Der Einsatz von KI im Banking – Teil II

Der erste Teil des Beitrags erläuterte am Beispiel von intelligenten Chatbots, Personal Voice Assistants (PVA) und Themen im Bereich Marketing, welchen Mehrwert der Einsatz von KI bietet. Die folgenden Ausführungen erörtern weitere Einsatzfelder von KI in den Bereichen Bonitätsprüfung und Betrugsprävention, Anlageberatung / Vermögensanlage, Compliance und Intelligent Robotic Process Automation.

Bonitätsprüfung und Betrugsprävention

Risikoinformationen wie Bonitätsauskünfte oder Score-Werte zählen zu den wichtigsten Instrumentarien im Bankgeschäft. Auskunfteien aggregieren Daten über das Zahlungsverhalten und die Kreditfähigkeit von Konsumenten und stellen diese Daten in Form von Bonitätsauskünften nachfragenden Unternehmen zur Verfügung. Neben den klassischen Produkten wie Bonitätsauskunft und Scoring bieten die markführenden Auskunfteien verstärkt auch weitere Big-Data-basierte Risikomanagement-Tools an. So werden zur Betrugsprävention im E-Commerce bspw. Geräte-, Identitäts- oder Kontonummern-Checks angeboten [vgl. SCHUFA (2018)].

Die Bonitätsbewertung durch Big Data in Verbindung mit KI bietet neue Möglichkeiten. Zum Beispiel analysiert das Unternehmen Kreditech bis zu 20.000 Datenpunkte über seine Nutzer, die von soziodemografischen Informationen über das Surfverhalten in sozialen Netzwerken bis zu installierten Schriftarten auf dem PC des Nutzers und der Dauer der Ausfüllung eines Kreditantrages auf Webseiten von Kreditechs Tochterunternehmen reichen. Deep-Learning-Methoden zur Profilbildung ermöglichen die Erstellung einer Bonitätsauskunft in Echtzeit.

Bei KI-gestützter Bonitätsprüfung besteht auf Seiten der Kunden das Risiko der Diskriminierung. Falsche Annahmen, Datenqualitätsmängel, Überschreitung der Modellgrenzen oder unsachgemäße Verwendung des Modells können schnell negative Konsequenzen für den Kunden haben. Als Konsequenz können bestimmte Kundengruppen nur erschwert Zugang zu klassischen Bankkrediten finden oder diese nur zu vergleichsweise höheren Kosten angeboten bekommen. Unabhängig davon besteht das Risiko einer solchen Diskriminierung auch bei manueller Kreditantragsprüfung. Im automatisierten Kreditantrag entfällt jedoch die Möglichkeit, dem Bankberater Umstände zu schildern, die trotz gegenteilig indizierender Parameter doch dazu führen könnten, dass der Kredit gewährt wird.

Automatisierte Kreditentscheidung mittels KI bezieht sich vorwiegend auf das Mengengeschäft. D.h., Modellfehler wirken sich schneller bzw. vergleichsweise stärker aus im Vergleich zu menschlichen Fehlentscheidungen. Diese ungewollten Kreditentscheidungen beeinflussen negativ das Portfolio.

Compliance

Bei der Geldwäscheverdachtsprüfung findet eine Analyse strukturierter Datenmengen aus den Transaktionen der Kunden auf Verhaltensauffälligkeiten statt. Mit Hilfe von KI-Methoden lassen sich beispielsweise bisher unerkannte Muster wie Zahlenanomalien und regelmäßige Transaktionen unterhalb der Schwellenwerte erkennen und die Effektivität bestehender Erkennungsregeln durch Rückkopplungsschleifen erhöhen. KI-Techniken eignen sich ebenfalls zur Aufdeckung weiterer Compliance-Verstöße, z.B. ungewöhnliche Buchungen im Kontenplan der Bank. Zusammenfassend erhöhen KI-gestützte Verfahren die Trefferquote und reduzieren gleichzeitig die Anzahl der manuell zu überprüfenden Verdachtsfälle was letztlich zu einer Kostensenkung führt.

Anlageberatung / Vermögensanlage

Ebenfalls im Bereich der Anlageberatung und Vermögensanlage kann KI bei der Entwicklung von Anlagestrategien unterstützen. Aus historischen Daten, z.B. Kurszeitreihen, Unternehmens- oder Bewertungskennziffern, lassen sich mit KI-Methoden bestimmte Muster erkennen und aus diesen unter Vorgabe von Rahmenbedingungen für das jeweils aktuelle Marktszenario konkrete Investitionsentscheidungen ableiten.

Ein Anwendungsbeispiel ist Prämienstrategie mit Artificial Intelligence (AI) der Wallrich Wolf Asset Management AG [vgl. Wallrich Wolf (2018)]. Das eingesetzte System vergleicht die aktuellen Kurse des Euro Stoxx 50, die Volatilität und die Preise der an der Terminbörse Eurex gehandelten Verkaufsoptionen auf den genannten Index mit denen der Vergangenheit. Auf die mit KI-Methoden erkannten Muster werden anschliessend die zuvor mittels intelligenter Computeralgorithmen optimierten Investitionsregeln angewendet.

Banken haben einen umfassenden Überblick über die Transaktionsdaten der gesamten Kunden in ihrem Bestand und können diese mit KI-Techniken verstärkt an der Kundenschnittstelle nutzen. So könnte die Personalisierung und die Adressierung individueller Kundenbedürfnisse, etwa in Form von Next-Best Offer auf Basis vergleichbarer Kundenprofile, noch effektiver erfolgen. Entsprechende Empfehlungen basieren auf Big Data in Verbindung mit KI-Methoden, die unter anderem frühere Käufe und das Kaufverhalten vergleichbarer Kundengruppen berücksichtigen.

Insbesondere wenn die Zahlungsfähigkeit des Kunden bekannt ist und ihm dadurch höherwertige Produkte und Dienstleistungen verkauft werden können, lassen sich über diesen Weg zusätzliche Erträge steigern.

Intelligente Belegbearbeitung

Die manuelle, papierbasierte Verarbeitung von Belegen bei Banken, z.B. Finanz- und Buchhaltungsdokumente, verursacht einen hohen zeitlichen und personellen Aufwand. Da sich zahlreiche Aufgaben insbesondere in der Marktfolge regelmäßig wiederholen, auf festen Regeln beruhen und die zugrundeliegenden Daten einfach digitalisiert und strukturiert werden können, lassen sich viele Vorgänge durch Künstliche Neuronale Netze (KNN) automatisieren, etwa das Erfassen und Verarbeiten von Belegen, das Übertragen von Erkenntnissen beim Kontieren auf neue Buchungssätze sowie der Abgleich von Kontobewegungen mit Ein- und Ausgangsrechnungen. Zum Erfassen von Rechnungsinformationen eignen sich z.B. Natural Language Processing (NLP)-Technologien.

Intelligent Robotic Process Automation (IRPA)

Roboter bestimmen in der Automobilindustrie bereits ganze Produktionslinien: Die Maschinen arbeiten effizient, in gleichbleibender Qualität und sind in Abhängigkeit der technischen Spezifikation flexibel einsetzbar. Diese Eigenschaften lassen sich auf den Dienstleistungs- bzw. Verwaltungsbereich durch Robotic Process Automation (RPA) übertragen. Dabei erfolgt die Bedienung der Anwendungssysteme durch sogenannte Software-Roboter anstatt durch Sachbearbeiter.

Prädestiniert sind Anwendungsfälle, die sich häufig wiederholen, in großer Zahl anfallen, durch Gesetze, Vorschriften oder klar definierte Geschäftsprozesse gesteuert werden und nur wenige von Menschen zu bearbeitende Ausnahmen enthalten. Der Software-Roboter verhält sich wie ein Sachbear­beiter. Das System bedient sich dabei z. B. einer virtuellen Tastatur oder einer virtuellen Maus. Der Software-Roboter dockt sich an die Benutzerschnittstellen und Oberflä­chen der Systeme an und führt die Arbeits­schritte so aus, wie sie bisher der menschliche Sachbearbeiter ausgeführt hat. Wesentliches Merkmal der technischen Lösung ist, dass die bisher eingesetzten Anwendungssysteme weitgehend unangetastet bleiben. Es wird lediglich die Bedienung, die bisher von Sachbearbeitern ausgeführt wurde, von Software abgelöst.

Der Einsatz von KI erweitert das Einsatzgebiet von Software-Robotern. Zu Intelligent Robotic Process Automation (IRPA) zählen Anwendungen, die natürliche Sprachen verstehen, strukturierte und unstrukturierte Daten interpretieren können und über kognitive Lernfähig­keiten verfügen. Ein Beispiel ist die automatisierte Bearbeitung von Kundendialogen zur Vereinbarung von Serviceterminen oder Identi­fizierung von Kundenwünschen in Chatbots. Zum Beispiel setzt die Deutsche Telekom erfolgreich in großem Umfang Software-Roboter für Kundendienstleistungen ein [Abolhassan, F. (2017)].

Das Konzept von IRPA ermöglicht auch den Einsatz mehrerer Software-Roboter in einem Anwendungsfeld. Dazu weist ein Robot-Controller die einzelnen Bearbeitungsfälle weiteren Software-Robotern zu. Er analysiert die Fälle nach inhaltlichen Kriterien, z. B. bei eingehenden E-Mails nach Anhaltspunkten für Beschwerden, Anfragen, Beratungsterminen oder Nutzungshilfen, und stellt die E-Mails zur Bearbeitung den zuständigen Robotern zu.

IRPA-Projekte haben einen hohen Nutzen zur Prozessautomatisierung im Bereich Markt und Marktfolge bei Banken und sollten daher fester Bestandteil der Digitalisierungsstrategie sein. Unbenommen ist dabei, dass es stets Sonderfälle geben wird, die ausgesteuert werden und von Menschen in manuellen Prozessen bearbeitet werden müssen.

Fazit

Die Finanzbranche steht nach wie vor unter erheblichem Veränderungsdruck. Sinkende Margen erfordern nicht nur, Kosten zu senken und Risiken effizient zu managen, sondern zwingen die Institute auch dazu, neue Ertragsquellen zu erschließen. Methoden und Techniken der KI prägen neue Produkte, Dienstleistungen und Geschäftsmodelle. Durch den zielgerichteten Einsatz von KI entlang der gesamten Wertschöpfungskette ergeben sich Potentiale zur Steigerung der Erträge und Erhöhung der Produktivität. Neben den erwähnten Vorteilen der KI-Technologie sind auch die Risiken zu beachten. Ein Risiko besteht zum Beispiel darin, dass selbstlernende Algorithmen nicht auditierbar sind und die Branche zudem vermehrt von wenigen KI-Spezialisten und Technologieanbietern abhängig wird, die außerhalb des regulatorischen Rahmens tätig sind. Die wachsende Interkonnektivität zwischen Finanzmarkt und Banken kann auch zu systemischen Risiken führen: So verursachten Algorithmen durch eine Manipulation des Volatilitätsindexes Anfang Februar einen Kurssturz an der New Yorker Börse.

Voraussetzung, damit Banken einen Mehrwert von KI-Systemen realisieren können, ist eine gute Datenqualität. Nur eine hohe Datenqualität ermöglicht den intelligenten Systemen, richtige Prognosen und Handlungsempfehlungen abzuleiten.

Der Autor

Prof. Dr. Dirk Neuhaus, MBA ist Professor für Informationssysteme in Finanzdienstleistungsunternehmen an der Hochschule der Sparkassen-Finanzgruppe in Bonn und forscht auf dem Gebiet der Künstlichen Intelligenz.

Kontakt

Prof. Dr. Dirk Neuhaus, MBA
Professur für Informationssysteme in Finanzdienstleistungsunternehmen
Hochschule der Sparkassen-Finanzgruppe
Simrockstr. 4
53113 Bonn

Telefon: (0228) 204 – 9936
Telefax: (0228) 204 – 9939
E-Mail: Dirk.Neuhaus@s-hochschule.de

Verwandte Artikel