GenAI in der Finanzindustrie

5 Schritte für eine erfolgreiche KI-Integration

24.05.2024
Von 
Gery Zollinger ist Head of Data Science & Analytics bei Avaloq, einem Anbieter von digitalen Banking-Lösungen.
Generative KI gewinnt auch in der Finanzwelt an Bedeutung. Doch kleinere Institute drohen abgehängt zu werden. Deshalb sollten fünf Schritte beachtet werden, um KI in Organisationen jeglicher Größe einzuführen.
GenAI setzt sich mittlerweile auch immer stärker in der Finanzwelt durch. Allerdings laufen kleinere und mittlere Finanzinstitute Gefahr, den Fortschritt in Sachen KI zu verpassen.
GenAI setzt sich mittlerweile auch immer stärker in der Finanzwelt durch. Allerdings laufen kleinere und mittlere Finanzinstitute Gefahr, den Fortschritt in Sachen KI zu verpassen.
Foto: Poca Wander Stock - shutterstock.com

Generative künstliche Intelligenz (KI) hat in letzter Zeit viel Aufmerksamkeit erhalten. Auch im Banken- und Finanzsektor hat KI bereits ihr Potenzial unter Beweis gestellt. Größere Banken nutzen KI-Anwendungen für die Risikobewertung bei Kreditvergaben und für KYC-Prozesse (Know-Your-Customer) oder beim Onboarding.

Kleine und mittlere Finanzinstitute laufen dagegen Gefahr, aufgrund begrenzter Ressourcen den Fortschritt in Sachen KI zu verpassen. Um sicherzustellen, dass Finanzinstitute jeder Größe KI in ihrer gesamten Organisation nutzen können, müssen fünf wesentliche Schritte beachtet werden.

1. Definition einer unternehmensweiten Strategie

Viele kleine und mittlere Banken sowie Vermögensverwalter verfügen nicht über das nötige Fachwissen, um effektiv einzuschätzen, wo KI-Technologie in ihren Unternehmen eingesetzt werden kann. Es fehlt an engagierten internen Teams, die sowohl Erfahrung im Finanzbereich als auch in der KI-Entwicklung haben.

Die potenziellen Vorteile von KI, wie erhebliche Kostensenkungen und Effizienzsteigerungen, machen die Einführung jedoch zu einer strategischen Notwendigkeit. Diskussionen auf Vorstandsebene sind erforderlich, um sicherzustellen, dass KI alle Abteilungen betrifft und mit der allgemeinen Geschäftsstrategie übereinstimmt.

Einsatzfelder für KI

Zunächst sollten Finanzinstitute durch Datenanalysen und Branchenforschung die wesentlichen Problembereiche und Chancen identifizieren, in denen KI einen substanziellen Beitrag leisten kann. Das könnte etwa die Verbesserung des Kundenerlebnisses sein oder die Einhaltung von Vorschriften. Anschließend können spezifische Anwendungsfälle objektiv bewertet werden, wie die Vorhersage von Kundenabwanderung, das automatisierte Risikomanagement oder die KI-gestützte Kundenkommunikation.

2. Experten für KI-Technologie hinzuziehen

Zunächst sollten Finanzinstitute durch Datenanalysen und Branchenforschung die wesentlichen Problembereiche und Chancen identifizieren, in denen KI einen substanziellen Beitrag leisten kann.
Zunächst sollten Finanzinstitute durch Datenanalysen und Branchenforschung die wesentlichen Problembereiche und Chancen identifizieren, in denen KI einen substanziellen Beitrag leisten kann.
Foto: Deemerwha studio - shutterstock.com

Kleine und mittlere Finanzinstitute mit begrenzten internen Ressourcen können von externer KI-Expertise profitieren. Dies gilt nicht nur für die Strategiekonzeption, sondern auch für Projektplanung, Implementierung und Betrieb einer KI-Lösung.

KI-Team aufstellen

Erfahrungsgemäß besteht ein erfolgreiches KI-Team aus Datenwissenschaftlern, Business-Analysten, Softwareentwicklern, Produktmanagern und Domänenexperten aus verschiedenen Bankfunktionen. Für Finanzinstitute kann es jedoch eine Herausforderung sein, auf diese Experten zuzugreifen und sie langfristig zu binden, sowohl aufgrund der hohen Kosten als auch der erforderlichen Fachkenntnisse.

Die Einstellungskosten übersteigen allerdings oft die Budgets kleinerer und mittelgroßer Institute. KI-Dienstleister können in dieser Situation diese Expertenrollen koordinieren, sodass das Finanzinstitut sein KI-Projekt ohne Vorlaufzeit starten kann.

3. Cloud-Infrastruktur für KI-Projekte nutzen

Sobald das erforderliche Fachwissen vorhanden ist, sollte die Einrichtung einer geeigneten Infrastruktur auf der Agenda stehen. Die Nutzung von KI aus der Cloud bietet gegenüber einer herkömmlichen On-Premises-Lösung etliche Vorteile.

Eine cloudbasierte Architektur ermöglicht eine nahtlose Skalierbarkeit von KI-Projekten, da Banken und Vermögensverwalter sofortigen Zugriff auf die benötigten Rechenressourcen haben. Mit der Cloud können KI-Initiativen auch problemlos auf andere Märkte oder Kundensegmente ausgeweitet werden, ohne dass erhebliche Investitionen in die Infrastruktur erforderlich sind.

Kosteneffiziente Cloud

Der Cloud-Ansatz ist zudem kosteneffizient, da die Ausgaben direkt an die Nutzung geknüpft sind und ein besseres Kostenmanagement und eine bessere Budgetierung ermöglichen. Vorabinvestitionen in die Infrastruktur sind nicht erforderlich.

Außerdem verfügen Cloud-Anbieter über integrierte Mechanismen zum Desaster-Recovery. Das verringert das Risiko von Ausfallzeiten, Datenverlusten und regulatorischen Verstößen. Zudem sind einige der neuesten KI-Technologien, wie beispielsweise Algorithmen zur Verarbeitung natürlicher Sprache (NLP) oder Investment Recommendation Engines, oft nur in der Cloud verfügbar.

4. Regulatorische Compliance und ethische Standards

Für Banken und Vermögensverwalter ist es entscheidend, ethische und Compliance-Überlegungen während der Implementierung und des Betriebs einer KI-Lösung stets in den Vordergrund zu stellen. Dies bedeutet auch, den regulatorischen Anforderungen in jeder Phase des Projekts gerecht zu werden.

AI Act beachten

Der AI Act der EU-Kommission wird beispielsweise eine regulatorische Grundlage für den Einsatz von KI in Europa schaffen. Der AI Act fordert unter anderem Transparenz bei der KI-Implementierung und die Aufrechterhaltung menschlicher Kontrolle über maschinelle Lernalgorithmen.

Diese Maßnahmen sollen sicherstellen, dass KI stets ohne Vorurteile oder Diskriminierung arbeitet, insbesondere bei Prozessen wie der Erstellung von Anlegerprofilen oder der Bereitstellung personalisierter Anlagevorschläge.

5. Kontinuierliches Monitoring und Qualitätssicherung

Endkunden sind mittlerweile zunehmend offen für die Integration von KI in ihren Anlageprozessen.
Endkunden sind mittlerweile zunehmend offen für die Integration von KI in ihren Anlageprozessen.
Foto: Summit Art Creations - shutterstock.com

Der Erfolg eines KI-Projekts hängt nicht nur von der Implementierung ab. Jedes KI-Projekt erfordert kontinuierliche Wartung, ständiges Lernen und die kontinuierliche Anpassung an sich ändernde Geschäftsanforderungen.

Der unternehmensweite Erfolg von KI basiert auch darauf, die Datenqualität zu gewährleisten, da diese als Grundlage für das Training der KI-Engine dient. Ebenso ist es wichtig, Fehler und Verzerrungen proaktiv zu vermeiden, um sicherzustellen, dass die Ergebnisse der KI fair, konform und zuverlässig bleiben. Finanzinstitute bewahren die Integrität und Effektivität ihrer KI-gesteuerten Lösungen, indem sie kontinuierlich die Datenqualität bewerten, Fehler und Verzerrungen überwachen und die KI-Initiativen stetig verbessern.

Fazit

Die Integration von KI in den Geschäftsplan ist für Finanzinstitute entscheidend, um wettbewerbsfähig zu bleiben. KI verspricht mehr Kosteneffizienz und verbesserte Entscheidungsprozesse.

Auch Endkunden sind heute zunehmend offen für die Integration von KI in ihren Anlageprozessen. Laut einer aktuellen Umfrage von Avaloq können sich 77 Prozent der Privatanleger vorstellen, dass KI die Analyse ihrer Portfoliodaten unterstützt oder dabei sogar federführend ist. 73 Prozent sind offen für eine KI-gestützte Anlageberatung und 74 Prozent sind bereit für KI-gestützte Produktempfehlungen. Banken und Vermögensverwalter, die sich nicht auf KI einlassen, setzen sich letztlich der Gefahr aus, von der Konkurrenz überholt zu werden.