Der Bankensektor wird durch künstliche Intelligenz grundlegend verändert. In einem Bericht von PYMENTS aus dem Jahr 2024 geben 72 % der Finanzverantwortlichen in den USA an, dass ihre Abteilungen bereits KI einsetzen, während dieser Anteil im Vereinigten Königreich laut der Bank of England mit 75 % sogar noch höher liegt.
Eine verstärkte Abhängigkeit von KI-Tools – insbesondere von generativer KI – ist nicht ohne ein gewisses Risiko; schließlich bringen neue Technologien fast immer neue Schwachstellen mit sich. Doch die Anwendungsfälle für KI werden täglich vielfältiger. Für Banken und andere Finanzinstitute ist KI mittlerweile eindeutig ein zentraler Bestandteil der digitalen Transformation und der Schlüssel zur Erreichung (und Aufrechterhaltung) operativer Exzellenz.
Doch in welchen operativen Bereichen birgt KI das größte Transformationspotenzial? Und wie können Banken ihren ROI aus KI-Lösungen maximieren? Lesen Sie weiter, um mehr über die Zukunft der KI im Bankwesen zu erfahren.
Sechs Möglichkeiten für Banken zur Nutzung von KI für operative Exzellenz
Der Bankensektor hat hohe Erwartungen an die KI. Laut dem Forrester-Bericht 2024 erwarten 44 % der Führungskräfte eine Steigerung der Produktivität, 44 % rechnen mit einem Anstieg des Umsatzwachstums und weitere 38 % glauben, dass KI Innovationen vorantreiben wird. Die Frage ist, wie Banken diese Statistiken in die Praxis umsetzen.
1 – Prozessautomatisierung und -effizienz
Einer der wichtigsten Vorteile, den KI Finanzdienstleistungsunternehmen bietet, ist die Möglichkeit zur Automatisierung und Optimierung sich wiederholender Prozesse, wodurch Mitarbeiter entlastet werden und sich auf komplexere Aufgaben konzentrieren können, die menschliches Eingreifen erfordern. Beispielsweise können Banken KI zur Delegation von Aufgaben mit hohem Volumen und geringem Risiko an Robotic Process Automation Bots (RPAs) einsetzen: Software-Roboter, die für die Ausführung von Aktionen wie das Klicken auf Schaltflächen, das Übertragen von Dateien oder die Eingabe von Finanzdaten trainiert sind. RPA-Bots werden nicht müde und verlieren nicht den Fokus, sodass sie die Fehlerquote reduzieren und die Engpässe beseitigen, die häufig durch langsame, einfache Aufgaben verursacht werden.
Banken nutzen KI auch für eine intelligentere Automatisierung, beispielsweise durch den Einsatz intelligenter Dokumentenverarbeitungs-Tools zur Optimierung arbeitsintensiver KYC-Prozesse. Eine solche KI-Lösung kann Kundendaten aus Ausweisdokumenten und anderen relevanten Nachweisen sehr schnell extrahieren und validieren, wodurch Due-Diligence-Prozesse vereinfacht und gleichzeitig die Betriebskosten gesenkt werden.
2 - Risikomanagement und Betrugserkennung
In ähnlicher Weise werden KI-Anwendungen bereits für das Risikomanagement eingesetzt. Algorithmen des maschinellen Lernens können Diskrepanzen bei Transaktionen und im Kundenverhalten aufdecken, helfen betrügerische Aktivitäten zu erkennen und ermöglichen es Banken, schnell auf Bedrohungen durch bösartige Akteure zu reagieren.
KI-gestützte „Liveness-Checks“ werden ebenfalls in biometrische Sicherheitsprotokolle integriert. Diese Überprüfungen stellen mithilfe von 3D-Mapping und Bewegungsanalyse sicher, dass es sich bei der identifizierten Person um einen Menschen handelt, der überprüft werden kann (d. h. kein Deepfake oder Betrüger).
3 – Kundenerfahrungen und Bewertungen
In den letzten Jahren haben sich Tonfall und Effizienz der dialogorientierten KI sprunghaft verbessert. Heute werden KI-gestützte Chatbots im Bankensektor in großem Umfang eingesetzt, um die Verfügbarkeit des Kundenservices zu verbessern. Diese Tools wurden mit Hilfe von Large Language Models (LLMs) trainiert und können einfache Kundeninteraktionen bearbeiten, die Absichten der Nutzer verstehen und auf eine Reihe von Anfragen, z. B. „Wie hoch ist mein Kontostand?“ oder „Wie hoch war meine letzte Einzahlung?“, antworten.
KI-Systeme verändern ebenfalls die Art und Weise, wie Banken mit Kundenfeedback umgehen. Mit Hilfe der Stimmungsanalyse können Finanzinstitute eine große Menge an Bewertungsdaten über mehrere Plattformen hinweg auswerten und wichtige Trends in der Kundenerfahrung ableiten.
4 – Einhaltung von Vorschriften und Berichterstattung
Die regulatorischen Anforderungen für den Bankensektor ändern sich ständig, doch KI-Tools reduzieren den Kosten- und Arbeitsaufwand für die Einhaltung dieser Vorschriften deutlich. Beispielsweise identifizieren RegTech-Lösungen verdächtige Aktivitäten in Echtzeit, gewährleisten die ständige Einhaltung von Geldwäschebekämpfungsrichtlinien und KYC-Vorschriften und melden Verstöße gegen regulatorische Anforderungen, damit sofortige Maßnahmen ergriffen werden können.
Immer mehr Banken setzen auch KI-Tools zur Automatisierung des Berichtsprozesses ein. Diese Tools können mit benutzerdefinierten Berichtsvorlagen gefüttert werden, um sicherzustellen, dass die richtigen Daten abgerufen und in einer markengerechten, verständlichen Form präsentiert werden. Diese Anwendung der KI minimiert menschliche Fehler, reduziert den Ressourcenaufwand für zeitaufwändige manuelle Berichterstellung deutlich und stellt sicher, dass Banken keine Strafen aufgrund mangelnder Genauigkeit, Vollständigkeit und Aktualität ihrer Berichterstattung zahlen müssen.
5 – Entscheidungsfindung und Strategie
Durch fortschrittliche Datenanalyse und intelligente Prognosen ermöglichen KI-Tools den Finanzinstituten, datengestützte Entscheidungen zu treffen, mit denen sich Risiken proaktiv verwalten und verringern lassen. Erkenntnisse, die aus dieser Art von KI-Technologie gewonnen werden, können nicht nur die Anlagestrategie von Portfoliomanagern vorantreiben, sondern auch alltägliche Prozesse im Privatkundengeschäft, z. B. die Kreditvergabe, die Kreditgenehmigung und die Prüfung der Kreditwürdigkeit, revolutionieren.
Die Szenario-Modellierung geht noch einen Schritt weiter. Mithilfe von KI werden hypothetische Zukunftsszenarien (wie eine neue Präsidentschaft oder ein Cyberangriff) und deren Auswirkungen auf die Finanzleistung simuliert. Banken können diese Prognosedaten dann für Stresstests verschiedener Strategien zur Widerstandsfähigkeit nutzen und sich so besser gegen reale Risiken absichern.
6 – IT-Betrieb und Cybersicherheit
Eine robuste IT-Infrastruktur ist das Rückgrat des modernen Bankwesens, und die Implementierung von KI hat viele Vorteile, wenn es um die Stärkung der Cybersicherheit geht. KI-Netzwerk-Tools analysieren eine riesige Datenmenge – einschließlich Netzwerkverkehr und Transaktionsdaten – und erkennen ungewöhnliche oder anomale Aktivitäten, die auf eine Cyber-Bedrohung wie einen unbefugten Zugriff hinweisen könnten.
In ähnlicher Weise überwachen Tools für die vorausschauende Wartung die Leistungsdaten des Systems und zeigen mögliche Hardware- oder Softwareausfälle im Voraus an, sodass vorbeugende Maßnahmen ergriffen werden können. Einige KI-Systeme verfügen sogar über Selbstheilungsfunktionen, die kleinere Probleme ohne menschliches Eingreifen beheben können.
Der Schlüssel zur erfolgreichen Implementierung von KI im Bankwesen
Banken investieren in KI, stehen aber auch unter erheblichem Druck, den Nutzen dieser Investitionen nachzuweisen. Der Wert von KI und Analytik für das globale Bankwesen könnte bis zu 1 Billion US-Dollar pro Jahr erreichen, doch nur 61 % der Bankexperten, die für unseren Prozessoptimierungsbericht 2025 befragt wurden, geben an, dass sie den erwarteten ROI bei ihren KI-Implementierungen erzielen (verglichen mit 73 % in allen Branchen).
Was hindert die Bankenbranche daran, die Vorteile ihrer KI-Investitionen zu nutzen?
Vereinfacht gesagt hängt die Effektivität von KI von der Qualität der Daten und des Geschäftskontexts ab, die sie erhält. Derzeit verfügt die KI nicht über die erforderlichen Informationen, um Banken bei der Erreichung echter operativer Exzellenz zu unterstützen.
Künstliche Intelligenz benötigt kontextuelles Wissen, um ein tiefes Verständnis der Prozesse einer Bank und der einzigartigen Art und Weise, wie die Organisation arbeitet, zu erlangen. Diese Tools müssen die Sichtbarkeit haben, um zu erkennen, in welchen Systemen einzelne Prozesse ablaufen, zu verstehen, wie diese Prozesse interagieren, zu ermitteln, warum Anomalien auftreten, und zu entscheiden, welche Maßnahmen ergriffen werden sollten.