<img alt="" src="https://secure.tula9mari.com/150530.png" style="display:none;">
GET DEMO

LEVERTON News

Stay up to date with us

Subscribe

Herausforderungen für KI steigen beständig

June 26, 2019 - By Bastian Schulz

Der Bankensektor profitiert immer mehr von Künstlicher Intelligenz (KI). Die Anwendungsbreite reicht von der Analyse einfacher Kreditverträge bis hin zur Prüfung komplexer Vertragswerke zwischen globalen Bankkonzernen, schreibt Experte Bastian Schulz in einem Gastbeitrag.

Maschinen, die mitdenken: Künstliche Intelligenz (KI) ist längst vom heiß diskutierten Hype-Thema zur erfolgreichen Technologieanwendung in den Unternehmen avanciert. Die heutzutage anfallenden riesigen Datenmengen – das „Gold der Neuzeit“ – zu bewältigen, das ist bislang der Hauptanwendungsbereich für Künstliche Intelligenz. Hier wird es für die Bankenwelt bereits hochspannend, denn Digitalisierung und Automatisierung halten dort immer stärker Einzug und sollen für schnelle, effiziente und fehlerfreie Unternehmensprozesse sorgen.

Bessere Datenqualität, weniger Administration

Denn: Finanzinstitute unterliegen hohen Dokumentations- und Rechnungslegungspflichten und müssen ein umfangreiches Portfolio an unterschiedlichsten Verträgen managen – und zwar nicht nur für ihre Kunden, sondern auch für Banken, Ämter und Behörden. Dabei zeigt sich das Anforderungsprofil an eine KI schon sehr deutlich: Schnelle und genaue Datenabstraktion soll mittelfristig weniger Administration erfordern – und mehr Umsatz bei geringeren Kosten generieren.

Selbst die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) widmete sich dem Thema KI Mitte 2018 bereits mit großer Aufmerksamkeit. So schrieb das BaFin-Journal basierend auf einer Studie, dass aus Perspektive des Markts Big Data und KI den Marktteilnehmern „erhebliche Wettbewerbschancen“ böten. Zu erwarten sei insbesondere eine stärkere Entkoppelung von Kundenschnittstelle und Kernprozessen, angetrieben von veränderten Kundenerwartungen.

Zusammenhänge erkennen

Schon längst geht es aber nicht nur darum, Daten aufzufinden, sondern Zusammenhänge zu erkennen: Die Anwendungsbreite im Bankensektor reicht aktuell von der Analyse einfacher Kreditverträge bis hin zur Prüfung komplexer Vertragswerke zwischen globalen Bankkonzernen. Schnell kommen da Millionen von rechtlich und finanziell relevanten Datenpunkten zusammen, die es alle im Auge zu behalten gilt.

Firmen haben die Chancen des „Machine Learning“ für die routinemäßige Extraktion, Strukturierung und weitergehende Verarbeitung von Daten offenbar erkannt: Einer aktuellen Studie des Digitalverbands Bitkom zufolge wird KI bereits von 12 Prozent der Unternehmen eingesetzt. Jeder zweite Befragte in den Firmen geht davon aus, dass Maschinelles Lernen (ML) aktuelle Geschäftsmodelle tiefgreifend verändern wird. Zu den größten Vorteilen zähle die Steigerung der Produktivität (47 Prozent).

Herkulesaufgaben für die Finanzinstitute

Währenddessen wachsen die Herausforderungen für die Systeme – im Bankensektor aktuell bei den Entwicklungen rund um die Transition der IBOR-Zinssätze. Die Reform der Referenzzinssätze, zu denen sich Banken Geld leihen können, stellt die Finanzinstitute vor eine Herkulesaufgabe: Die Definition der neuen RFR-basierten Benchmarks macht eine nahtlose Umstellung praktisch unmöglich. Bei einer Umstellung zwischen zwei Marktpartnern etwa sind Wertausgleiche zu ermitteln – ein hochkomplexes Einsatzgebiet für das KI-basierte Dokumentenmanagement.

Banken müssen nun alle Kreditverträge mit auf IBORs basierenden Zinssätzen durchforsten, die eine Vertragslaufzeit über das Jahr 2020 hinaus besitzen. Anschließend wird ein Inventar dieser Zinssätze erstellt, das als Grundlage für die neue Berechnung der Zinsen basierend auf RFSs dient. Nun lassen sich Vertragsänderungen kalkulieren und die Updates zu den Vertragskonditionen zeitnah an die Kunden versenden. Was bisher händisch hätte erfolgen müssen, übernimmt nun KI.

The article was originally published on die bank
Author: Bastian Schulz