Wie Sie mit Maschinellem Lernen und Künstlicher Intelligenz im Finanzsektor zukunftssicher werden

Finanzleiterinnen und -leiter bewältigen gerade viel. Die Zeit drängt mit neuen Regulationen und Technologien sowie fluiden Kundenerwartungen unaufhaltsam voran. Nichts davon hängt in der Warteschleife. Zudem müssen sich Unternehmen immer mehr anpassen, um Schritt zu halten. Dabei sind die Zeiten, in denen man über digitale Transformation nur gesprochen hat, eindeutig vorbei. Jetzt geht es ums Handeln. Zusätzlich steigen die Cyber-Bedrohungen weiter an.

Was also tun? Die Basis für eine Zukunft, in der Unternehmen sicher aufholen können, ist eine robuste, cross-funktionale Dateninfrastruktur. Mit ihr können Künstliche Intelligenz (KI) im Finanzsektor ebenso wie Maschinelles Lernen (ML) voll genutzt werden.

Viele Finanzteams kämpfen derzeit noch mit zeitaufwendigen manuellen Prozessen. Sie arbeiten mit Systemen, die eher einsamen Inseln als vernetzten Knotenpunkten ähneln. Einen Großteil ihrer Zeit verbringen sie mit Datenprozessierung, statt Erkenntnisse freizulegen und proaktiv Maßnahmen zu ergreifen. Eine bessere Möglichkeit bietet da die Anwendung von Künstlicher Intelligenz im Finanzsektor. Wie Unternehmen das adaptieren können, erklärte Rufino Chiong, Leiter des Industriebereichs, EMEA, Workday, auf der Podiumsdiskussion „Die Finanzorganisation zukunftssicher machen: Eine Masterclass in intelligenten Technologien“ auf dem OMR Festival 2023 - Finance Forward in Hamburg.

„Was wir tun wollen, ist, die Pyramide umzudrehen, sodass wir weniger Zeit mit dem Extrahieren, Verbinden, Bereinigen und Abgleichen von Daten aus mehreren Systemen verbringen und mehr Zeit damit, Erkenntnisse zu generieren“, betonte Chiong.

Unabdingbar wird sein, auf cloudbasierte Unternehmenssysteme zu setzen, die mit KI und ML arbeiten. Diese Systeme können dazu beitragen, manuelle, repetitive und arbeitsintensive Prozesse zu automatisieren. Gleichzeitig decken sie Unregelmäßigkeiten auf und geben Empfehlungen. Durch die Implementierung von künstlicher Intelligenz im Finanzsektor und dem Nutzen von ML können Finanzteams Transaktionen mit hohem Volumen schneller und genauer bearbeiten und brauchen dafür nur noch Stunden oder Minuten statt wie früher Monate oder Wochen.

Daten und deren Wert sind eingesperrtAuf den Punkt gebracht

Laut einer Workday-Umfrage investieren bereits 60 Prozent der CFOs in die Cloud und setzen KI- und ML-Lösungen ein. Während viele Finanzführungskräfte also schon fortschrittliche Technologien einsetzen, sind immer noch zu viele Finanzfunktionen mit veralteten Systemen belastet. Sie zwingen Teams, ihre wertvolle Zeit auf Prozesse statt auf Analyse zu verwenden. „Manuelle Aufgaben sollten nicht von Menschen erledigt werden, denn wir brauchen Experten, um Expertenurteile zu fällen. Wir brauchen die Experten nicht, um Datensammlungen durchzuführen“, verdeutlichte Camillo Werdich, CEO und Gründer von Sinpex, eines deutschen Unternehmens für Compliance-Software.

Die veralteten Systeme fangen Daten in verschiedenen Silos ein. Sind aber die Daten eingeschlossen, ist es auch ihr Wert. „Mit veralteten Systemen verlieren Sie den Wert der Daten und vielleicht noch wichtiger, Sie verlieren das Vertrauen in diese Daten“, warnte Chiong. „Betrachten Sie die traditionellen Lösungen, die von vielen Banken verwendet werden. Diese Lösungen erfordern oft, dass ein Accountant mehrere Systeme durchläuft und manchmal sogar Daten manuell von einem System in ein anderes überträgt, nur um einen neuen Kunden zu registrieren.“

„Es ist immer noch eine Qual, bei vielen Banken Konten zu eröffnen“, bemerkte auch Friedrich Haase, Direktor von PwC Deutschland. „Das ist ein Risiko für die Banken selbst, weil sie viel Geld für die Kundenregistrierung ausgeben müssen, und das beeinflusst ihren Umsatz.“

Veraltete Systeme sind insbesondere für Finanzinstitutionen aus zwei Gründen eine Herausforderung. Erstens reagieren sie nur langsam auf geänderte regulatorische Anforderungen: „Banken haben oft einen sehr manuellen Prozess vom Front-Office zum Back-Office, und das stellt eine enorme Herausforderung für Finanzinstitutionen dar, um mit der zunehmenden Regulierung Schritt zu halten“, sagte Werdich.

Zweitens kann man mit diesen Systemen nicht effizient gegen Finanzverbrechen vorgehen. Beispielsweise sind Zwei-Faktor-Authentifizierungprozesse im Front-Office oft nicht mit Anti-Geldwäsche-Prozessen (AML) im Back-Office verbunden. „Das führt dazu, dass die beiden Teams oft keine Ahnung haben, was das andere tut“, erklärte Wolfgang Berner, CTO und Mitbegründer von hawk:AI, einem in Deutschland ansässigen Unternehmen, das KI nutzt, um Finanzinstitutionen bei der Aufdeckung von Finanzverbrechen zu unterstützen. „Die Daten müssen zu 100 Prozent verbunden sein, denn nur dann ist es ein effektives System.“

Zusammenführung von Daten – Befähigung von Menschen

Statt Daten aus mehreren abgeschotteten Systemen abzugleichen, nutzen fortschrittliche Finanzteams vereinheitlichte Systeme, die mit KI- und ML-Fähigkeiten ausgestattet sind, um alle Daten – finanzielle, betriebliche und personelle – zusammenzuführen. Sie nutzen die Analysefähigkeiten der Plattform, um datenbasierte Erkenntnisse zu generieren und kontinuierlich schneller und besser zu prognostizieren und zu planen. „Mit einer vereinheitlichten Grundlage haben Sie eine Datenquelle, die jedem zugänglich ist, so dass Sie in die Daten eintauchen und Erkenntnisse daraus gewinnen können“, erläuterte Haase.

KI- und ML-Analysefähigkeiten helfen im Finanzwesen, regulatorische Anforderungen zu erfüllen und Cybersecurity-Bedrohungen zu bekämpfen, zwei Schlüsselbereiche, die oft mühsame und zeitaufwändige Aufgaben beinhalten. „Regulierungsdokumente zu lesen und zu analysieren und Informationen aus ihnen zu extrahieren – das sind Dinge, die KI besser kann als Menschen", betonte Werdich. Und im Gegensatz zu Menschen wird KI nicht müde.

Einige Banken beschäftigen derweil Tausende von Menschen ausschließlich zur Sicherheitsalarmbereinigung und zum Durchklicken von Falschmeldungen. Sie stellen dabei fest, dass selbst die Ausweitung dieser Teams möglicherweise nicht ausreicht, um mit den zunehmend ausgefeilten Cyber-Bedrohungen Schritt zu halten. „Das ist etwas, das man nicht nur durch mehr Personal für die Prozesse bewältigen kann – man muss sicherstellen, dass die Technologie an den Prozessen arbeitet“, führte Haase aus.

KI und ML können genutzt werden, um Muster zu studieren und zu identifizieren, Bedrohungen zu erkennen und Falschmeldungen auszusortieren. Als Beispiel erreichte ein globales Zahlungsunternehmen, das jährlich 2 Milliarden Transaktionen verarbeitet, auf diesem Weg eine Reduzierung der Falschmeldungen um 97 Prozent. Es setzte kontextbewusste KI ein, um routinemäßiges von verdächtigem Verhalten zu unterscheiden. „KI versteht, was normal ist, und kann die Unterschiede zwischen Falschmeldungen und potenziell verdächtigen Fällen viel besser verstehen [als Menschen]“, erklärte Berner.

Es überrascht nicht, dass Finanzinstitutionen feststellen, dass bessere Back-Office-Erfahrungen zu besseren Kundenerfahrungen führen. Banken nutzen somit KI, um ihre Front- und Back-Offices zu verbinden und den Prozess der Kundenregistrierung zu beschleunigen – beispielsweise durch das Scannen und Extrahieren von Informationen aus Dokumenten. Indem sie Technologie einsetzen, um Funktionen und Unternehmensdaten zu verbinden, können zukunftsfähige Finanzfunktionen effizientere und effektivere Ergebnisse sowohl für das Unternehmen als auch für den Kunden liefern.

„Denken Sie an den Wert von Daten, wenn Sie Talent-, Finanz- und Betriebsdaten zusammen haben, anstatt nur Ihre Standard-Finanzberichterstattung“, gab Chiong dem Publikum mit. „Was wir gesehen haben, ist, dass Unternehmen in der Lage sind, die Zeit und das Geld, die für Audits aufgewendet werden, zu reduzieren, schneller Entscheidungen zu treffen und die Kosten für die Datenerfassung zu senken.“