Anzeige
STRATEGIE30. August 2021

Hybride Robo Advisory: Das personalisierte Beratungs-Erlebnis im digitalen Wealth Management

Experte für Beratungs-Plattformen:Karl im Brahm
Karl im Brahm, CEO der Avaloq Sourcing (Europe)Avaloq Sourcing

Automatisierung und Digitalisierung machen vor dem Wealth Management nicht halt. Robo Advisory soll die Effizienz der Beratung steigern und eine einfache Skalierung der Beratungs-Leistung erlauben. Dennoch legen viele Kunden auch in Zukunft noch großen Wert auf den persönlichen Austausch mit ihrem Berater. Oft sind darum hybride Ansätze ideal. Die Beratungsplattform erlaubt dann eine automatische und dank KI (künstlicher Intelligenz) personalisierte Betreuung – sie unterstützt aber ebenso die persönliche Beratung.

von Karl im Brahm, CEO der Avaloq Sourcing (Europe)

Digitale Lösungen sind im Wealth Management angetreten, Prozesse zu automatisieren, die Effizienz zu steigern und Kosten zu reduzieren. Reine Robo Advisory erschließt sogar das bislang unattraktive, weil margenschwache Massengeschäft, den Retailmarkt. Aber bereits das nächste Segment in der Vermögensverwaltung stellt auch höhere Ansprüche an die Beratungs-Leistung.

Mass-Affluent-Kunden erwarten, persönlich und ihren individuellen Bedürfnissen entsprechend betreut zu werden. Dies schließt digitale Elemente allerdings nicht aus. Im Gegenteil.”

Denn die Branche steht vor einem tiefgreifenden Generationswechsel. Portfolios, die bislang in den Händen der Babyboomer waren, werden in naher Zukunft auf die Millennials übertragen, die eine hohe digitale Affinität mitbringen. Mit Apps und digitalen Kommunikationsformen umzugehen, ist für sie alltäglich. Zudem wollen sie mit ihren Dienstleistern – auch mit ihren Vermögensberatern – in Echtzeit kommunizieren. Sie erwarten Anlagestrategien mit einem Risikoprofil, das individuell auf sie zugeschnitten ist. Und sie bevorzugen es, mit ihrem Berater auf demjenigen Kanal zu kommunizieren, der ihnen gerade zusagt, ob dies nun WeChat ist, WhatsApp oder Line. Millennials – und digitalaffine Kunden generell – wollen heute eine Omnichannel-Betreuung. Individuell und jederzeit. Dafür steht der Begriff des Conversational Banking. Eng damit verbunden ist der Einsatz von Datenanalyse- und KI-Technologien, die entweder eine automatisierte Personalisierung des Kundenerlebnisses gestatten oder zumindest die Berater in ihrer Arbeit wesentlich unterstützen können.

Neben neuen Kundensegmenten mit neuen Ansprüchen an eine digitale und dennoch individuelle Beratung verändern auch neue regulatorische Vorgaben die Arbeit in der Vermögensberatung. So spielt etwa wegen MiFID II das Portfolio-Risiko eine viel größere Rolle.

Ein vor allem am Risiko orientierter, automatisierter Beratungsansatz hat aber einen stark technischen Charakter und schränkt die Möglichkeiten der Interaktion mit dem Kunden ein. Dies beeinträchtigt die emotionale Komponente einer Investmententscheidung und leistet nur sehr wenig, um das persönliche Vertrauen des Kunden in seinen Berater zu stärken.”

Nicht zuletzt für die anspruchsvolleren Mass-Affluent-Kunden, Anleger mit Vermögen bis zu einer Million Euro, empfiehlt es sich darum, bei der Beratung digitale Komponenten mit einem nach wie vor persönlichen Element zu kombinieren. Dieser hybride Ansatz verbindet einen stark automatisierten Beratungs-Prozess mit der Option des persönlichen Austauschs zwischen Beratern und Klienten. Hybride Ansätze sind schon deswegen sinnvoll, weil aktuelle Studien wie der „The Front-to-Back Office Report. How are functions in the finance industry changing?“ zeigen, dass sich 62 Prozent der Investoren mit der Vorstellung reiner Robo Advisory noch nicht anfreunden können oder sie sogar klar ablehnen. Die Interaktion zwischen Menschen bleibt also unerlässlich, wenn das Finanzinstitut ein Vertrauensfundament für die Beratungs-Beziehung schaffen und ausbauen möchte.

Autor Karl im Brahm, Avaloq
Karl im Brahm ist CEO der Avaloq Sourcing (Europe) und verantwortet die Aktivitäten der Avaloq Gruppe (Webseite) im deutschen Markt. Avaloq ist ein Schweizer Anbieter von digitalen Banking-Lösungen, Kernbankensoftware und Vermögensverwaltungstechnologie. Als strategischer Vordenker und Netzwerker im Transactionbanking verfügt Karl im Brahm über weitreichende Erfahrungen in den Bereichen Vertrieb, Kundenmanagement und Business Development. Er war unter anderem Mitglied der erweiterten Geschäftsleitung der Deutschen Postbank sowie Mitglied des Vorstands bei der S-Broker und der Deutschen WertpapierService Bank. Bevor er 2018 zu Avaloq wechselte, hatte er als CEO einer Beratungs-Gesellschaft diverse Mandate für Digitalisierungs- und Vertriebsprojekte bei verschiedenen deutschen Großbanken inne.
Es gibt unterschiedliche Wege, wie ein Finanzinstitut KI und Datenanalysefähigkeiten in seine Beratungs-Tätigkeit integrieren kann. Neben einer Data Analytics Plattform besteht auch die Möglichkeit, sogenannte Embedded Experiences zu schaffen – also die KI in Form von Microservices gleichsam im Hintergrund arbeiten zu lassen. Eine große Data-Analytics-Plattform zentralisiert zunächst Daten aus mehreren Quellen wie etwa Kernbankensystem, CRM oder Web/Mobile, um mit verschiedenen Analysetools den Zugriff auf diese Daten zu ermöglichen. Der Zweck einer Data-Analytics-Plattform ist oft ein Data Self-Service und die Unterstützung anspruchsvoller Reporting-, Business-Intelligence- und Analytics-Funktionen. Je nach technischem Know-how stehen unterschiedlichen Nutzern unterschiedliche Möglichkeiten offen:

ob Business Analyst, Visual Analytics Expert, Data Scientist oder Data Engineer. Die meisten datengierigen KI-Lösungen sind auf solch eine zentrale Datenplattform angewiesen – die einigen Aufwand erfordert.”

Meist vergehen anderthalb bis zwei Jahre, bis das erste Anwendungsszenario realisiert ist, ob es dabei um personalisierte Investmentempfehlungen geht oder ein Client Risk Assessment. Die meisten Ressourcen fließen in diesem Zusammenhang oft in die richtige Datenintegration und Datenmodellierung. Will ein Finanzinstitut eine Data-Analytics-Plattform schaffen, sollte es dazu auf ein interdisziplinäres Team aus Business- und IT-Seite sowie auf einen geeigneten (Technologie-)Partner zurückgreifen.

Moderater ist der Aufwand, wenn eine Embedded Experience in Gestalt kleiner, unabhängiger und intelligenter Microservices das Ziel ist. Dabei steht nicht die KI an sich im Vordergrund, sondern die Anwendererfahrung, die der intelligente Microservice ermöglicht, ob dies beispielsweise ein automatisches Tagging öffentlich zugänglicher Nachrichten mithilfe eines intelligenten Algorithmus ist oder ein intelligenter Task-Manger, der den Kundenberater in seiner Arbeit unterstützt. Ein KI-basierter Microservice ist oft innerhalb von drei bis sechs Monaten realisiert. Nicht dessen Entwicklung verursacht dabei den größten Aufwand, sondern die sinnvolle Einbindung in den Businessprozess und die enge Abstimmung mit den Anwendern. Ein gutes technisches Framework für Microservices und Erfahrung in deren Management bleiben dennoch wichtig, denn die Microservices bedürfen im Laufe der Zeit technischer Wartung.

Als Grundregel gilt:

Die Ansprüche an eine persönliche und individuelle Betreuung steigen in dem Maß, in dem man sich vom Retail-Markt entfernt.”

Der Vorteil der digitalen Automatisierung bleibt dennoch, dass sie Skalierungsmöglichkeiten eröffnet und zusammen mit höherer Effizienz auch geringere Kosten verspricht. Ermöglicht wird diese Automatisierung durch flexible und leistungsfähige Kernbankensysteme sowie durch Risk Engines und Werkzeuge zur Portfoliokonstruktion. Wenn allerdings eine Risk Engine das Portfolio konstruiert und optimiert, findet dieser Prozess gleichsam in einer Black Box statt – aus der Perspektive des Beraters ebenso wie aus der des Klienten. Wird das Zielportfolio mit Unterstützung durch KI zusammengestellt, ist es kaum mehr möglich, zu erklären, wie dies genau passiert ist. Bei herkömmlichen Investitionsempfehlungen, die auf einer bestimmten Aktie beruhen, gibt es dagegen ein historisches Narrativ innerhalb einer bestimmten Branche – eine Erzählung, mit der der Berater seine Anlageempfehlung dem Kunden vermitteln kann. Zu einem softwarekonstruierten Portfolio, das in der Black Box entstanden ist, gibt es dagegen keinen emotionalen Bezug.

Auch die Betrachtung von Makrorisiken lässt sich bislang kaum auf den Anleger hin individualisieren. Bei der Untersuchung von Makrorisiken gibt die Forschungsabteilung ihre Ergebnisse oft in sehr generischer Form aus, etwa als PDF-Datei. Dieses generische Dokument, das nicht auf die individuellen Interessen oder das Portfolio des einzelnen Anlegers eingeht, fördert keinen wirklichen Austausch zwischen dem Berater und seinem Klienten. Es ist eine Push-Information ohne klaren Bezug zum Kundeninteresse. Tatsächlich kann eine digitale Beratungs-Lösung den Beratungs-Prozess und die dialogische Interaktion hier entscheidend unterstützen. Denn die Beratungsplattform ist per KI in der Lage, die Bedeutung der Makrorisikoanalyse für den Klienten zu bestimmen und daraus individuell relevante Inhalte zu generieren. Inhalte, die für den Berater ein willkommener Anlass sind, seinen Kunden zu adressieren und mit ihm in einen Dialog zu treten.

Die Beratungsplattform analysiert automatisch die Auswirkung auf ein Portfolio – sei sie positiv oder negativ. Ergibt sich ein Kommunikationsanlass, erkennt die Plattform dies und benachrichtigt die betroffenen Berater. Diese können ihren Klienten in einem anschließenden Dialog dann genau die Empfehlungen und die Investmentstorys unterbreiten, die aus Kundensicht relevant sind. Dabei lässt sich besprechen, ob die Auswirkungen positiv oder negativ sind, welche Absicherungsmaßnahmen sich anbieten und welche Entscheidung der Klient für sein Portfolio treffen möchte. Im Idealfall findet dieser Dialog zwischen Kunde und Berater auf einer gemeinsamen Beratungsplattform statt. Wenn die Beratungs-Lösung die Informationen und das Klientenportfolio dann noch ansprechend präsentiert, verstärkt dies den vertrauensfördernden Charakter des Beratungs-Dialogs weiter.

In der Schweiz hat ein renommierter Vermögensverwalter in einem Pilotprojekt solch ein Interactive Advisor Framework eingeführt. Die dazugehörige Wealth-Management-Plattform integriert unterschiedlichste Microservices nahtlos über API-Schnittstellen, auch die neue Beratungs-Umgebung. In ihr tauschen sich Kunden und Berater aus und diskutieren die Anlagevorschläge, die der Berater – unterstützt durch KI – für den Klienten erstellt hat. Für den Berater verringert sich so der Aufwand für Vorbereitung und Analyse seiner Investmentvorschläge. Denn die Beratungsplattform macht aus den Informationen Investmentstorys, die für das individuelle Portfolio des Klienten relevant sind. Die Berater des Schweizer Vermögensverwalters haben diese Option dankbar angenommen. Der storybasierte Ansatz führt sie zu neuen Investmentideen und liefert ihnen willkommene Anlässe zur Kontaktaufnahme mit ihren Klienten.

Auch befragte Investoren selbst konstatieren, dass es einen klaren Trend hin zu KI-Unterstützung, Robo Advisory und Automatisierung gibt. 73 Prozent sehen diese Entwicklung sogar als die wichtigste für die Vermögensberatung innerhalb der nächsten fünf Jahre.

Ein bedeutendes Anwendungsfeld für die KI-Unterstützung ist das Conversational Banking. Denn erst die Datenanalysen und die Unterstützung durch die Beratungsplattform versetzen Kundenbetreuer überhaupt in die Lage, den Aufgaben des Conversational Banking zu entsprechen.”

Erst dadurch kann der Berater vom sporadischen Austausch zur kontinuierlichen Interaktion übergehen. Um mit dieser neuen Intensität und Frequenz der Kommunikation Schritt zu halten, nutzt der Berater automatisierte Tools für das Natural Language Processing und diverse KI-basierte Analysewerkzeuge dazu, Kundenabsichten zu erkennen und Kundenfragen zu beantworten. Die Beratungsplattform kann sogar in Echtzeit, während des Chats, geeignete Antworten vorschlagen. Ebenso lässt sie sich mit Newsfeeds ausstatten, die über relevante Nachrichten und wichtige Trends informieren. Eine KI-gestützte Beratungs-Lösung ist in der Lage, die Berater bei ihren alltäglichen Aufgaben wirkungsvoll zu entlasten. Sie hilft, den Service für die Kunden deutlich zu verbessern und die Personalisierung voranzutreiben, ohne dass die Berater dabei stärker beansprucht wären als früher.

Zudem können automatisierte Datenanalysen heute Beziehungsnetzwerke ermitteln – von Kunden und Nicht-Kunden. So lässt sich auch eruieren, wer in Neukundenfällen der tatsächlich wirtschaftlich Berechtigte ist. Ist etwa ein Vererbungsfall absehbar, lohnt es, die künftigen Erben zu kontaktieren, damit die verwalteten Assets dem Institut im Erbschaftsfall nicht verlorengehen. KI und Machine Learning helfen dem Empfehlungsmarketing, monitoren das Client Engagement und unterstützen die Churn Prevention. Die Grundregel:

Je größer die Datenmenge über alle Klienten hinweg, desto besser die prädiktive Analyse der individuellen Kundenbedürfnisse.”

Fazit

Die automatische Datenanalyse mit KI- und Machine-Learning-Technologien ermöglicht Finanzinstituten passgenaue Angebote zum idealen Zeitpunkt, sogar in Echtzeit direkt während eines Chats. Es ist also beides möglich: die Beratung so weit wie sinnvoll zu automatisieren – und dem Klienten dabei dennoch ein hyperpersonalisiertes Beratungs-Erlebnis zu verschaffen. An KI und an effizienten, digitalen Beratungs-Umgebungen führt in der Vermögensverwaltung kaum mehr ein Weg vorbei.Karl im Brahm, Avaloq

Schreiben Sie einen Kommentar

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