Machine-Learning- und KI-Projekte in Banken Eine professionelle Datenbasis ist die wichtigste Grundlage

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Insider Research

Fivetran Germany GmbH

Für die Entwicklung hochwertiger KI-Anwendungen benötigen Banken sowohl passende Use Cases als auch eine professionelle Datenbasis. Eine aktuelle Studie der Unternehmensberatung Cofinpro und der VÖB-Service GmbH zeigt, worauf es konkret ankommt.

Für die Studie „KI in Banken: Machine-Learning-Studie 2023“ wurden 380 Experten von Finanzdienstleistern befragt. Davon sind mehr als die Hälfte Führungskräfte. Demnach halten rund drei Viertel der Entscheider solide und qualitativ hochwertige Daten für den wichtigsten Erfolgsfaktor bei der Entwicklung hochwertiger KI-Anwendungen. Doch genau hier hapert es: Knapp zwei Drittel der Teilnehmer beklagen fehlende oder qualitativ schlechte Daten.

„Die häufig eingeschränkte Verfügbarkeit und Qualität relevanter Daten erschwert eine wertschöpfende Nutzung“, erklärt Lukas Fischer, Senior Consultant und Data Scientist von Cofinpro. Die Institute hätten bereits seit Jahren mehr Zeit in die Aufbereitung ihrer Daten investieren müssen, waren aber stattdessen mit regulatorischen Pflichtaufgaben beschäftigt. „Das rächt sich jetzt“, stellt Fischer fest. Angesichts der zunehmenden Bedeutung von KI- und Machine-Learning-Anwendungen müsse nun die unternehmensweite Datenkonsolidierung vorangetrieben werden. Verteilte Daten aus verschiedenen Anwendungen und organisatorisch getrennten Bereichen sind dabei eine wesentliche Herausforderung.

Potenzial wird nicht ausgeschöpft

Die Studie unterstreicht den Handlungsbedarf: 62 Prozent der Befragten kämpfen mit fehlenden oder qualitativ schlechten Daten in ihrem Unternehmen. Gleichzeitig bestätigen 77 Prozent, dass Daten der wichtigste Erfolgsfaktor für KI-Projekte sind. Fast jeder vierte von fünf Befragten (79 Prozent) räumt ein, das Potenzial der gesammelten Daten nicht auszuschöpfen.

Eine mögliche Lösung ist, mehr Aufwand in die Datenkonsolidierung zu investieren: „Zunächst gilt es, Transparenz zu schaffen und sich in den Fachabteilungen ein Bild davon zu machen, welche Daten überhaupt vorhanden sind. Dazu gehört für die einzelnen Fachabteilungen auch, zu erkennen, dass die von ihnen erhobenen Daten an anderer Stelle im Unternehmen sinnvoll genutzt werden können“, so Fischer. Bei der anschließenden Datendemokratisierung werden die Daten katalogisiert und zugänglich gemacht, um unternehmensweit Mehrwerte zu schaffen.

Allerdings ist hierzu ein Umdenken im Top-Management gefragt: „Die einzelnen Abteilungen sollten sich als Teil einer Gesamtorganisation verstehen und Daten pflegen und teilen, anstatt diese nur für die originären Anwendungszwecke in Silos vorzuhalten. Sie werden quasi zu Zulieferern für andere Bereiche. Dieses Denken muss von oben vorgelebt werden“, betont der Experte.

(ID:49702021)