Kommentar von Toby Dixon, Endava KI – auf die richtige Umsetzung kommt es an

Anbieter zum Thema

Endava

Board Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

Der Druck auf die Akteure im Finanzsektor ist in den vergangenen Jahren stark gestiegen. Die Gründe hierfür liegen vor allem in der beschleunigten Digitalisierung infolge der COVID-19-Pandemie, höheren Kundenerwartungen und innovativen Wettbewerbern. Um in diesem Umfeld nicht nur zu bestehen, sondern auch das Geschäft langfristig auszubauen, müssen Finanzdienstleister die Chancen der digitalen Transformation noch besser nutzen. Ein Beispiel dafür ist die Integration von KI-Lösungen.

Künstliche Intelligenz (KI) gehört heute sicherlich zu den Begriffen, die im Zusammenhang mit Technologie am häufigsten fallen. KI ist inzwischen praktisch überall, oder? So ganz stimmt das eigentlich nicht, denn noch immer gibt es keine allgemein verfügbare Rechenleistung, die in der Lage ist, auf Basis von verschiedenstem Input eigenständig Schlussfolgerungen zu ziehen, wie es ein Mensch tun würde. Stattdessen werden unter dem Begriff KI vor allem Formen der Automatisierung und Datennutzung zusammengefasst, denen aber keine wirklich intelligenten, selbstlernenden Systeme zugrunde liegen.

Auch wenn es technisch nicht korrekt ist, hat sich KI als allesumfassender Begriff aber längst eingebürgert. Das gilt beispielsweise auch für die Finanzbranche, die an den Einsatz solcher Lösungen große Erwartungen stellt: Sie sollen Kosten senken, Mitarbeiter entlasten und helfen, neue Märkte zu erschließen. Aber auch eine verbesserte Customer Experience sowie die einfachere Entwicklung neuer Produkte und Dienstleistungen stehen im Vordergrund. Dennoch fällt es vielen Finanzdienstleistern schwer, entsprechende Lösungen zu implementieren oder ihr volles Potenzial auszuschöpfen. Doch woran liegt das?

1. Es fehlt eine umfassende Strategie

Auf den ersten Blick mag es nachvollziehbar erscheinen, dass Finanzdienstleister erstmal kleinere KI-Projekte in verschiedenen Geschäftsbereichen umsetzen. Im Laufe der Zeit sollen sie dann zu einem großen System zusammenwachsen. Die Vorteile hierbei sind vor allem die niedrigeren Investitionssummen und der geringere Personalbedarf für die Entwicklung und Einführung. Gleichzeitig erhoffen sich die Unternehmen von diesem Ansatz, dass sie schnell Erfolge sehen und mehr Einnahmen generieren.

Sind diese kleinen Projekte allerdings nicht in eine umfassende, zusammenhängende Strategie eingebettet, werden die Unternehmen irgendwann vor einem frankensteinartigen System stehen, bei dem kein Teil zum anderen passt. Deshalb sollten die Verantwortlichen schon im Vorfeld eine KI-Strategie entwickeln, die sämtliche Geschäftsbereiche berücksichtigt, von der Kundenakquise über die Kundenbindung bis hin zum internen Betrieb. Dadurch erhalten sie eine Roadmap, an der sie sich jederzeit orientieren können, und stellen sicher, dass alle Komponenten – unabhängig davon, wann sie tatsächlich implementiert werden – aufeinander abgestimmt sind und ineinandergreifen.

2. Die Mitarbeiter sehen keinen Mehrwert

Nur weil es eine neue intelligente Lösung für eine Aufgabe gibt, heißt das nicht unbedingt, dass sie auch genutzt wird. Dies hängt maßgeblich davon ab, ob auch die Mitarbeiter ihren Nutzen verstehen – und zwar für das Unternehmen sowie für sich selbst. Gerade im Zusammenhang mit KI schwingen manchmal noch Befürchtungen mit, dass sie Menschen überflüssig machen könnte. Die Verantwortlichen müssen deshalb klar den Sinn und Zweck neuer Lösungen kommunizieren und ihren Angestellten aufzeigen, was sich in ihrem Arbeitsalltag ändern wird und wie sie davon profitieren.

Wenn eine KI-Lösung nicht richtig eingesetzt wird, könnte das aber auch daran liegen, dass die Mitarbeiter keine richtige Einführung erhalten haben. Stattdessen müssen sie sich den Umgang und die Funktionen selbst erarbeiten. In diesem Fall herrscht eindeutig Nachholbedarf auf Seiten des Unternehmens, beispielsweise in Form von entsprechenden Trainings.

3. Die Datenbestände sind das Problem

KI-Lösungen brauchen Daten als Grundlage ihrer Analysen. Das ist an sich kein Problem, schließlich verfügen Finanzdienstleister über große – und immer weiterwachsende – Datenbestände. Dazu gehören historische und aktuelle, allgemeine und kundenspezifische sowie interne und externe Daten. Doch trotz der großen Datenmengen ist Vorsicht gleich doppelt geboten:

Zum einen reichen die vorhandenen Daten möglicherweise nicht aus, um auf ihnen basierend ein aussagekräftiges Modell zu bilden. Eine Bank verfügt vielleicht über Millionen Anträge für Kredite, aber nur bei einem Bruchteil dieser wurde ein versuchter Kreditbetrug erkannt. In diesem Fall könnten die Datenmengen nicht groß genug sein, um die KI-Algorithmen darauf zu trainieren, Betrugsversuche zuverlässig zu erkennen. Die Bank müsste prüfen, ob Oversampling – die Vervielfältigung unterrepräsentierter Datenreihen – möglich ist oder inwieweit zum Beispiel weitere Faktoren in die Analyse einfließen können.

Zum anderen kann durch die verwendeten Datensätze unbemerkt und ungewollt ein Bias entstehen. So hat Apples Kreditkarte vor wenigen Jahren für negative Schlagzeilen gesorgt, weil sie scheinbar Frauen beim gewährten Kreditrahmen erheblich benachteiligte. Um Diskriminierung zu vermeiden, müssen Unternehmen ihre Daten genau und unvoreingenommen unter die Lupe nehmen und auf etwaige Verzerrungen prüfen. Auch in diesem Fall könnte Oversampling oder Undersampling – die Reduzierung überrepräsentierter Daten – helfen, in den Datensätzen die richtige Balance herzustellen.

4. Die KI ist eine Blackbox

Je intelligenter eine KI ist, desto weniger verständlich sind ihre Entscheidungen für Mitarbeiter oder Kunden. Das betrifft beispielsweise die Bewertung des Versicherungsrisikos eines Kunden oder der Höhe seines Kreditrahmens. Gerade bei solchen wichtigen Entscheidungen, die essenzielle Lebensbereiche wie die eigenen Finanzen oder Versicherungen betreffen, sollten die Kunden aber die Entscheidungsfindung nachvollziehen können.

Explainable Artificial Intelligence (XAI) soll genau das möglich machen, indem Entscheidungsfindungsprozesse transparent durch erklärbare Modelle dargestellt werden. Es werden also zum Beispiel alle Faktoren definiert, die zur Entscheidung beitragen. Dabei müssen Unternehmen immer wieder kontrollieren, ob ihre KI-Software auch tatsächlich die erwarteten Resultate produziert. Dies gelingt beispielsweise durch Kontrolldatensätze, bei denen das Ergebnis bereits bekannt ist. Auch können zur Überprüfung im Anschluss gezielt die Input-Daten verändert werden – haben sich die Resultate dadurch verändert?

5. Die Fähigkeiten der KI sind zu eingeschränkt

Manchmal ist aber auch das Problem, dass die KI in ihren Fähigkeiten zu beschränkt ist. Chatbots sind ein gutes Beispiel hierfür: Sie werden auf Webseiten oder in Apps schon lange als erster Kontakt für (potenzielle) Kunden eingesetzt und sollen Fragen beantworten oder Anliegen klären. Wenn Chatbots allerdings nur ein Frage-Antwort-Katalog zugrunde liegt, ist ihr Nutzen stark limitiert – sie können nur allgemeine Antworten geben und verstehen keine größeren Zusammenhänge, beispielsweise mit der zuvor gestellten Frage. Für Kunden führt dies schnell zu Frustrationen – die Folge: Sie gehen doch in die Filiale oder rufen an, um mit einem echten Menschen zu sprechen, oder suchen sich direkt einen anderen Anbieter.

Basiert ein Chatbot stattdessen auf einem Natural-Language-Understanding-Modell, kann er menschliche Texteingaben und somit die Bedeutung des Inputs verstehen, verarbeiten und eine angemessene Antwort geben. Sind die Kunden darüber hinaus in ihren Account eingeloggt, kann der Chatbot über eine Integration mit dem internen CRM-Tool auf ihre persönlichen Daten zugreifen und diese in seine Antworten einfließen lassen. Dadurch erreichen Finanzdienstleister ein kostengünstiges Tool, das ihren Kunden effektiv hilft, während ihre Sachbearbeiter sich auf komplexere Aufgaben konzentrieren können.

Fazit

Finanzdienstleister wie Banken und Versicherer können erheblich von KI-Lösungen profitieren, vorausgesetzt sie verfolgen eine klare Strategie bei der Einführung, die alle entscheidenden Faktoren abdeckt. Sowohl Mitarbeiter als auch Kunden müssen auf dieser Reise mitgenommen werden und verstehen, welche Auswirkungen die Algorithmen für sie haben. So können Unternehmen Transparenz und Vertrauen schaffen und ihr Business so dauerhaft stärken und vorantreiben.

(ID:48420552)