KI wird im Bankensektor zunehmend für zahlreiche Geschäftsprozesse eingesetzt, um Arbeitsabläufe zu automatisieren, Risiken zu minimieren und innovative Kundenerlebnisse zu schaffen. Banken stehen unter einem hohen Wettbewerbsdruck und müssen ihren Kunden maßgeschneiderte Dienstleistungen bieten, um sich von ihrer Konkurrenz abzuheben. In diesem Artikel erfahren Sie, wie KI Finanzinstitute unterstützt, indem sie den Kundenservice revolutioniert, Risikomanagement präzisiert und Betrugsfälle verhindert. Zudem werfen wir einen Blick auf die zunehmende Nachfrage nach KI-Talenten und deren Bedeutung für die Zukunft des Bankwesens.
Inhalt
- KI im Bankensektor: Kundensupport und personalisierte Empfehlungen
- KI im Bankensektor: Risikomanagement
- KI im Bankensektor: Betrugserkennung und -prävention
- KI im Bankensektor und Recruiting: Nachfrage nach KI-Talenten wird steigen
- Fazit
KI im Bankensektor: Kundensupport und personalisierte Empfehlungen
Kundeninteraktionen haben sich in den letzten Jahren dramatisch verändert. Im Jahr 2017 führte Capital One als eine der ersten großen Banken einen Chatbot für den Kundenservice ein. Der Chatbot, genannt Eno, wurde in die mobile App von Capital One integriert und ermöglichte es Kunden, den Kontostand abzurufen, Transaktionen einzusehen und Zahlungen per Sprachbefehl durchzuführen.
Seitdem sind viele weitere Banken diesem Beispiel gefolgt und viele Banken setzen mittlerweile Chatbots ein, die durch KI gestützte Kundendienstanfragen bearbeiten.
Einsatz von Chatbots im Bankensektor in der DACH-Region
Quelle Zahlen: IFZ Conversational Banking Studie 2021
Grafik: WK Personalberatung
Diese Bots lernen durch kontinuierliche Dateneingaben und können immer komplexere Fragen beantworten, was den Bedarf an menschlichen Eingriffen reduziert. Darüber hinaus können KI-Systeme Transaktionsdaten analysieren, um personalisierte Angebote und Empfehlungen bereitzustellen.
KI im Bankensektor: Beratungen und Abschlüsse lieber beim Berater
Quelle Zahlen: IFZ Conversational Banking Studie 2021
Grafik: WK Personalberatung
Chatbots finden besonders bei jüngeren Zielgruppen Anklang. Sie werden bevorzugt für einfache Aufgaben genutzt, wie zum Beispiel die Abfrage des Kontostands, die Meldung von Änderungen oder die Bestellung von Dokumenten. Wenn es jedoch beispielsweise um Beratungen oder den Abschluss von Kreditverträgen geht, wird der persönliche Austausch mit einem Menschen vorgezogen.
KI im Bankensektor: Risikomanagement
Ein weiteres bedeutendes Anwendungsgebiet für Künstliche Intelligenz (KI) ist die Kreditrisikobewertung. Während herkömmliche Kreditwürdigkeitsprüfungen häufig auf standardisierten Parametern wie Einkommensnachweisen und Kredithistorien basieren, ermöglicht der Einsatz von KI eine wesentlich umfassendere und präzisere Analyse. Hierbei werden nicht nur diese traditionelle Daten, sondern auch Informationen aus vielfältigen Quellen in die Bewertung einbezogen.
KI im Bankensektor: Praxisbeispiele für Risikomanagement
Quelle Zahlen: KfW Bankengruppe und Capital One
Grafik: WK Personalberatung
KI-Systeme greifen auf umfangreiche Datensätze zurück, die beispielsweise Transaktionsverläufe, Verhaltensdaten sowie alternative Datenquellen wie Mobilfunkinformationen oder Online-Kaufverhalten umfassen. In manchen Fällen werden sogar Daten aus sozialen Netzwerken berücksichtigt, um ein detailliertes Bild des Kreditnehmers und dessen finanzieller Stabilität zu zeichnen. Solche digitalen Fußabdrücke können eine genauere Einschätzung der Kreditwürdigkeit ermöglichen.
Für Banken und Finanztechnologieunternehmen (Fintechs) bietet KI die Chance, Kreditrisiken deutlich fundierter einzuschätzen, sei es im Privatkundengeschäft oder bei großen Unternehmenskrediten. Im B2B-Bereich spielen zudem Faktoren wie Nachhaltigkeit, Soziales und Unternehmensführung (ESG) eine immer größere Rolle. Um diesen Anforderungen gerecht zu werden, müssen Banken bei der Kreditvergabe künftig verstärkt Daten analysieren, die Einblicke in geographische Klimarisiken bieten oder ESG-Risiken in Sektoren wie der Landwirtschaft identifizieren.
KI kann helfen, diese wachsenden Datenmengen effizient und unter Berücksichtigung von Datenschutzvorgaben sowie regulatorischen Anforderungen zu verarbeiten. Durch automatisierte Datenanalyse werden Kreditgeber in die Lage versetzt, Entscheidungen schneller und genauer zu treffen, was das gesamte Kreditvergabeverfahren beschleunigt.
KI im Bankensektor: Betrugserkennung und -prävention
Ein weitere Einsatzbereich von KI ist die Betrugserkennung. Laut der Bitkom Bilanz Cyberkriminalität 2023 sind 70 % der Internetnutzer*innen bereits Opfer von digitalem Betrug geworden, 13 % berichten von Betrug beim Online-Banking oder missbräuchlicher Nutzung ihrer Kontodaten.
13 Prozent der Kunden beim Online-Banking betrogen
Quelle Zahlen: Bitkom 2023
Grafik: WK Personalberatung
KI-Algorithmen sind in der Lage, auffällige Verhaltensmuster und damit Transaktionsfälle zu identifizieren und so Betrugsfälle frühzeitig zu erkennen und zu verhindern. Im Gegensatz zu traditionellen, in aller Regel nur verzögert arbeitenden Methoden wie dem bereits seit längerem eingesetzten maschinellen Lernen analysieren KI-basierte Systeme große Mengen an Transaktionsdaten in Echtzeit und erkennen mit der Zeit immer genauer verdächtige Muster.
KI im Bankensektor: Praxisbeispiele Betrugserkennung
Quelle Zahlen: J.P. Morgan und HSBC
Grafik: WK Personalberatung
Sie identifizieren ungewöhnliche Muster und potenziellen Betrug, oft bevor es zu Schäden kommt. Ein wesentlicher Vorteil dieser Systeme ist ihre Fähigkeit, kontinuierlich zu lernen. Mit jeder neuen Datenmenge verbessern sie ihre Präzision und erkennen zunehmend komplexere Betrugsmuster.
Exkurs: Herausforderungen durch die Instant-Payment-Verordnung
Eine besondere Herausforderung stellt die Einführung der Instant-Payment-Verordnung dar. Die Instant-Payment-Verordnung bzw. IPR-Verordnung (EU No 2024/886) bringt für Banken einige Herausforderungen mit sich, insbesondere im Hinblick auf Betrug und Sicherheitsrisiken beim Online-Banking.
Wichtigsten Herausforderungen für Banken aus der IPR-Verordnung
Quelle Zahlen: Europäisches Parlament
Grafik: WK Personalberatung
Da Sofortüberweisungen innerhalb von Sekunden abgewickelt werden, bleibt den Banken nur ein sehr kurzer Zeitraum, um betrügerische Aktivitäten zu erkennen und zu verhindern. Zu den wichtigen Gegenmaßnahmen gehören:
- 1. Betrugserkennung: Banken müssen in der Lage sein, Betrugsversuche in Echtzeit zu erkennen, da Überweisungen in Sekunden durchgeführt werden. Betrüger könnten diese Schnelligkeit ausnutzen, um unerlaubte Transaktionen durchzuführen, bevor verdächtige Muster identifiziert werden.
- 2. Verifizierung: Bei Sofortüberweisungen bleibt wenig Zeit, um den Empfänger zu validieren. Die Empfängerüberprüfung muss nahezu sofort durchgeführt werden, um Betrug zu verhindern, ohne den Transaktionsfluss zu unterbrechen.
- 3. Überprüfung der Sanktionslisten: Eine wichtige Verpflichtung der Instant-Payment-Verordnung besteht darin, sicherzustellen, dass keine Transaktionen an Personen oder Organisationen auf Sanktionslisten getätigt werden. Da Sofortüberweisungen so schnell ablaufen, müssen Banken die Identitäten der Empfänger in Echtzeit mit Sanktionslisten abgleichen, um Compliance-Vorgaben einzuhalten.
Der Einsatz von KI im Bankensektor ermöglicht es Finanzdienstleistern, die Anforderungen der Instant-Payment-Verordnung hinsichtlich Betrugsprävention und Überprüfung von Sanktionslisten effektiv zu meistern. KI-gestützte Systeme bieten eine zügige und präzise Analyse von Transaktionsdaten in Echtzeit, wodurch die Einhaltung von Vorschriften sichergestellt und Betrugsfälle minimiert werden.
KI im Bankensektor und Recruiting: Nachfrage nach KI-Talenten wird steigen
Finanzdienstleistungen werden zunehmend datengetrieben, und KI wird dabei eine immer zentralere Rolle spielen, um den wachsenden Anforderungen an Präzision, Effizienz und Nachhaltigkeit gerecht zu werden. Eine zentrale Herausforderung ist und bleibt dabei die Sicherstellung einer hohen Datenqualität sowie die technologische Infrastruktur, um diese Datenmengen verlässlich verarbeiten zu können.
Hierfür werden KI-Talente benötigt. Doch europäische und insbesondere deutsche Banken hinken derzeit ihren nordamerikanischen Wettbewerbern hinterher, wenn es um die Anwerbung und Integration von KI-Fachkräften geht. Während US-Banken wie JPMorgan und Capital One doppelt so viele KI-Talente beschäftigen und innovative KI-Projekte schneller vorantreiben, stehen europäische Banken unter Druck, diesen Rückstand aufzuholen. Deutsche Banken wie die Deutsche Bank verzeichnen zwar Wachstum im KI-Bereich, doch insgesamt ist der Vorsprung Nordamerikas in puncto KI-Innovation und -Entwicklung weiterhin signifikant.
Diese Herausforderung wird durch den steigenden Wettbewerb um KI-Talente verschärft, da nicht nur der Bankensektor, sondern auch andere Branchen wie die Automobilindustrie, der Maschinenbau und die IT-Branche verstärkt auf KI setzen. Branchenübergreifend wird KI als strategischer Wachstumsfaktor gesehen, was dazu führt, dass Banken verstärkt um KI-Talente konkurrieren müssen. Da die Vergütung und Arbeitsbedingungen in der Tech-Branche oft attraktiver sind, müssen europäische Banken ihre Bemühungen intensivieren, um die besten Fachkräfte zu gewinnen und zu halten.
Fazit
Die Implementierung von KI im Bankensektor kann in einer Reihe von weiteren Anwendungsbereichen wie beispielsweise Marktanalysen, der Automatisierung von Backoffice-Prozessen, Optimierung von Vorhersagemodellen und Finanzportfolios zu mehr Effizienz und Sicherheit sowie einer verbesserten Kundenerfahrung führen.
Gleichzeitig wächst der Bedarf an Fachkräften, die in der Lage sind, diese Technologien effizient zu implementieren. Banken, die in KI investieren und eng mit Universitäten und Tech-Branchen zusammenarbeiten, sichern sich einen Wettbewerbsvorteil und bleiben in einem zunehmend datengetriebenen Markt wettbewerbsfähig.
