STRATEGIE21. September 2020

Advanced Analytics und KI: So werden aus Banken „Entscheidungsfabriken“

Analytics
Robert Stindl, Director Banking Advisory DACH bei SASSAS

Agilität, Qualität und Kosteneffizienz: Das sind drei Aspekte, die bei Banken im Zuge der digitalen Transformation ganz oben auf der Agenda stehen. Jetzt steigt der Druck. Entscheidend ist, jederzeit schnell informierte strategische Entscheidungen treffen zu können. Die dafür notwendigen technologischen Grundlagen, wie Advanced Analytics oder KI, sind verfügbar – aber noch zu selten im Einsatz.

von Robert Stindl, Director Banking Advisory DACH bei SAS

Die IT-Systeme vieler Banken sind modernisierungsbedürftig – das hat die BaFin bereits mehrfach offiziell angeprangert. Die Gründe dafür liegen nicht nur in erhöhten Sicherheitsanforderungen, sie werden vor allem von den Entwicklungen in der Branche diktiert. Höhere Kapitalanforderungen, der Wettbewerb mit neuen Akteuren wie Google, Apple und FinTechs und nicht zuletzt die veränderten Ansprüche moderner Kunden lassen sich mit Legacy-Systemen nicht mehr bewerkstelligen. Damit der Einsatz neuer Systeme und Technologien wie KI und Advanced Analytics jedoch nicht zum mäßig produktiven Selbstzweck verkommt, brauchen CTOs, CIOs und andere Entscheidungsträger einen durchdachten Ansatz, um die eigene IT-Architektur strategisch sinnvoll und mit Augenmaß zu erneuern. Eine Option sind Factory-Ansätze.

Das Prinzip Factory: Die Bank als „Entscheidungsfabrik“

Factory-Ansätze zielen darauf ab, dass geschäftskritische Entscheidungen unternehmensweit nach einheitlichen Methodiken im Rahmen von Geschäftsprozessen getroffen werden können – auf der Basis von KI-basierten Analytics-Modellen. Sie haben sich bewährt, um die digitale Transformation holistisch über die gesamte Organisation hinweg zu adressieren und technologisch umzusetzen.

Ziel von Factory-Ansätzen ist die Integration einer Decisioning-Factory-Schicht in die globale IT-Architektur für die Banksteuerung. Dabei stehen bei der konzeptuellen Umsetzung Templates im Mittelpunkt.“

Es gilt, eine global umsetzbare Vorlage zu schaffen, die dann Stück für Stück in einzelnen Schritten in verschiedenen Regionen, Use Cases und Kanälen ausgerollt wird. Kern ist immer ein digitaler End-to-End-Prozess, der in einem informationsreichen Kontext eingebettet ist. Das heißt, die Bank hat über ihre IT-Systeme zu jedem Zeitpunkt Einsicht in sämtliche relevante Informationen. Durch den Anspruch, alle Geschäftsbereiche in diesen Ansatz zu integrieren und ein agiles Delivery-Modell zu schaffen, werden Factory-Ansätze entsprechend von Beginn an als Multi-Stakeholder-Programme aufgesetzt, in die die Expertise sämtlicher Fachabteilungen einfließt.

Technologische Anforderungen und Umsetzung

Autor Robert Stindl, SAS
Als Director Banking Advisory bei SAS (Website) und ausgewiesener Experte für Gesamtbanksteuerung unterstützt Robert Stindl Banken im Zuge der digitalen Transformation. Sein Fokus liegt dabei auf dem Einsatz von künstlicher Intelligenz und Machine Learning in verschiedenen Bereichen wie Risikomanagement, Compliance oder Betrugsbekämpfung. Zuvor war der studierte Betriebswirt bei der Unicredit Group für Konzeption, Analyse, Architekturdefinition und Projekt- und Programmleitung zuständig.
Ausgangspunkt der technischen Umsetzung dieses Konzepts ist eine zentrale Technologieplattform, die die analytische Welt mit der operationalen Welt verbindet und an die über APIs verschiedene spezielle Lösungen angedockt werden können. Diese Plattform muss heute angesichts ihres globalen Charakters fast zwingend Cloud-native sein, damit sämtliche Stakeholder zu jeder Zeit Zugriff auf alle relevanten Informationen haben. Damit sind die Daten und Modelle verfügbar; damit sie auch einen tatsächlichen Mehrwert bieten und zur Grundlage fundierter Entscheidungen werden können, gilt es IT-seitig jedoch, weitere Rahmenbedingungen zu erfüllen.

So werden Legacy-Systeme und -Services im Sinne einer Datenorchestrierung nicht einfach abgeschafft und ersetzt, denn das würde potenziell zu einem Informationsverlust führen. Stattdessen ist die Integration bisheriger Systeme im Rahmen von Factory-Ansätzen sogar verpflichtend. Um die gerade im Finanzwesen teils strengen Regulierungen und Compliance-Vorgaben zu erfüllen, gehört eine integrierte Model- und Data-Governance im Rahmen eines Open Model Managements ebenfalls zu den Grundpfeilern von Factory-Ansätzen. Um die global skalierte Decisioning-Factory-Schicht möglichst flexibel und agil gestalten zu können, werden zudem häufig Open-Source-Komponenten und Low-Code Analytics in das Ökosystem integriert, die eine individuelle Anpassung erlauben, ohne aus dem vorgegebenen Template auszubrechen.

Höhere Eigeninnovation bei weniger Kosten

Greifen das Konzept und die technologische Umsetzung einer Factory ineinander, können Banken dank KI und Advanced Analytics sämtliche Geschäftsentscheidungen in Form von Decision Flows visualisieren und miteinander verbinden, um schnell informierte Entscheidungen zu treffen (Intelligent Decisioning).

Dann dauert beispielsweise die Integration eines neuen Modells oder Features in den Kreditantragsprozess nicht mehr sechs bis zwölf Monate, sondern nur wenige Wochen.“

Nicht zuletzt spart der Factory-Ansatz auch Kosten: Laut einer renommierten Unternehmensberatung können Banken, die auf Factory-Ansätze zurückgreifen, ihre Kreditverluste um fünf Prozent reduzieren, während die Vergabe von Krediten aufgrund eines verbesserten Targetings um 2,5 Prozent steigt. Der größte Unterschied lässt sich allerdings bei der Produktivität ausmachen, bei der die Steigerungsraten aufgrund von Automatisierung zwischen 20 bis 40 Prozent liegen.Robert Stindl, SAS

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/111623 
 
1 Stern2 Sterne3 Sterne4 Sterne5 Sterne (1 Stimmen, Durchschnitt: 3,00 von maximal 5)
Loading...

 

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Bain: Jagd nach Advanced-Analytics-Fachkräften hat begonnen

Die intelligente Auswertung großer Datenmengen wird für Banken und Versicherer immer wichtiger. Dafür benötigen sie Spezialisten – und das mehr, als zur Verfügung stehen. Auch...

Schließen