Offene Diskussion: KI-Strategien für Banken

Künstliche Intelligenz (KI) transformiert das Bankenwesen und bietet neue Möglichkeiten für Innovationen, betriebliche Effizienz und Verbesserungen des Kundenservice. Allerdings sind diese Chancen nicht ohne Herausforderungen wie Datensicherheit, Compliance und ethische Aspekte verbunden. 

Diese Themen wurden kürzlich in dem Webcast AI Strategies for Scalable, Secure and Compliant Banking erörtert, der von Finextra präsentiert wurde. Während dieser Session diskutierten Richard Harmon, Vice President und Global Head of Financial Services bei Red Hat, und Will Taban, Product Manager, mit dem CTO von Dwolla, Skylar Nesheim und Sharon KImethi von Finextra Best Practices und Tools für KI-Integration im Banking. Dabei betonten sie die Bedeutung von Open Source-Modellen, generativer KI (gen KI), der Verwendung synthetischer Daten und regulatorischer Frameworks.

Experimentieren und Erkunden

In einer während des Webinars durchgeführten und im Bericht nach dem Webinar veröffentlichten Umfrage unterstützten 58 % der Befragten die Position, dass sich die meisten Finanzdienstleister noch in der Experimentier- oder Explorationsphase befinden. Während Trends und Use Cases von Unternehmen zu Unternehmen variieren können, wurden während der Session klare Themen darüber gezeigt, wie Banken mit KI experimentieren:

• Generative KI: Wird oft als kundenorientiertes Ergebnis angesehen, das eine schnelle Beantwortung von Anfragen ermöglicht. Gen KI kann auch ein leistungsstarkes Tool für die Marktanalyse und die Entwicklung neuer Produkte sein.
• Prävention von Finanzkriminalität: KI-Systeme können riesige Datenmengen analysieren, um Muster und Anomalien zu erkennen, die auf betrügerische Aktivitäten hindeuten. Die robuste Betrugserkennung schützt die Vermögenswerte der Bank und stärkt das Vertrauen der Kunden.
• Zahlungsverarbeitung: KI kann Transaktionen effizienter vereinfachen und optimieren und so zu sichereren, schnelleren und kostengünstigeren Transaktionen führen, die Verbrauchern und Institutionen zugute kommen.
• Agentische KI: KI-Agenten, die Aufgaben autonom ausführen, versprechen eine Revolutionierung des Bankings. KI-Agenten überwachen Systeme, identifizieren Probleme und ergreifen Maßnahmen, um die betriebliche Effizienz und das Kundenerlebnis zu verbessern.

Synthetische Daten und das regulatorische Problem

Synthetische Daten sind für die KI von entscheidender Bedeutung, insbesondere beim Banking, wo der Datenschutz von entscheidender Bedeutung ist. Diese Technologie wird von Algorithmen generiert und repliziert echte Daten, ohne sensible Informationen offenzulegen. So können neue Daten gemeinsam genutzt und analysiert werden. Dies erhöht die Sicherheit und fördert Innovationen, wie beispielsweise bei der Erkennung von Finanzverbrechen. Hier können Institutionen gemeinsam an Modellen arbeiten, ohne Kundendaten zu riskieren. 

Synthetische Daten verbessern den wertvollen Datenaustausch zwischen Institutionen und Ländern und stärken so ihre gemeinsamen Anstrengungen. Dies ist entscheidend für das KI-Training, insbesondere angesichts der hohen Kosten und des begrenzten Zugangs zu echten Daten. Mit synthetischen Daten können Unternehmen schnell große Datensätze für das Training ihrer fortschrittlichen KI-Systeme generieren, was die Skalierbarkeit und Erschwinglichkeit erhöht. Darüber hinaus trägt sie dazu bei, Verzerrungen in tatsächlichen Daten zu reduzieren, was zu genaueren und gerechteren KI-Modellen führt. 

Für einen ethischen Einsatz von KI ist das Gleichgewicht zwischen Regulierung und Innovation von wesentlicher Bedeutung. Neue Vorschriften wie die EU-Verordnung über künstliche Intelligenz (KI) stellen Datenschutz, Transparenz und Robustheit in den Vordergrund, reduzieren Risiken und schaffen Vertrauen. Eine wirksame Regulierung muss Innovationen schützen und gleichzeitig für Sicherheit sorgen. Dies erfordert ein umfassendes Verständnis der beteiligten Technologien. 

Die Branche muss Frameworks entwickeln, die Innovationen unterstützen und gleichzeitig Schutzmaßnahmen gegen Missbrauch durchsetzen. In einer anderen Umfrage gaben 41 % der Webinar-Teilnehmer Compliance-Bedenken als Grund für die vollständige Einführung von KI-gesteuerten Services an. 

Zu berücksichtigende Best Practices

Obwohl sich Best Practices für KI rasant entwickeln, gibt es einige Richtlinien, die Banken berücksichtigen sollten. Eine der wichtigsten Richtlinien, die man sich merken sollte, ist laut Caban, „aufhören, dem Nächsten nachzujagen“. 

„Weil die Sache ist: Es spielt keine Rolle, was das nächste große Ding ist. Manche werden es kopieren, weil es heutzutage sehr einfach ist“, sagt Caban. Konzentrieren Sie sich stattdessen auf kundenseitige und interne Problempunkte und gehen Sie iterativ vor, um Ihrer Organisation nachhaltige KI-Innovationen zu ermöglichen.“ Wahre Worte.

Weitere zeitlose Best Practices sind:

• Richten Sie KI auf Use Cases für Banken, Datenmanagement und Governance aus, um konforme und sichere Unternehmens-KI in großem Umfang zu entwickeln.
• Ziehen Sie die Verwendung von Open Source-KI-Modellen, -Gewichtungen, -Algorithmen und -Frameworks in Betracht, um Transparenz, Community-Unterstützung und die Einhaltung von Vorschriften wie die KI-Verordnung der EU sicherzustellen.
• Setzen Sie sich für einen ausgewogenen Ansatz bei der Einführung von KI ein, der sich auf die Lösung spezifischer Probleme konzentriert, die Einhaltung gesetzlicher Vorschriften gewährleistet und eine Kultur von Empathie und Zusammenarbeit fördert.

Fazit

KI bietet besondere Vorteile und Herausforderungen für das Banking. Verbesserte Effizienz und bessere Kundenerfahrungen steigern das Interesse an neuen Use Cases. Banken müssen die Einführung von KI mit verantwortungsvollen Praktiken in Einklang bringen, um Wachstum und Kundenzufriedenheit zu maximieren. Die Einführung von KI-Tools, die Verwendung synthetischer Daten und die Einhaltung von Vorschriften sind der Schlüssel zur Erschließung des KI-Potenzials. Der Umgang mit ethische Problemen und Vorurteilen in regulatorischen Umgebungen fördert Effizienz und Innovation. Durch die Fokussierung auf die Bedürfnisse der Kunden und die Förderung von Empathie kann der Finanzsektor mit den richtigen Strategien und Sicherheitsvorkehrungen Wachstum und Innovation erreichen.

Red Hat hat sich verpflichtet, innovative KI-gesteuerte Lösungen für die Finanzdienstleistungsbranche bereitzustellen. Red Hat AI beschleunigt die Einführung produktionsbereiter Services. Weitere Informationen finden Sie auf unserer Seite Finanzdienstleistungen. In unserer interaktiven Demo erfahren Sie, wie Red Hat Sie bei der Erstellung benutzerdefinierter LLMs mit Red Hat Enterprise Linux AI und einem SDG (Synthetic Data Generator) unterstützen kann.