Banken auf Erfolgskurs: Die Vorteile von KI, Machine Learning und Big Data

Künstliche Intelligenz (KI), maschinelles Lernen (ML) und Big Data bestimmen seit geraumer Zeit die Diskussion um Technologietrends und werden mehr und mehr zu einem ernst zu nehmenden Wirtschaftsfaktor. Doch während viele Wirtschaftssektoren schon lange auf diese Technologien setzen, arbeiten bisher nur wenige Banken aktiv damit: Gerade einmal neun Prozent der Geldhäuser haben KI in ihre Prozesse integriert, 41 Prozent stufen KI-Anwendungen sogar als irrelevanten Zukunftsfaktor ein.¹

Fakt ist aber: KI, ML und Big-Data-Lösungen werden im modernen Banking zukünftig über Erfolg oder Misserfolg entscheiden, sodass sich Finanzinstitute schon jetzt damit auseinandersetzen sollten.

Big-Data-Analysen verbessern die Effizienz im Compliance-Prozess

Für Banken gibt es verschiedenste Anreize, sich an die Vorgaben der Aufsichtsbehörden zu halten. Wichtig ist nicht nur, Rufschäden zu vermeiden, sondern auch die Kosten von Verwicklungen in die immer raffiniertere Welt der Finanzkriminalität zu minimieren.

Allein in den letzten zehn Jahren verhängten Aufsichtsbehörden weltweit satte 26 Milliarden US-Dollar an Geldbußen für die Nichteinhaltung von Vorschriften zur Geldwäschebekämpfung, zu Know Your Customer (KYC) und zum Sanktionsscreening.² Angesichts dieser Zahlen besteht ein erheblicher Bedarf an Veränderung. Auch sind die gesetzlichen Berichtspflichten mit viel Arbeit verbunden. Für die Banken stellt sich also die Frage: Welche Teile dieser Berichterstattung können sie automatisieren und wo können sie dabei Kosteneinsparungen erzielen?

Komplexe Vorgänge vereinfachen

Doch wie automatisieren Finanzinstitute wichtige Aufgaben, die bislang manuell ausgeführt wurden? Durch den Einsatz hochentwickelter Daten- und Analysetechniken, wie maschinellem Lernen, künstlicher Intelligenz und der Verarbeitung natürlicher Sprache. Die Auswirkungen sind spürbar: Eine Umfrage von PwC³ zeigt, dass Banken mit richtig eingesetzter Technologie ihre Kosten in Verbindung mit der Einhaltung von Rechtsvorschriften um rund 30-50 % senken können, indem sie Bearbeitungszeiten verkürzen und die Qualität verbessern. Wie lässt sich dies konkret realisieren?

Know Your Customer (KYC)

Aus Daten gewonnene Erkenntnisse sind das A und O, wenn es um die Einhaltung der Rechtsvorschriften für Know Your Customer geht. Banken können mit Techniken für maschinelles Lernens die Erfassung und Überprüfung von Kundendaten vor der Durchführung von Risikobewertungen zuverlässig beschleunigen und verbessern. Außerdem ebnet die Analytik den Weg zu Kundensegmentierung und -profilierung, die nicht nur für die Einhaltung von Rechtsvorschriften hilfreich sind, sondern beispielsweise auch für personalisiertes Marketing. Weiter können Finanzinstitute Daten, die sie in KYC-Prozessen sammeln, in Business-Intelligence-Systeme übernehmen. Damit sind Prozessvisualisierungen und zusätzliche Effizienzgewinne möglich.

Sanktionsscreening und Transaktionsmonitoring

Das Sanktionsscreening ist eines von vielen veralteten Prozessen, die derzeit unter Druck stehen. Die gesetzlichen Anforderungen nehmen sowohl an Umfang als auch an Komplexität zu, zugleich erweisen sich die Möglichkeiten zur Risikoerkennung in bestehenden Systemen oft als langsam und fehleranfällig. Ein besonders akutes Problem sind die sogenannten False Positives.

Dagegen können Banken künstliche Intelligenz, maschinelles Lernen und kognitive Analytik zum Optimieren ihrer Screening-Prozesse einsetzen. Diese Technologien können es ihnen auch ermöglichen, die Anzahl Quellen insgesamt zu erweitern. Mit maschinellem Lernen lässt sich sicherstellen, dass die geprüften Daten möglichst genau sind. Zudem können Filterparameter nach und nach fein abgestimmt und so die Effizienz verbessert werden. Praktiker können durch Kombination von Techniken des maschinellen Lernens mit prognostischen Berechnungen dafür sorgen, dass Prüfer sich gezielter auf echte Positivmeldungen richten können.

Was Transaktionsmonitoring anbelangt, können Banken ihren bestehenden regelgestützten Ansatz mit leistungsstarken Tools zur Datenanalyse ergänzen. Dank Algorithmen für KI und maschinelles Lernen können sie nun enorme Mengen an Transaktionsdaten analysieren.

Anpassen oder untergehen

"Anpassen oder untergehen" klingt hier womöglich ein wenig übertrieben, aber die harte Realität wird viele Finanzinstituten bald einholen. Die Zeiten, in denen eine effektive Compliance-Strategie auf manuellen Prozessen aufbaute, sind vorbei. Stattdessen ist es an der Zeit, die neuen Technologien sinnvoll zu implementieren und so Wettbewerbsfähigkeit, Rentabilität, Servicequalität oder Personalisierung signifikant zu steigern.

Nächste Schritte:

1. Holen Sie das Beste aus Ihren Daten heraus und informieren sich über die Vorteile und Möglichkeiten von Nexis^® Data Integration.
2. Lesen Sie auch unseren Blogbeitrag "Finanzkriminalität im Bankwesen: Wie KI und Big Data helfen".

Quellen:

¹ Digital Outlook 2025: Financial Services & Strategien von Banken & Versicherungen für den Weg in eine digitale Zukunft, luenendonk.de, 06.10.2020
² How data analytics is leading the fight against financial crime, ey.com, 23.12.2021
³ Technology driven fight against financial crime, pwc.com, 05.04.2022