbauen müssen. Datenmanagement ist eine grundlegende Schicht der KI-Technologie und Unternehmen, können heute schon mit ihren Entscheidungen bezüglich der IT-Struktur sich auf die KI von morgen vorbereiten.

* Autor Xavier Guerin ist Vice President Western Europe bei Datastax.

Kommentare werden geladen....

Was meinen Sie zu diesem Thema?

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45488432 / Daten)