Künstliche Intelligenz und Banken: Eine Frage des geldwerten Vorteils

In der englischen Sprache gibt es den griffigen Ausdruck des „No-brainer“. Versuche der Übersetzung wie „Selbstverständlichkeit“ oder „Kinderspiel“ bringen es nicht ganz auf den Punkt. Ein No-Brainer bezeichnet unter anderem eine Situation, die eindeutig ist. Eine Entscheidung muss nicht groß überlegt werden. Alles spricht dafür – oder dagegen. Bei aller Komplexität der Umsetzung ist der Einsatz von KI-Anwendungen in Banken ein „No-brainer“. Denn Finanzhäuser bringen alles mit, was KI-Anwendungen benötigen: die Daten, die Aufgaben und die Business Cases. Trotzdem – so zeigen Studien und sagt das Bauchgefühl – geht es bei dem Thema mit angezogener Handbremse voran.

Kommentar von Prof. Dr. Volker Gruhn, Aufsichtsratsvorsitzender der adesso SE

Die Finanzindustrie ist um das Verarbeiten von Daten herum aufgebaut. Ob einst auf Papier oder jetzt in Cloud-Infrastrukturen: Banken bewegen Daten. Die Wertschöpfung aus Daten ist ihnen in die Wiege gelegt. Das Sammeln, Aufbereiten, Verdichten, das Organisieren des Datenflusses, das Ableiten von Erkenntnissen – all das ist ureigenes Bankgeschäft. Wo andere erst Sensoren verbauen oder Maschinen vernetzen, da sitzen Banken auf einem wahren Datenschatz: von den Zahlungsströmen der globalen Finanzmärkte bis runter zu den Konsumgewohnheiten des einzelnen Kunden. Von historischen Datenreihen bis zu Prognosen. Dies ist der ideale Nährboden für KI. Denn: Ohne Daten keine KI. Es bedarf Daten, um diese KI-Anwendungen zu entwickeln, zu trainieren, zu testen und zu verbessern.

Neben Daten ist es die Komplexität der Aufgaben, die KI im Bankenumfeld in die Hände spielt. Denn KI-Verfahren eröffnen Einsatzmöglichkeiten für das Automatisieren von Prozessen. Prozesse, bei denen klassische, regelbasierte Softwaresysteme an ihre Grenzen kommen. Das Erkennen von Betrugsversuchen ist ein Beispiel dafür. Hier kommen die Gestaltungsleidenschaft der Gesetzgeber, der technische Fortschritt und insbesondere das kreative Potenzial von Kriminellen zusammen. Dem Tempo der Veränderung mit Regelwerken beizukommen, ist ein aussichtsloses Unterfangen. Irgendjemand oder -etwas ist immer einen Schritt schneller. Die Folge: Handarbeit, unterstützt durch unzureichende IT-Verfahren.

KI-Anwendungen eröffnen einen Ausweg aus dieser Situation. Entsprechend trainiert erlauben sie es Banken, in der Betrugserkennung einen höheren Grad der Automatisierung und ein schnelleres Abwickeln der Prozesse zu erreichen.”

Betrugserkennung ist nur ein Be­reich, in dem KI in ei­ner Bank ih­re Stär­ken aus­spie­len kann. Ob Prü­fen von An­trä­gen, Mar­ke­ting­kom­mu­ni­ka­ti­on oder Kun­den­ser­vice: Der Ein­satz von KI-An­wen­dun­gen rech­net sich schnell. Die Kos­ten sin­ken, das Tem­po steigt, die Qua­li­tät wird bes­ser. Für Ban­ken tut sich ei­ne Viel­zahl von Mög­lich­kei­ten auf. Nicht das Fin­den ei­nes Ein­satz­sze­na­ri­os ist die Kunst, son­dern die Aus­wahl aus den zahl­rei­chen Optionen.

Trotz die­ser Vor­aus­set­zun­gen sind um­ge­setz­te Pro­jek­te mit si­gni­fi­kan­ten KI-An­tei­len noch die Aus­nah­me. Das zeigt un­se­re Um­fra­ge un­ter Ver­ant­wort­li­chen aus Ban­ken über die KI-Si­tua­ti­on in ih­ren Häu­sern. Vier von fünf ge­ben an, dass KI bei ih­nen noch in den An­fän­gen steckt. Was nicht dar­an liegt, dass sie den Tech­no­lo­gi­en kei­ne Be­deu­tung bei­mes­sen, im Ge­gen­teil: 96 Pro­zent stim­men der Aus­sa­ge zu, dass die In­ves­ti­ti­on in KI mit­tel­fris­tig zu Wett­be­werbs­vor­tei­len führt. Wo­her kommt dann die­se Dis­kre­panz zwi­schen dem Mög­li­chen und dem Realisierten?

Bei KI trifft in vielen Banken mangelnde Erfahrung auf mangelnde Risikobereitschaft. Für klassische Softwareprojekte greifen die Fachleute auf etablierte Verfahren und gelernte Technologien zurück. Sie bringen die Erfahrung aus zahlreichen vergleichbaren Projekten mit ein. Geht es um KI, fehlt all das noch. Hinzu kommt eine Besonderheit von KI-Anwendungen:

Am Anfang ist nicht absehbar, ob die vorhandene Datengrundlage für die gewünschte Anwendung ausreicht. In der frühen Phase eines KI-Projektes führt am Experimentieren kein Weg vorbei.”

Und Experimente können scheitern. Die Bereitschaft, Risiken einzugehen, ist für das Entwickeln von KI-Anwendungen so wichtig wie das Beherrschen von Technologien. Verantwortliche müssen lernen, damit umzugehen. Erst dann können KI-Lösungen ihre Stärken im großen Maßstab ausspielen.

Banken erfüllen alle formalen Bedingungen für den erfolgreichen Einsatz von KI-Technologien. Jetzt gilt es, die richtigen Rahmenbedingungen zu schaffen, in denen KI-Ideen und -Projekte gedeihen können. Und das ist keine Frage der Technologie, sondern des Wollens. Und des Mutes.Prof. Dr. Volker Gruhn, adesso