Black-Swan-Ereignisse vorhersagen: Wie geht die Finanzindustrie mit Wandel und Krisen um?

Die Anwendungen für generative KI (Gen AI) gewinnen in allen Branchen an Zugkraft, und Finanzdienstleistungen bilden da keine Ausnahme. Von der Betrugsprävention über Chatbots bis hin zur Analyse von Umwelt-, Sozial- und Governance-Daten (ESG) – die Anwendungsmöglichkeiten der Technologie sind enorm. Auch Black-Swan-Ereignisse lassen sich zwar nicht vorhersagen – aber die Auswirkung schneller verstehen. Besonders für die Treasury-Abteilung von Banken bietet GenKI großes Potenzial.

von Meggie Grimaud, Head of Analytics, Treasury & Capital Markets bei Finastra

Technologische Entwicklungen und Automatisierung ermöglichen es Banken, ihre manuellen Prozesse durch ausgefeilte Softwarelösungen, Anwendungen und Automatisierungstools zu ersetzen, um die Abläufe zu rationalisieren, die Effizienz zu steigern und letztendlich die Entscheidungsprozesse zu verbessern.

Mit ihrer Fähigkeit, aus Daten zu lernen und neue Inhalte zu produzieren, wird Gen AI heute zu einem wichtigen Treiber für Effizienz und Automatisierung.”

Sie eröffnet Treasurern neue Möglichkeiten, Risiken besser zu analysieren, mit Veränderungen Schritt zu halten, fundiertere Entscheidungen zu treffen und neue Wachstumschancen zu generieren.

Der Schwarze Schwan in der Finanzindustrie

Ein wichtiger Anwendungsfall für Gen AI in der Treasury-Abteilung einer Bank ist die Fähigkeit, Markttrends zu analysieren, vorherzusagen und zu steuern. Die Finanzmärkte können sich extrem schnell bewegen, und das Zeitfenster, Chancen zu nutzen und gleichzeitig Risiken zu minimieren, kann klein sein. Vor allem angesichts der zunehmenden Häufigkeit von „Black Swan Events“, also von eigentlich unerwarteten und unwahrscheinlichen zukünftigen Ereignissen mit erheblichen Auswirkungen, müssen Treasurer mehr Hürden als je zuvor überwinden, angefangen bei der Rentenentwicklung, den Zinssätzen und der Inflation bis hin zu globalen Pandemien und zunehmenden politischen Konflikten.

Wenn beispielsweise Ereignisse wie Covid-19 eintreten, müssen Banken in der Lage sein, die Stimmung und die Positionen auf dem Markt schnell zu verstehen, die potenziellen Auswirkungen auf Liquidität und Investitionen einzuschätzen und schnelle Entscheidungen zu treffen, z. B. zur Absicherung.

Um den Markt zu durchschauen, Störungen zu bewältigen und Wachstumschancen zu nutzen, brauchen Banken ein Echtzeit-Treasury, und hier spielt KI und insbesondere Gen AI eine große Rolle.”

Indem große Mengen historischer Daten gesammelt und aktuelle Ereignisse analysiert werden, die sich auf die Entscheidungsfindung auswirken können – einschließlich der Entscheidungen der Federal Reserve, aktueller Nachrichtenartikel oder der Stimmung in den sozialen Medien – lassen sich Marktbewegungen in Echtzeit und mit zunehmender Genauigkeit vorhersagen. Treasurer können dadurch schneller fundierte Entscheidungen zum Liquiditätsbedarf und Cash Management treffen, Investitionsstrategien anpassen und Risiken dadurch minimieren. Außerdem lassen sich damit bessere Trendanalysen über die Kunden einer Bank, ihr Verhalten und ihre Cashflow-Positionen erstellen.

Ein weiterer wichtiger Anwendungsfall ist die Betrugserkennung, die für Banken höchste Priorität hat, zumal Dienstleistungen und Funktionen zunehmend in Echtzeit ablaufen, was zu einem erhöhten Betrugsrisiko führt.

KI und Gen AI können die Fähigkeit einer Bank stärken, verdächtige Transaktionen und betrügerische Aktivitäten in Echtzeit zu erkennen.”

Mithilfe synthetischer Daten können Banken auch künftige Betrugsszenarien analysieren und planen, die möglicherweise noch nicht vorgekommen sind. Letztendlich bedeutet dies, dass sie Verluste minimieren und einen besseren Schutz für ihr eigenes Vermögen und das ihrer Kunden gewährleisten können.

Die IT steht im Mittelpunkt der Entscheidungsfindung

Wenn es darum geht, Gen AI für die Datenanalyse in Echtzeit und die Entscheidungsfindung zu nutzen, stehen Institutionen vor einigen Herausforderungen.

Zum einen ist Gen AI nur so gut wie die Daten, mit denen sie gefüttert wird.”

Die Qualität der Daten bestimmt demnach ihre Anwendung. Die Datenqualität muss für Treasurer und Manager extrem hoch sein, damit sie auf der Grundlage der von der KI gelieferten Informationen zeitnahe und wichtige Entscheidungen treffen können. Banken brauchen auch Teams aus sowohl externen als auch internen Mitarbeitern, die die von der KI getroffenen Entscheidungen, ihre Funktionsweise und die von ihr erkannten Muster verstehen und sie dann laufend testen, um ihre Genauigkeit zu gewährleisten.

Es gibt weitere Herausforderungen in Bezug auf Data Governance, Vorschriften und Datenschutz, insbesondere wenn wir den Datenfluss im gesamten Treasury-Management-Ökosystem einer Bank betrachten. Dies beginnt bei der Finanzabteilung, geht über das Middle-Office-Risikomanagement bis hin zur Back-Office-Verarbeitung, wobei die IT im Mittelpunkt steht. In einem stark regulierten Markt ist es entscheidend, dass in allen Prozessen und Abteilungen zuverlässige Sicherheit und Datenschutz gewährleistet sind. Banken müssen deshalb mit Technologieanbietern zusammenarbeiten, die ihnen dabei helfen können, diese Anforderungen auf sichere Art und Weise zu erfüllen, und zwar so, dass sie sowohl mit den internen Richtlinien als auch mit externen Vorschriften übereinstimmen.

Und schließlich darf man nicht vergessen, dass der Markt für KI noch nicht ausgereift ist und die Aufsichtsbehörden noch in der Findungsphase stecken.”

Insbesondere wenn Banken KI als strategische Ausrichtung für die Treasury-Funktion implementieren, sind offene Gespräche mit den Aufsichtsbehörden und Compliance-Teams entscheidend, um sicherzustellen, dass sie dies auf eine für sie und ihre Kunden sichere Weise tun. Die Einführung jeder neuen Technologie muss in eine starke Governance eingebettet sein, und Gen AI kann nicht als „Big Bang“-Ansatz eingeführt werden. Mit der Entwicklung des Marktes werden sich auch neue Systeme, Software und Vorschriften weiterentwickeln.

Zusammenarbeit ist entscheidend für den Erfolg

Ob es um Cashflow-Prognosen, die Automatisierung von Routineaufgaben, die Vorhersage zukünftiger Trends, die Erkennung von Anomalien oder die Betrugserkennung geht – die Anwendungsmöglichkeiten für Gen AI sind vielfältig und transformativ und ermöglichen es Treasury-Abteilungen, ihre Effizienz zu steigern und sich auf komplexere Aufgaben zu konzentrieren, die menschliches Fachwissen erfordern.

In den kommenden Jahren werden wir noch viel mehr Innovation und Raffinesse bei KI-Funktionen sehen, mit Lösungen, die noch komplexere Anwendungsfälle abdecken und neue Möglichkeiten für Treasury und im gesamten Bankbetrieb eröffnen. Um die ständigen Herausforderungen zu meistern, die sich aus der Weiterentwicklung der Branche ergeben, müssen Banken, Technologieunternehmen und Aufsichtsbehörden zusammenarbeiten. Dadurch können sie die Kluft zwischen dem Kundenservice und der Erfüllung der regulatorischen Anforderungen überbrücken. Zusammenarbeit ist auch der Schlüssel zum erfolgreichen Einsatz von Gen AI im Treasury-Bereich. Es braucht Zeit, das volle Potenzial von Gen AI auszuschöpfen, um einen echten Mehrwert zu bieten und darf sich nicht darauf beschränken, neue Technologien nur um der Technologien willen zu übernehmen.Meggie Grimaud, Finastra/aj