Die Transformation von Bankwesen und Kapitalmärkten durch KI und ML

Künstliche Intelligenz (KI) und Machine Learning (ML) tragen schon heute zur Transformation des Bankwesens und der Kapitalmärkte bei. Und die Chancen, die sich dadurch bieten könnten, sind enorm: 86 % der KI-Anwender im Finanzsektor geben an, dass KI für den Erfolg ihres Unternehmens eine entscheidende Rolle spielen wird. Erfahren Sie, wie Führungskräfte im Bankwesen KI und ML nutzen, um sich auf künftige Entwicklungen vorzubereiten.

Das Bankwesen ist schon seit langer Zeit auf Technologie angewiesen, doch Innovationen in den Bereichen künstliche Intelligenz (KI), Machine Learning (ML) und Automatisierung verändern den Sektor nun grundlegend. Führungskräfte wissen, dass KI und ML längst keine Zukunftsmusik mehr sind, sondern eine feste Größe in unserem Alltag darstellen.

Laut der Studie „KI-IQ: Trends im Bereich künstliche Intelligenz im Unternehmen“ von Workday sind sich 86 % der Befragten aus dem Finanzsektor einig, dass KI und ML unerlässlich sind, um wettbewerbsfähig zu bleiben. Zwei Drittel weisen darauf hin, dass durch diese Technologien bereits Produktivitätsgewinne und operative Effizienzvorteile erzielt wurden. KI kann dabei helfen, finanzielle Nachhaltigkeit zu schaffen, Prozessabläufe zu standardisieren und repetitive Aufgaben zu automatisieren, sodass sich die Mitarbeiter auf wertschöpfende Tätigkeiten konzentrieren können. 

Die Befragten aus dem Bankensektor sind sich der Bedeutung und Dringlichkeit von KI und ML durchaus bewusst: So lastet auf 73 % der Entscheidungsträger unter den Studienteilnehmern der Druck, die KI- und ML-Implementierung oder entsprechende Investitionen voranzutreiben. In diesem dynamischen Umfeld gibt es allerdings noch immer erhebliche Hürden, die zunächst überwunden werden müssen. 

Eine neue Infografik von Workday und IDC zeigt einige dieser Hürden. Führungskräfte im Bankwesen identifizierten die „größten Herausforderungen ihrer Unternehmen beim Management von Systemen, Prozessen und Funktionen in den letzten 18 Monaten“:

  • 48 % gaben an, dass Weiterbildungen, Umschulungen und fachübergreifende Kompetenzen erforderlich seien, um den Wissensbestand zu verwalten, moderne IT-Systeme zu implementieren und auf geänderte Kundenbedürfnisse einzugehen.

  • 45 % räumten der Verbesserung der Datenqualität und -verfügbarkeit bei gleichzeitiger Reduzierung nicht wertschöpfender Aufgaben größte Dringlichkeit ein, um Daten als wertvolles Asset nutzen zu können.

  • 44 % betrachteten die Optimierung der IT-Prozesse als wichtigstes Ziel, da dies dazu beiträgt, die unternehmensweite Agilität zu steigern und der wachsenden Nachfrage nach handlungsorientierten Daten und Erkenntnissen gerecht zu werden. 

Alle drei dieser Hürden könnten durch KI und ML überwunden werden. Aufgrund der zunehmenden Vernetzung, Automatisierung und neuen Technologien gibt es einen grundlegenden Wandel bei der Frage, welche Kompetenzen dringend benötigt werden. KI kann der HR-Abteilung dabei helfen, Kompetenzdefizite zu erkennen und abzubauen. So kann Ihr Unternehmen eine Belegschaft aufbauen, die für die Zukunft gewappnet ist.

Für Banken sind KI-Funktionen aufgrund der datenintensiven Anwendungen in der Branche besonders relevant. Mithilfe integrierter KI sind wir in der Lage, die bei unseren täglichen Geschäftsaktivitäten entstehenden riesigen Datenmengen effektiv zu nutzen. Sie hilft uns, Muster zu erkennen und Vorhersagen zu treffen. Durch die Automatisierung von Routineaufgaben und die Optimierung von IT-Prozessen kann die Wertschöpfung gesteigert werden, sodass den Mitarbeitern mehr Zeit für wichtigere Aufgaben bleibt. 

„Die Zukunft bietet endlose Möglichkeiten“, betonte Alejandro Barcena, Vice President und Head of Finance Systems bei Cushman & Wakefield, kürzlich in einem Podcast-Gespräch über KI und ML. „Für mich ist jedoch die Frage entscheidend, wie wir alle vorliegenden Daten in sinnvolle Geschäftschancen umwandeln können, um einen Mehrwert für unsere Kunden zu schaffen und unseren Mitarbeitern das Leben zu erleichtern.“

Wenn es jedoch den unternehmensweiten Daten, die für KI und ML eingesetzt werden, an Aktualität oder Zuverlässigkeit mangelt oder wenn sich die Banken nicht darauf verlassen können, dass KI auf ethisch vertretbare, transparente und verantwortungsbewusste Weise eingesetzt wird, können sie möglicherweise nicht den vollen Nutzen aus der KI ziehen

Es gibt viel zu bedenken, und die Führungskräfte im Bereich Banken und Kapitalmärkte fragen sich möglicherweise, wie und wo sie anfangen sollen. In diesem Artikel stellen wir praktische Anwendungsfälle für KI und ML vor und zeigen, wie andere Firmen diese Technologien erfolgreich einsetzen, um ihre Geschäftsziele zu erreichen.

Im Hinblick auf die Zukunft des Bankensektors herrscht derzeit eine optimistische Stimmung: So rechnen 64,4 % der befragten Führungskräfte aus der Branche weltweit mit mäßigem bis signifikantem Wachstum im Bereich Banken und Kapitalmärkte.

KI für das Finanzwesen im Banksektor

KI und ML verändern schon heute die Finanzfunktion im gesamten Bankensektor und tragen dazu bei, die Mitarbeitererfahrung zu verbessern, die betriebliche Effizienz zu steigern und Erkenntnisse für eine schnellere datengestützte Entscheidungsfindung zu gewinnen. Zur Modernisierung des Finanzwesens müssen Teams manuelle, repetitive Aufgaben eliminieren, um Zeit für strategische Arbeit zu gewinnen.

„Auch für die Zukunft der Finanzfunktion ist die Anwendung von KI und ML entscheidend“, so Sayan Chakraborty, Co-President und Leiter des Bereichs Product and Technology bei Workday. „Finanzteams erhalten Unterstützung beim Risikomanagement und bei der Beseitigung von Ineffizienzen, da Prozesse, die früher Monate oder Wochen dauerten, jetzt innerhalb weniger Stunden oder Minuten erledigt sind.“

In der jüngsten Enterprise Software Survey von Workday und IDC stuften führende Bankmanager weltweit die wichtigsten KI- und ML-Funktionen ein, die sie in ihrem Unternehmen einsetzen oder deren Einsatz sie in Erwägung ziehen würden. 

  • 36 %: Automatisierung (automatische Genehmigungen und Kontenabstimmung)

  • 29 %: Anomalieerkennung (Journaleinträge, Spesenabrechnungen, Pläne, Ausreißer-Reporting)

  • 33 %: Empfehlungen (Abgleich von Kundenzahlungen, Empfehlungen zu Ausgabenkategorien, automatisierte Erstellung von Lieferantenrechnungen und intelligente Bedarfsprognosen)

Interessanterweise zogen nur 1,6 % der Befragten keine dieser Optionen in Betracht. Dies zeigt, dass ein echter Bedarf an einer Unterstützung durch KI und ML besteht. 

Früher wurden die täglichen Aufgaben im Finanzwesen – von der Erkennung von Anomalien über die Identifizierung von Betrugsfällen bis hin zur Vorhersage von Ergebnissen – manuell erledigt. Doch nun, da Finanzteams zunehmend mit der Erwartung konfrontiert werden, effizient zu arbeiten und strategische Erkenntnisse zu liefern, ist der Einsatz von KI-Technologien zur Förderung von Automatisierung, Integrität und Genauigkeit sowie zur Unterstützung von Szenarioplanungen und datengestützten Prognosen im Unternehmen unerlässlich.

Im Rechnungswesen ist es besonders wichtig, falsche Zahlen oder Ungenauigkeiten durch Anomalieerkennung zu reduzieren – eine Herausforderung bei der schieren Menge an Daten, Rechnungen und Berichten. Eine Möglichkeit, diese Aufgabe mithilfe von ML zu vereinfachen, sind Journaleinblicke. Machine Learning hilft den Controllern, fehlerhafte Journalposten zu erkennen, wodurch die Arbeitszeit und die Gemeinkosten für den Finanzabschluss drastisch reduziert werden.

„Workday Journal Insights bedeutet für unsere Anwender sozusagen eine Aufgabe weniger, um die sie sich am Monatsende kümmern müssen. Fehler können im Laufe des Monats korrigiert und behoben werden. Das Ganze ist ein kontinuierlicher Prozess“, erklärte ein Business-Analyst für Enterprise Resource Planning (ERP) bei IMC Financial Markets.

Durch Journaleinblicke lassen sich Anomalien in den Buchungseingaben dank Machine Learning proaktiv ermitteln, indem diese mit Eingaben für ähnliche Transaktionen verglichen werden. Da die Einträge in Echtzeit markiert werden, können die Anwender potenzielle Abstimmungsfehler korrigieren und das zugrundeliegende Problem im Laufe des Monats in einem kontinuierlichen Prozess beheben. So lassen sich Engpässe am Monatsende vermeiden. Dadurch können die Buchhaltungsteams mehr Zeit für Analysen und strategische Initiativen aufwenden.

Für die Finanzplanung und -analyse (FP&A) sind genaue Prognosen von entscheidender Bedeutung. Mit ML können FP&A-Teams historische Daten nutzen, um prädiktive Bedarfsprognosen zu erstellen. Mithilfe von Echtzeit-Analysen kann KI weitere Datensätze einbinden und so für mehr Präzision sorgen. Dies ermöglicht eine neue Art der Planung, bei der ständig neue Erkenntnisse aus den Daten gewonnen werden – eine Planung, die sich an eine Welt im Wandel anpasst.

Investitionen in diese Technologie versetzen Führungskräfte im Bereich Bankwesen und Kapitalmärkte in die Lage, ihre Planung auf komplexen Szenarien zu stützen. Außerdem entlastet sie dies zugunsten strategischer Analysen. Darüber hinaus können sie Details aus verschiedenen Nebenbüchern problemlos dokumentieren – ein Vorgang, der mit Altsystemen nahezu unmöglich ist. So lassen sich kritische Kennzahlen schnell analysieren und differenziertere Risikoanalysen erstellen. 

„Ideal ist eine Lösung, mit der Sie schnell reagieren, agil handeln und Ihre Resilienz angesichts der zahlreichen Veränderungen in der Branche stärken können“, so Viren Patel, Strategic Industry Advisor for Financial Services bei Workday.

„Auch für die Zukunft der Finanzfunktion ist die Anwendung von KI und ML entscheidend. „Finanzteams erhalten Unterstützung beim Risikomanagement und bei der Beseitigung von Ineffizienzen, da Prozesse, die früher Monate oder Wochen dauerten, jetzt innerhalb weniger Stunden oder Minuten erledigt sind.“

Sayan Chakraborty Co-President Workday

KI für HR im Bankwesen

In vielen Finanzinstituten herrscht nach wie vor ein starker Wettbewerb um die besten Fachkräfte. Um eine agile Belegschaft im Bankwesen zu fördern, reichen attraktive Vergütungspakete allein nicht aus. Darüber hinaus müssen die Verantwortlichen in Finanzinstituten ihre Unternehmenskultur und die Mitarbeiter-Experience einer kritischen Prüfung unterziehen. Für den Aufbau einer leistungsstarken und zukunftsfähigen Belegschaft und die Talentbindung müssen Finanzfachkräfte gefördert werden, die strategisch denken und an lebenslangem Lernen interessiert sind.

KI und ML liefern Einblicke und Prognosen, durch die sich Kompetenzen ermitteln und auf Stellenprofile abstimmen lassen. So werden Mitarbeiterdaten zu einem strategischen Vorteil. Diese Kombination aus Daten, Technologie und Automatisierung kann dabei helfen, die Ressourcenzuweisung zu optimieren, die Produktivität zu verbessern und die vorhandenen Talente besser einzusetzen.

Der gesamte Sektor ist auf der Suche nach Fachkräften mit ausgeprägten Kenntnissen im Bereich Datenanalyse und IT, die ihrem Unternehmen dabei helfen, Veränderungen vorherzusagen und entsprechend zu reagieren. Laut einer Branchenstudie von Workday und PwC stufen 98 % der Finanzdienstleister technologische Kenntnisse oder die Anpassungsfähigkeit an neue Technologien als wichtigste Kompetenz ein, die sie im Zuge der nächsten fünf Jahre entwickeln müssen.

Um wettbewerbsfähig zu bleiben und ihren Personalbedarf zu decken, müssen Arbeitgeber im Finanzsektor die externe Personalbeschaffung durch eine intensive Weiterqualifizierung ergänzen. „Banken müssen ihren Talentpool erweitern, indem sie angrenzende Kompetenzbereiche erschließen und ihren Mitarbeitenden aktiv dabei helfen, schnell neue Kompetenzen zu erwerben“, so Aurelie L‘Hostis, Senior Analyst bei Forrester. 

Hier kommen KI und ML ins Spiel: Sie versetzen die Verantwortlichen in die Lage, sich weniger auf traditionelle Abschlüsse und lineare Karrierepfade zu konzentrieren und stattdessen einen stärker kompetenzbasierten Ansatz zu verfolgen. 

KI und ML liefern Einblicke und Prognosen, durch die sich Kompetenzen ermitteln und auf Stellenprofile abstimmen lassen. So werden Mitarbeiterdaten zu einem strategischen Vorteil. Diese Kombination aus Daten, Technologie und Automatisierung kann dabei helfen, die Ressourcenzuweisung zu optimieren, die Produktivität zu verbessern und die vorhandenen Talente besser einzusetzen.

Die Workday Skills Cloud, die auf der Basis neuronaler probabilistischer Sprachmodelle entwickelt wurde, zeigt Beziehungen zwischen mehr als 200.000 Kompetenzen auf. Aufbauend auf diesem Fundament stellen wir eng verzahnte Such-, Reporting-, Mess- und Zuordnungsfunktionen bereit. Damit können wir Kompetenzen einzelnen Personen und ihre Beziehungen verschiedenen Stellen, Opportunitys, Projekten usw. zuordnen. Unsere Skills Cloud bringt außerdem die Entwicklung weiterer kompetenzbasierter Funktionen voran.

Da Mensch und KI im Bankwesen immer mehr Hand in Hand arbeiten, können Unternehmen ihre Betriebsabläufe neu gestalten und effizienter, flexibler und anpassungsfähiger werden. Dazu müssen sie insbesondere sicherstellen, dass beim Einsatz von KI und ML der Mensch im Mittelpunkt steht und dass diese Technologien die menschliche Arbeitskraft ergänzen und nicht ersetzen.

86 % der Befragten im Finanzsektor sind sich einig, dass der Einsatz von KI und ML eine Voraussetzung dafür ist, die Wettbewerbsfähigkeit ihres Unternehmens zu sichern.

KI und ML: Die Zukunft der Arbeit im Bankwesen

Im Hinblick auf die Zukunft des Bankensektors herrscht derzeit eine optimistische Stimmung: So rechnen 64,4 % der befragten Führungskräfte aus der Branche weltweit mit mäßigem bis signifikantem Wachstum im Bereich Banken und Kapitalmärkte. Viele konzentrieren sich zudem darauf, den Grundstein für ihren langfristigen Erfolg zu legen. In derselben Umfrage werden Technologie, Kundenzufriedenheit und Innovationen als wichtigste Prioritäten für Verbesserungen und die Gewährleistung der Wettbewerbsfähigkeit im Bankensektor identifiziert – noch vor Faktoren wie Rentabilität und der Steigerung des Marktanteils. 

Laut einer aktuellen Umfrage von Deloitte unter IT- und Bereichsleitern sind 86 % der KI-Anwender im Finanzsektor der Ansicht, dass KI in den nächsten zwei Jahren für den Erfolg ihrer Firma eine große oder gar entscheidende Rolle spielen wird.

Mit Blick auf die Zukunft müssen Führungskräfte im Bankwesen KI und ML stärker mit dem geschäftlichen Mehrwert und Wachstum verknüpfen und gleichzeitig Vertrauen, Transparenz und Verantwortung wahren. Dazu müssen sie unter anderem ihre Belegschaft über Change Management und Weiterbildung auf künftige Entwicklungen vorbereiten, ihre Altsysteme modernisieren und die Qualität und Zugänglichkeit von Daten verbessern.

Weiteres Lesematerial