Banken profitieren im Daily Banking vom Einsatz von Smart Analytics und KI in vielen Bereichen. Atruvia ist Digitalisierungspartner der genossenschaftlichen Finanzgruppe und daher ist es eine unserer Kernaufgaben, Einsatzfelder für neue Technologien zu identifizieren. Der Fokus liegt dabei auf der Effizienzsteigerung in den Banken und passgenauen Lösungen, die Prozesse verbessern, nachhaltig auf die Kunden-Bank-Beziehung einzahlen und Risiken minimieren.
Bei den Entwicklungen innerhalb der Verbundgruppe spielt dabei nicht nur der Einsatz von Smart Analytics eine wesentliche Rolle. Das definierte IT-Zielbild und die damit verbundene Öffnung für die Public Cloud ist ein zentraler Erfolgsfaktor für die Einführung und Nutzung von Smart Analytics innerhalb der Banken. Denn sie bietet die nötige skalierbare Infrastruktur und Services für Entwicklung, Test und Betrieb der Anwendungen.
Smart Analytics und Künstliche Intelligenz finden im Bankbetrieb eine Vielzahl von Anwendungsfällen, beispielsweise:
- bei der automatisierten Dokumentenerkennung in Fachprozessen wie der Suche nach einer passenden Immobilie und dem damit verbundenen Finanzierungsprozess
- bei der Spracherkennung im Kundendialog
- beim Einsatz von KI-Produkten wie Chatbots mit generativer KI im Kundenservice
All diese Anwendungen haben eine Gemeinsamkeit: sie vereinfachen bisher manuell ausgeführte Prozesse oder ersetzen sie im Falle von automatisierbaren Routinetätigkeiten zum Teil sogar komplett. Damit ermöglichen sie Banken, neue Anwendungsszenarien zu kreieren. Konsequent umgesetzt verbessern oder ergänzen sie bankinterne Prozesse sowie die Kommunikation und steigern das positive Kundenerlebnis im Sinne einer ganzheitlichen Customer Journey.
Cloud-Technologien als Fundament für Smart Analytics
Cloud-Technologien spielen eine Schlüsselrolle bei der Einführung von Smart Analytics. Dabei ermöglicht die Public Cloud die notwendige Skalierbarkeit und Flexibilität für anspruchsvolle Workloads. Diese Elastizität erlaubt es Banken, ihre Ressourcen bedarfsgerecht anzupassen, sei es bei der Echtzeitdatenverarbeitung oder der Bewältigung von Lastspitzen.
Immer wenn beispielsweise in Bankprozessen KI-Leistungen benötigt werden, können diese auf die entsprechenden Rechenleistungen der Public Cloud zugreifen. Wenn die Leistungen nicht mehr benötigt werden – beispielsweise im Feierabend – müssen sie nicht weiter unterhalten, und auch nicht gezahlt werden. Dadurch werden über die Kosteneffizienz hinaus auch im Sinne einer nachhaltigeren Datennutzung wertvolle Ressourcen eingespart.
Sicherheitsaspekte sind bei der Nutzung der Public Cloud entscheidend. Obwohl Public Cloud Provider strenge Sicherheitsmaßnahmen implementiert haben, ist eine kontinuierliche Überwachung und die Einhaltung höchster Standards erforderlich, um Datenintegrität und Compliance zu gewährleisten.
Als Alternative zur Public Cloud bieten On-Premise-Lösungen in dieser Hinsicht mehr Kontrolle über Daten und Systeme, besonders wichtig für Datenschutz und Compliance. Doch diese Option ist mit höheren Kosten und begrenzterer Skalierbarkeit verbunden. Die Wahl zwischen Public Cloud und On-Premise erfordert eine präzise Abwägung der individuellen Anforderungen und strategischen Ziele.
Insgesamt ist die Entscheidung für Cloud-Technologien ein zentraler Schritt für Banken auf dem Weg zur Implementierung von Smart Analytics, wobei eine ausgewogene Lösung im Sinne einer Hybrid Cloud je nach Anwendungsfall die optimale Wahl darstellen könnte.
Transparenz, Vertrauen und Fairness
Als IT-Partner der genossenschaftlichen Finanzgruppe spielen neben Effizienzkriterien noch weitere Überlegungen bei der Nutzung von Technologien eine maßgebende Rolle. Transparenz und Fairness sind ein entscheidender Faktor bei der Auswahl und beim Einsatz von KI-Anwendungen, ebenso wie die regulatorische Härtung aller produktiven Komponenten. Dabei steht die Frage, auf welchen Daten Modelle basieren und wie sie eingesetzt werden im Fokus der Bewertungen
Ein Faktor, der beispielsweise bei Kreditentscheidungen zum Tragen kommt und ein entsprechendes Training und in einigen Fällen auch die Verzögerung der Produktivsetzung der Anwendungen mit sich bringt.