Künstliche Intelligenz: Regulatorische Anforderungen und Verbraucherimpulse

Die Konsumenten von morgen erwarten, dass die Dienste auf Knopfdruck rund um die Uhr verfügbar sind. Dienste müssen intuitiv eingängig sein und die Erwartungen erfüllen. Für die Banken bedeutet dies, Dienstleistungen anzubieten, die auf das Ausgabeverhalten, die Medienvielfalt und die aktuelle Lebenssituation des Einzelnen abgestimmt sind.

Es ist ein schwieriges Unterfangen für diese Art von Unternehmen, alle vorhandenen Daten über Kunden zusammenzutragen, um solche umfassenden Dienstleistungen zu erbringen. Banken müssen vor allem einen Weg finden, um elegant auf diese Daten zuzugreifen.

Regulatorische Anforderungen

Der erfolgreiche Zugriff auf und die anschließende Analyse von Daten führt zu optimierten Services für Kunden. Je schneller Unternehmen die Daten analysieren können, desto schneller können umfassende neue Services für Kunden bereitgestellt werden. Banken können auch ihre Sicht über das Anlage- und Ausgabenverhalten von Kunden nutzen, um Kunden maßgeschneiderte finanzielle Empfehlungen zu geben und so die Beratungsqualität steigern.

Gleichzeitig erhöhen Gesetzesänderungen die Komplexität, einschließlich Vorschriften, die globale Auswirkungen haben, wie die EU-Datenschutzgrundverordnung (DSGVO). Die DSGVO verlangt, dass Daten sachlich richtig und erforderlichenfalls auf dem neuesten Stand sind (DSGVO Artikel 5(1)(d)).

Um dies zu erreichen, ist ein „Single Point of Truth“ (SPOT) bei personenbezogenen Daten von Kunden sinnvoll. Ein SPOT, deutsch „der einzige Punkt der Wahrheit“ wird auch als SSOT bezeichnet, der Abkürzung von „Single Source of Truth“, deutsch „die einzige Quelle der Wahrheit“. Der SPOT- oder SSOT-Begriff wird oft im Zusammenhang mit Data-Warehousing verwendet und meint einen allgemeingültigen Datenbestand, der korrekt und verlässlich ist. Ein Datenmodell, in dem ein allgemeingültiger Datenbestand verfügbar gemacht werden soll, ist vor allem bei redundanter Datenhaltung wichtig.

Die Implementierung eines SPOTs hat sich für viele Unternehmen der Finanzbranche als außerordentlich aufwändige, wenn nicht gar unmögliche Aufgabe erwiesen; nötig wäre eine Art System, welches alle Erkenntnisse intelligent in einem einzigen, eindeutigen und repräsentativen Compliance-Bericht zusammenfassen kann.

Der Bedarf an künstlicher Intelligenz

Wenn die Künstliche Intelligenz (KI) eine Notwendigkeit für bessere Beratungsqualität und Gesetzeskonformität ist, warum investieren und implementieren dann die Banken nicht allerorts in KI?

Es hat sich herausgestellt, dass, obwohl es einen großen Bedarf an mehr Analytik, mehr KI und mehr Einblick im Allgemeinen gibt, all dies von den Banken verlangt, erhebliche Hürden für die bestehende Infrastruktur zu überwinden.  Man kann Kl nicht in ein altes System wie ein USB-Laufwerk einstöpseln und erwarten, dass es die gewünschten Ergebnisse liefert. Stattdessen müssen sie ihre Daten in ein besser durchsuchbares, agiles Framework einbinden, bevor sie KI hinzufügen können.

Zusätzlich zu den Compliance-Anforderungen können traditionelle Finanzinstitute bis 2030 22% der Kosten einsparen, sagt Autonomous in einem 84seitigen Bericht (https://next.autonomous.com/augmented-finance-machine-intelligence) über KI in der Finanzindustrie. Diese Kosteneinsparungen schlüsseln sich wie folgt auf:

• Front Office – 490 Milliarden Dollar an Einsparungen. Fast die Hälfte davon (199 Milliarden Dollar) kommen aus der Reduzierung der Größe der Filialnetze, der Sicherheit, der Kassen, sowie Personaleinsparungen
• Middle Office – 350 Milliarden Dollar an Einsparungen. Alleine die einfache Anwendung von KI auf Compliance, Vermeidung von Geldwäsche (Know Your Customer (KYC) & Anti-Money Laundering (AML)), Authentifizierung und andere Formen der Datenverarbeitung wird Banken und Kreditgenossenschaften atemberaubende 217 Milliarden Dollar sparen.
• Back Office – 200 Milliarden Dollar an Einsparungen. Davon entfallen 31 Milliarden Dollar auf Unterschrifts- und Inkassosysteme.

Wie verbindet man Systeme und Anwendungen und an was muss man denken?

Um einen SPOT-Zustand des „Single Points of Truth“ zu erreichen, benötigt man die richtige Technologie und Infrastruktur, einschließlich einer agilen und skalierbaren Integrationsplattform, die dazu beiträgt, alle alten und neuen „Datenquellen“ effizient und zuverlässig zu verbinden.

Die Modernisierung von Legacy-Integrationsplattformen wie Managed File Transfer (MFT) und Business-to-Business (B2B/EDI) ist eine zeitaufwändige und kostspielige Angelegenheit. Dazu gehören die Kontaktaufnahme mit potenziell Tausenden von Kunden und Geschäftspartnern, die Aktualisierung der Geschäftskontaktlisten, die Koordination von Technik- und Geschäftsteams, die Durchführung von Akzeptanztests und die Migration der Partner auf eine neue Plattform. Dies führt zu Geschäftsunterbrechungen und beeinträchtigt die Dienstleistungen für Kunden und Geschäftspartner, was zu Unzufriedenheit führt.

Die Business Integration Suite von SEEBURGER wurde entwickelt, um geschäftliche Probleme im Zusammenhang mit der Modernisierung von Legacy-Systemen zu lösen und eine kontrollierte Migration innerhalb der Unternehmensarchitektur zu ermöglichen. Das alles mit dem Ziel, eine agile Business Integration Architektur zu schaffen, die innovative Business Services ermöglicht. Mit der SEEBURGER Business Integration Suite entfällt die Notwendigkeit, Kunden, Unternehmen und Geschäftspartner zu kontaktieren, wodurch der Migrationsprozess reibungslos verläuft und der Kundenservice ungestört bleibt.

Die bewährte Vorgehensweise von SEEBURGER für die Legacy-Migration umfasst Prozesse, Tools und Lösungen, die den Import von Stammdaten aus bestehenden MFT/B2B-Anwendungen vereinfachen, die Migrationskosten senken und die Kundenzufriedenheit verbessern.