ChatGPT ist nur eines von vielen Beispielen für Generative KI – wenn auch das weitaus bekannteste. Die möglichen Anwendungsszenarien dafür sind praktisch unbegrenzt, der Fantasie keine Grenzen gesetzt. Banken und Finanzdienstleistern eröffnet sich damit die Chance, einen Teil ihrer strukturellen Defizite aufzuarbeiten und zu lösen.
Generative KI hat gleich zweifach ein Wettrennen ausgelöst: auf der Entwickler- wie auf der Anwenderseite. Schauen wir auf die KI-Entwicklung, dann scheint das vergleichsweise uralte Mooresche Gesetz ausgehebelt, wonach sich die Leistung von IT-Systemen innerhalb von zwei Jahren verdoppelt. Aktuell sind es eher Monate oder gar Wochen. Korrespondierend dazu gibt es auf der Ebene der (potenziellen) Nutzer aktuell kaum eine nennenswerte Branche, die nicht intensiv über ihre Anwendung nachdenkt, Lösungsansätze entwickelt, testet und implementiert. Dazu gehört natürlich auch der Bankensektor.
Potenziell kann Generative KI in allen Unternehmensbereichen von Banken und Finanzdienstleistern eingesetzt werden. Der praktikabelste Ansatz ist es dabei, ihren Einsatz bei besonders kritischen Problemfeldern zu prüfen. Dabei rücken vor allem drei Optimierungskandidaten ins Blickfeld: die Effizienz der internen Workflows, die internen Funktionen von Customer Services und Sales sowie das externe Customer Engagement.
Effiziente(re) Workflows
Die Verbesserung der Operational Excellence ist für das Bankenwesen eine hochaktuelle und höchst kritische Aufgabe. Margensteigerung steht auf der To-do-Agenda ganz weit oben. Entsprechend dringlich sind Maßnahmen zur Steigerung der Effizienz und Profitabilität. Generative KI hilft beispielsweise dabei, Workflows kritisch unter die Lupe zu nehmen, um Medienbrüchen, redundanten Tätigkeiten, unnötigen Bearbeitungsschleifen, Sackgassen und unvollendeten oder abgebrochenen Arbeiten auf die Spur zu kommen. Im nächsten Schritt ist dann die (Teil-)Automatisierung der optimierten Workflows ein großes Thema, einerseits aus Effizienzgründen, aber auch als Medizin gegen den Fachkräftemangel. Hier unterstützt Generative KI unter anderem dabei, Konzepte wie Process Mining besser und effizienter zu machen. In Kombination mit einer Low-Code-Plattform kann sie die Workflows zudem selbst schreiben.
Customer Service and Sales
Operativ kann Generative KI viele Aufgaben übernehmen und abarbeiten. Ein typisches Beispiel sind die Service-Center. Dort kann sie beispielsweise für die Trainings von Mitarbeitenden, die Simulation von Kundengesprächen und komplexen Dialogen eingesetzt werden. Sie unterstützt bei der Projektplanung, der Terminvorbereitung, der Datensammlung und -analyse und generiert daraus Insights. Durch das Zusammenfassen von Texten und anderen Daten spart sie bei der Nachbereitung im Call-Center ebenso wie bei der Terminvorbereitung im Vertrieb unglaublich viel Zeit. In den Marketing-Abteilungen optimiert sie Zielgruppenanalyse und Zielgruppenansprache. Im Kreditprozess selbst erstellt die Kombination aus Predictive KI und Gen KI regelbasierte Predictive Models und analysiert Fraud Detection (Geldwäsche, Terrorfinanzierung, Betrug) in Echtzeit, während des Kundengesprächs im Hintergrund (Realtime Risk and Compliance). Die volle Wirkung entfaltet Generative KI aber erst dann, wenn Workflows und Case Management eng miteinander verflochten werden. Die Kombination macht‘s.
Anzeige | Trovarit-Academy
Webinarreihe „KI konkret“ – Praxisnahe Use Cases
In vielen Unternehmen herrscht immer noch große Unsicherheit bei der Frage, ob und wie KI nutzbringend für die eigenen Prozesse eingesetzt werden kann.
Die Webinarreihe „KI konkret“ stellt in mehreren Terminen Use Cases vor, bei denen reale Herausforderungen in unterschiedlichen Unternehmensbereichen durch den Einsatz von KI gelöst werden konnten.
Zu den Aufzeichnungen der Webinarreihe KI konkret
Customer Engagement
Die internen Optimierungen fließen dann auch in die externen Kundenkontakte ein. In der Interaktion mit den Kunden ist Empathie ein großes Thema. Im Dialog ist es enorm wichtig, Stimmungen zu erfassen und die richtigen Keywords anzustimmen. Im Zusammenspiel mit den relevanten Primär- und Sekundärinformationen optimiert Generative KI die Erstellung relevanter, präziser und qualitativ hochwertiger Empfehlungen für die „Next Best Action/Offer“ (NBA/O), die den aktuell optimalen Mix aus Kunden- und Bankeninteresse abbildet. Aus Kunden- wie Bankensicht ist auch die durch KI-Einsatz intuitivere Nutzung von Self-Services interessant.
Das Potenzial generativer KI im Bankenwesen ist damit keineswegs erschöpft. Sie kann beispielsweise auch für die zeitliche (time-to-market) und fachliche Optimierung der Anwendungsentwicklung (Application Development) eingesetzt werden. Dabei darf nicht übersehen werden, dass Generative KI im geschlossenen Kontext der Workflows im Bankenwesen weitaus präziser arbeiten kann, als dies aktuell in weniger spezifizierten populären Umgebungen möglich ist. In Summe profitieren vom sinnvollen Einsatz generativer KI in Banken Servicequalität, operative Effizienz und Produktivität und damit letztlich die Profitabilität. Das Keyword dabei ist „sinnvoll“. Es unterscheidet echte Wertsteigerung von blindem Aktionismus. Dabei sein allein reicht nicht. Nur wer Generative KI gezielt einsetzt, kann die schier unendlichen Optimierungs- und Wertschöpfungspotenziale ganz praktisch nutzen.
Der Autor
Michael Baldauf ist Industry Architect/Strategist Financial Service EMEA bei Pegasystems.
