Ein Überblick über KI im Finanzwesen

Künstliche Intelligenz (KI) bezeichnet Technologien, die in einer dem Menschen ähnlichen Weise wahrnehmen, lernen und Probleme lösen können.

KI im Finanzwesen bedeutet den Einsatz intelligenter Technologien mit dem Ziel, die Geschwindigkeit, Effizienz und Genauigkeit der von Menschen in der Finanzdienstleistungsbranche ausgeführten Arbeiten zu verbessern. Dazu gehören Datenanalyse, Prognosen, Betrugserkennung und Kundenservice.

Wissen ist Macht, wie es so schön heißt. Und heute manifestiert es sich in Form von Daten.

Was jedoch, wenn es so viele Daten gibt, dass ein Mensch niemals genug Zeit hätte, um aussagekräftige Schlussfolgerungen aus ihnen zu ziehen?

Hier kommt KI ins Spiel. Durch den Einsatz automatisierter Algorithmen für Machine Learning und prädiktiver KI-Modelle lassen sich aus dem „Rauschen“ Muster und Zusammenhänge zu Markttrends oder zur Kundenstimmung herausfiltern.

Unternehmen erhalten in Echtzeit handlungsrelevante Erkenntnisse, um fundierte Entscheidungen zu treffen, ihre betriebliche Effizienz zu steigern und vorausschauende Analysen für bessere Prognosen zur Risikominimierung zu nutzen. Jeder dieser Punkte könnte einen Wettbewerbsvorteil gegenüber der Konkurrenz darstellen.

Beispiele für KI im Finanzwesen

Hier verändert KI die Finanzabläufe (FinOps):

• KI-Modelle für Prognosen und prädiktive Analysen: Für diese Zwecke nutzen Unternehmen KI-Modelle, um Szenarioanalysen durchzuführen, Schwachstellen zu identifizieren, Notfallpläne zu erstellen und potenzielle Auswirkungen abzuschwächen.

• Blockchain: Blockchains sind verteilte, dezentrale digitale Ledger-Systeme. Da es sich im Wesentlichen um umfangreiche Datenbanken handelt, nutzen einige Unternehmen KI, um diese zu analysieren und Trends zu erkennen.

• Kreditentscheidungen: Zusätzlich zur Bonitätshistorie können Algorithmen auch Daten wie Aktivitäten in sozialen Medien berücksichtigen, um die Kreditwürdigkeit einer Person genauer zu bewerten.

• Kundensupport: Indem Chatbots die häufig gestellten Fragen und Routineaufgaben übernehmen, werden die Kundenserviceteams entlastet und können sich komplexeren Fällen widmen.

• Betrugserkennung: KI-Modelle spielen eine zunehmend wichtige Rolle bei der Verbesserung der Cybersicherheit. Das System analysiert und trainiert anhand großer Datenmengen, um Anomalien zu erkennen und vorherzusagen, die auf Bedrohungen hinweisen.

• Rechnungsmanagement: KI kann mühelos die mühsame Aufgabe des Rechnungseingangs und ‑ausgangs übernehmen und sogar auf potenziell betrügerische Rechnungen hinweisen.

• Quantitativer Handel: Investoren nutzen KI, um Algorithmen zu entwickeln, die Trends erkennen, historische Daten analysieren und dann schneller als sie selbst Handelsgeschäfte tätigen können.

• RegTech: Regulierungstechnologie soll die Finanzdienstleistungsbranche bei der komplexen und datenintensiven Aufgabe der Finanzberichterstattung unterstützen. Durch Automatisierung mittels KI lassen sich regulatorische Compliance-Anforderungen effizienter erfüllen.

• Risikomanagement: Durch die schnellere Verarbeitung von Daten aus einer Vielzahl von Quellen kann KI FinOps aufschlussreiche Prognosen liefern, die umfassende Risikomanagemententscheidungen ermöglichen.

• RPA/Automatisierung der Kontenabstimmung: Bei der Abstimmung werden interne Finanzunterlagen mit externen Belegen, beispielsweise von einer Bank, verglichen, um die Richtigkeit sicherzustellen. Dieser zeitaufwendige Prozess kann mit KI automatisiert werden.

Fünf Vorteile künstlicher Intelligenz für die Finanzdienstleistungsbranche

Ein Versicherungsunternehmen hat einen GenAI-Copiloten für Versicherungsmathematiker eingeführt, der die durchschnittliche Bearbeitungszeit für Modellierungen um 90 % reduziert hat.

Angesichts solcher Statistiken könnte man meinen, dass KI auf dem besten Weg sei, den Menschen im Bereich der Finanzdienstleistungen zu ersetzen. Das wird nicht der Fall sein: Indem wir KI einfache und manuelle Aufgaben wie die Dateneingabe übernehmen lassen, können sich Menschen unserer Meinung nach besser auf Aufgaben konzentrieren, die KI nicht so gut kann: kritisches Denken, Strategieentwicklung und Innovation.

Hier sind einige Beispiele dafür, wie KI im Finanzwesen genau das leistet:

• Verbesserte Entscheidungsfindung und Szenarioanalyse für die Finanzplanung und ‑analyse: KI-Tools können große Datenmengen in handlungsrelevante Erkenntnisse umwandeln, die Entscheidungsträgern als Grundlage dienen. KI-Modelle können auch verwendet werden, um die Leistung von Unternehmen in bestimmten Szenarien vorherzusagen, sodass diese entsprechend planen können – was auch immer auf sie zukommt.

• Erhöhte betriebliche Effizienz: Die Genauigkeit, Geschwindigkeit und Automatisierung, die KI-Tools für FinOps bieten, reduzieren Fehler und steigern die Rentabilität.

• Verbesserte Kundenerfahrung und Personalisierung: KI-Chatbots nutzen Machine Learning und Algorithmen, um Benutzerdaten und Präferenzen zu analysieren und so einen personalisierten Kundenservice zu bieten.

• Optimierte Finanzberichtszyklen: Eine aktuelle Umfrage von SAP und Oxford unter Finanzverantwortlichen ergab, dass 57 % der Befragten den Finanzabschluss als den zeitaufwändigsten Prozess sehen. KI-Tools können zur Analyse von Datensätzen eingesetzt werden, um Ausreißer oder Risiken schnell zu identifizieren und so einen einheitlicheren Finanzberichtsprozess zu gewährleisten.

• Höhere Produktivität und Innovationskraft der Beschäftigten: Durch die Übernahme datenintensiver Aufgaben durch KI-Tools können Unternehmen ihre Talente auf Probleme konzentrieren, die KI nicht so gut lösen kann: kritisches und strategisches Denken. Schließlich können KI-Tools zwar Erkenntnisse liefern, aber die Entscheidungen treffen letztendlich Menschen.

• Geringere Kosten: Die höhere Genauigkeit und Geschwindigkeit der KI hilft den Beschäftigten, Zeit zu sparen, sodass sie innovativer und kreativer arbeiten können.

• Optimierung der Kapitalallokations- und Investitionsentscheidungen: Dieselben KI-Modelle, die für die Szenarioanalyse verwendet werden, können auch Aufschluss darüber geben, wie Kapital am besten investiert werden kann.

• Compliance und Meldewesen: Es gibt Machine-Learning-Modelle, die Unternehmen dabei unterstützen, in allen Bereichen der Compliance, Finanzberichterstattung und des Risikomanagements auf dem neuesten Stand zu bleiben.

KI im Finanzwesen kann Aufgaben wie die Dateneingabe schneller und genauer automatisch erledigen als Menschen. Sie kann mühelos große Datenmengen verarbeiten, um Abweichungen zu identifizieren, Erkenntnisse zu gewinnen und vorausschauende Analysen durchzuführen.

Das Ziel ist eine höhere betriebliche Effizienz. Wir sind jedoch der Ansicht, dass die Kombination aus KI-Unterstützung und kritischem Denken und Intuition des Menschen der wichtigste Wachstumsmotor in der Finanzdienstleistungsbranche sein wird.

Herausforderungen und ethische Überlegungen zu KI im Finanzwesen

Es ist spannend, über das exponentielle Potenzial nachzudenken, das KI für die Finanzdienstleistungsbranche mit sich bringen wird. Entscheidend ist dabei jedoch, die Herausforderungen und ethischen Bedenken zu berücksichtigen, die mit ihrer Einführung einhergehen werden.

Im Idealfall wird KI im Finanzwesen auf eine Weise eingesetzt, die Fairness, Transparenz, Datenschutz, Sicherheit und die Gesellschaft als Ganzes respektiert. Doch wie lässt sich so etwas wie Fairness definieren? Es gab Bedenken, dass ein KI-Modell die Aktivitäten einer Person in sozialen Medien heranzieht, um deren Kreditwürdigkeit zu bestimmen. Ist das fair? Und hat die KI damit die Privatsphäre dieser Person verletzt?

KI kann genutzt werden, um aus Daten handlungsrelevante Erkenntnisse zu ziehen, die Entscheidungsträgern als Informationsgrundlage dienen. Können diese Erkenntnisse dazu verwendet werden, Vorurteile gegenüber einer Person oder einer Gruppe zu verstärken? Wir sprechen von der Einhaltung gesetzlicher Vorschriften wie dem Dodd-Frank-Gesetz in den Vereinigten Staaten, aber wie sieht es mit den Vorschriften zum ethischen Einsatz von KI aus?

All dies sind entscheidende Fragen, die berücksichtigt werden müssen, wenn KI immer stärker mit der Finanzdienstleistungsbranche verflochten wird. Die Beantwortung dieser Fragen wird Aufgabe eines Lenkungsausschusses für KI-Ethik sein, der sich aus Entwicklungskräften, politischen Entscheidungsträgern, Führungskräften aus der Wirtschaft, zivilgesellschaftlichen Organisationen, akademischen Einrichtungen und Endbenutzern zusammensetzen sollte. Je vielfältiger die Interessengruppen sind, desto mehr Sichtweisen können in die Richtlinien einfließen.

Eine kontinuierliche Überwachung durch Menschen ermöglicht es, Richtlinien im Laufe der Zeit und mit dem Fortschritt von Technologie und Gesellschaft zu verfeinern und anzupassen.

Umfassende Schulungen in Form von Curricula, Schulungsmodulen und Feedbackmechanismen sind ebenfalls erforderlich, um die Richtlinien im gesamten Unternehmen zu verankern.

Die Zukunft der KI im Finanzwesen

Generative KI beschleunigt die Finanzberichterstattung. Vorausschauende Analysen bilden die Grundlage für Entscheidungen. Selbst Blockchains mit ihrer Rückverfolgbarkeit und Transparenz werden eingesetzt, um die Einhaltung gesetzlicher Vorschriften zu unterstützen. KI-Tools werden in der Finanzdienstleistungsbranche von Tag zu Tag stärker integriert.

Es ist ohne Weiteres vorstellbar, dass diese Tools mit der Weiterentwicklung der Computer und der zunehmenden Reife des Machine Learning immer schneller und genauer werden.

Die mangelnde Genauigkeit ist jedoch nicht das größte Problem für die Benutzer. Vielmehr herrscht unter den Benutzern Misstrauen gegenüber Algorithmen und KI-Modellen und fehlendes Wissen darüber, wie diese beispielsweise zu einer Bonitätsbewertung gelangen.

Das noch junge Gebiet der erklärbaren künstlichen Intelligenz zielt darauf ab, KI-Modelle zu entwickeln, deren Funktionsweise für menschliche Benutzer transparent ist. Auf diese Weise können Entscheidungsträger die Gründe für die getroffenen Schlussfolgerungen klar erkennen und unter Berücksichtigung ihres eigenen Fachwissens entsprechend beurteilen.

Wir sind weiterhin davon überzeugt, dass die Kombination aus KI-Datenverarbeitung und dem kritischem Denken des Menschen zu besseren Entscheidungen führen wird.

Welche führenden Unternehmen setzen derzeit KI ein?

Bevor wir uns allzu weit in die Zukunft begeben, hier einige Unternehmen, die bereits heute KI im Finanzbereich einsetzen:

Mercedes-Benz Mobility

Über Mercedes-Benz Mobility können Privat- und Gewerbekunden Fahrzeuge mit flexiblen Miet- und Abonnementmodellen finanzieren oder leasen. Trotz der Einführung eines automatisierten Zahlungssystems mussten die Buchhaltungsteams Rechnungen mit fehlenden oder falschen Angaben weiterhin manuell abgleichen, was sie wertvolle Arbeitszeit kostete.

Zur Verbesserung dieser Situation wandte man sich an SAP Services und Support, um die SAP-Cash-Application-Software um eine „selbstlernende” Funktion zu erweitern. Dadurch konnte das Unternehmen die verfügbaren Informationen auswerten, um Zahlungen bei fehlerhaften Angaben automatisch zuzuordnen. Dank KI und Machine Learning konnten 58 % der nicht zugeordneten Rechnungen automatisch und erfolgreich verarbeitet werden, was eine durchschnittliche Zeitersparnis von 5 bis 10 Minuten pro Rechnung ermöglichte. Das sind 5 bis 10 Minuten, multipliziert mit Tausenden von Zahlungen, die pro Tag verarbeitet werden.

Mitsui

Mitsui, eines der größten Handelsunternehmen Japans, hat sich für SAP entschieden, um seine unternehmensweite „integrierte digitale Transformationsstrategie“ zu unterstützen.

Ein Problem, das man lösen wollte, war die Abstimmung und Klärung von unbearbeiteten Kontoauszugsinformationen. Durch den Einsatz von KI und Machine Learning ließ sich dieser Prozess automatisieren und so bei den Beschäftigten 36.000 Stunden pro Jahr einsparen – bei einer Genauigkeit von über 90 %.

Zudem begann das Unternehmen mit dem Einsatz von Chatbots in seinem inländischen Kernsystem, um die Belastung für das Wartungspersonal und die Benutzer zu reduzieren.

Erste Schritte mit KI im Finanzwesen

Beginnen Sie mit der Implementierung eines cloudbasierten ERP-Systems. ERP (Enterprise Resource Planning) ist ein Softwaresystem, das FinOps dabei unterstützt, effizienter zu arbeiten. Alle Kerngeschäftsprozesse wie HR, Fertigung, Lieferkette und Services können in einem integrierten System verwaltet werden.

Das Finanzwesen ist möglicherweise das wichtigste Ressort, da es sich am meisten mit Geld befasst. Es verwaltet das Hauptbuch, verfolgt Verbindlichkeiten und Forderungen, erstellt Finanzberichte und vieles mehr.

Moderne ERP-Systeme nutzen KI im Finanzbereich, um Wachstum und Innovation voranzutreiben. Durch die Bereitstellung handlungsrelevanter Erkenntnisse in Echtzeit, die Senkung der Betriebskosten und die Risikominimierung verspricht KI Unternehmen einen neuen Wettbewerbsvorteil.

Die KI-Tools, die bei der Einhaltung gesetzlicher Vorschriften und beim Risikomanagement helfen können, sind in ein ERP-System wie SAP S/4HANA integriert. Aber Unternehmens-KI kann auch in Form von generativen KI-Copiloten oder adaptiven Lernsystemen am Arbeitsplatz zum Einsatz kommen.

Pilotprogramme, die eine schrittweise Integration in die Workflows ermöglichen, können den Beschäftigten ebenfalls bei der Umstellung helfen. Transparente Diskussionen über KI und die Entwicklung einer KI-Ethikrichtlinie für das Unternehmen können zusätzlich dazu beitragen, Ängste vor der eigenen Ersetzbarkeit abzubauen.

FAQs

Mehr erfahren