Natural Language Processing (NLP) verspricht 80 Prozent Zeitersparnis in der Regulatorik

Finanzdienstleister müssen immer mehr Ressourcen zur Analyse rechtlicher Vorgaben aufwenden. Automatisierung und Natural Language Processing (NLP) können in der Vorschriftenüberwachung für optimierte Prozesse sorgen, wie ein gemeinsames Whitepaper zur „Prozessverbesserung in der Regulatorik durch den Einsatz von Künstlicher Intelligenz“ aufzeigt. 

Mit Hilfe von NLP (steht für Natural Language Processing) lassen sich die Bearbeitungszeiten für regulatorische Veröffentlichungen in den Compliance-Abteilungen von Finanzdienstleistern um bis zu 80 Prozent senken. Das ergab ein Proof of Concept (PoC) des Hamburger Beratungs- und Softwarehauses PPI AG in Zusammenarbeit mit Harpocrates Solutions, einem Berliner Spezialisten für Compliance as a Service (CaaS). Die Ergebnisse sind im Whitepaper „Prozessverbesserung in der Regulatorik durch den Einsatz von Künstlicher Intelligenz“ (kostenloser Download nach Angabe der persönlichen Daten) dargestellt.

Eine Prozessverbesserung in dieser Größenordnung kann erhebliches Entlastungspotenzial für die Institute mit sich bringen, da die immer größere Vorschriftenanzahl und deren häufige Veränderungen für viele Institute eine Mammutaufgabe in puncto Analyse und Umsetzung bedeuten. Entsprechend hoch ist der Ressourceneinsatz, Entscheidungsträger in der Finanzwirtschaft geben die Gesamtkosten für die Einhaltung regulatorischer Vorgaben inzwischen mit mehr als fünf Prozent der Einnahmen an.

Wir reden hier von aktuell sehr arbeitsintensiven, manuellen Prozessen. Die Fortschritte in der KI und insbesondere im Bereich NLP lassen aber aus unserer Sicht inzwischen auch in diesem Bereich automatisierte Prozesse zu.“

Astrid Freier, Head of Fintech Banking bei PPI 

Evaluation des Tools mit Hilfe von EU-Regulatorik

Harpocrates Solutions hat eine Anwendung entwickelt, die den Erkennungsprozess relevanter Dokumente und Textpassagen in rechtlichen Vorschriften verbessern helfen soll. Die Funktionen dieser Lösung umfassen die Identifizierung, Filterung und Zuordnung von Gesetzestexten und Verordnungen zu den relevanten Fachbereichen. Weiterhin ist ein automatisierter Abgleich der Ergebnisse mit bestehenden Kontrollmechanismen möglich.

Ziel des PoC war die Evaluation der zugrundeliegenden Technologien für Textmining, -analyse und -interpretation sowie die Quantifizierung möglicher Produktivitätsgewinne für die entsprechenden Abteilungen von Finanzinstituten. Getestet wurde mit zwei europäischen Richtlinien, die PPI bereits auf konventionelle, händische Art für einen Kunden analysiert hatte. „Die dabei gewonnenen Erkenntnisse ließen sich für das Training der KI nutzen“, sagt Alexander Hummel, Consultant bei der PPI und Mitautor des Whitepapers.

Hoher Grad an Genauigkeit

Die Ergebnisse seien überzeugend gewesen, wie die beteiligten Unternehmen berichten. Die KI wurde mit den praktischen Erkenntnissen der PPI-Experten aus dem Kunden-Case angereichert, das Sprachmodell trainiert. So vorbereitet, wurden über 90 Prozent der relevanten Textpassagen richtig erkannt.

Das hat uns deutlich gezeigt, dass eine KI zur Auswertung komplexer sprachlicher Dokumente die notwendige Präzision absolut erreichen kann. Und eine solche IT-Anwendung ist immer schneller als der Mensch.“

Astrid Freier, Head of Fintech Banking bei PPItw