STRATEGIE29. November 2017

Der steinige Weg zur Künstlichen Intelligenz: Wie Softwareroboter und KI das Banking effizienter gestalten

Dr. Hendrik Schreiber, SQS Software Quality SystemsSQS Software Quality Systems

Robotics-Anwendungen und Künst­liche Intelligenz können Banken und Versicherungen darin unterstützen, effizient den wachsenden Bedürfnissen der Kunden gerecht zu werden. Doch während regelbasiert arbeitende Bots bereits heute in nahezu allen größeren Unternehmen der Finanzwirtschaft diskutiert oder gar erprobt werden, ist der Weg zur „echten“ Künstlichen Intelligenz, die dem Institut einen Mehrwert stiftet, noch weit. 

von Dr. Hendrik Schreiber, SQS Software Quality Systems

Von kaum einem Thema verspricht sich die Bankwirtschaft aktuell so viel Effizienzgewinn wie von der Automatisierung von Prozessen. Egal ob Robo-Advisor und Bots in der Beratung oder Automation-Tools im Backend, die große Datenmengen auswerten oder Datenbanken abgleichen – an vielen Stellen in den Workflows steckt Potenzial für Kosteneinsparungen und Entlastungen der Mitarbeiter. Vor allem bei Routineaufgaben.

Doch das Etablieren von automatisierten Prozessen in der Bankenwelt ist aufwändig und nicht alles, was unter dem Schlagwort Künstliche Intelligenz verkauft wird, verdient dieses Label auch.“

In der Tat wird der Begriff der Künstlichen Intelligenz aktuell etwas inflationär für vieles verwendet, das bei näherem Hinsehen allenfalls als fortgeschrittene Automatisierung durchgeht. Mit Hilfe von Robotic Process Automation (RPA) lassen sich regelbasiert sehr gleichartige Prozesse im Back Office automatisiert abbilden, die auch systemübergreifend stattfinden können. Beispielsweise kann eine Bank so bestimmte Datensätze regelbasiert auf dieselbe Art konvertieren oder nach bestimmten Vorgaben verarbeiten.

SQS Software Quality Systems
Für SQS ist Robotic Process Automation (RPA) ein wichtiges Geschäftsfeld mit steigendem Stellenwert. Das Unternehmen biete das Thema ganzheitlich aus einer Hand an – von der Business-Analyse und Pro­zess­iden­ti­fi­kation bis hin zur Implementierung und Qualitätssicherung sowie Einführung. Im Prinzip sei jede Windows-Anwendung automatisierbar – wahlweise auch Web-Services. Zum Einsatz kommt bei SQS das Tool Blue Prism, das in Zukunft bei der Automatisierung manueller Banking- und Finance-Prozesse unterstützen soll. Die Technik dahinter setze keine besondere IT-Infrastruktur voraus: Der Softwareroboter läuft auf einer handelsüblichen Windows-Plattform und kann so in sämtlichen Windows-basierten Umfeldern eingesetzt werden. Damit wird prinzipiell jede Windows-Anwendung automatisierbar, die von einem Windows-Arbeitsplatz aus erreichbar ist.

Künstliche Intelligenz als Königsdisziplin der Automatisierung

Die Automatisierung auf der Basis der künstlichen Intelligenz setzt dagegen ein lernendes System voraus, das nicht nur von Hause aus über einen riesigen Datenpool verfügt, sondern auch sukzessive aufgrund von Durchläufen und absolvierten Fällen dazu lernt. Die Datenstrukturen sind hierbei um einiges komplexer als in den anderen Fällen. Entscheidungen lassen sich aufgrund der immer leistungsfähigeren IT-Ressourcen dennoch in Echtzeit treffen.

Dieser Anstieg an Komplexität spiegelt sich auch im höheren Aufwand für das Testing wider. Ergänzend zu den üblichen Testverfahren müssen neue Wege gefunden werden, um mit selbstlernenden Systemen umzugehen. Ein möglicher Weg ist Crowd-Testing, beispielsweise bei der Erprobung von Chatbot-basierten Anwendungen. Beim Test selbstlernender Systeme müssen die Daten zum Anlernen der Künstlichen Intelligenz außerdem sorgfältig unter statistischen Gesichtspunkten ausgewählt werden. Das ist erforderlich, damit der Test der späteren Realität adäquat gerecht wird.

Einsparpotenzial als wichtigster Anreiz

Zunächst wird in der Regel ein Pilotprojekt durchgeführt, um dem Kunden das Potenzial aufzuzeigen und den Mehrwert zu demonstrieren – und um ihm zu zeigen, dass und wie eine solche Anwendung funktioniert. Mit dem Kunden zusammen wählt das Unternehmen im Rahmen einer Prozessanalyse die Prozesse aus, für die aufgrund des Volumens und der Automatisierbarkeit ein Einsparpotenzial zu erwarten ist. Denn das steht trotz aller sonstigen Vorteile wie 24/7-Betrieb und schnellere End-to-End-Verarbeitung eigentlich immer im Vordergrund. Aus einer Liste möglicher Prozesse werden dann ein oder zwei geeignete Prozesse ausgewählt.

Autor Dr. Hendrik Schreiber, SQS
Dr. Hendrik Schreiber war während seines Informatikstudiums an der Universität Paderborn bereits als Anwendungsentwickler für die Optimierung des Kundenservice tätig. Im Anschluss an sein Studium promovierte er in den Jahren 2010 bis 2015 im s-lab – Software Quality Lab der Universität Paderborn über das Thema Testaufwandsschätzung. Seit 2015 arbeitet er als Testmanager für die SQS Software Quality Systems. Hier führt er seit 2016 in der Rolle Practice Team Lead ein Team mit dem fachlichen Schwerpunkt Digital Banking.

Zu viele sollten es in der Tat anfangs nicht sein, weil ein solches Pilotprojekt neben der eigentlichen Automatisierung auch dazu dienen soll, die IT-Infrastruktur des Unternehmens und die Qualität der Daten kennenzulernen und sich auf die Workflows des Kunden einzustellen. Denn Unternehmen kennen zwar selbst ihre eigenen Prozesse meist recht gut, doch eine unvoreingenommene Außensicht bringt oft einen Erkenntnisgewinn. Eine Hürde können beispielsweise unterschiedliche Datenbanken und -quellen sein, deren Informationen zusammenkommen. Wichtig ist: Die Daten müssen in einer maschinenlesbaren Form vorliegen. Text in Bildern muss etwa zunächst über OCR-Verfahren erkannt und korrekt umgewandelt werden. Dabei sind gegebenenfalls weiterführende Transformationsschritte in passende Datenstrukturen erforderlich.

Change-Prozess: MA mitnehmen!

Doch auch die Begleitung des Change-Prozesses bei den Mitarbeitern ist ein wichtiges Element bei der Einführung von Automation. Schließlich haben Roboter, egal ob im Hardware- oder Software-Bereich, das Potenzial, viele Mitarbeiter zu ersetzen und man muss sich überlegen, …

… wie man dem Mitarbeiter ehrlich und glaubhaft signalisiert, dass der Roboter ein Werkzeug ist, das die repetitive, langweilige Arbeit erleichtert und verändert, aber keineswegs den Mitarbeiter überflüssig macht.“

Verbale Kommunikation als besondere Herausforderung

Besonders auffällig ist das in einem Umfeld, das bislang dem Menschen vorbehalten war: der mündlichen Kommunikation mit dem Kunden. Denn als spannendes neues Betätigungsfeld für Banken, Versicherungen und Unternehmen erweist sich in der Tat neuerdings auch die Kommunikation auf der Basis sprachgesteuerter Technologien, wie wir sie von Siri, Alexa oder dem Google Assistant kennen. Gerade im Rahmen der Entwicklung solcher Dienste erweist sich das kürzlich vorgestellte Testing-Tool VA-Q als hilfreich, wenn es um die Integration und Bereitstellung solcher sprachbasierten Interaktionslösungen geht. Mit der neuen Lösung können Unternehmen alle Details ihrer sprachgesteuerten, digitalen Assistenten überprüfen. Die Analyse jedes Kommandos in allen Sprachen erfolgt dabei ohne menschliches Zutun. Diese Automatisierung der Prozesse zur Qualitätssicherung hilft Unternehmen bei der Entwicklung von sprachgesteuerten Produkten und Dienstleistungen, die die Erwartungen der Kunden trifft und die Kosten für Qualitätssicherung und Testing verringert.

Denn anders als bei Kommunikation von Maschinen untereinander gibt es bei der Mensch-Maschine-Kommunikation vielfältige Möglichkeiten, sich falsch zu verstehen.“

Aufgrund der vielfältigen Varianten menschlichen Agierens benötigt man sehr intelligente Ansätze, um die richtigen Daten herauszufiltern – eben jene, auf deren Basis man Entscheidungen treffen kann, die dem Kunden einen Mehrwert generieren. Künstliche Intelligenz kann hierbei beispielsweise auch anhand von zögernden oder souverän vorgetragenen Antworten erkennen, wie sicher der menschliche Kunde sich in seiner Einschätzung ist.

SQS

Innovationen durch FinTechs und Digitallabore

Hier trennt sich in der Tat die Spreu vom Weizen: Denn während es aktuell bei Großbanken und Versicherungen eine Vielzahl an Pilotprojekten im Bereich regelbasierte Software-Robotik gibt, werden die Chancen und Risiken der Künstlichen Intelligenz erst noch evaluiert. Die Unternehmen sind noch weit von einem zuverlässigen Regelbetrieb entfernt. Dabei findet vieles an Entwicklungsarbeit in den Banken und Versicherungen selbst statt. Verschiedene Banken haben in der Vergangenheit eigene Digitallabore und Abteilungen zur digitalen Transformation gegründet. Oft spielen aber auch FinTech-Start-ups als externe oder zum Unternehmen gehörende „Beiboote“ eine Rolle.

FinTechs können das Ökosystem der Banken bereichern und – beispielsweise im Beratungskontext – Geldanlage für Kunden auf der Basis von Regeln und Erkenntnissen über die Kundenhistorie und Customer Journey anbieten.“

Wie experimentierfreudig Banken in diesem Zusammenhang sind, steht natürlich im direkten Zusammenhang zur Anwendung: Für eine unverbindliche, nicht kundenspezifische Auskunft kommt es lediglich auf die Convenience und das Nutzungserlebnis des Kunden an, bei BaFin-konformen Auskünften und rechtlich bindenden Verträgen spielen dagegen auch die Compliance-Richtlinien im Banking-Umfeld sowie die Security-Situation eine entscheidende Rolle. Denn gerade wenn externe Partner hinzukommen, ergeben sich immense Herausforderungen im Hinblick auf Datensicherheit, Privatsphäre und Compliance. Und generell spielt bei Entscheidungen über Finanzdienstleistungen und diesbezüglicher Beratung natürlich die Haftungsfrage der Banken und Versicherungen eine wichtige Rolle. Das ist wohl auch ein Grund, warum sich die Finanzbranche mit allem, was über rein regelbasierte Modelle hinausgeht, so schwer tut.

 
Sie finden diesen Artikel im Internet auf der Website:
https://www.it-finanzmagazin.de/?p=61372
 
1 Stern2 Sterne3 Sterne4 Sterne5 Sterne (1 Stimmen, Durchschnitt: 5,00 von maximal 5)
Loading...

Schreiben Sie einen Kommentar

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

Echtzeit-Betrugserkennung in 300ms: Danske Bank setzt jetzt Künstliche Intelligenz ein

Die Danske Bank hat eine KI-gestützte Plattform für die Betrugserkennung entwickelt und implementiert. Das System entstand mit Unterstützung von Think Big Analytics, einem Tochterunternehmen...

Schließen