Banken nutzen KI für interne Anwendungen vorsichtig

Einige der größten Banken Nordamerikas und Europas schaffen Einnahmen und senken die Kosten mithilfe von KI-Tools, die Vertriebsteams beraten, Kreditentscheidungen automatisieren und Code generieren können. Dennoch wird die Technologie bislang nur selten direkt vor Kunden eingesetzt, und die meisten Anwendungen generativer KI liegen noch mindestens ein Jahr in der Zukunft.

JP Morgan Chase (JPMC), HSBC, die Deutsche Bank und die Royal Bank of Canada (RBC) gehören zu den Instituten, die KI-Software trainieren, um Muster zu erkennen und Prozesse zu automatisieren – insbesondere zur Unterstützung von Backoffice-Funktionen. Dazu zählen das Aufdecken von Kreditkartenbetrug, die Freigabe von Krediten, die Unterstützung von Kundenteams sowie das Schreiben von Code, wie Führungskräfte auf dem Evident AI Symposium in New York im November 2023 erklärten.

JPMC, das laut dem Londoner Forschungsinstitut Evident das aktuelle Ranking der weltweit führenden Banken in Bezug auf KI-Reife anführt, setzt KI ein, um Kreditkartenangebote zu personalisieren, Vertriebsteams im Firmenkundengeschäft gezielt zu unterstützen und Betrug effektiv einzudämmen. JPMC erzielt derzeit noch keine Einnahmen aus generativer KI – jenem Bereich, in dem große Sprachmodelle auf umfangreichen Internet- und firmeneigenen Daten trainiert werden, um Texte zu verfassen, Dokumente zusammenzufassen oder Anlagestrategien zu entwickeln. Die Deutsche Bank setzt KI ein, um Geldwäsche zu bekämpfen, aber sie hält sich daran, die Technologie in Software einzusetzen, die von Kunden verwendet wird.

Generative KI-Anwendungen, die Kundenanfragen zur Investmentforschung beantworten, Unternehmensbilanzen zusammenfassen oder ausführliche Briefings für Kundengespräche vorbereiten könnten, befinden sich noch nicht im produktiven Einsatz und werden voraussichtlich erst ab 2025 verfügbar sein – so Führungskräfte von Banken und Börsen auf der Konferenz.

„Die tief hängenden Früchte sind nicht so reif, wie viele es sich wünschen würden“, sagte Teresa Heitsenrether, Chief Data and Analytics Officer bei JPMC. Die Bank wird in diesem Jahr einen Wert von mehr als 1,5 Milliarden US-Dollar erzielen, indem sie KI-Tools ausführt, um den Betrieb zu optimieren, Betrug aufzudecken, Transaktionen auf potenzielle Verstöße gegen Sanktionen zu prüfen und Kreditentscheidungen zu treffen, sagte Heitsenrether. Umsätze entstehen derzeit vor allem durch verbesserte Kreditkartenangebote und empfohlene nächste Schritte für Vertriebsteams. „Wir verfügen über enorme Datenmengen und die Möglichkeit zu investieren“, sagte sie.

Heitsenrether, eine langjährige Führungskraft bei JPMC, die in diesem Jahr damit beauftragt wurde, den KI-Einsatz konzernweit voranzutreiben, erklärte: „All der bisherige Mehrwert für das Unternehmen wurde durch Business-Intelligence-Tools und traditionellere KI-Methoden wie Machine Learning erzielt – also durch Technologien, die Muster erkennen und Vorhersagen treffen können. Generative KI ist dabei noch nicht zum Einsatz gekommen.“ "Wir sehen dort definitiv ein enormes Potenzial", sagte sie und zitierte die Hunderte von Anwendungsfällen von JPMC, die in Arbeit sind.

Kanadas RBC, dritter im Evident-Ranking, verfolgt auch einen vorsichtigen Ansatz, um generative Technologie vor Unternehmenskunden zu stellen. „Wir rechnen nicht damit, dass viele Bankkunden im Jahr 2024 mit einem Chatbot interagieren werden, um Finanzberatung zu erhalten“, sagte Foteini Agrafioti, Chief Science Officer der RBC und Leiterin des Borealis AI-Inkubators, auf der Konferenz.

RBC glaubt nicht, dass generative KI "bereit für die Prime Time" ist, sagten kundenorientierte Apps, Agrafioti. Stattdessen werden Testbetten erstellt, um festzustellen, ob große Sprachmodelle Forschungsanalysten und Mitarbeitern ermöglichen können, Berichte schnell zusammenzustellen, oder ob die Modelle die Call Center-Kosten senken können.

Großer Markt erkannt

Banken testen generative KI-Systeme, um eine Vielzahl von Dokumenten und anderen unstrukturierten Informationen zu analysieren, die sich nicht in Datenbanken für Anwendungen befinden, wie z. B. die Zusammenfassung der Kapitalmarktforschung, der Nachweis der Anlageportfolios von Kunden für Risiken und Rebalancing und die Kundenforschung.

Die Technologie könnte einen zusätzlichen jährlichen Wert von 200 bis 340 Milliarden US-Dollar in der gesamten Branche schaffen, schätzt die Beratungsfirma McKinsey & Company, wenn Banken ihre Nutzung für die Einhaltung gesetzlicher Vorschriften, den Kundenservice, die Programmierung und das Risikomanagement maximieren. Viele Banken zögern jedoch noch, generative KI in der Produktion einzusetzen. Kommerzielle Projekte werden voraussichtlich 2024 starten und sich erst 2025 auf den Gewinn auswirken, so Evident-CEO Alexandra Mousavizadeh.

Zu den generativen KI-Projekten, die Banken und Börsen nutzen, gehören die Verbesserung ihrer Suchfunktionen für Unternehmen, die Zusammenstellung von Briefing-Büchern für Besprechungen zwischen Führungskräften des Bankwesens und ihren Kunden, die Ersetzung manuell kompilierter Berichte in Tabellen und Business-Intelligence-Dashboards und die Möglichkeit, dass Kunden Körperschaften der Kapitalmarktforschung abfragen. „Wir werden Maschinen auf diese Weise einsetzen müssen, um wettbewerbsfähig zu bleiben“, sagte George Lee, Co-Leiter des Büros für angewandte Innovation von Goldman Sachs.

Ein wesentlicher Faktor sei, dass Banken noch abwarten müssten, welche generativen KI-Anwendungsfälle zuerst regulatorische Hürden überwinden, sagte Stefan Simon, Mitglied des Vorstands und Leiter Amerikas bei der Deutschen Bank. „Viele Banken haben kein großes Interesse daran, als Erste den Schritt zu wagen“, sagte er. "Die regulatorische Landschaft verleiht diesem Wettbewerb einen einzigartigen Blickwinkel."

Wettbewerb um KI-Talente

Evident veröffentlicht einen zweijährigen Index, der 50 der größten nordamerikanischen, europäischen und asiatischen Banken nach ihren KI-Fähigkeiten unter Verwendung von vier Kriterien bewertet: Top-down-Führung, Talent, Innovation und Transparenz. JP Morgan Chase übertrifft den November-Index – der mehr als 100 Kriterien misst, darunter Forschung, Patente, Talentbindung, Unternehmen und Partnerschaften – gefolgt von Capital One, RBC, Wells Fargo und UBS.

Banken stellen Scharen von Data Scientists, Ingenieuren, Softwareentwicklern und anderen KI-Experten ein, auch wenn sie sich in anderen Bereichen zurückziehen. Die Institute, die in der Evident-Studie eingestuft wurden, erhöhten ihre Anzahl an KI-Positionen zwischen Mai und September 2023 um 10%, während sie die Gesamtzahl um 2,5% reduzierten.

Unter den Führungskräften in den Bereichen Daten, Analysen und KI steigt die Bezahlung. Die mittlere Vergütung (PDF) für diese Führungskräfte, einschließlich Aktienzuschüsse, betrug 901.000 US-Dollar in den USA und 676.000 US-Dollar in Europa im Jahr 2021, so die Rekrutierungsfirma Heidrick & Struggles. Europäische Führungskräfte für KI- und Datenanalyse im Finanzdienstleistungssektor brachten im Durchschnitt 961.000 US-Dollar nach Hause, was alle Bereiche übertrifft.

Fokus auf Kosten

Die Banken behalten die Kosten im Auge. Generative KI-Modelle sind extrem teuer zu trainieren und zu kalibrieren. Die meisten Banken wenden sich kommerziellen großen Sprachmodellen zu, die in Public Clouds ausgeführt werden, anstatt selbst Modelle zu erstellen und zu trainieren.

„Zunächst einmal wird man diese Dinge nicht selbst entwickeln – zumindest nicht in diesem Jahr“, sagte Jeff McMillan, Chief Analytics und Data Officer bei Morgan Stanley. "Sie können mit einem der wichtigsten Anbieter zusammenarbeiten, und solange Sie Ihre rechtlichen, Compliance- und Risikofaktoren zusammen haben, können Sie die Welt mit dem verändern, was gerade vorhanden ist."

Oracle, Meta, IBM und weitere Technologieunternehmen sowie Universitäten und Forschungseinrichtungen gründeten im Dezember 2023 die AI Alliance, um gemeinsam Softwaretools, Modell-Erklärungen, Benchmarks und Standards zu entwickeln. Diese sollen Organisationen branchenübergreifend zur Verfügung gestellt werden – als Alternative zum Kauf von KI-Modellen, deren Funktionsweise für Akteure außerhalb der Tech-Branche oft weniger transparent ist.

Banken seien sich des Risikos bewusst, zu viel Geschäft bei einem einzigen Anbieter generativer KI zu konzentrieren, sagten McMillan und Heitsenrether von J.P. Morgan. „Der Schlüssel zum Erfolg ist Diversifikation“, sagte sie. „Wir setzen auf Multicloud und werden auch auf Multi-Modelle setzen.“

Weitere Artikel zu Oracle Connect anzeigen