Jenseits des Hypes: KI in der Finanzdienstleistungsbranche

Die zunehmende Komplexität künstlicher Intelligenz (KI) hat weltweit für Aufsehen gesorgt und zu neuen Möglichkeiten der Wertschöpfung in der Finanzdienstleistungsbranche geführt. Prognosen zufolge dürften rund 30 % des Betriebsgewinns im Bankensektor auf KI zurückzuführen sein.[1] Dies wird höchstwahrscheinlich zu Umbrüchen auf dem Markt führen und neuen Wettbewerb durch neue Marktteilnehmer auslösen.

In der Praxis werden viele Unternehmen Schwierigkeiten haben, sich anzupassen, da die Größe und Komplexität ihrer Technologieinfrastruktur im Finanzdienstleistungssektor nur schwer zu verändern sind. Damit Unternehmen erfolgreich sein können, benötigen sie eine Plattform, die sich in Zeiten ständiger Disruption von selbst anpassen kann und die Integration der Innovationen ermöglicht, die die Zukunft der KI vorantreiben.

Dieser Guide ist Teil einer Reihe von Guides für Führungskräfte von Red Hat und richtet sich an Führungskräfte, die an realen Beispielen für die Implementierung von KI in Unternehmen interessiert sind. Er enthält Success Stories von Kunden, die Sie bei der Planung ihrer KI-Einführungsstrategie und in einer Zeit konstanter Innovation unterstützen sollen.

• Der Gesamtwert der KI, der für den Bankensektor auf dem Spiel steht, beläuft sich allein auf etwa 1,2 Billionen US-Dollar.¹
• Generative KI könnte einen Wertzuwachs von 200 bis 340 Milliarden US-Dollar generieren.

Die wahre Kraft einer disruptiven Technologie entfaltet sich erst dann, wenn sie vollständig in die Art und Weise integriert ist, wie Unternehmen, Kunden und Beschäftigte miteinander interagieren und wie Mehrwert geschaffen wird. Dies traf zu, als der elektronische Handel die Finanzmärkte revolutionierte und als die Digitalisierung das Privatkundengeschäft im Bankwesen veränderte. Diese Verlagerungen eröffneten neue Einnahmequellen und senkten die Kosten erheblich. Gleichzeitig veränderte sich die Wettbewerbslandschaft.

Die rasante Entwicklung der KI hat zu leistungsstarken Sprachmodellen und KI-Agenten geführt, die kurz davor stehen, die Finanzdienstleistungen erneut zu revolutionieren. Dies wird letztendlich die Kundenbindung verändern und neue Effizienzsteigerungen im Betrieb ermöglichen, während gleichzeitig neuer wirtschaftlicher Druck auf die etablierten Unternehmen entsteht. KI dürfte häufigere und tiefgreifendere Veränderungen bewirken, die ein höheres Maß an Anpassungsfähigkeit erfordern werden. Unternehmen müssen jedoch zunächst diese 3 Hindernisse beim Einführen von KI überwinden.

1. Kosten
   Die Kosten für das Trainieren, Tuning, Bereitstellen und Integrieren von Modellen schränken die Anzahl der Produkte und Services ein, auf die KI angewendet werden kann.
2. Komplexität 
   Kopmpetenzmängel, unternehmensdefinierte Infrastrukturanforderungen und ein Mangel an zugänglichen Daten erschweren den Einsatz von KI in großem Umfang.
3. Risiken
   Unausgereifte Tools im gesamten Modell-Lifecycle können einschränken, wo und wie Unternehmen in der Finanzdienstleistungsbranche KI einsetzen.

Senkung der Barriere für KI im gesamten Unternehmen

Die Bewältigung dieser Hindernisse stellt eine wesentliche Voraussetzung dafür dar, dass die Branche KI in größerem Umfang einführt und Unternehmen ihr volles Potenzial im gesamten Finanzdienstleistungsbereich ausschöpfen können.

• Kostensenkung
  Eine moderne KI-Plattform ist erforderlich, um den Hardwareverbrauch zu optimieren, das Modellmanagement zu verbessern und die Kosten für die Integration von KI in Anwendungen zu minimieren. Dies eröffnet Möglichkeiten, KI in Bereichen einzusetzen, die bisher kommerziell nicht möglich waren.
• Weniger Komplexität
  Eine Kombination aus Kompetenzentwicklung und der richtigen KI-Plattform kann Kompetenzlücken schließen, das Infrastrukturmanagement optimieren, die Zusammenarbeit verbessern und die Bereitstellung beschleunigen.
• Minderung von Risiken
  Vertrauen und Sicherheit sind entscheidend dafür, dass sich bahnbrechende Technologien bei Beschäftigten und Kunden durchsetzen. Manuelle Kontrollen sind schwer zu skalieren und können ineffektiv sein. Investitionen in Qualität, Sicherheit und Governance sind für eine breite Einführung unerlässlich.

Bekämpfung von Finanzbetrug

Kriminelle gehen immer geschickter vor, um ihre Identität zu verschleiern und einer Entdeckung zu entgehen. Daher müssen Unternehmen ihre Modelle kontinuierlich weiterentwickeln, um falsch-positive Ergebnisse zu reduzieren und problematische Transaktionen besser zu erkennen. Föderiertes Lernen und synthetische Daten entwickeln sich zu wichtigen Tools.

Erkennung transaktionaler Anomalien in der Infrastruktur der Finanzmärkte

Die 11.000 Mitglieder von SWIFT senden täglich Millionen von Transaktionen über das Netzwerk.

Im Jahr 2022 erkannte SWIFT den Bedarf an einer hochgradig skalierbaren und sicherheitsorientierten Architektur, mit der sie sich kontinuierlich anpassen und Angreifern einen Schritt voraus sein können. 

Das Unternehmen hat eine leistungsstarke KI-Plattform und speziell angepasste ML-Modelle (Machine Learning) entwickelt, die eine präzisere Analyse mit weniger Fehlalarmen ermöglichen, um Nachrichten zu untersuchen und zur Fehlerbehebung zurückzuweisen. In Zukunft könnte KI die automatische Korrektur von Eingabefehlern erleichtern, die Routing-Optionen für Zahlungen optimieren und die Verarbeitung auf zahlreiche andere Arten verbessern.

Neugestaltung des Kunden-Onboardings

Die rasante Entwicklung der KI hat das Potenzial, nicht nur die Interaktion von Unternehmen mit ihren Kunden grundlegend zu verändern, sondern auch die zugrunde liegenden Prozesse zu optimieren. Es ist damit zu rechnen, dass Dialogagenten leistungsfähiger und Wartungskosten sinken werden. Allerdings gibt es auch erhebliche Chancen bei der Akquise und Einbindung von Kunden sowie bei der Beratung, wo KI einen nachhaltigen Einfluss haben wird.

Optimiertes Onboarding für Business-Banking-Kunden

Vor der Eröffnung eines Firmenkontos bei der argentinischen Banco Galicia mussten Kunden eine Filiale aufsuchen, um vor Ort verschiedene rechtliche Dokumente mit Unternehmens- und Buchhaltungsinformationen einzureichen, die anschließend digitalisiert und von Rechts-, Risiko- und Compliance-Spezialisten geprüft wurden. Es dauerte etwa 20 Tage, bis die Registrierung eines neuen Kontos genehmigt oder die Kontoinformationen eines bestehenden Kunden aktualisiert wurden.

Da die Bank die Dokumente nun nahezu in Echtzeit analysiert, können neue Firmenkunden ihr Konto innerhalb von Minuten eröffnen und nutzen und gleichzeitig die Risiko- und Compliance-Anforderungen der Bank erfüllen.

Neue Möglichkeiten in der Kreditvergabe

Komplexere Risikomodelle und die Verwendung alternativer Daten sowie Verhaltensanalysen haben bereits zu Veränderungen in der Kreditbranche geführt. So konnten Rückzahlungen genauer vorhergesagt und neue Einnahmequellen erschlossen werden. Durch die Einbindung von Sprachmodellen in die Risikoübernahme konnten Betriebskosten gesenkt werden. Die zunehmende Bedeutung intelligenter Verträge und die Integration agentischer KI versprechen eine weitere Optimierung der Kreditvergabe für Finanzdienstleistungen.

KI-Skalierung im gesamten Unternehmen

Die türkische DenizBank hat eine marktführende KI-Plattform für ihre Data Scientists und Engineers entwickelt, die die Markteinführungszeit verbessert und gleichzeitig Kosteneinsparungen für den KI/ML-Prozess ermöglicht. Die Bank automatisierte Data Science-Pipelines, bietet nun Self Service-Funktionen und optimiert die Modellbereitstellung, um KI effizienter im gesamten Unternehmen zu skalieren.

Die Bank beschäftigt mehr als 120 Data Scientists, die auf verschiedene Geschäftsbereiche verteilt sind und an Innovationen in Bereichen wie Marketing, Kreditvergabe, Kreditkarten und Risiko arbeiten. Mit dieser neuen Plattform kann die DenizBank nicht nur die Entwicklung, Bereitstellung und Integration von Modellen optimieren, sondern auch die leistungsstarken Open Source Communities nutzen, die die Zukunft der KI gestalten.

Mehr erfahren

Verbessertes Kundenerlebnis

KI-Agenten stehen kurz davor, das Kundenerlebnis im Bankwesen neu zu gestalten, indem sie Dienstleistungen intelligenter, intuitiver und personalisierter gestalten. Von proaktiven Zahlungserinnerungen bis hin zu Cashflow-Optimierung in Echtzeit – KI kann Kundenanforderungen vorhersagen und bedarfsgerechte Finanzinformationen bereitstellen, die die Entscheidungsfindung vereinfachen und Maßnahmen im Namen der Kunden ergreifen.

Durch die Analyse von Zeitreihendaten und die Identifizierung umsetzbarer Patterns unterstützt KI die Erstellung genauerer Prognosen, mit denen Banken gezielte Angebote unterbreiten, potenzielle Probleme erkennen können, bevor sie auftreten, und proaktive Finanzberatung anbieten können.

Kunden müssen ihre Finanzen nicht mehr im Alleingang verwalten – dank agentengestützter Insights behalten sie den Überblick, können ihr Geld mühelos verwalten und ihre finanziellen Ziele souverän erreichen. 

Neben der Automatisierung kann KI für eine stärkere Kundenbindung durch schnellere Reaktionszeiten und personalisierte Interaktionen sorgen, sei es durch Chatbots, intelligente Empfehlungen oder durchdachte digitale Bankdienstleistungen. Durch das Bereitstellen sicherer und optimal zugeschnittener Services trägt KI dazu bei, die Kundenzufriedenheit und das Vertrauen zu steigern und eine Zukunft zu schaffen, in der Banking nicht nur effizient, sondern auch wirklich kundenorientiert ist.

Bankwesen

Die Arbeitsweise einer Bank und ihre Interaktion mit Kunden und Beschäftigten werden sich in den nächsten 5 Jahren stark verändern. Das beschleunigte Tempo, mit dem Kunden neue Technologien bereitwillig annehmen, wird den Druck auf die Banken erhöhen, mit der Geschwindigkeit des Wandels Schritt zu halten. Intern können leistungsstarke Modelle und Agenten kompliziertere Aufgaben übernehmen und die Arbeitsweise radikal transformieren.

• Service: Gesprächsagenten werden komplexere Aufgaben übernehmen. KI-Agenten werden tiefer in das Bankwesen integriert.
• Kreditvergabe: KI wird bei der Bewertung und Optimierung kundenspezifischer Produktangebote, Preise und Risiken immer leistungsfähiger und effektiver werden.
• Zahlungen: Übergang zum Echtzeit-Cash-Management mit fortschrittlichen Modellen zur Optimierung und Abstimmung von Transaktionen.
• Beratung: Komplexere Modelle werden Aufgaben wie das Sammeln von Informationen, Zusammenfassungen und Empfehlungen übernehmen.

Versicherungswesen

Steigende Betriebskosten, neuer Wettbewerbsdruck und volatile Klimarisiken belasten die Gewinne von Versicherungsunternehmen weltweit. Der Zugang zu neuen Datenquellen und die sinkenden Kosten für die Modellentwicklung eröffnen Versicherungsunternehmen neue Möglichkeiten, KI in ihrem gesamten Geschäft umfassender einzuführen und ein neues Maß an operativer Effizienz zu erreichen.

• Schadensmeldungen: Modelle für Dokumente, Bilder, Videos und Sensoren beschleunigen die Genehmigung und Regulierung.
• Risikoübernahme: Wird Genehmigungen durch genaueres Verständnis persönlicher und geschäftlicher Daten optimieren.
• Richtlinien: Zunehmend individualisierte Richtlinien und dynamische Preisgestaltung auf Basis von Echtzeitdaten und ausgefeilteren Risikomodellen.
• Service: Gesprächsagenten werden komplexere Aufgaben übernehmen. Agenten werden tiefer in das Versicherungswesen integriert.

Finanzmärkte

Die rasante Entwicklung der KI unterstützt Unternehmen dabei, Risiken besser zu managen und mit der inhärenten Volatilität der Finanzmärkte zurechtzukommen. Die zunehmende Komplexität von Sprachmodellen und KI-Agenten schafft neue Möglichkeiten für die Neugewichtung von Portfolios und die Vorhersage von Auftragsbüchern. Wenn Unternehmen die Kosten und Komplexität von KI reduzieren, können sie auch bei sich ändernden Marktbedingungen neue Effizienzniveaus erreichen.

• Handel: Verstärkter Einsatz von KI-Agenten im gesamten Handels-Lifecycle zum Optimieren der Handelsstrategien und zur Verbesserung der Effizienz.
• Liquidität: Mithilfe leistungsstarker Liquiditätsprognosen durch die Simulation von Märkten werden Risiken gesenkt, angemessene Flexibilität sichergestellt und die Marktstabilität verbessert.
• Portfoliomanagement: Zunehmend ausgefeilte Modelle zum Optimieren von Portfolios im Hinblick auf Kosten, Risiken, Auswirkungen auf die Umgebung und andere Ziele.
• Marktinformationen: Neue Sprachmodelle, um die Marktstimmung aus neuen Quellen unstrukturierter Daten besser zu verstehen.

Risiko und Compliance

Die Einhaltung von Compliance-Verpflichtungen und das Risikomanagement gestalten sich zunehmend schwieriger. Sich verändernde Vorschriften, wechselnde Marktbedingungen und neue Betriebsrisiken erhöhen die Kosten und Komplexität. Fortschritte in KI eröffnen neue Möglichkeiten, Risiken besser zu managen und gleichzeitig die Kosten zu senken. Dies wird durch Sprachmodelle und agentische Frameworks in Verbindung mit einer kostengünstigeren und unterstützenden Plattform ermöglicht.

• Risikomanagement: Verbesserte Insights zu Portfoliorisiken, Auswirkungen auf die Margen und Flexibilitätsrisiken durch agentenbasierte Simulationen.
• Behördliche Meldung: Optimierte Meldungen durch Abrufen von Dokumenten und Extrahieren wichtiger Informationen.
• Finanzkriminalität: Höhere Genauigkeit und weniger Falschmeldungen durch adaptive Risikomodelle, die aus neuen Patterns lernen.
• Informationssicherheit: Echtzeit-Bewertungen von Assets, um Schwachstellen zu identifizieren, Bedrohungen genau zu identifizieren und die Behebung zu beschleunigen.

Wir befinden uns in einer neuen Generation von Finanzdienstleistungen, die tiefgreifende Auswirkungen auf Kunden, Partner und Beschäftigte haben wird. Die rasante Entwicklung von KI hat das Potenzial, das Engagement von Kunden und Mitarbeitenden von Grund auf neu zu gestalten und zu einem neuen Maß an operativer Effizienz zu führen. Allerdings müssen die Herausforderungen in Bezug auf Kosten, Risiken und Compliance sowie die unterschiedliche Bereitschaft von Unternehmen und Technologien überwunden werden.

Im Folgenden sind 4 Bereiche aufgeführt, die unserer Meinung nach in naher Zukunft im Fokus stehen werden, wenn Unternehmen versuchen, KI in ihrem gesamten Geschäft einzuführen und deren Ergebnisse zu maximieren.

Was sind KI-Agenten?

Dabei handelt es sich um Software, die KI verwendet, um Aufgaben mit geringer oder ohne menschlicher Interaktion auszuführen.

Warum sind sie wichtig?

Sie können Betriebskosten drastisch senken, neue Wertschöpfungsströme erzeugen und das Backoffice transformieren. Agenten entwickeln sich immer weiter und sind dank verstärktem Lernen und Schlussfolgerungen in der Lage, komplexere Aufgaben zu übernehmen.

Was sind Small Language Models?

Dabei handelt es sich um Sprachmodelle, die für bestimmte Verwendungszwecke optimiert und kompakter und effizienter konzipiert sind. 

Warum sind sie wichtig?

Sie bieten mehr Kontrolle, Genauigkeit, Geschwindigkeit und Zuverlässigkeit für bestimmte Zwecke wie Kundensupport, Beratung und Marktforschung. Sie können Infrastrukturkosten und Energieverbrauch erheblich senken.

Was ist föderiertes Lernen?

Eine Art von ML, bei der mehrere Gruppen gemeinsam ein Modell trainieren, ohne Daten zu teilen. 

Warum ist es wichtig?

Föderiertes Lernen ermöglicht leistungsstarke Modelle mit neuer Genauigkeit, ohne dass Daten weitergegeben werden müssen, und erfüllt gleichzeitig die Anforderungen an die Datenhoheit. Ein Beispiel stammt aus dem Bereich der Finanzkriminalität, wo Banken gemeinsam an einem Modell arbeiten, die Daten jedoch vertraulich bleiben.

Was ist KI-Sicherheit?

Sie verhindert unbeabsichtigte oder schädliche Folgen von KI und schützt vor Angriffen durch böswillige Akteure.

Warum ist das wichtig?

Fairness, Erklärbarkeit, Transparenz, Genauigkeit und Zuverlässigkeit sind entscheidend für die Sicherheit. Einzelpersonen, Organisationen und die Gesellschaft müssen durch ein effektives Risikomanagement vor Schäden geschützt werden.

In der Vergangenheit hat sich gezeigt, dass Disruptionen nur dann bewältigt werden können, wenn sie von einem robusten Ökosystem aus Technologien umgeben sind, die für einen bestimmten Zweck geeignet sind. Dadurch lassen sich Kosten reduzieren und Technologien zugänglicher machen. Die digitale Revolution wäre ohne den Netzwerkeffekt des Internets nicht möglich. Open Source hat einen ähnlichen Netzwerkeffekt bei wichtigen Technologien erzeugt, die Innovationen in der Cloud und jetzt auch bei KI fördern. Die rasante Entwicklung der KI wird durch die gemeinsamen Leistungen von Open Source Communities und -Modellen sowie durch das umfassende IT-Ökosystem gefördert, das sich daraus entwickelt hat.

Wir sind davon überzeugt, dass KI, um wirklich transformativ zu sein, auf einer kosteneffektiven und universellen KI-Plattform basieren muss, die von einem umfassenden IT-Ökosystem unterstützt wird. Wir entwickeln Produkte in Communities und knüpfen weltweit Partnerschaften, um KI zugänglicher und benutzerfreundlicher zu gestalten.

Red Hat AI

Das Portfolio von Red Hat® AI bietet eine einheitliche und umfassende KI-Plattformlösung, mit der sich die Markteinführungszeit verkürzen und gleichzeitig die Betriebskosten und Risiken bei der Bereitstellung von KI-Produkten im gesamten Unternehmen senken lassen. Diese Lösung ermöglicht eine effiziente Nutzung beliebiger Infrastrukturen und unterstützt die Erstellung zweckmäßiger Modelle mit Ihren Daten ohne unnötige Komplexität oder Kosten.

Consulting Services für Red Hat AI

Arbeiten Sie mit den Expertinnen und Experten von Red Hat AI zusammen, um wichtige Geschäftsziele zu planen und zu identifizieren. Erstellen Sie gemeinsam eine strategische Roadmap, um Ihre KI-Ziele zu erreichen, einschließlich Maßnahmen für niedrigere Betriebskosten, optimierte Ressourcennutzung, verbesserte Skalierbarkeit und beschleunigte KI-Innovationen. Schaffen Sie grundlegende Funktionen – einschließlich einer KI-Plattform und KI-Kompetenzen – und generieren Sie gleichzeitig geschäftlichen Mehrwert.

Das Partnernetzwerk von Red Hat AI

Integrieren Sie die Tools Ihrer Wahl mit weniger Kosten und Risiken. Erhöhen Sie den Wert Ihrer Investition durch die Integration neuer Funktionen – jetzt und in Zukunft. Führen Sie die Lösung auf der Hardware Ihrer Wahl mit der gewünschten Performance und Zuverlässigkeit aus. Maximieren Sie die Vorteile von KI in Ihrem Unternehmen mit führenden Beratungsunternehmen auf der ganzen Welt.

Nutzung zukünftiger Chancen

Arbeiten Sie gemeinsam mit den Expertinnen und Experten von Red Hat an einer intelligenten Roadmap für Ihren Erfolg. Stellen Sie sich die Verwendung von Red Hat AI in Ihrer Umgebung vor und informieren Sie sich über die Funktionen. Mit den KI-Fachleuten von Red Hat können Sie erreichbare Ziele definieren, eine moderne KI-Plattform einrichten, transformative Fähigkeiten aufbauen, Pilot Use Cases optimieren sowie Kosten und Komplexität reduzieren.

Jetzt starten