Die vier größten Herausforderungen beim Einsatz von KI bei Finanzdienstleistern

KI ist derzeit eines der heißesten Themen im Finanz­dienst­leistungs­sektor. Die Finanzinstitute stehen vor neuen Herausforderungen und neuen, digital ausgerichteten Wettbewerbern. KI und maschinelles Lernen können der Schlüssel sein, um mehr Umsatz zu generieren, Kosten zu senken und das Kundenerlebnis zu verbessern, während gleichzeitig Datenschutz und Compliance gewährleistet werden.

von Markus Grau, Principal System Engineer für das EMEA CTO-Office bei Pure Storage

Die Möglichkeiten sind nahezu grenzenlos und die Anwendungsfälle vielfältig: von algorithmischem Handel, Betrugserkennung und Datensicherheit bis hin zu Kundenerfahrung und Kredit- und Versicherungsgenehmigungen. Finanzdienstleister profitieren stets von der Leistungsfähigkeit und den Möglichkeiten der KI, allerdings sind diese Vorteile nicht immer leicht zu erreichen.

Die Möglichkeiten der KI sind enorm, doch der Weg zum Erfolg stellt Finanzdienstleister vor einige Herausforderungen. KI ist komplex und ihre Einzigartigkeit kann die Implementierung im Unternehmensmaßstab zu einer Herausforderung machen. Es muss sichergestellt werden, dass die tatsächlichen Ergebnisse mit den erwarteten übereinstimmen und sich die Investitionen auszahlen. Es gibt insbesondere drei Bereiche, auf die Unternehmen achten sollten, wenn sie mit der Einführung von KI beginnen.

Pure Storage sieht diese als essentiell für die erfolgreiche Nutzung von KI im Finanzsektor an:

1. Ideen in Umsatz umwandeln

Eine der häufigsten Klagen in Bezug auf KI ist die Herausforderung, von der Modellierung zu Produktionsumgebungen überzugehen, die ROI generieren. Dieses „Fegefeuer des Proof-of-Concept“ kann zu weitreichenden negativen Ergebnissen führen. Zeit und Ressourcen werden verschwendet, wenn Projekte nicht das Licht der Welt erblicken. Den Geschäftsbereichen werden dringend benötigte Erkenntnisse zur Steigerung des Erfolgs vorenthalten. Talentierte Mitarbeiter drohen frustriert das Unternehmen zu verlassen. Auch Führungskräfte können desillusioniert werden, was dazu führt, dass wertvolle KI-Projekte auf dem Müll landen.

2. Unterstützung von Datenwissenschaftlern

In vielen Fällen verbringen Datenwissenschaftler die meiste Zeit als Datenverwalter. Sie müssen sich mit unterstützenden Aufgaben wie der Datenerfassung, der Datenbereinigung und -verwaltung sowie dem Infrastrukturmanagement herumschlagen. Wenn das Unternehmen KI-Fähigkeiten auf Unternehmensebene entwickelt, ist mit einem gewissen Maß an solchen Aufgaben zu rechnen. Wenn diese Aufgaben nicht erledigt werden, werden wertvolle Ressourcen nicht ausreichend genutzt und wertvolle Erkenntnisse bleiben verborgen.

3. Verwaltung von Ressourcen

Die Einführung der Public Cloud war ein Segen für die Entwicklung von KI-Möglichkeiten und -Funktionen. Wenn diese Ressourcen und Tools jedoch nicht sinnvoll eingesetzt werden, können sie schnell zu Kostenspiralen führen, ohne dass die Geschäftsergebnisse dies rechtfertigen. Dies ist ein klassischer Fall von Stärken, die sich im Laufe eines Projekts in Schwächen verwandeln können, und erfordert eine besondere Einsicht und Handhabung, wenn sich die Bemühungen weiterentwickeln.

 4. Das Versprechen von KI für Finanzdienstleister

Angesichts neuer Herausforderungen und neuer digitaler Konkurrenten können KI und maschinelles Lernen der Schlüssel zur Generierung von Erträgen und zur Verbesserung der Kundennähe bei gleichzeitiger Gewährleistung von Datenschutz und Compliance sein.

Die Chancen sind jedoch nicht ohne Herausforderungen.”

In seinem Whitepaper „Can Artificial Intelligence Transform the Financial Services Industry?“ geht Pure Storage auf die besonderen Herausforderungen ein, die der Einsatz von KI in der Finanzdienstleistungsbranche mit sich bringt. Pure Storage sieht als wichtige Grundlage für den Erfolg von KI auf Unternehmensebene, dass die Art und Weise wie Daten gespeichert und die aus ihnen erzeugten Informationen konsumiert werden, neu definiert wird. KI ist zudem die Grundlage für fortschrittliches Storage-Management, das wiederum für eine leistungsfähige Infrastruktur sorgt, um vielversprechende KI-Anwendungen im Finanzdienstleistungsbereich zu realisieren.Markus Grau, Pure Storage