Einführung generativer KI im Bankwesen: Anwendungsfälle und mögliche Herausforderungen

GenAI-Modelle wie GANs simulieren betrügerische Transaktionen, um Banken dabei zu helfen, ihre Betrugserkennung und ihr Risikomanagement zu verbessern. So nutzt beispielsweise Citis Payment Outlier Detection fortschrittliches statistisches maschinelles Lernen, um Ausreißerzahlungen proaktiv zu identifizieren. Die Deutsche Bank testet in Partnerschaft mit NVIDIA LLMs namens Finformers, um frühzeitige Risikowarnungen bereitzustellen und den Datenabruf zu beschleunigen. Und HSBC hat sich mit Google Cloud zusammengetan, um AML AI zu entwickeln – eine autonome Lösung, die anhand von Kundendaten trainiert wird, um Geldwäsche zu verhindern.

Die Fähigkeit von GenAI, riesige Datenmengen zu verarbeiten, macht es zu einem großartigen Tool für Finanzprognosen. Banken schätzen es, denn genaue Vorhersagen in sich schnell verändernden Märkten sind der Schlüssel für kluge Entscheidungen. Nehmen wir zum Beispiel JPMorgan Chase – das Unternehmen nutzt Deep Learning und Reinforcement Learning, um Markttrends zu erkennen und seine Handelsstrategien zu optimieren. Goldman Sachs setzt auf Kensho, eine KI-Plattform, die Finanzdokumente mithilfe neuronaler Netzwerke und NLP durchforstet und dem Unternehmen hilft, Vermögenspreise zuverlässiger vorherzusagen.

GenAI-Tools beschleunigen die Dokumentenverarbeitung im Bankwesen erheblich: Sie können Muster leichter erkennen, die erforderlichen Daten viel schneller extrahieren und sind deutlich weniger fehleranfällig. Außerdem werden sie mit der Zeit intelligenter. Ein hervorragendes Beispiel hierfür ist COiN (Contract Intelligence) von JPMorgan Chase – eine KI-Plattform, die Tausende von Dokumenten in Sekundenschnelle verarbeiten kann. Sie nutzt NLP, um juristischen Fachjargon zu verstehen und Risiken wie Nichteinhaltung oder fragwürdige Bedingungen in Verträgen aufzuzeigen. Dies reduziert Fehler und den Bedarf an manueller Arbeit, setzt Ressourcen frei und hilft, kostspielige Rechtsstreitigkeiten zu vermeiden.

Eines der besten Dinge an GenAI ist, dass es Aufgaben selbst erledigen kann, was es zu einem sehr nützlichen Werkzeug für Ermittlungen macht. Es kann Daten durchforsten, Muster finden und sogar Maßnahmen vorschlagen oder ergreifen, was bei kniffligen Fällen wie Finanzkriminalität eine großartige Sache ist. Nehmen wir zum Beispiel Barclays‘ Einsatz von Darktrace – diese KI verfolgt, wie Betrüger ihre Machenschaften durchgezogen haben, und zeigt dem Sicherheitsteam genau, was schiefgelaufen ist, welche Systeme ins Visier genommen wurden und wie man die Abwehrmaßnahmen verstärken kann. Außerdem kann sie bei Betrug in Echtzeit eingreifen, um zwielichtige Transaktionen zu blockieren oder Konten einzufrieren, ohne den regulären Geschäftsbetrieb zu beeinträchtigen.

GenAI hilft Banken dabei, personalisierte Finanzprodukte zu erstellen, Funktionen zu optimieren und sogar Risiken zu erkennen, bevor sie eintreten. Und das alles, während sie gleichzeitig flexibel bleiben, wenn sich die Märkte verändern. Ein gutes Beispiel ist Standard Chartered, das Plattformen wie Peltarion und AWS AI nutzt, um Marktdaten und Kundenverhalten zu analysieren. Dies hilft dem Unternehmen, Trends vorherzusagen und maßgeschneiderte Produkte zu entwickeln, wie etwa ESG-orientierte Investitionen und personalisierte Banklösungen, und gleichzeitig die Produktleistung zu simulieren.

Im Gegensatz zu herkömmlichen Kredit-Scoring-Methoden verfolgt GenAI einen ausführlicheren Ansatz, indem es Faktoren berücksichtigt, die über die bloße Kredithistorie hinausgehen. Es berücksichtigt Ausgabegewohnheiten, Lebensereignisse und Marktveränderungen, um eine genauere und fairere Bewertung der Kreditwürdigkeit eines Kunden zu ermöglichen. So setzen etwa JPMorgan Chase und Wells Fargo die FICO Falcon-Plattform ein, die GenAI nutzt. Sie simuliert verschiedene Szenarien, etwa wie ein Kunde mit einem Arbeitsplatzverlust oder einem wirtschaftlichen Abschwung umgehen könnte. So können Banken die Fähigkeit des Kunden zur Rückzahlung von Krediten besser einschätzen und einen persönlicheren Kredit-Score erstellen.

GenAI hilft Banken dabei, verborgene Investitionsmöglichkeiten aufzudecken und schwierige Entscheidungen zu rationalisieren. So wird es einfacher, mit intelligenten, zeitgemäßen Strategien auch in volatilen Märkten einen Vorsprung zu haben. Die LOXM-Plattform von JPMorgan verwendet GenAI-Modelle, um Marktdaten zu verarbeiten, personalisierte Handelsempfehlungen zu erstellen und verschiedene Handelsszenarien zu simulieren. Bei Morgan Stanley verwendet die Next Best Action-Plattform GenAI, um Beratern Anlageberatung zu geben, die auf den finanziellen Zielen und der Risikobereitschaft jedes Kunden basiert.