Wie Künstliche Intelligenz die Finanzbranche verändert

„Die aktuellen Entwicklungen in der Künstlichen Intelligenz ermöglichen es, erstmals direkt mit der KI zu interagieren und schaffen völlig neue Einsatzbereiche für alle Branchen”, erklärte Bitkom-Präsident Achim Berg vor Kurzem gegenüber der Deutschen Presse-Agentur.

Das gilt auch für die Finanzwelt. Die Einführung von KI im Bankensektor hat großes Potenzial und gewinnt durch den technologischen Fortschritt, die erhöhte Nutzerakzeptanz und neue regulatorische Rahmenbedingungen weiter an Fahrt. Doch wie können Geldinstitute die neue Technologie gewinnbringend nutzen? Was sind die vielversprechendsten Einsatzbereiche? Und worin liegen die Chancen und Risiken?

• KI bietet zahlreiche Einsatzmöglichkeiten im Finanzsektor – das betrifft besonders die Speicherung und Analyse großer Datenmengen. Big Data-Technologien sind in der Lage, Unregelmäßigkeiten von normalen Transaktionsmustern zu unterscheiden, was Banken bei der Bekämpfung von Geldwäsche und Betrug unterstützt.
  

• Auch Routineaufgaben lassen sich dank Künstlicher Intelligenz auf Autopilot stellen. Das spart Zeit und Geld und verbessert gleichzeitig die Kundenbeziehung. Große Sprachmodelle (Large Language Models) können in Form von Chatbots Kundenanfragen rund um die Uhr beantworten. Die Daten, die aus den Interaktionen entstehen, lassen sich analysieren und nutzen, um Schlüsse über die Kundenzufriedenheit zu ziehen, personalisierte Angebote zu entwickeln und so noch besser auf die Bedürfnisse der Verbraucher:innen einzugehen.

• Mit Hilfe von Deep Learning-Technologien lassen sich fundierte Marktanalysen aus verschiedenen Quellen erstellen. So können Finanzinstitute zeitnah und flexibel auf wirtschaftliche Veränderungen reagieren. Doch wie funktioniert Deep Learning genau? Die Technologie basiert auf künstlichen neuronalen Netzen, mit denen Computer Daten nach dem Vorbild des menschlichen Gehirns verarbeiten können. Dabei erkennen sie Muster in unstrukturierten Daten wie Texten, Social-Media-Posts, Bildern oder sogar Audiodateien, aus denen sie Erkenntnisse ableiten.

Eine weitere vielversprechende Einsatzmöglichkeit für KI-Technologien liegt im Bereich Compliance. Banken stehen vor der Herausforderung, neue gesetzliche Regelungen zu erfüllen, um die IT-Sicherheit zu gewährleisten, Geldwäsche zu bekämpfen und die ESG-Verordnungen zu erfüllen, die sich auf die Einhaltung von Umwelt-, Sozial- und Governance-Standards beziehen. Diese Regulierungen verlangen oftmals auch die Speicherung großer Datenmengen. Dazu gehören unter anderem Sicherheits-, Transaktions- oder operative Daten. Das bedeutet für viele Banken einen hohen Kostenfaktor. Hier kommen regulatorische Technologien (RegTech) als Compliance-Lösungen zum Einsatz. Big-Data-Anwendungen können zum Beispiel die Datenanalyse übernehmen, um genaue Berichte zur Überprüfung der Compliance-Anforderungen zu erstellen und mögliche Risiken rechtzeitig zu erkennen.

Eine aktuelle Studie von Nvidia, einem führenden US-amerikanischen Anbieter für KI-Computing, hat 500 Expertinnen und Experten aus der Finanzbranche in Nord-, Mittel- und Südamerika sowie in Europa nach den wichtigsten KI-Trends befragt. Das Ergebnis: Die Hälfte der Unternehmen setzt derzeit auf sogenannte Hybrid Cloud-Anwendungen, die private und öffentliche Cloud-Hosting-Services miteinander kombinieren.

Sensible Finanzdaten werden dabei in der hauseigenen Cloud gespeichert, um die Sicherheit und den Datenschutz zu gewährleisten. Interne Arbeitsprozesse lassen sich hingegen auf öffentliche Cloud-Plattformen wie Amazon Web Services (AWS), Microsoft Azure oder Google Cloud Platform (GCP) auslagern. So haben Unternehmen die Möglichkeit, die interne KI-Leistung zu steigern und gleichzeitig die Kosten zu senken.

Als weiteren wichtigen Trend nannten 26 % der befragten Unternehmen die Nutzung großer Sprachmodelle. Darauf folgen Empfehlungsalgorithmen und Next-Best-Action-Modelle (23 %) sowie Portfoliomanagement (23 %) und Identifikation von Betrugsfällen (22 %). Fast die Hälfte der Umfrageteilnehmer:innen zeigte sich zuversichtlich, dass KI den Jahresumsatz ihres Unternehmens um mindestens 10 % steigern werde.

Um dieses Ziel zu erreichen, stehen 36 % der befragten Unternehmen vor der Herausforderung, KI-Expertinnen und -experten zu rekrutieren und zu binden. Auch geben 28 % der Teilnehmenden an, dass die Technologien noch sehr fehleranfällig sind und es oft an aussagekräftigen Daten mangelt, um die KI-Modelle zu trainieren.

Neben den zahlreichen Vorteilen und Chancen, die KI für den Finanzsektor bereithält, gibt es auch Herausforderungen – eine der größten davon ist die Datenschutzfrage und die Gewährleistung der Cybersicherheit. Zusätzlich hat die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) drei weitere Risiken identifiziert, die mit der Nutzung von KI in der Finanzbranche einhergehen:

• Die hohe Komplexität der Deep Learning Algorithmen macht es schwierig, Ergebnisse zu überprüfen und nachzuvollziehen.
• Kurze Rekalibrierungszyklen: „Die Kombination aus selbstlernenden Algorithmen und täglich neu verfügbaren (Massen-)Daten führt dazu, dass die Rekalibrierungszyklen von Modellen und Algorithmen immer kürzer werden; die Grenzen zwischen Kalibrierung und Validierung verschwimmen,” erklärt die BaFin. Das führt dazu, dass nicht ausreichend Zeit für eine fundierte Qualitätskontrolle der KI-Modelle besteht.
• Hoher Grad an Automatisierung: Da Algorithmen immer mehr zur Automatisierung auch teilweise nicht standardisierter Prozesse und Entscheidungen eingesetzt werden, erfolgt eine rasante Skalierung. Das erfordert einen großen Bedarf an Monitoring-Lösungen und anderen Kontrollstrukturen, die Banken in ihre IT-Struktur einbinden müssen.
• Beim Sammeln, Speichern und Verwenden von Daten weist die BaFin auch auf Diskriminierungsrisiken hin, da Algorithmen aus Mangel an Informationen über eine bestimmte Personengruppe zu generalisierten Entscheidungen neigen könnten, die sich zum Beispiel negativ auf die Kreditwürdigkeit auswirken. Eine Data-Governance-Strategie ist für alle Finanzinstitute daher essentiell, die den Umgang mit Daten regeln.
  

Insgesamt bietet der Einsatz von KI in der Finanzbranche großes Potenzial, um neue Geschäftsfelder zu erschließen, Geldwäsche zu verhindern und den Kundenservice zu verbessern. Um die Technologien gewinnbringend zu nutzen, müssen Finanzinstitute vor allem in hohe Sicherheitsstandards investieren und mit den Regulierungsbehörden zusammenarbeiten.