ML-/KI-Projekte in Banken: 62 % kämpfen mit fehlenden oder qualitativ schlechten Daten

Für die Entwicklung hochwertiger KI-Anwendungen benötigen Banken neben passenden Use-Cases vor allem eine professionelle Datenbasis. Rund drei Viertel der Entscheider in Banken halten solide und qualitativ hochwertige Daten für den wichtigsten Erfolgsfaktor. Doch genau hier hapert es bei der Mehrheit der Institute: Fast zwei Drittel klagen über fehlende oder qualitativ schlechte Daten. Zu diesen Ergebnissen kommt eine Studie der Unternehmensberatung Cofinpro und der VÖB-Service GmbH, einem Tochterunternehmen des Bundesverbandes Öffentlicher Banken Deutschlands (VÖB). Dafür wurden im März 2023 insgesamt 380 Finanzexperten befragt.

 

Die Studie macht den Handlungsbedarf deutlich. So kämpfen 62 Prozent der Befragten mit fehlenden oder qualitativ schlechten Daten in ihrem Unternehmen. Gleichzeitig bestätigen aber 77 Prozent, dass Daten der wichtigste Erfolgsfaktor für KI-Projekte sind.

Die häufig eingeschränkte Verfügbarkeit und Qualität relevanter Daten erschwert eine wertschöpfende Nutzung. Die Institute hätten schon seit Jahren mehr Zeit in die Aufbereitung ihrer Daten investieren müssen, waren aber stattdessen eher mit regulatorischen Pflichtaufgaben beschäftigt. Das rächt sich jetzt.“

Lukas Fischer, Senior Consultant und Data Scientist bei der Cofinpro AG

Angesichts der zunehmenden Bedeutung von KI- und ML-Anwendungen müsse die unternehmensweite Datenkonsolidierung vorangetrieben werden.

Viele Banken stehen heute vor der Herausforderung, verteilte Daten aus einer Vielzahl von Anwendungen in organisatorisch getrennten Bereichen zentral verfügbar zu machen. Es gilt, das Informationsdickicht aufzulösen, um aus den gesammelten Informationen einen ganzheitlichen Nutzen und Mehrwert zu generieren.“

Banken schöpfen das Potenzial von Daten nicht aus

Die mangelnde Vorbereitung bei der Datenaufbereitung führt zu vielen verpassten Chancen, das wissen auch die Entscheider. So räumen 79 Prozent ein, das Potenzial ihrer gesammelten Daten nicht auszuschöpfen. Branchenexperte Fischer empfiehlt daher, 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. Anschließend folgt die Datendemokratisierung, bei der die Daten im Unternehmen katalogisiert und zugänglich gemacht werden. Die so gewonnenen Informationen können in Datenprojekten unternehmensweit Mehrwerte schaffen.“

Wie bei vielen Digitalisierungsprojekten müsse auch hier ein vom Top-Management getragenes Umdenken im Unternehmen stattfinden.

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. Eine gute Verfügbarkeit und Qualität der Daten ist der wichtigste Treiber für erfolgreiche KI-Projekte.”

Über die Studie

Die Studie „KI in Banken: Machine-Learning-Studie 2023“ wurde im März 2023 von Cofinpro in Zusammenarbeit mit der VÖB-Service GmbH durchgeführt. 380 Experten von Finanzdienstleistern, davon mehr als die Hälfte Führungskräfte, haben an der Befragung teilgenommen.pp