Die Rolle von KI bei Finanzinstituten
Der Finanzsektor (FSI - Financial Services Industry) ist hart umkämpft und unterliegt strengen Branchenvorschriften. Diese Branchendynamik hat einen starken Einfluss darauf, wie die Technik in der Branche eingesetzt wird, und verlangt von den Finanzinstituten, dass sie ständig neue Möglichkeiten zur Differenzierung ihrer Fähigkeiten durch den Einsatz von Technik finden.
Diese Dynamik hat eine reife Chance für künstliche Intelligenz geschaffen, eine leistungsstarke Technik, die es Computern ermöglicht, zukünftige Ergebnisse vorherzusagen, indem sie historische Datensätze nutzt, um die Effizienz zu steigern und neue Kundenerlebnisse zu ermöglichen.
Deshalb erwarten die meisten Führungskräfte im Finanzdienstleistungssektor, dass künstliche Intelligenz in den nächsten Jahren ein zentrales Element für den Erfolg sein wird. Laut einer Umfrage von NTT DATA Services aus dem Jahr 2021:
- 83 Prozent [der Führungskräfte im Finanzdienstleistungssektor] sind sich einig, dass KI neue Möglichkeiten schafft, um Angebote zu differenzieren und Kunden zu gewinnen, angetrieben durch den Zugang zu einzigartigen Datensätzen.1
- 81 Prozent der Befragten gaben an, dass KI ein entscheidender Bestandteil ihrer Strategie zur Gewinnung und Bindung von Kunden ist 1.
Der verstärkte Einsatz von KI in Finanzdienstleistungen ermöglicht es Finanzinstituten, ihre Kerngeschäftsprozesse zu rationalisieren und gleichzeitig innovative Produkte und Dienstleistungen anzubieten, die das Kundenerlebnis verbessern.
KI im Bankwesen
Im Bankenwesen hilft künstliche Intelligenz den Unternehmen, geschäftskritische Prozesse wie Risikomanagement und Betrugsprävention zu automatisieren und gleichzeitig neue Möglichkeiten zu erschließen, wie die Verwendung von Chatbots und intelligenten Empfehlungssystemen für Retailbanken.
Bekämpfung von Finanzkriminalität
Die Banken sind an eine komplexe Reihe von Gesetzen und Programmen gebunden, die die Finanzierung krimineller Aktivitäten aufdecken sollen, sowohl im Inland als auch international. So haben der Internationale Währungsfonds sowie die USA und andere Länder Vorschriften zur Bekämpfung der Geldwäsche (AML) erlassen, die von den Finanzinstituten verlangen, AML-Programme zu unterhalten und verdächtige Aktivitäten zu melden.2
Während viele dieser Vorschriften sich für die Banken als teuer erwiesen haben, waren sie bei der Verhinderung oder Abschreckung von Finanzkriminalität weitgehend unwirksam. Veraltete Hardware ist ein Hindernis für den Erfolg, da ältere Systeme nicht ausreichend skalieren, um Bedrohungen zu bekämpfen und komplexe Datenbanken in verschiedenen Geschäftsbereichen zu verwalten. Außerdem erfordern AML-Maßnahmen zunehmend Echtzeitanalysen, um schnellere Transaktionen zu ermöglichen oder Online-Funktionen zu unterstützen.
Infolgedessen setzen Unternehmen auf künstliche Intelligenz, um die Regulierung der Branche zu umgehen und die Effizienz durch Echtzeitanalysen zu steigern. Das beste Beispiel dafür ist PayPal, das die Erkennung von betrügerischen Transaktionen durch die Verwendung von Intel® Techniken verbessert hat, die in eine Echtzeit-Datenplattform von Aerospike integriert sind. Zu den Schlüsselergebnissen gehörte eine 30-fache Reduzierung der Anzahl der entgangenen Betrugstransaktionen bei einer 3-fachen Reduzierung der Hardwarekosten.
Die vernetzte Branche
Neben der Modernisierung traditioneller Prozesse kann künstliche Intelligenz verwendet werden, um durch neue Dienste und Funktionen ein besseres Kundenerlebnis zu schaffen. Im Privatkundengeschäft ermöglichen es die neuesten Technologien den Banken, die Bedürfnisse der Kunden zu verstehen und personalisierte Bankdienstleistungen anzubieten, die auf jeden Einzelnen zugeschnitten sind.
In der Filiale helfen KI-gestützte Bildverarbeitungslösungen dabei, die Lücke zwischen dem physischen Raum und den digitalen Kanälen, einschließlich der Kioske vor Ort, zu schließen. Bildverarbeitungsbasierte Sensoren können zum Beispiel den Blick, die Körperhaltung und die Gesten der Kunden verfolgen, die Wartezeiten abschätzen und Bankangestellte alarmieren, wenn ein Kunde Hilfe benötigt. Diese KI-gestützten Lösungen analysieren Verhaltensdaten aus der Filiale und aus Online-Kanälen. Die daraus resultierende Intelligenz wird verwendet, um den Einkauf, die Platzierung und das Timing von Marketing Displays und Kampagnen zu individualisieren und zu optimieren.3
KI in den Kapitalmärkten
Künstliche Intelligenz wird auch von Finanzinstituten verwendet, die auf den Kapitalmärkten tätig sind - unter anderem von Vermögensverwaltern und Hedgefonds -, um die Effizienz zu steigern und neue Fähigkeiten zu entwickeln. Die Technik wird häufig zur Unterstützung von Risikomanagementprozessen sowie zur Optimierung von Handelsstrategien für eine Vielzahl von Finanzinstrumenten verwendet.
Liquidität und Risikomanagement im Handel
KI kann Investmentbanken und anderen Finanzinstituten dabei helfen, eine neue Reihe internationaler Vorschriften namens Fundamental Review of the Trading Book (FRTB) einzuhalten. Ab Januar 2023 müssen Finanzinstitute alle Risiken im Zusammenhang mit ihren Handelspositionen in Wertpapieren, Rohstoffen, Fremdwährungen und anderen Anlagen berechnen. Angesichts des enormen Umfangs wird die Einhaltung der FRTB auf komplexen Finanzmodellen, Simulationen und Auswirkungsstudien beruhen, die enorme Investitionen in Rechenleistung und Datenspeicherkapazität erfordern.4
Durch die Verwendung von künstlicher Intelligenz kann die Geschwindigkeit, mit der diese Analyse durchgeführt wird, erheblich gesteigert werden. Zum Beispiel haben Softwarehersteller wie Matlogica und Quantifi erhebliche Leistungsverbesserungen durch eine Vielzahl von Bewertungsanpassungsmodellen (xVA), die auf maschinellem Lernen und tiefen neuronalen Netzen basieren. Diese KI-gestützten Erweiterungen helfen Kapitalmarktunternehmen dabei, die Vorschriften einzuhalten und gleichzeitig die Effizienz ihrer Risikomodelle deutlich zu verbessern.
Algorithmus für den Handel
Auf den Kapitalmärkten ermöglicht KI ebenfalls neue Fähigkeiten, einschließlich der Echtzeitanalyse, die den algorithmischen Handel unterstützt. Finanzhandel basiert auf Mustern, die sich in der Geschichte des Marktverhaltens und der Transaktionen zeigen. In jüngster Zeit haben Unternehmen damit begonnen, KI-Fähigkeiten für den Einsatz von algorithmischem Handel zu verwenden, der auf maschinellem Lernen, neuronalen Netzen und prädiktiven Analysen beruht, um Marktsignale innerhalb von Mikrosekunden zu interpretieren und darauf zu reagieren.
Nach einer Studie von JPMorgan aus dem Jahr 2020 wurden über 60 Prozent der Geschäfte über 10 Millionen USD unter Verwendung von Algorithmen ausgeführt. Der algorithmische Handelsmarkt wird bis 2024 voraussichtlich um 4 Mrd. USD wachsen und damit ein Gesamtvolumen von 19 Mrd. USD erreichen.5
Der algorithmische Handel ist zwar nicht neu, aber die heutigen KI-Fähigkeiten beschleunigen die nahezu in Echtzeit durchgeführten Analysen, die Händler benötigen, um wettbewerbsfähig zu bleiben. Dies wird am besten durch die Lösungen der Schlüsselpartner von Intel, Aerospike und MemVerge, veranschaulicht, die die 2. Generation der Intel® Optane™ Technik nutzen, um die Echtzeitspeicherung und -analyse zu ermöglichen, die in der Handelsbranche erforderlich ist.
KI im Versicherungs- und Zahlungsverkehr
Schließlich wird künstliche Intelligenz von Versicherungs- und Zahlungsverkehrsunternehmen verwendet, um Prozesse zu automatisieren, die Effizienz zu verbessern und neue Funktionen einzusetzen.
Underwriting und Schadenmanagement
In der Versicherungsbranche setzen Unternehmen prädiktive Modelle ein, um das Underwriting und Schadenmanagement mit künstlicher Intelligenz zu optimieren.
Die Versicherer können die Risikofaktoren eines Antragstellers zu einem bestimmten Zeitpunkt während der Aufnahme des Kunden bewerten. Diese zunehmend ausgefeilten Modelle stützen sich auf maschinelles Lernen, um eine Vielzahl von Faktoren (z.B. Kredit, Gesundheit) zu analysieren und eine maßgeschneiderte Prämie für ihre Versicherungsleistungen anzubieten. Sobald ein Kunde an Bord ist, verwenden Versicherungsunternehmen KI, um Versicherungsansprüche mit hoher Leistung und Genauigkeit zu empfangen und zu bearbeiten. Dies ermöglicht es den Kunden, Versicherungsleistungen schnell und effizient zu erhalten. Diese Prozesse werden durch die Technik der robotergestützten Prozessautomatisierung ermöglicht. Dabei handelt es sich um eine Technik des maschinellen Lernens, die eine Hyperautomatisierung von verschiedenen Aufgaben ermöglicht.
Recommendation-Engine
Zahlungsprozessoren und Kreditkartenaussteller verwenden ebenfalls eine Empfehlungsmaschine, um die Präferenzen von Kunden und Interessenten vorherzusagen. Anschließend bieten die Institute denjenigen Interessenten personalisierte Bankdienstleistungen an, deren demografisches Profil und Verhalten entweder einem erkennbaren Muster folgt oder einer ähnlichen Gruppe ähnelt, deren Verhalten bekannt ist.6
Die auf maschinellem Lernen basierende Empfehlungsmaschine analysiert große Mengen von Präferenzdaten, um die beste Übereinstimmung zwischen Produkt und Interessent zu finden. Diese Engines ähneln denen, die in E-Commerce-Shops oder Streaming-Diensten verwendet werden und die auf der Grundlage früherer Einkäufe einer Person und ähnlicher Einkäufe anderer Kunden mit einer ähnlichen Historie zusätzliche Artikel empfehlen.
IT für Finanzdienste
Unabhängig vom Verwendungszweck ist Intel der Hersteller der Wahl, um Unternehmen auf ihrem Weg zur künstlichen Intelligenz zu unterstützen. Intel unterstützt Finanzinstitute bei der Implementierung von KI durch hardwaregestützte KI-Beschleunigung, Optimierungen des Technologiesystems mit Schlüsselpartnern und praktischen Kundensupport.
Flexible Plattformen
Erstens verfügt Intel über ein flexibles Produktportfolio, das den Einsatz von künstlicher Intelligenz beschleunigen soll. Der Intel® Xeon® Scalable Prozessor der 3. Generation ist eine ideale Plattform für eine Vielzahl von KI-Anwendungen und die einzige x86-Rechenzentrums-CPU mit integrierter KI-Beschleunigung. Schlüsselfunktionen wie Intel® Deep Learning Boost (Intel® DL Boost), Intel® Advanced Vector Extensions 512 (Intel® AVX-512) und Intel® Software Guard Extensions (Intel® SGX) sorgen für eine deutliche Beschleunigung von KI-Workloads und verschlüsselten Daten. Andere Schlüsselprodukte von Intel® wie der persistente Intel® Optane™ Speicher der zweiten Generation und der Intel® Iris® Xe CPU ermöglichen Echtzeit-Datenanalyse und -berechnung für dedizierte Workloads.
Software-Optimierungen
Auch wenn Intel vor allem für seine Hardware bekannt ist, investiert das Unternehmen auch in erheblichem Umfang in Software-Tools, Bibliotheken und Partner, um die nahtlose Einführung von künstlicher Intelligenz zu ermöglichen. Der skalierbare Intel® Xeon® Prozessor der 3. Generation ist für die gängigsten Data Science Tools und Bibliotheken optimiert und ermöglicht es Praktikern, ihre eigenen KI-Lösungen zu entwickeln und einzusetzen. Optimierungen mit BigDL, TensorFlow, PyTorch, scikit-learn und dem Intel® Distribution of OpenVINO™ Toolkit ermöglichen es Entwicklern, ihre KI-Umgebungen nahtlos über Knoten von Edge bis Cloud zu skalieren.
Die Technik von Intel® ist auch bei den größten Cloud-Anbietern und Hunderten von kommerziellen Softwareherstellern optimiert. Das Unternehmen beteiligt sich weiterhin aktiv an der Open Source Community, einschließlich der Linux Foundation und FinOS. Diese Bemühungen haben zu einer breiten Palette von Partnerlösungen geführt, die Finanzinstitute dabei unterstützen, ihre KI-Leistung zu beschleunigen und die Zeit bis zum Erreichen des geschäftlichen Werts zu verkürzen.
Kundeninteraktionen
Und schließlich arbeitet Intel schon seit Jahrzehnten mit Finanzdienstleistern zusammen, um ihnen bei der Bewältigung ihrer komplexesten Herausforderungen zu helfen. Als führender Innovator im Bereich Technik ist Intel ein zuverlässiger Partner für Finanzdienstleister, die künstliche Intelligenz in ihrem Unternehmen einsetzen möchten. Diese Erfahrung ist entscheidend, um sicherzustellen, dass die Finanzdienstleistungsbranche über die Tools und Ressourcen verfügt, die sie für den globalen Wettbewerb benötigt.