Diese Website verwendet Cookies. Wenn Sie unsere Seiten nutzen, erklären Sie sich hiermit einverstanden. Weitere Informationen

DZ Bank: Mithilfe von Datenanalyse die Wertschöpfung erhöhen. Von Markus Drösser.

„Die Bankenwelt befindet sich im Umbruch. Ein Thema gewinnt dabei zunehmend an Bedeutung: der Einfluss der Künstlichen Intelligenz (KI) im Finanzsektor. Abwanderungsvorhersagen, Betrugsprävention oder Produktempfehlungen sind nur einige Anwendungsbeispiele für KI-Lösungen im Bankensektor.

KI ist die Kombination unterschiedlicher Werkzeuge (Suche, Logik, Machine Learning, Statistik, Deep Learning etc.) in einem einzigen System, das in der Lage ist, kognitives menschliches Verhalten in einer bestimmten Situation nachzuahmen. Dieses Verhalten ist nicht vom Verhalten eines Menschen unterscheidbar. Dabei sind Daten sowie die adäquate Datenhaltung von großer Bedeutung, weil sie als Rohstoff dieser Werkzeuge dienen und über deren Erfolg entscheiden.

Unser Ziel in der Gruppe Data Analytics & BI ist es, die DZ Bank zu einer zeitgemäßen und gewinnbringenden Nutzung von Daten zu befähigen, damit Begriffe wie KI nicht einfach nur Schlagworte bleiben. Daher unterstützen wir seit Anfang 2017 andere Fachbereiche methodisch und inhaltlich bei der Entwicklung von innovativen und datengetriebenen Services. Dazu bieten wir auch ein umfassendes Beratungsangebot und treiben den Aufbau einer hausinternen Community über Newsletter, Wissensdatenbank und Forum voran. Auf diese Weise stellen wir sicher, dass alle Fachbereiche von den Chancen der Datenanalyse bestmöglich profitieren können.

Eine besondere Rolle kommt unserem Data LAB zu. Das Format erlaubt den Fachbereichen, herauszufinden, welche Möglichkeiten der Wertschöpfung die neuen Methoden der Datenanalyse bieten. Sie können potenzielle Anwendungsfälle gemeinschaftlich erarbeiten und passende Algorithmen testen und bewerten.

Ein Beispiel für den praktischen Einsatz von KI im Bankenkontext zeigt sich im Bereich Compliance. Dort werden Rechtsnormen bislang aufwendig anhand des Normeninhalts manuell den relevanten Bereichen im Haus zugeordnet. Wir arbeiten an einer KI, die in Zukunft neue Rechtsnormen weitestgehend eigenständig sortiert und an die zuständigen Stellen weiterleitet. Dazu bedarf es vorab einer Trainingsphase, während derer die KI in den vorhandenen Daten existierende Muster über maschinelle Lernverfahren ableitet. Die Expertise der Kollegen aus dem Fachbereich wird weiter benötigt. Sie prüfen, ob die KI korrekt arbeitet. Insgesamt steht den Mitarbeitern jedoch mehr Zeit für andere Tätigkeiten zur Verfügung. Die KI hilft damit, die zunehmende Flut an Informationen und Anforderungen optimal zu verarbeiten und gleichzeitig die Wertschöpfung der Bank zu erhöhen.“

Markus Drösser ist Gruppenleiter Data Analytics & BI bei der DZ Bank.

TeamBank: Spezialisten überführen KI-Modelle direkt in den Geschäftsbetrieb. Von Steffi Hoffmann und Hans-Joachim Hippner.

„Wir sehen in der rasanten Entwicklung der Künstlichen Intelligenz (KI) eine große Chance, unser Geschäftsmodell digital und datenbasiert zu verändern. Dies erfolgt nicht aus reinem Selbstzweck heraus, sondern um uns noch stärker an den Bedürfnissen unserer Kunden ausrichten zu können. Hierzu richtete die TeamBank schon 2017 ihr Data Analytics Center ein, in welchem sich ein interdisziplinäres Team aus Data Scientisten und Data Analysten intensiv mit dem Thema KI beschäftigen. Diese Spezialisten testen nicht nur unterschiedlichste Technologien und Verfahren aus dem Umfeld der KI, sondern überführen die resultierenden Modelle direkt in den operativen Geschäftsbetrieb.

Das Anwendungsspektrum der KI-Methoden ist enorm, da viele Problemstellungen existieren, die sich durch die klassische Statistik nur unzureichend lösen lassen. Anhand von klar definierten und geschäftsrelevanten Anwendungsfällen testet die TeamBank kontinuierlich, welche neuen Verfahren das Kundenverhalten künftig besser vorhersagen können. Hierzu steht ein ganzer Strauß an anspruchsvollen und innovativen Verfahren zur Verfügung, zum Beispiel neuronale Netze beziehungsweise generell Machine Learning Verfahren. Zudem zeigt die Erfahrung, dass es sich neben dem professionellen Methodeneinsatz lohnt, die bereits vorliegenden Daten über den Kunden durch zusätzliche – meist externe – Daten zu erweitern. Hierbei kann es sich um frei verfügbare Informationen aus dem Internet wie etwa Geodaten handeln, um das Kundenverhalten besser verstehen und vorhersagen zu können. Die TeamBank setzt unter anderem zu diesem Zweck auf selbst entwickelte Webcrawler, die das Internet automatisch nach solchen Daten durchsuchen. Diese zusätzlichen Informationen dienen zum Beispiel dazu, Betrüger besser zu erkennen.

Ein weiterer aktueller Anwendungsfall zielt auf den Servicebereich der TeamBank ab. Ziel ist es, gleichermaßen Mehrwerte für Kunden und Mitarbeiter zu schaffen. So wird aktuell ein Chatbot entwickelt, der den Kunden bereits im Chat legitimiert, wenn es um die Frage geht „Wie ist der aktuelle Stand meiner easyCredit-Bestellung?“. Der Chatbot soll den Live-Chat nicht ersetzen, denn der persönliche Kontakt mit dem Kunden ist der TeamBank überaus wichtig. Vielmehr eliminiert der Chatbot unnötige Wartezeiten, um mehr Zeit für die persönliche Beratung zu gewinnen.

Bei aller Euphorie gilt jedoch immer, dass der Datenschutz über allem steht. Deshalb setzt die TeamBank bei der Analyse von Kundendaten immer auf das Label ‘Made by TeamBank‘. Nur so kann garantiert werden, dass keine sensiblen Daten das Haus verlassen.“

Steffi Hoffmann ist Leiterin Analytics bei der TeamBank.

Hans-Joachim Hippner ist Leiter Communications / Anforderungsmanagement bei der TeamBank.

Union Investment: Wendepunkte an der Börse mithilfe von KI ermitteln. Von Nikolas Gerlich und Dieter Konrad.

„Wir bei Union Investment haben in den vergangenen Jahren sukzessive Know-how im Bereich Künstliche Intelligenz (KI) aufgebaut. Drei Data Scientists sorgen dafür, dass aus „Big Data“ „Smart Data“ wird. Denn im Wettlauf um Informationen gilt es nicht nur, die richtigen Daten zu haben, sondern auch, diese effizient in der Entscheidungsfindung zu nutzen.

Ein zentraler Baustein sind sogenannte Textmining-Daten. Diese machen Meinungen und Stimmungen aus öffentlichen und sozialen Medien quantifizierbar. Bei der Sortierung und automatisierten Bewertung von täglich rund zwei Millionen Texten helfen uns KI-Methoden. Es entstehen tausende Zeitreihen, die nach unterschiedlichen Kriterien – etwa mit Bezug auf Aktien, Währungen oder Rohstoffe – kategorisiert sind.

Gerade in Zeiten der Corona-Krise werden diese alternativen Datenquellen immer wichtiger. Denn für die Kapitalmärkte zählt aktuell vor allem, an welchen Stellen die Wirtschaft wieder Fahrt aufnimmt. Das kann für die Bestimmung möglicher Wendepunkte an der Börse von entscheidender Bedeutung sein. Die lasergestützte Messungen von Passantenzahlen in großen Einkaufsstraßen, die Analyse von Staudaten, die Umsätze von Kinos oder der Anteil an gestrichenen Flügen können wichtige Impulse liefern.

Darüber hinaus habe wir unter dem Namen Malina (Machine Learning for Investment Applications) unsere eigene Software zur Anwendung von KI entwickelt. Mit dieser machen wir KI-Methoden wie „Random Forests“ und neuronale Netze für unser Portfoliomanagement nutzbar. Dabei kombinieren wir traditionelle Daten zur Makroökonomie oder dem Sentiment von Marktteilnehmern mit „smarten Daten“, um Kapitalmarkt-Zeitreihen zu prognostizieren. Ein besonderer Fokus bei der Entwicklung von Malina lag auf dem Thema Interpretierbarkeit: Ziel ist, die „Blackbox“ der künstlichen Intelligenz für den Menschen zu öffnen sowie Einflussfaktoren und Prognosen der KI für den Menschen nachvollziehbar zu machen. Hierdurch können wir die Frage beantworten, welche der „smarten Daten“ uns tatsächlich einen Mehrwert liefern können und welche unserer Indikatoren wir besonders genau im Auge behalten sollten.

Denn trotz aller Hilfe unserer digitalen Assistenten: Ohne den Menschen, der die Daten richtig einordnet, sind alle Quellen letztlich nutzlos. Denn nur auf diesem Wege reichert Big Data, die durch KI im Zusammenspiel mit der menschlichen Expertise zu Smart Data wird, das traditionelle Fondsmanagement um eine sinnvolle neue Dimension an und fließt damit auch auf den unterschiedlichsten Ebenen in unsere Fonds.“

Nikolas Gerlich ist Senior Data Scientist bei Union Investment.

Dieter Konrad ist Leiter Quant & Smart Data bei Union Investment.

VR-NetWorld: Der VR-ChatBot in der Bankenkommunikation. Von Walquidia Block.

„Immer mehr Kunden erwarten von ihrer Genossenschaftsbank Informationen rund um die Uhr unabhängig von Öffnungszeiten. Erster Anlaufpunkt ist in der Regel die Webseite der Bank. Dort lässt sich der VR-ChatBot einsetzen. Die Lösung der VR-NetWorld beantwortet viele Standardfragen, hält aber auch bankindividuelle Informationen bereit. Der Vorteil für die Banken: Die VR-NetWorld aktualisiert regelmäßig übergreifende Inhalte aus dem Internetauftritt der Banken (webBank+) zentral im System, auf die auch der Bot zugreifen kann. So ist dieser in der Lage, mit den Kunden über unterschiedlichen aktuellen Themen zu reden.

Wenn der Nutzer eine Frage hat, muss er nur den VR-ChatBot im Online-Auftritt der Bank aufrufen und seine Frage in das Dialogfeld eintippen – die Antwort erfolgt automatisch. Das System simuliert dabei ein interaktives Gespräch. Falls der VR-ChatBot die Antwort nicht kennt, kann er das Gespräch an einen echten Mitarbeiter übergeben. Dieser klärt dann alle Fragen „von Mensch zu Mensch“. Ist eine Weiterleitung nicht möglich, informiert das System den Kunden über alternative Kontaktmöglichkeiten.

Der VR-ChatBot legt – passend zu den meisten Kundenfragen – einen Schwerpunkt auf den Zahlungsverkehr. In diesem Themenbereich kann der Bot auch einen ausführlichen Dialog mit dem Nutzer führen. Wird der VR-ChatBot zum Beispiel nach einem Girokonto oder einer Kreditkarte gefragt, stellt er entsprechende Rückfragen und informiert den potenziellen Kunden anschließend über die passenden Produkte. Ebenso leistet der VR-ChatBot Hilfestellung zum Thema Online-Banking oder erklärt, wie der Kunde beim Urlaub im Ausland bezahlen kann. Der VR-ChatBot verfügt dazu über einen umfassenden und stetig wachsenden Pool an Frage-Antwort-Kombinationen. Die Anwendung erfasst darüber hinaus alle Fragen der Nutzer, so dass neue Themenkomplexe sukzessive von der VR-NetWorld ergänzt werden.

Die Banken können die Antworten des VR-ChatBot individualisieren und Informationen zu eigenen Produkten und Service-Angeboten ergänzen, etwa zu den Öffnungszeiten der Filialen oder den Möglichkeiten, ein Girokonto zu eröffnen. Auch der Auftritt des VR-ChatBots lässt sich individualisieren. So kann ihm die Bank einen eigenen Namen oder sogar ein eigenes „Gesicht“ (Avatar) geben. Auf diese Weise wird der VR-ChatBot zu einem virtuellen Team-Mitglied der Bank, der digitale Nähe für die Kunden erlebbar macht. Die echten Mitarbeiter werden von einfachen Service-Aufgaben entlastet und können sich komplexeren Themen widmen. Zudem erleben die Menschen in der Region die hohe Kundenorientierung ihrer Genossenschaftsbank rund um die Uhr: Alltägliche Fragen werden schnell und kompetent zu jeder Zeit von jedem Ort aus beantwortet.“

Weitere Informationen gibt es im ServicePortal der VR-NetWorld.

Walquidia Block ist Projekt- und Produktmanagerin für den VR-ChatBot bei der VR-NetWorld.

Fiducia & GAD IT: Mit dem eigenen Konto sprechen. Von Daniel Betsche.

„Schon seit Jahrzehnten setzt die Fiducia & GAD IT Algorithmen ein, die wir heute als Künstliche Intelligenz (KI) bezeichnen. In den vergangenen fünf Jahren wurden – bedingt durch Fortschritte bei der Rechenleistung und der Speicherkapazität – zudem Potenziale geschaffen, um diese in fast allen Bereichen der digitalen Welt einzusetzen. Solche neuen Verfahren sind beispielsweise im ‘Fraud Management‘ im Einsatz, um Betrüger zu entlarven.

Eine spannende Möglichkeit, Künstliche Intelligenz einzusetzen, gibt es in der Schnittstelle zum Kunden. Der lernende Chatbot „Botto“ ermöglicht es, einfacher und schneller zu kommunizieren. Er unterstützt seit Ende vergangenen Jahres den Kundenservice der Fiducia & GAD und soll im laufenden Jahr rund 100.000 Anfragen selbstständig beantworten können – etwa ein Fünftel aller Anfragen. Die webbasierte Anwendung klärt einfache Anfragen schnell und eigenständig und lernt mit jeder Anfrage dazu. Derzeit verwaltet er Wissen über einen Großteil der Produkte der Fiducia & GAD, erklärt bankfachliche Begriffe, liefert aktuelle Informationen zu Störungen und erzählt auf Wunsch Witze.

Kann Botto dem Kunden selbst nicht weiterhelfen, nimmt er ein umfassendes Supportticket auf und fügt bereits gestellte Fragen und ausgeschlossene Antworten hinzu. In einer weiteren Ausbaustufe, die gegen Ende des Jahres geplant ist, soll er zudem Tickets für den Kundensupport vorsortieren, mit zusätzlichen Informationen anreichern und bereits bekannte ähnliche Tickets identifizieren und doppelte Arbeiten verhindern. Dies führt zu kürzeren Liegezeiten und schnelleren Antworten für die Kunden.

Botto arbeitet mit geschriebener natürlicher Sprache. Aber auch mit dem gesprochenen Wort experimentiert die Fiducia & GAD. Mit der App „kiu“ hat sie umfassende Erfahrungen dahingehend gesammelt, wie durch lernende Systeme im Alltag Mehrwerte generiert werden können. Als deutschlandweit erste Banking-App ermöglichte kiu das Sprechen mit dem eigenen Konto. Es steckt ein ordentlicher Batzen künstliche Intelligenz in kiu. Das zeigt folgendes Beispiel: Die Frage „Wie viel Schotter habe ich?“ wurde dem Sprachassistenten nie beigebracht und trotzdem versteht das System diesen Satz und weiß, was der Kunde damit meint. Diese Art der Absichtserkennung ist eine echte KI-Leistung. Die Technologie wird auf Basis der gewonnenen Erkenntnisse Bestandteil der neuen VR-BankingApp sein.

Künstliche Intelligenz birgt noch viel ungenutztes Potenzial. Bis sie uns Menschen vollumfänglich verstehen kann, wird noch einige Zeit vergehen, aber in Zukunft sorgt sie dafür, dass wir schneller und effizienter arbeiten können. Sie wird uns bei schweren Aufgaben unterstützen, einfache Tätigkeiten sogar vollständig übernehmen und dadurch Freiräume für das Wesentliche schaffen.“

Daniel Betsche ist Innovationsmanager für AI bei der Fiducia & GAD IT.

Artikel lesen
Topthema