AI in Finance – Wie KI zur Finanzierung der Zukunft beiträgt

AI in Finance: Der Finanzsektor macht bis zu einem Viertel der Weltwirtschaft aus und beinhaltet verschiedene Akteure wie Banken, das Kreditwesen, Versicherungen, Immobilien und Investitionen. Künstliche Intelligenz (KI) ermöglicht es Finanzinstituten, Geschäftsmodelle in diesen Branchen umzugestalten, betriebliche Effizienz zu erzielen und datengestützte Entscheidungen in einer dynamischen Finanzlandschaft zu treffen.

Angesichts der enormen Datenmengen, die über verschiedene Quellen verteilt sind, ist es komplex, die Auswirkungen der KI im Finanzwesen zu durchdringen. Daher haben wir aktuelle Daten zur Nutzung der KI in der Branche, ihre zentralen Vorteile, Herausforderungen und vieles mehr gesammelt.

Der Einsatz von KI hilft bei der Automatisierung von Aufgaben, der Optimierung von Prozessen und der Verbesserung des Kundenservice. Mit der Fähigkeit, riesige Datenmengen in Echtzeit zu analysieren, können Finanzinstitute bessere Kreditentscheidungen treffen, Betrugsrisiken minimieren und maßgeschneiderte Produkte und Dienstleistungen anbieten.

Zu den Herausforderungen gehören die Sicherheit der Daten, die Notwendigkeit einer Infrastrukturmodernisierung und die Einhaltung regulatorischer Vorschriften. Zudem muss das Personal geschult werden, um mit den neuen Technologien umgehen zu können.

Es ist also klar, dass KI im Finanzwesen eine entscheidende Rolle spielt. Sie ermöglicht nicht nur die Neugestaltung von Geschäftsmodellen und die Steigerung der betrieblichen Effizienz, sondern auch die Optimierung der Kundenbetreuung. Trotz der Herausforderungen, die es zu bewältigen gilt, ermöglicht die Einführung der KI in den Finanzsektor eine bessere Nutzung der verfügbaren Daten, eine effizientere Entscheidungsfindung und letztendlich eine stärkere und robustere Finanzwirtschaft.

Wie wird KI im Finanzwesen eingesetzt?

Der Einsatz von KI im Finanzwesen wächst stetig, angetrieben durch die Verfügbarkeit von Daten und Rechnerkapazitäten. KI-Technologien finden in zahlreichen Bereichen Anwendung, darunter Prozessautomatisierung, Produktverbesserung, Entscheidungsfindung, Compliance und Risikomanagement.

In der Studie “State of AI in Financial Services 2023” von Nvidia, an der über 500 globale Finanzdienstleister teilnahmen, wurden 21 verschiedene KI-Anwendungsfälle analysiert. Die Studie zeigte, dass 10 KI-Arten von mehr als 15% der befragten Unternehmen genutzt werden:

• Natürliche Sprachverarbeitung (NLP)/große Sprachmodelle (LLMs) – 26%
• Empfehlungssysteme/Next-Best Action – 23%
• Portfolio-Optimierung – 23%
• Betrugserkennung: Transaktionen/Zahlungen – 22%
• Betrugserkennung: Anti-Geldwäsche /Know your Customer (KYC) – 22%
• Algorithmischer Handel – 21%
• Konversationelle KI – 20%
• Marketing-Optimierung – 20%
• Erstellung synthetischer Daten für die Modellerstellung/-optimierung – 20%
• Synthetische Datenerzeugung – 18%

Die Umfrage ergab auch, dass über die Hälfte der befragten Unternehmen KI in drei oder mehr Anwendungsfällen einsetzt. 20% der Befragten gaben an, sechs oder mehr Anwendungsfälle im Einsatz zu haben.

Diese Ergebnisse stehen im Einklang mit einer McKinsey-Umfrage aus dem Jahr 2022, in der fast 60% der befragten Finanzdienstleister angaben, mindestens eine KI-Funktion im Jahr 2022 eingeführt zu haben. Die International Data Corporation (IDC) schätzt, dass die weltweiten Ausgaben für KI, einschließlich Software, Hardware und Dienstleistungen für KI-zentrierte Systeme, im Jahr 2023 154 Milliarden US-Dollar erreichen werden, ein Anstieg von 26,9% gegenüber 2022. Banken und Einzelhandel werden voraussichtlich die größten KI-Investitionen im Jahr 2023 tätigen.

Die Ausgaben werden sich hauptsächlich auf Kundendienstfunktionen, Programmberater und Empfehlungssysteme konzentrieren. Andere Anwendungsfälle mit hohen Ausgaben unterstützen eine Vielzahl von Aufgaben, darunter:

• IT-Optimierung
• Erweiterte Informationen über Bedrohungen
• Präventionssysteme
• Betrugsanalyse und -untersuchung

AI in Finance: Anwendungsbereiche im Detail

Untersuchungen von Gartner haben ergeben, dass die weltweiten IT-Ausgaben im Banken- und Investmentsektor im Jahr 2023 voraussichtlich 652,1 Milliarden US-Dollar erreichen werden, was einem Anstieg von 8,1 % gegenüber 2022 entspricht. Mit einem Anstieg von 13,5 % im Jahr 2023 werden die Ausgaben für Software das größte Wachstum verzeichnen. Führungskräfte aus dem Banken- und Investmentbereich planen, den größten Betrag an neuen oder zusätzlichen Mitteln im Jahr 2023 für Cybersecurity, Daten und Analysen, Integrationstechnologien und Cloud auszugeben.

AI im Bankwesen

Seit dem Beginn der globalen Finanzkrise im Jahr 2008 ist die durchschnittliche Eigenkapitalrendite (ROE) von Banken weltweit gesunken und schrumpft weiter. KI-Technologien geben Banken die Möglichkeit, ihre Rentabilität zu steigern und mit nicht-traditionellen Akteuren in der Branche zu konkurrieren. Tatsächlich sind sich 80 % der Banken der potenziellen Vorteile von KI sehr bewusst.

Zu den wichtigsten Anwendungsfällen von KI im Bankwesen gehören:

• Geschneiderte Produkte und personalisierte Lösungen
• Chatbots für die Kundenbetreuung
• Kreditwürdigkeitsprüfung, Risikoübernahme und Entscheidungsfindung
• Kreditausfallprognose
• Geldwäschebekämpfung (AML)
• Betrugsüberwachung und -aufdeckung
• Sentiment-Analyse mit natürlicher Sprachverarbeitung (NLP)

KI im Immobilienbereich

KI und ihre verschiedenen Technologien haben das Potenzial, den Immobiliensektor zu verändern. In der JLL-Studie “2023 Global Real Estate Technology Survey” wurden KI und generative KI von Investoren, Entwicklern und Unternehmensnutzern zu den drei wichtigsten Technologien gezählt, die in den nächsten drei Jahren den größten Einfluss auf den Immobiliensektor haben werden.

In der Tat planen über 80 % dieser Immobiliennutzer, -investoren und -entwickler, ihr Budget für Immobilientechnologie in den nächsten drei Jahren zu erhöhen. Zu den wichtigsten Beispielen für den Einsatz von KI in der Immobilienbranche gehören:

• Prädiktive Analytik: Die primäre Anwendung von KI im Immobilienbereich ist die prädiktive Analytik, und als solche sind Schätzungen von Immobilien oft KI-gesteuert. Führende Plattformen bieten personalisierte Empfehlungen, die die Kaufentscheidungen verbessern.
• 3D-Modellierung: Immobilien nutzen KI-gesteuerte 3D-Modelle, die eine realitätsnahe Besichtigung von Immobilien ermöglichen. Das zieht mehr potenzielle Käufer und Investoren an und spart Zeit und Geld.
• Lead-Generierung: KI hilft Immobilienmaklern, potenzielle Leads aus einer Vielzahl von Quellen zu identifizieren und ihre Bemühungen in qualitativ hochwertige Leads zu investieren, die mit größerer Wahrscheinlichkeit in Verkäufe umgewandelt werden.
• Smart Home-Geräte: Proptech ist ein wachsender Bereich, der sich auf KI-gesteuerte intelligente Geräte zur Fernüberwachung von Immobilien stützt. Intelligente Schlösser, Thermostate und Kameras erhöhen die Zufriedenheit der Mieter und sparen Energiekosten, während sie gleichzeitig größere Reparaturen minimieren und die Instandhaltung der Immobilie verbessern.
• Immobilienverwaltung: KI hilft Immobilienverwaltern, Mieter zu überprüfen, Mieten einzuziehen und Wartungsarbeiten zu planen. Chatbots helfen bei Anfragen, während die Automatisierung die Zahlungsabwicklung, das Workflow-Management und die Berichterstattung für eine bessere betriebliche Effizienz rationalisiert.
• Hypotheken: KI wertet Kreditnehmerdaten auf Risiken aus, bietet wettbewerbsfähige Zinssätze, erkennt Betrug und automatisiert die Kreditabwicklung.

KI in Fintech

Im Jahr 2022 verzeichnete KI in Fintech mit 5,5 Milliarden Dollar die dritthöchsten privaten Investitionszuflüsse. Dies liegt nur knapp hinter Datenmanagement, -verarbeitung und Cloud (5,9 Milliarden Dollar) und Gesundheitswesen (6,1 Milliarden Dollar). Fast 70 % der Fintech-Unternehmen sehen in der KI die Technologie, die den Sektor in den nächsten zehn Jahren am stärksten prägen wird.

KI wird von Fintech-Unternehmen genutzt, um Prozesse zu automatisieren, den Kundenservice zu verbessern, die Sicherheit zu erhöhen und hyperpersonalisierte Finanzlösungen anzubieten. Zu den wichtigsten Anwendungsfällen gehören:

• Automatisierung: KI kann Finanzprozesse wie die Kreditvergabe, die Kontoeröffnung und die Risikobewertung automatisieren, was Zeit spart und die Effizienz verbessert.
• Betrugserkennung: KI hilft Unternehmen, Betrug zu erkennen und zu verhindern, indem Muster, Anomalien und verdächtige Aktivitäten in Echtzeit analysiert werden.
• Kundenservice: KI-gestützte Chatbots und virtuelle Assistenten bieten personalisierten und sofortigen Kundensupport, beantworten Fragen und helfen bei Transaktionen.
• Risikomanagement: KI-Algorithmen analysieren riesige Datenmengen, um Risiken zu bewerten, Markttrends vorherzusagen und Anlagestrategien zu optimieren.
• Personalisierte Finanzberatung: KI-Algorithmen analysieren Kundendaten, um maßgeschneiderte Finanzempfehlungen, Investitionspläne und Budgetberatung bereitzustellen.
• Datenanalyse: KI kann große Mengen an strukturierten und unstrukturierten Daten analysieren, um Muster zu erkennen, Kundenverhalten vorherzusagen und die Entscheidungsfindung zu verbessern.
• Einhaltung von Vorschriften: KI hilft Fintech-Unternehmen bei der Einhaltung von Vorschriften, indem sie Compliance-Prüfungen automatisiert, Transaktionen überwacht und verdächtige Aktivitäten erkennt.

KI in der Vermögensverwaltung

Der Markt für KI in der Vermögensverwaltung wurde 2022 auf 2,5 Milliarden US-Dollar geschätzt und wird voraussichtlich zwischen 2023 und 2032 mit einer CAGR von 24 % wachsen. Das Wachstum wird vor allem durch wachsende Datenmengen, strenge Vorschriften und niedrige Zinssätze angetrieben, die Vermögensverwalter dazu zwingen, ihre traditionellen Geschäftsstrategien zu überdenken.

Seit 2005 ist die durchschnittliche vermögensgewichtete ETF-Kostenquote für Aktienindizes von 30 auf 15 Basispunkte gesunken. Auch die Kostenquoten von Investmentfonds sind von 1 % auf 0,40 % gesunken. Darüber hinaus sind die Akteure der Branche einem härteren Wettbewerb und der ständigen Bedrohung durch neue Marktteilnehmer ausgesetzt.

Die 40 größten Vermögensverwalter der Welt verzeichneten zwischen dem vierten Quartal 2021 und dem dritten Quartal 2022 einen Rückgang des verwalteten Vermögens um 14,9 % und der Erträge um 22,9 %.

Angesichts der zunehmend volatilen Marktbedingungen bietet KI den Vermögensverwaltern neue Möglichkeiten, ihre Abläufe und Margen zu verbessern. Zum Beispiel geben riesige Datenmengen in Kombination mit den Vorhersagefähigkeiten des maschinellen Lernens Anlegern die Möglichkeit, wertvolle Erkenntnisse zu gewinnen, ihre Strategien zu informieren und Ressourcen optimal zuzuweisen.

Nach Angaben von McKinsey verzeichneten Vermögensverwalter, die in KI-gestützte Vertriebsanalysen investierten, bis 2022 ein beachtliches Wachstum von 20 % bei den Zeichnungen und eine Verringerung der Rücknahmen um 5 bis 8 %. Maschinelles Lernen ermöglicht Vermögensverwaltern nicht nur eine effizientere Entscheidungsfindung, sondern auch die Überwachung von Risikoindikatoren und die Simulation der Portfolio-Performance unter verschiedenen Markt- oder Wirtschaftsszenarien.

KI im Handel

Angetrieben vor allem durch KI wird der Online-Handel bis 2028 einen Marktwert von 12 Milliarden Dollar überschreiten. KI wird zunehmend eingesetzt, um Entscheidungsprozesse zu automatisieren und Handelsstrategien zu verbessern. In der Tat macht der algorithmische Handel bis zu 73 % des US-Aktienhandels aus.

KI-Algorithmen analysieren Echtzeit-Marktdaten, erkennen Muster und sagen Kursbewegungen voraus. Sie führen auch Trades auf der Grundlage vordefinierter Kriterien aus und optimieren Ein- und Ausstiegspunkte. Darüber hinaus passen sich die Modelle des maschinellen Lernens an die dynamischen Marktbedingungen an, was die Handelsgenauigkeit verbessert und potenziell höhere Renditen ermöglicht.

In der Trade News 2022 Algorithmic Trader Survey wurden die wichtigsten Merkmale von Algorithmen ermittelt:

• Benutzerfreundlichkeit
• Kundensupport und Dienstleistungen
• Zugang zum Dark Pool
• Steigerung der Produktivität der Händler

Die Befragten sahen auch die größten Verbesserungen in den Kategorien Kosten, Geschwindigkeit und Anpassungsfunktionen.

KI im Versicherungswesen

Nach einem Bericht von Accenture stehen in den nächsten 5 Jahren Prämien im Wert von 170 Milliarden Dollar auf dem Spiel, da die Verbraucher aufgrund ihrer Unzufriedenheit mit der Schadenbearbeitung den Anbieter wechseln werden. Darüber hinaus verbringen Versicherungsvertreter 40 % ihrer Zeit mit Tätigkeiten, die nicht zum Kerngeschäft gehören, was einen Effizienzverlust von 85 bis 160 Mrd. USD in den nächsten 5 Jahren bedeutet.

Global nutzen Versicherer zunehmend KI für Underwriting, Schadenbearbeitung und Kundenservice. KI- und ML-Algorithmen automatisieren die Risikobewertung durch die Analyse großer Datensätze und verbessern so die Genauigkeit bei der Festlegung von Policentarifen und Deckungen.

KI rationalisiert die Schadenbearbeitung und beschleunigt die Auszahlung durch Bildanalyse und Datenvalidierung. Chatbots und virtuelle Assistenten, die durch NLP unterstützt werden, bieten einen effizienten und personalisierten Support, der die Gesamteffizienz und die Kundenzufriedenheit steigert. Insgesamt hat die KI das Potenzial, die Branche zu verändern, indem sie den Kundenservice verbessert, die Effizienz steigert und die Kosten senkt.

KI im Kreditwesen

Kreditgeber nutzen KI, um die Dokumentenverarbeitung zu automatisieren, die Risikobewertung zu verbessern, den Kreditgenehmigungsprozess zu rationalisieren und Mikrokreditlösungen zu personalisieren. KI in Verbindung mit ML und NLP hilft Finanzinstituten, Kreditvergabeverhalten zu verstehen und das Risiko von Zahlungsausfällen zu verringern. Beispiele für wichtige Anwendungsfälle sind:

• Prozessautomatisierung: KI-gestützte Kreditvergabe kann die Betriebskosten für Kreditgeber senken, indem sie Prozesse automatisiert, den manuellen Aufwand reduziert und die Gesamteffizienz verbessert.
• Risikobewertung: KI-Algorithmen analysieren riesige Mengen an Kundendaten, um das Kreditrisiko besser zu bewerten, was zu besseren Kreditentscheidungen führt.
• Kreditgenehmigungen: Durch die Automatisierung von Aufgaben wie Bonitätsprüfung, Einkommensüberprüfung und Dokumentenprüfung werden Kreditgenehmigungen schneller erteilt.
• Personalisierte Angebote: KI ermöglicht es Kreditgebern, die richtigen Kunden anzusprechen, indem sie große Datenmengen durchsucht und maßgeschneiderte Angebote versendet, die ihren Kreditkriterien entsprechen.
• Kundenerfahrung: KI-gesteuerte Chatbots und virtuelle Assistenten bieten personalisierten Kundensupport, beantworten Fragen und helfen bei Kreditanträgen.

KI im Finanz- und Rechnungswesen

Da Investoren, Buchhalter, Treasurer und Analysten von Unternehmen daran arbeiten, langfristiges Wachstum zu gewährleisten, spielt KI eine entscheidende Rolle bei der Vorhersage und Bewertung von Risiken, der Verbesserung von Prozessen und der Bekämpfung von Finanzkriminalität. Gartner hat über 23 Anwendungsfälle von KI im Finanz- und Rechnungswesen von Unternehmen analysiert und die fünf wichtigsten Anwendungsfälle identifiziert, die zu bemerkenswerten Leistungssteigerungen führen.

• Nachfrage- und Umsatzprognose: Verwendung von Daten und KI-Modellen zur Vorhersage der Nachfrage und des damit verbundenen Umsatzes über eine Vielzahl von Dimensionen hinweg, einschließlich Geschäftseinheit, Produktlinie, Kundentyp und Region.
• Erkennung von Anomalien und Fehlern: Mithilfe von ML-Modellen und Echtzeit-Analysen werden Transaktionen erkannt, die gegen Rechnungslegungsgrundsätze oder -richtlinien verstoßen, wodurch verhindert wird, dass Dateneingabefehler in den Workflow gelangen und kostspielige nachgelagerte Korrekturen vermieden werden.
• Entscheidungsunterstützung: ML-Vorhersagealgorithmen werden verwendet, um Ergebnisse vorherzusagen, wenn alternative Datenwerte verwendet werden.
• POC-Umsatzprognose: ML-Modelle prognostizieren den Fertigstellungsgrad (z. B. Stunden, Kosten, Einheiten, Gewicht usw.), um den POC-Umsatz und andere Faktoren vorherzusagen.
• Bargeldeinzug: ML-Modelle werden zur Vorhersage des Cashflows und der Kundenzahlungen verwendet und informieren über proaktive Inkassobemühungen.

Wer setzt KI im Finanzwesen ein?

Heute stellen Banken, Versicherungen und Vermögensverwalter 65% der Finanzbranche dar, verglichen mit 90% vor einem Jahrzehnt. Der Rest, 35%, besteht aus Big Tech, Fintech, FITs (Finanzinfrastruktur- und Technologieunternehmen) und anderen Finanzdienstleistern.

Erstaunlicherweise sind fast ein Drittel der größten Finanzinstitute der Welt heute FIT-Unternehmen, während es vor zehn Jahren nur zwei waren. Diese Entwicklung wurde durch die Digitalisierung sowie die zunehmende Bedeutung von Technologie und KI in verschiedenen Teilbereichen angetrieben.

Obwohl automatisierte Systeme und Algorithmen bei der Festlegung von Bonitätseinstufungen, Kreditkonditionen, Kontogebühren und anderen finanziellen Aspekten helfen, bergen sie auch das Risiko, ungesetzliche Vorurteile zu perpetuieren, Diskriminierung zu automatisieren und andere negative Auswirkungen zu erzeugen. Im April 2023 gaben Rohit Chopra, Direktor des Consumer Financial Protection Bureau, Kristen Clarke, stellvertretende Generalstaatsanwältin für die Abteilung Bürgerrechte des Justizministeriums, Charlotte A. Burrows, Vorsitzende der Equal Employment Opportunity Commission, und Lina M. Khan, Vorsitzende der Federal Trade Commission, eine gemeinsame Erklärung über die Bemühungen zur Durchsetzung des Schutzes der Öffentlichkeit vor Voreingenommenheit in automatisierten Systemen und künstlicher Intelligenz ab.

Dies unterstreicht die wachsende Besorgnis der Regulierungsbehörden über die potenziellen Risiken, die mit der Anwendung von KI und automatisierten Systemen im Finanzsektor verbunden sind, und die Notwendigkeit, Maßnahmen zu ergreifen, um sicherzustellen, dass diese Technologien fair und verantwortungsvoll eingesetzt werden.

“Heute bekräftigen unsere Behörden unsere Entschlossenheit, die Entwicklung und den Einsatz von automatisierten Systemen zu überwachen und verantwortungsvolle Innovationen zu fördern. Wir versprechen auch, unsere kollektiven Befugnisse energisch zu nutzen, um die Rechte des Einzelnen zu schützen, unabhängig davon, ob Rechtsverletzungen durch traditionelle Mittel oder fortschrittliche Technologien erfolgen.”

Nutzen von AI in Finance

Verbesserte Produkte und Dienstleistungen

Nach Angaben von Salesforce werden zwischen 2022 und 2023:

• 35 % der Kunden wechselten den Versicherer.
• 25 % der Kunden haben die Bank gewechselt.
• 34 % der Kunden wechselten den Vermögensverwalter.

73% der Kunden erwarten von Finanzinstituten, dass sie ihre individuellen Bedürfnisse und Erwartungen verstehen, gegenüber 66% im Jahr 2020. In Anbetracht der Tatsache, dass 53 % der Finanzkunden für ein besseres digitales Erlebnis den Anbieter wechseln würden, gab es für Finanzinstitute noch nie einen besseren Zeitpunkt, um KI zu nutzen.

KI gibt Finanzinstituten die Möglichkeit, ihr Produktangebot zu verbessern, um mit den sich ändernden Anforderungen der Verbraucher Schritt zu halten. Der KI-Index von Stanford zählt die Verbesserung von Produkten und Dienstleistungen zu den vier wichtigsten Vorteilen von KI. Durch den Übergang zu umfassenderen und maßgeschneiderten Lösungen können die Akteure der Branche die Kundenerfahrung verändern und die sinkende Loyalität der Kunden steigern.

Kosten senken

Die durch KI ermöglichten Kosteneinsparungen für Finanzinstitute belaufen sich im Jahr 2023 auf 447 Milliarden US-Dollar, wobei 416 Milliarden US-Dollar auf den Front- und Middle-Office-Bereich entfallen. Bis 2030 könnte der Einsatz von KI die Betriebskosten in der Finanzdienstleistungsbranche um 22 % senken.

Der Stanford AI Index 2022 stellt fest, dass der wichtigste Nutzen von KI in der Senkung der Kosten liegt. KI erreicht dies durch:

• Prozessautomatisierung: KI automatisiert verschiedene Prozesse, verbessert die Effizienz, erhöht die Produktivität und reduziert kostspielige Fehler.
• Risikomanagement: KI verbessert die Risikobewertung durch die Analyse historischer Daten und die Erkennung von Mustern. Dies erhöht die Genauigkeit von Risikomodellen und reduziert potenzielle Verluste durch schlechte Investitionsentscheidungen.
• Kundenservice: KI-gesteuerte Chatbots und virtuelle Assistenten bearbeiten Kundenanfragen und -probleme rund um die Uhr und reduzieren so den Bedarf an großen und kostspieligen Kundendienstteams.
• Portfoliomanagement: KI-gestützte Robo-Advisors verwalten Anlageportfolios kostengünstiger als traditionelle menschliche Berater. Das senkt die Verwaltungsgebühren und macht die Anlageverwaltung für ein breiteres Spektrum von Anlegern zugänglich.
• Einhaltung gesetzlicher Vorschriften: Durch die Überwachung von Transaktionen und die Automatisierung von Compliance-Aufgaben hilft KI den Finanzinstituten, Bußgelder und Kosten zu vermeiden, die mit manuellen Compliance-Bemühungen verbunden sind.
• Personalisierung: KI ermöglicht personalisierte Finanzdienstleistungen, die die Kundenzufriedenheit erhöhen, die Kundenbindungsrate verbessern und möglicherweise zu niedrigeren Marketingkosten führen können.

Höhere Umsätze und Gewinne

77 % aller Finanzinstitute gehen davon aus, dass KI in den nächsten zwei Jahren eine wichtige Rolle für ihre Geschäftstätigkeit spielen wird. Da Finanzinstitute mit einem harten Wettbewerb und engeren Gewinnspannen konfrontiert sind, müssen sie ihre Geschäftsmodelle umgestalten, um erfolgreich zu sein.

Der KI-Index von Stanford führt Umsatzsteigerungen unter den fünf wichtigsten Vorteilen von KI an. Allein für den Bankensektor wird der potenzielle Wert von KI auf 1 Billion Dollar geschätzt. Insgesamt helfen KI-Technologien den Finanzinstituten, ihre Erträge zu steigern durch:

• Verstärkte Personalisierung von Produktangeboten
• Geringere Kosten durch Automatisierung
• Reduzierte Fehlerquoten
• Verbessertes Betrugs- und Risikomanagement
• Optimale Ressourcennutzung

KI macht auch aufstrebende Finanzunternehmen investitionsfähiger. Firmen, die KI, ML, Computer Vision, NLP und virtuelle Assistenten oder Chatbots als ihre primäre Technologielösung einsetzen, erhalten beispielsweise jedes Jahr 20 % mehr Investitionen.

Verbessertes Betrugs- und Risikomanagement

Da die Verluste durch Betrug bei Online-Zahlungen bis zum Jahr 2023 voraussichtlich 48 Milliarden US-Dollar pro Jahr erreichen werden, suchen die Verbraucher bei Finanzdienstleistern nach sichereren Lösungen. Da sich die operationellen Risiken in der Finanzbranche weiterentwickeln, stoßen die umfangreichen Möglichkeiten der KI bei der Betrugserkennung und -verwaltung in Echtzeit bei Akteuren aller Größenordnungen auf großes Interesse.

Nach Angaben von IBM belaufen sich die durchschnittlichen Kosten einer Datenpanne im Finanzdienstleistungssektor im Jahr 2022 auf 5,97 Millionen US-Dollar. Außerdem würden 78 % der Kunden den Finanzdienstleister wechseln, wenn sie das Gefühl haben, dass ihre Daten falsch behandelt oder kompromittiert wurden. Da so viel auf dem Spiel steht, sind Betrugs- und Risikomanagement für Finanzinstitute unerlässlich.

KI kann Anomalien erkennen und Betrug in Rekordzeit bekämpfen, wodurch Institute und Kunden Milliardenbeträge sparen können. In Verbindung mit institutsübergreifend ausgetauschten Daten tragen KI-Modelle außerdem dazu bei, die Verteidigungssysteme der gesamten Branche zu stärken und kriminelle Muster zu erkennen, bevor sie sich verbreiten.

Bessere Datenverwaltung

KI ist ein mächtiges Werkzeug zur Organisation, Analyse und dem Gewinnen von Erkenntnissen aus großen Datenmengen. Es ist effizienter als herkömmliche Methoden. Daher richten 71 % der Finanzinstitute ihre Geschäftsabläufe auf datengesteuerte Erkenntnisse aus.

Mit KI können Finanzunternehmen fundiertere Entscheidungen treffen und Ressourcen optimal nutzen. Der Stanford KI-Index listet wertvolle Erkenntnisse und verbesserte Entscheidungsfindung als wesentliche Vorteile von KI auf.

Laut Nvidias Bericht “2023 State of AI in Finance” sind unzureichende Datenmengen und geringe Datenqualität große Herausforderungen. Sie machen 26 % der Top drei Herausforderungen aus. Banken können jedoch mithilfe von KI synthetische Daten generieren. Das erweitert bestehende Datensätze, verbessert die KI-Leistung und Präzision. Somit können Finanzinstitute die immensen Möglichkeiten der KI voll ausschöpfen.

Die Verwendung von KI ermöglicht es Unternehmen im Finanzsektor, intelligentere Entscheidungen zu treffen. Zudem können sie ihre Ressourcen effektiver nutzen. Dies führt zu einer allgemeinen Verbesserung der Geschäftsabläufe. Die meisten Finanzinstitute haben bereits erkannt, dass datengesteuerte Erkenntnisse für ihren Erfolg entscheidend sind.

Trotz der Herausforderungen, die mit unzureichenden Datenmengen und geringer Datenqualität verbunden sind, bietet KI eine Lösung. Die Generierung von synthetischen Daten kann diese Probleme überwinden. Dadurch wird die Leistung und Genauigkeit der KI-Modelle verbessert. Letztlich ermöglicht dies den Finanzinstituten, die vollen Vorteile der KI-Technologie zu nutzen.

Herausforderungen der KI im Finanzwesen

Nach einer Forrester-Umfrage sind 98 % der Finanzinstitute überzeugt, dass KI und ML ihr Geschäft positiv beeinflussen können. Sie glauben, dass es ihnen einen Wettbewerbsvorteil verschafft. Trotzdem beginnen 80 bis 85 % der ML- oder KI-Projekte nicht, aufgrund diverser Herausforderungen.

KPMG-Daten zeigen, dass 93 % der Führungskräfte im Finanzdienstleistungssektor an die Betrugserkennungsfähigkeiten der KI glauben. Das ist ein Anstieg von 8 % seit 2022. Jedoch sehen sie Cybersicherheitsverletzungen (50 %) und Datenschutzverletzungen (44 %) als die größten potenziellen Risiken bei der KI-Implementierung.

Das Management von KI-bezogenen Risiken ist für die Hälfte der Führungskräfte das größte Hindernis bei der Skalierung von KI-Initiativen. Dicht dahinter liegen die Notwendigkeit hochwertiger Daten zum Trainieren von Modellen (44 %) und die Schwierigkeiten bei der Implementierung von KI-Technologien (42 %).

Die Finanzinstitute sehen in KI und ML eine Möglichkeit, ihr operatives Geschäft zu verbessern. Sie glauben, dass es ihnen hilft, wettbewerbsfähiger zu sein. Allerdings hindern viele Herausforderungen die meisten Unternehmen daran, ihre KI- oder ML-Projekte überhaupt zu starten.

Die Führungskräfte im Finanzdienstleistungssektor sind von den Fähigkeiten der KI im Bereich der Betrugserkennung beeindruckt. Diese Überzeugung hat sich im Vergleich zum Vorjahr deutlich gesteigert. Allerdings bleiben die Bedenken bezüglich Cybersicherheit und Datenschutz bestehen. Diese gelten als die größten Risiken bei der Einführung von KI.

Das Management der Risiken, die mit KI verbunden sind, stellt für viele Führungskräfte das größte Hindernis dar. Das gilt insbesondere für die Skalierung bereits bestehender KI-Initiativen. Auch die Notwendigkeit von qualitativ hochwertigen Daten und die Schwierigkeiten bei der Implementierung der KI-Technologien sind signifikante Hindernisse.

Herausforderungen bei der Erklärbarkeit

Im Finanzsektor entstehen neue Risiken durch die mangelnde Erklärbarkeit von KI-Modellen. Viele automatisierte Systeme sind “Black Boxes”, deren interne Funktionsweise nicht einmal den Entwicklern klar ist. Dieser Mangel an Transparenz macht es oft schwierig, ihre Ergebnisse zu antizipieren und zu beurteilen, ob sie verantwortungsvoll oder fair sind.

Seit 2022 hat die Verbraucherschutzbehörde (Consumer Finance Protection Bureau) Geldstrafen gegen Banken verhängt, weil diese automatisierte Systeme falsch gehandhabt haben. Diese Systeme führten zu unrechtmäßigen Hauszwangsvollstreckungen, Pfändungen von Autos und verlorenen Sozialleistungen, nachdem sich die Institute auf neue Technologien und fehlerhafte Algorithmen verlassen hatten.

Daten-Herausforderungen

Mit der zunehmenden Verbreitung von KI müssen Finanzinstitute für die potenziellen Auswirkungen und unbeabsichtigten Folgen ihrer Technologien planen. KI-Ergebnisse können durch minderwertige oder unausgewogene Datensätze, Datensätze, die historische Verzerrungen enthalten, oder Datensätze, die andere Arten von Fehlern enthalten, beeinträchtigt werden. Automatisierte Systeme verknüpfen manchmal Daten mit Kategorien, die geschützt werden sollten, was zu unfairen und verzerrten Ergebnissen führt.

55 % der Kunden sind damit zufrieden, wie Finanzinstitute ihre Daten nutzen, um relevante Dienstleistungen anzubieten. Dies ist ein Anstieg gegenüber 45 % im Jahr 2022. Die Kunden wollen jedoch nach wie vor verstehen, wie ihre Daten verwendet werden, und wünschen sich ein allgemeines Gefühl der Kontrolle darüber, welche Daten weitergegeben werden, wie die Finanzinstitute sie verwenden und wer Zugang zu ihnen hat.

KI- und ML-Systeme werfen eine Reihe von Datenschutzbedenken auf, die von den Akteuren des stark regulierten Finanzsektors berücksichtigt werden müssen. Zu den wichtigsten Herausforderungen gehören:

• Das Potenzial, anonymisierte Daten durch Rückschlüsse zu enttarnen.
• Datenlecks oder Ausgaben, bei denen sensible Daten direkt oder durch Schlussfolgerungen durchsickern.
• AI “erinnern” sich an Informationen über Personen in einem Trainingsdatensatz, nachdem die Daten verworfen wurden.

Regulatorische und ethische Herausforderungen

Das regulatorische Klima im Finanzsektor verändert sich rapide, und die Institute müssen ethische Standards für die KI-Nutzung festlegen. Sam Altman, der CEO von OpenAI, betonte die Notwendigkeit staatlicher Eingriffe, um Risiken durch KI-Systeme zu mindern und schlug eine Agentur zur Regulierung der Technologie vor.

Eine Analyse von AI-Index zeigt einen signifikanten Anstieg von Gesetzesentwürfen, die “künstliche Intelligenz” enthalten, und die parlamentarischen Aufzeichnungen in 81 Ländern zeigen einen fast 6,5-fachen Anstieg der Erwähnungen von KI seit 2016.

Im Jahr 2022 wurden 10% der US-Bundesgesetzentwürfe zu KI in Kraft gesetzt, ein Anstieg gegenüber 2% im Jahr 2021. Diese Entwicklung hat Organisationen dazu veranlasst, KI-Governance-Strategien zu entwickeln. Die AIAAIC-Datenbank, die ethische Missbräuche von KI verfolgt, zeigt einen 26-fachen Anstieg von KI-Vorfällen und Kontroversen seit 2012. Auch das Interesse an KI-Ethik nimmt zu, wie die steigende Zahl der angenommenen Beiträge zur FAccT-Konferenz und die Einreichungen von Industrieakteuren zeigen.

Ein Salesforce-Bericht aus dem Jahr 2023 zeigt, dass 23% der Kunden kein Vertrauen in KI haben und 56% neutral sind. Dieses Vertrauensdefizit kann je nach Bereitstellung von KI-gestützten Lösungen durch Finanzinstitute schwanken. Angesichts des rapide ansteigenden Missbrauchs von KI müssen Finanzakteure in Strategien investieren, um einen ethischen KI-Einsatz zu gewährleisten.

Herausforderungen für Talente und Arbeitskräfte

Softwareentwickler sind heute eine der gefragtesten Rollen in der Finanzbranche, und seit 2018 haben die größten Institute die Zahl der Einstellungen für Softwareentwickler und Datenwissenschaftler um 90 % erhöht. Um mit dem rasanten Tempo der KI-Fortschritte Schritt zu halten, benötigen Finanzinstitute Talente in den Bereichen Cloud Computing, KI, ML und Programmierung.

Talente in den Bereichen Cybersicherheit und Risikomanagement sind ebenfalls sehr gefragt, da die Branchenakteure einem zunehmenden regulatorischen Druck ausgesetzt sind, ihre Risikoinfrastruktur und interne Governance zu verbessern.

In einer Nvidia-Umfrage von 2023 unter mehr als 500 globalen Finanzdienstleistungsexperten nannte mehr als ein Drittel der Befragten (36 %) Herausforderungen bei der Rekrutierung und Bindung von KI-Talenten als größtes Hindernis für die Erreichung ihrer KI-Ziele im Finanzbereich. Dies entspricht einem Anstieg von 80 % im Vergleich zu 2022 und ist das erste Mal in der dreijährigen Geschichte der Umfrage, dass Rekrutierung und Bindung von KI-Talenten als größte Herausforderung genannt wurde.

Ein Bericht von JLL aus dem Jahr 2023 bestätigt ebenfalls, dass die Suche nach KI-Talenten für Unternehmen im Finanzbereich schwieriger wird. Der weltweite Mangel an wichtigen Talenten ist in Nordamerika (51 %) höher als in anderen Regionen. Er ist auch höher als der weltweite Durchschnitt von 45 %. Was das Beschäftigungsniveau in den einzelnen US-Bundesstaaten angeht, so bleibt New York City das Zentrum der Finanzdienstleistungsbranche.

Dallas verzeichnete seit 2019 den höchsten Zuwachs an Arbeitsplätzen im Finanzdienstleistungssektor (14 %). Und das außerhalb von New York, gefolgt von Miami (12,5 %) und Detroit (7,6 %). Um von den Vorteilen der KI zu profitieren, müssen Finanzunternehmen attraktive Strategien zur Einstellung und Bindung von Mitarbeitern entwickeln. Außerdem müssen sie vorrangig in Märkten expandieren, die Skalierbarkeit und Erschwinglichkeit diverser Techniktalente bieten.

AI in Finance: Die Zukunft der KI im Finanzwesen

Der Einsatz von KI im Finanzsektor wird voraussichtlich erheblich zunehmen, wobei 50% der Führungskräfte eine umfassende Implementierung bis 2025 erwarten. Treiber dieses Wachstums sind Fortschritte in der Automatisierung, intelligentere Betrugsprävention, effektiveres Risikomanagement, bessere Kundenbetreuung und verbesserte Vorschriften.

Eine KPMG-Umfrage aus dem Jahr 2023 ergab, dass 85% der Führungskräfte im Finanzdienstleistungssektor möchten, dass ihre Unternehmen KI aggressiver einsetzen. Gleichzeitig glauben 55%, dass die Einführung von KI mit der richtigen Geschwindigkeit erfolgt. Während 37% glauben, dass sich KI zu schnell entwickelt.

In den USA und Europa könnten 35% der derzeitigen Arbeitsaufgaben im Finanzsektor durch KI automatisiert werden. Goldman Sachs glaubt, dass der Arbeitsmarkt erheblich gestört werden könnte, wenn die generative KI die versprochenen Leistungen erbringt. Insgesamt könnten in den USA und Europa 300 Millionen Arbeitsplätze durch KI verloren gehen oder reduziert werden.

McKinsey prognostiziert, dass das Underwriting für Lebens-, Sach- und Unfallversicherungen bis 2030 aufhören wird zu existieren. Der Risikoprüfungsprozess wird durch Automatisierung auf wenige Sekunden reduziert und durch maschinelles und Deep-Learning unterstützt.

IoT-Sensoren und Datenerfassungstechnologien werden traditionelle Methoden der ersten Schadensmeldung ersetzen. Ansprüche werden automatisiert und fortschrittliche Algorithmen werden den gesamten Prozess mit rekordverdächtiger Effizienz und Genauigkeit abwickeln.

In Zukunft werden die Kosten für die Implementierung von KI weiter sinken, sodass sie in größerem Umfang eingesetzt werden kann. Die Kosten für das Training eines Bildklassifizierers wie ResNet-50 auf einer öffentlichen Cloud-Plattform sind zwischen 2017 und 2019 von etwa 1.000 US-Dollar auf 10 US-Dollar gefallen. Es wird daher erwartet, dass die Ausgaben für KI-zentrierte Systeme mit einer CAGR von 27% steigen und bis 2026 ein Volumen von 300 Milliarden US-Dollar erreichen werden.

AI in Finance: FAQs