Digitalisierung im Bankwesen: Wichtige Technologien

Seit mehreren Jahrzehnten durchläuft die Banken- und Finanzbranche einen kontinuierlichen Digitalisierungsprozess, der klassische Geschäftsmodelle zunehmend durch technologiegestützte Ansätze ersetzt. Die digitale Transformation im Bankensektor nahm in den 1990er Jahren ihren Anfang mit der Einführung des Online-Bankings. Dies ermöglichte es den Bankkunden, durch einfache Einwahlverfahren Zugriff auf ihre Kontoinformationen zu erhalten, Kontostände einzusehen und ausgewählte Transaktionen online zu tätigen. Im Laufe der Jahre haben Banken zunehmend auf Digitalisierung gesetzt und kontinuierlich neue digitale Dienstleistungen eingeführt. Doch auf welche Technologien basiert das moderne Bankwesen und wie werden diese genutzt, um Kreditgeschäft zu verbessern. Mehr dazu im folgenden Artikel.

Herausforderungen und Chancen digitaler Technologien im Bank- und Finanzwesen

Der digitalen Transformation kommt im modernen Bank- und Finanzwesen eine tragende Rolle zu. Denn es gibt kaum ein Thema, dass eine bessere Optimierung des Kerngeschäfts verspricht. Im Zuge der allgemeinen Digitalisierung in Deutschland nimmt auch das Innovationspotenzial sowohl bei den Sparkassen, als auch bei den Großbanken immer mehr an Fahrt auf. Genau in diesem Bereich kündigte sich in den vergangenen Jahren ein starker Wandel an, der insbesondere durch die veränderten Kundenwünsche und -anforderungen vorangetrieben wird. Um diese neuen Gegebenheiten zu erfüllen, müssen vermehrt neue Digitalprodukte entwickelt und neue IT-Technologien implementiert werden. Doch auf der Transformation zu einem digitalen Finanzdienstleister gibt es zahlreiche Hürden und Herausforderungen zu meistern, die zum Teil hausgemacht sind.

So ist beispielsweise die Anzahl der Manager aus dem Finanzsektor, die in Bezug auf die operativen Fähigkeiten und internen Prozesse ihres Unternehmens überzeugt sind, nicht gerade groß. Ähnlich sieht es bei der digitalen Expertise aus. Dennoch gib es Finanzierter in Deutschland, die das Tempo der Digitalisierung im Finanzsektor beschleunigen und mit einer Vielzahl an innovativen Services punkten. Hierbei handelt es sich in erster Linie, um etablierte Banken wie die Santander Bank, die sich voll und ganz der Digitalisierung verschrieben haben und agile FinTech-Unternehmen, auf neue Technologien setzen und innovative Digitalprodukte anbieten, wie zum Beispiel:

Robo-Advisors
Algorithmic Finance
digitale Geldbörsen
Robotic Process Automation
Open Finance

Künstliche Intelligenz im Kreditwesen

Aktuelle Umfragen und Trendanalyse zeigen, dass künstliche Intelligenz (Artificial Intelligence, engl.) so fast in jeder Branche und in jedem Geschäftsbereich Einzug hält. Beim Einsatz dieser Technologien stehen in erster Linie die ökonomische Bedeutung und die Automatisierung ganzer Geschäftsprozesse und die damit effizientere Sachbearbeitung im Vordergrund. Diese Entscheidungen basierten auf der Tatsache, dass moderne KI-Systeme in der Lage sind, komplizierte Aufgaben zu beschleunigen und teils vollständig zu automatisieren sowie verborgene Muster in strukturierte Daten zu erkennen und den Kreditprozess zu beschleunigen. So wird diese innovative Technologie in Bank- und Kreditwesen in verschiedenen Formen eingesetzt, wie zum Beispiel Machine Learning (ML), Deep Learning (DL) oder Natural Language Processing (NLP), um eine präzisere Bonitätsprüfung zu ermöglichen und zu einer Verbesserung der Kreditbewertung beizutragen. Im Folgenden stellen wir zwei Lösungsansätze im Detail vor, die bereits heute in vielen Kreditinstituten zum Einsatz kommen, um die Dokumentenauswertung zu automatisieren und die Kreditwürdigkeit von Antragstellern zu prüfen:

1. Natural Language Processing im Einsatz bei der Dokumentenauswertung

NLP wird im Kreditprozess verwendet, um Informationen aus schriftlichen Dokumenten zu extrahieren, zu verstehen und zu analysieren. Diese fortschrittliche KI-Technologie optimiert den Kreditprozess, indem sie die Auswertung von Unterlagen unterstützt, die Kunden im Rahmen eines Kreditantrags oder zur Erfüllung von Auszahlungsvoraussetzungen einreichen. Um den Prozess noch genauer zu gestaltet, werden auch externe Dokumente, wie Kreditverträge von Kanzleien oder Konsortialführern in den Prozess eingebunden und analysiert. Ein NLP-Modell kann beispielsweise erkennen, welche Informationen oder Unterlagen von einem Kunden für die Kreditentscheidung noch fehlen und diesen automatisch darüber in Kenntnis setzen.

2. Machine Learning bei der Prüfung der Kreditwürdigkeit

Machine Learning umfasst die Nutzung von Algorithmen und statistischen Modellen, die KI-Systemen ermöglichen, aus Daten zu lernen und Muster oder Trends zu erkennen, ohne dafür explizit programmiert zu sein. Hierfür benötigen Machine Learning-Algorithmen allerdings große Mengen an relevanten Daten, die glücklicherweise im Bankwesen in diversen Formen vorhanden sind. In der Bonitätsprüfung können diese Daten historische Kreditverläufe, Transaktionen, Einkommensinformationen und andere relevante Prüfungsdaten umfassen. Die Datenmengen werden gesammelt, bereinigt und in ein für die Analyse geeignetes Format gebracht. Anhand dieser Datenmodelle können bei der Bonitätsprüfung spezifische Merkmale (Features, engl.) implementiert werden, die aus den vorhandenen Datenmengen extrahiert und werden und sich als relevante Indikatoren für die Kreditwürdigkeit von Antragstellern nutzen lassen.

Big Data im Bank- und Finanzwesen

Daten spielen mittlerweile in jeder Industrie eine bedeutende Rolle und das ist auch im Bank- und Finanzwesen nicht anders. Finanzdienstleister verfügen über enorme Datenbestände, die teils nicht richtig genutzt werden. Es wird erwartet, dass die Datenmengen im Laufe der Jahre stark wachsen werden, wobei die richtige Nutzung der vorhandenen Datenbestände bereits heute viele Vorteile bietet. So können beispielsweise Banken über vorhandene Kundenkontakte vieles in Erfahrung bringen, wie zum Beispiel:

Zeitreihenanalyse erstellen
bestimmte Korrelationen ausfindig machen
Trends frühzeitig identifizieren

Anhand der gewonnenen Erkenntnisse können neue Services und Produkte schrittweise eingeführt werden, da ein besseres Verständnis der Kundenwünsche die Implementierung passender Dienste ermöglicht. Neben dem Kundenerlebnis können durch die Analyse von Big Data auch interne Prozesse optimiert und bei Bedarf schnell und unkompliziert angepasst werden, wie etwa unprofitable Geldautomaten oder wenig genutzte Dienstleistungen.

Automatisierung von Prozessen mittels Robotic Process Automation (RPA)

Das Tagesgeschäft im Bank- und Finanzwesen zeichnet sich zu einem großen Teil durch zahlreiche standardisierte Prozesse aus. Bei der Verarbeitung der umfangreichen Datenbestände können sogenannte Software-Roboter bzw. KI-Agenten eingesetzt werden. Diese innovative Technologie kommt heute schon bei vielen Banken zum Einsatz, um diverse Geschäftsprozesse zu optimieren und zu beschleunigen. Die Vorteile dieser Systeme spiegeln sich in erster Linie in der Reduktion von Kosten und der geringen Fehlerquote wider. Darüber hinaus wird der menschliche Arbeitsaufwand stark reduziert, sodass frei gewordene Kapazitäten für neue Aufgaben und Projekte eingesetzt werden können. RPA-Systeme werden beispielsweise immer öfter im Kundendienst eingesetzt, um Kundenanfragen innerhalb kürzester Zeit zu bearbeiten. Dabei können nicht nur Standardanfragen schnell und unkompliziert bearbeitet werden, sondern auch komplexere Kundenanliegen können aussortiert und automatisch an einen Supportmitarbeiter weitergeleitet werden.

Fazit

Die Digitalisierung im Bankensektor startete mit grundlegenden digitalen Finanzdienstleistungen und hat sich schrittweise auf eine Vielzahl innovativer Technologien und Produkte ausgedehnt. Banken haben sich erfolgreich den dynamischen Anforderungen der Kunden und dem intensiven Wettbewerb angepasst, indem sie ihre digitalen Services und Zugangskanäle erweiterten. Dies hat zu einem gesteigerten Komfort und einem personalisierten Kundenerlebnis geführt. Mit dem kontinuierlichen technologischen Wandel werden auch die Herausforderungen der digitalen Transformation zunehmen. Aus diesem Grund ist es für Dienstleister im Bank- und Finanzwesen besonders wichtig, technologische Trends stets im Auge zu behalten und flexibel auf Änderungen und die Einführung neuer Services zu agieren.