Neue KI-Modelle von SAS sollen Betrugsprävention und Entscheidungsprozesse im Finanzsektor beschleunigen

Mobile Wallet im Einsatz: Eine Person bezahlt kontaktlos in einem modernen Geschäft mit dem Smartphone, auf dem Display eine stilisierte digitale Wallet-App. — ChatGPT

Der Analytics- und KI-Anbieter SAS erweitert sein Angebot um neue branchenspezifische KI-Agenten und KI-Modelle für Industrie, Handel sowie Finanzdienstleister. Die Lösungen sollen Unternehmen dabei unterstützen, KI-Anwendungen schneller in bestehende Prozesse und regulatorische Umgebungen zu integrieren. Bestandteil der Initiative ist ein Investitionsprogramm in Höhe von einer Milliarde US-Dollar, das SAS gezielt für die Entwicklung branchenspezifischer KI-Lösungen bereitstellt.

Im Fokus für Banken und Versicherungen stehen insbesondere Anwendungen zur Betrugsprävention und Entscheidungsunterstützung. Mit „SAS Fraud Decisioning for Payments“ stellt das Unternehmen Modelle bereit, die Zahlungsbetrug in Echtzeit erkennen sollen. Die Lösung adressiert unterschiedliche Betrugsarten, darunter Kreditkarten-, Debitkarten-, Geldautomaten- und Wallet-Betrug sowie neuere Angriffsmuster wie Geldkurier-Erkennung. Die Modelle basieren unter anderem auf Datenmustern eines globalen Konsortiums von Finanzinstituten. Ziel ist es, verdächtige Transaktionen schneller zu identifizieren und gleichzeitig Fehlalarme zu reduzieren. Gerade im Zahlungsverkehr und in hochregulierten Umgebungen gewinnen solche KI-gestützten Verfahren zunehmend an Bedeutung, da Banken und Versicherer steigenden Betrugsrisiken sowie wachsenden Compliance-Anforderungen gegenüberstehen.

Wenn Unternehmen Ad-hoc-AI-Frameworks zusammenstückeln müssen, verlieren sie oft den Wettbewerbsvorteil, den sie sich von ihrer Investition in KI erhoffen.“

Manisha Khanna, Global Market Strategy Lead Applied AI, SAS

Nach Angaben von SAS sollen die neuen Branchenbeschleuniger deshalb gezielt auf bestehende Datenlandschaften und regulatorische Anforderungen abgestimmt sein. Unternehmen müssten KI-Anwendungen dadurch nicht vollständig selbst entwickeln oder komplexe Einzelkomponenten integrieren.

KI-Agenten für komplexe Entscheidungsprozesse

Neben Finanzdienstleistungen adressiert SAS mit seinen neuen KI-Agenten auch komplexe operative Prozesse in Industrie und Handel. Ein Beispiel ist der sogenannte „Supply Chain Agent“, der die Absatz- und Produktionsplanung in Fertigungsunternehmen unterstützt. Der Agent analysiert kontinuierlich Nachfrage-, Angebots- und Betriebsdaten und hilft dabei, Szenarien wie Materialengpässe oder Nachfrageschwankungen zu simulieren. Die Interaktion erfolgt über eine Chat-Oberfläche, über die Anwender Empfehlungen nachvollziehbar erläutert bekommen.

Aktuelle vorgefertigte Agenten im Markt befassen sich in der Regel mit Basisprozessen von Unternehmen. Der Supply Chain Agent von SAS hingegen unterstützt einen sehr spezifischen, hochkomplexen Prozess. Das kann einen erheblichen Mehrwert schaffen.“

Kathy Lange, Research Director AI, Data and Automation Software, IDC

Auch für Finanzdienstleister könnten solche agentenbasierten Ansätze künftig relevant werden – etwa bei Liquiditätssteuerung, Treasury-Prozessen, Risikosimulationen oder der Analyse komplexer Lieferkettenfinanzierungen.

Nachvollziehbarkeit und Datensicherheit als Prioritäten

Darüber hinaus setzt SAS verstärkt auf digitale Zwillinge und synthetische Daten. Im industriellen Umfeld nutzt das Unternehmen virtuelle Anlagenmodelle auf Basis der Unreal Engine von Epic Games, um Prozesse zu simulieren und Engpässe frühzeitig zu identifizieren. Ein weiterer Schwerpunkt liegt auf dem Einsatz synthetischer Daten für Sicherheitsanwendungen. Mit „SAS Worker Safety“ kombiniert der Anbieter digitale Zwillinge, Computer Vision und künstlich erzeugte Trainingsdaten, um KI-Modelle auch für seltene oder schwer dokumentierbare Situationen zu trainieren – ohne personenbezogene Daten zu verwenden. Die Modelle können anschließend in Echtzeit Warnmeldungen ausgeben, beispielsweise wenn Sicherheitsausrüstung fehlerhaft getragen wird oder kritische Situationen erkannt werden.

Mit dem Ausbau seines Portfolios verfolgt SAS insgesamt das Ziel, KI-Anwendungen stärker auf konkrete Branchenanforderungen auszurichten. Insbesondere im Finanzsektor wächst der Bedarf an vortrainierten, nachvollziehbaren und regulatorisch einsetzbaren KI-Modellen, die sich schneller produktiv nutzen lassen als generische KI-Frameworks. Gerade Banken und Versicherungen stehen beim Einsatz von KI vor einem Spannungsfeld aus Innovationsdruck, regulatorischen Anforderungen und gewachsenen IT-Landschaften. Während generative KI und agentenbasierte Systeme zunehmend in operative Prozesse integriert werden sollen, bleiben Anforderungen an Nachvollziehbarkeit, Governance und Datensicherheit hoch. Vor diesem Hintergrund gewinnen branchenspezifische Modelle an Bedeutung, die bereits auf typische Anwendungsfälle im Finanzsektor zugeschnitten sind und sich kontrollierter in bestehende Systeme einfügen lassen als generische KI-Plattformen.

Hinzu kommt, dass insbesondere die Betrugsbekämpfung derzeit zu den dynamischsten Einsatzfeldern für KI im Finanzsektor zählt. Mit Echtzeitzahlungen, digitalen Wallets und steigenden Transaktionsvolumina wachsen auch Geschwindigkeit und Komplexität von Betrugsmustern. Banken und Versicherer investieren daher verstärkt in KI-gestützte Analyse- und Entscheidungsmodelle, die große Datenmengen kontinuierlich auswerten und verdächtige Aktivitäten in Sekundenbruchteilen erkennen können. Gleichzeitig rückt die Fähigkeit in den Vordergrund, Entscheidungen transparent zu dokumentieren – nicht zuletzt mit Blick auf europäische Regulierungsvorgaben wie den AI Act oder bestehende Compliance-Anforderungen im Finanzwesen.tw