Artificial Intelligence in Banking
Alfred Künzle, Swiss Finance Chapter
30.06.2024
Die Zukunft hat begonnen
Algorithmen und maschinelles Lernen revolutionieren die Finanzbranche. Traditionelle Banken stehen vor der Herausforderung, mit innovativen Fintechs und Neobanken mitzuhalten, die AI nutzen, um ihre Dienstleistungen zu verbessern und den Kunden ein einzigartiges Erlebnis zu bieten. In diesem Blogpost schauen wir uns die neuesten Trends und Projekte von Artificial Intelligence in Banking an, und was traditionelle Banken tun können, um auf den Zug aufzuspringen.
Die neuen Stars am Fintech-Himmel
N26, Revolut, Chime und Co: Die Kombination aus modernen Technologien und einem tiefen Verständnis für die Bedürfnisse der heutigen Kunden führt zu bahnbrechenden Innovationen bei den Neobanken, die seit etwa 2013 den Finanzmarkt aufmischen.
N26 nutzt AI für Betrugserkennung, Kundensupport und personalisierte Angebote. Revolut geht noch einen Schritt weiter und analysiert die Ausgaben seiner Nutzer, um automatisch Spesenabrechnungen zu generieren und detaillierte Einblicke in die Struktur der Ausgaben zu gewähren. Chime unterstützt seine Kunden beim automatischen Sparen, während Monzo und Starling Bank die Finanzverwaltung und -optimierung ihrer Nutzer durch AI verbessern.
In der Schweiz drängen Neon, Yuh und Zak als Neo-Banken auf den Markt und locken mit Artificial Intelligence gestützten Banking-Diensten.
Zak ist die App der Cler Bank, einer Tochter der Basler Kantonalbank. Sie soll vor allem junge Kunden ansprechen. Yuh, ein Joint Venture von Swissquote und Postfinance setzt die AI-Software des Waadtländer Unternehmens NetGuardians ein, um automatisiert Finanzkriminalität wie Authorized Push Payment (APP) zu erkennen.
Doch es sind nicht nur die etablierten Fintech-Unternehmen, die von sich reden machen. Ziglu, Lili, Upstart und Jiko sind neue Akteure auf dem Markt, die um 2020 gegründet wurden und von Beginn weg auf Artificial Intelligence in Banking setzen.
Ziglu bietet eine Plattform für den Handel mit Kryptowährungen und nutzt AI für Betrugserkennung und personalisierte Finanzberatung. Lili unterstützt Freelancer und Selbstständige mit automatisierten Finanzmanagement-Tools, während Upstart, ursprünglich eine Kreditplattform, jetzt auch Bankprodukte mit AI-Unterstützung anbietet. Jiko verbindet Bankdienstleistungen mit Investitionen in Treasury-Bills.
Die grosse Innovation
Kreditvergabe, Betrugserkennung und personalisierte Angebote stellen heute noch die Hauptanwendungsgebiete von Artificial Intelligence in Banking dar. Aber das Potenzial von AI geht weit darüber hinaus. Hier sind einige weitere spannende Einsatzbereiche.
Robo-Advisors und Automatisierte Vermögensverwaltung
Unternehmen wie Betterment nutzen AI, um Investmentportfolios automatisch zu verwalten und optimal zu balancieren. Diese Robo-Advisors analysieren Marktbedingungen und individuelle Anlegerprofile, um die besten Anlagestrategien zu entwickeln.
Spracherkennung und Sprachsteuerung
Die Bank of America's virtuelle Assistentin Erica ermöglicht es Kunden, Banktransaktionen per Sprachbefehl durchzuführen und Finanzinformationen abzurufen. Dazu kommen proaktive Benachrichtigungen, die den Nutzern helfen, ihre Finanzen besser zu verwalten.
Risikomanagement und Compliance
SymphonyAI setzt AI ein, um Anti-Geldwäsche (AML) und regulatorische Berichterstattungsprozesse zu automatisieren und zu verbessern. SymphonyAI’s Technologie half Citigroup gemäss Forbes, die Stresstests der Federal Reserve zu bestehen. Und sie hat die falsch positiven Ergebnisse von HSBC in der Geldwäscheiüberwachung um 20% reduziert.
Datenanalyse und Entscheidungsunterstützung
Kensho (japanisch für Erkenne dich selbst) bietet AI-basierte in Partnerschaft mit S&P Global Finanzdatenanalysen und Entscheidungshilfen für Investmentfirmen und Banken. Mittels Analysen grosser Datenmengen können Markttrends identifiziert und verschiedene Marktszenarien simuliert werden.
Prozessautomatisierung und Effizienzsteigerung
Robotic Process Automation (RPA) von Unternehmen wie Automation Anywhere automatisiert repetitive Aufgaben und verbessert die Effizienz von Back-Office-Prozessen. Intelligente Dokumentenverarbeitung und automatisierte Buchhaltung sind nur einige Beispiele.
Cybersecurity und Datenschutz
Darktrace nutzt KI zur kontinuierlichen Überwachung des Netzwerkverhaltens und zur autonomen Reaktion auf erkannte Bedrohungen. Dies schützt Banken vor Cyberangriffen und gewährleistet die Sicherheit der Kundendaten.
Kundenerlebnis und Kundenbindung
Kasisto entwickelt die AI-Plattform KAI, die interaktive Gespräche mit Kunden ermöglicht und personalisierte Finanzberatung bietet. Solche Systeme können die Kundenbindung stärken und das Gesamterlebnis verbessern.
Zeit, auf den Zug aufzuspringen
Auch grosse traditionelle Banken wie JP Morgan Chase und HSBC haben die Zeichen der Zeit erkannt und nutzen KI intensiv, um wettbewerbsfähig zu bleiben und ihre Dienstleistungen zu optimieren.
JP Morgan Chase
setzt KI in verschiedenen Bereichen ein, darunter Vertragsanalyse und Kreditvergabe. Ihr Programm COiN (Contract Intelligence) verwendet maschinelles Lernen, um juristische Dokumente zu analysieren und zu interpretieren, was gemäss FindLaw bereits 2019 360’000 Stunden Legal Work eingespart hat. Ausserdem nutzt die Bank KI, um komplexe Handelsstrategien zu entwickeln und Markttrends vorherzusagen, was ihre Wettbewerbsfähigkeit im Investmentbanking stärkt.
HSBC
ging eine Partnerschaft mit Google ein, bei der HSBC die AI- und Cloud-Technologien von Google nutzte, um ihre Dienstleistungen zu verbessern. Konkret wurden AI-Modelle verwendet, um die Betrugserkennung zu optimieren und das Kundenerlebnis zu personalisieren. Durch den Einsatz von AI-Algorithmen konnte die Bank ihre Fähigkeit zur Identifizierung und Verhinderung von Betrugsfällen erheblich verbessern.
Wie finden traditionelle Banken den Anschluss?
Nun stellt sich die Frage: Was müssen traditionelle Banken tun? Hier sind sechs entscheidende Voraussetzungen, um Artificial Intelligence in Banking gewinnbringend einsetzen zu können
1. Technologische Infrastruktur modernisieren:
Der Umstieg auf Cloud-basierte Systeme und eine robuste Datenarchitektur ist unerlässlich, die IT Sicherheit Pflicht.
2. Datenstrategie entwickeln
Datenintegration und -qualität sind das A und O. Banken müssen in Tools und Prozesse investieren, die grosse Datenmengen analysieren und nützliche Erkenntnisse daraus ziehen können.
3. KI-Kompetenzen aufbauen
Schulungen und Weiterbildungen für Mitarbeiter sowie die Einstellung von Datenwissenschaftlern und Technologieexperten sind entscheidend. Auch Partnerschaften mit Tech-Firmen und Universitäten können den Zugang zu Innovationen erleichtern.
4. Innovative Denkweise fördern
Eine Kultur der Innovation und Veränderungsbereitschaft ist notwendig. Agile Methoden und Pilotprojekte helfen, neue KI-Anwendungen schnell zu testen und umzusetzen.
5. Prozessautomatisierung vorantreiben
Robotic Process Automation (RPA) und AI-gestützte Entscheidungsfindung können die Effizienz und Genauigkeit in vielen Bereichen verbessern, von der Dokumentenverarbeitung bis hin zur Buchhaltung.
6. Partnerschaften und Ökosysteme aufbauen
Die Zusammenarbeit mit Fintech-Unternehmen und die Teilnahme an Branchennetzwerken können Zugang zu Best Practices und neuesten Innovationen bieten.
Fazit
Der Zug hat den Bahnhof bereits verlassen, aber es ist noch nicht zu spät, aufzuspringen.
Und es geht nicht nur darum, den Anschluss zu finden – Ziel ist es, selbst das Steuer in die Hand zu nehmen und die Richtung vorzugeben: begeisternde, professionelle Anwendungen von Artificial Intelligence in Banking mit deutlichem Mehrwert für die Kundinnen und Kunden.
