Wie künstliche Intelligenz das Bankgeschäft verändert

Künstliche Intelligenz gilt als eine der Technologien, die Branchen grundlegend verändern kann. So auch das Bankgeschäft. Wir zeigen drei Möglichkeiten – vom Investieren bis zur Finanzkriminalität.

Das Prinzip klingt simpel: Wer seinen Kunden gut kennt, kann ihm die Vorschläge machen, die am besten zu ihm passen. Die Weisheit, die analog schon immer galt, gewinnt in der digitalen Welt mehr und mehr an Bedeutung. Auch in der Geldanlage könnte sie künftig wichtiger werden.

So können Algorithmen Bankberatern dabei helfen, zu Kunden passende Fonds, Anleihen oder Aktien zu finden. „Jeder, der schon einmal auf einem Online-Marktplatz eingekauft hat, kennt solche Produktvorschläge“, sagt Max Mindt, der für die Deutsche Bank das Projekt „Next best offer“ vorantreibt. „Bei der Geldanlage ist das nur sehr viel schwieriger umzusetzen, weil es deutlich regulierter ist.“

Jeder, der schon einmal auf einem Online-Marktplatz eingekauft hat, kennt solche Produktvorschläge
Max Mindt

Gleichzeitig bietet das Prinzip aber auch enorme Chance. So analysieren bei „Next best offer“ fortlaufend Algorithmen die Portfolios von vermögenden Kunden auf Risiken. Wenn beispielsweise eine Anleihe heruntergestuft wird, Analysten eine Verkaufsempfehlung aussprechen oder eine Region besonders stark übergewichtet ist, dann zeigt der Algorithmus dem Berater eine Warnung an.

Wann die Wechselempfehlung kommt

Die Warnung wird kombiniert mit einem Produktvorschlag, der das Risiko des Kunden minimieren soll. Diesen Produktvorschlag entnimmt der Algorithmus den Portfolios von vergleichbaren Kunden. „An dieser Stelle haben wir uns lange Gedanken gemacht und viel ausprobiert“, sagt Kirsten Bremke, die „Next best offer“ ursprünglich angestoßen hat und heute leitet „Tatsächlich bevorzugen Kunden Produkte, die andere vergleichbare Personen bereits haben. Dann sind sie am ehesten bereit umzuschichten.“

Eine Empfehlung für einen Wechsel gibt es nur, wenn dieser Wechsel den Kunden einen hohen Mehrwert liefert. Denn schließlich kostet auch das Umschichten Geld. „Unser Algorithmus kontrolliert, dass der voraussichtliche Nutzen des Wechsels die Kosten übersteigt“, sagt Bremke. „Danach entscheiden dann die Berater, ob sie den Vorschlag wirklich an den Kunden weiterleiten – schließlich sind sie es, die unsere Kunden am besten kennen.“

Unser Algorithmus kontrolliert, dass der voraussichtliche Nutzen des Wechsels die Kosten übersteigt.
Kirsten Bremke

Momentan wird „Next best offer“ in Deutschland eingesetzt. Im nächsten Schritt soll es auch in Italien, Spanien und Asien ausgerollt werden. Dabei lernt das Modell permanent dazu: So beobachten Bremke und Mindt stets genau, wie Kunden auf Vorschläge reagieren. Mit ihren Erkenntnissen trainieren sie das Modell, das damit seine Vorschläge verbessert.

Mit künstlicher Intelligenz Verbrechern auf der Spur

Auch für die Bekämpfung von Finanzkriminalität gibt es Modelle, die permanent dazulernen. Hier analysiert das KI-Modell „Black Forest“ Transaktionen und schreibt Verdachtsfälle auf. So werden bei jeder Kapitalbewegung verschiedene Kriterien begutachtet, zum Beispiel ihr Betrag, die Währung, in welches Land sie geht und um was für eine Art von Transaktion es sich handelt: Wurde sie online vorgenommen oder am Schalter?

Falls ein Kriterium nicht den typischen Mustern entspricht, meldet „Black Forest“ die Auffälligkeit dem Kundenbetreuer. Empfindet dieser die Transaktion ebenfalls als verdächtig, leitet er sie an die Abteilung zur Bekämpfung von Finanzkriminalität weiter. Mit steigenden Rückmeldungen lernt die KI, Transaktionen richtig einzuordnen und nur noch die zu melden, bei denen wirklich eine Straftat droht.

Solche KI-Modelle können (…) helfen, bei der riesigen Herausforderung der Kriminalitätsbekämpfung Schritt zu halten.Thomas Graf

Seit 2019 ist das Modell „Black Forest“ im Einsatz und hat bereits diverse Fälle aufgedeckt: einen mit Bezug zur organisierten Kriminalität, Geldwäsche und Steuerhinterziehung. „Solche KI-Modelle sind ziemlich flexibel und damit eine gute Ergänzung zu den bestehenden Systemen“, sagt Thomas Graf, der „Black Forest“ aufgebaut hat. „Sie können schnell große Datenmengen verarbeiten und somit helfen, bei der riesigen Herausforderung der Kriminalitätsbekämpfung Schritt zu halten.“

Wie KI Banken hilft, die Nachhaltigkeits-Transformation zu unterstützen

Die Fähigkeit, schnell große Datenmengen verarbeiten zu können, macht KI-Modelle auch für andere Gebiete interessant. Zum Beispiel für den Bereich Nachhaltigkeit. Ab 2023 müssen Banken veröffentlichen, welche Geschäfte grün sind.

Dabei richten sie sich nach der Klassifizierung der EU, nach der beispielsweise Kredite für die Solar-und Windenergieerzeugung als grün gelten. Finanzierungen für einen Mittelständler, der Investitionen in klimafreundlicheres Wirtschaften tätigt, sind ebenfalls grün. Um die Geschäfte richtig einordnen zu können, brauchen die Banken viele neue Daten von ihren Firmenkunden.

„Diese Kundendaten müssen von Berater*innen bisher einzeln geprüft werden“, sagt Murat Cavus, der neue Technologien für den Nachhaltigkeitsbereich der Deutschen Bank entwickelt. Künftig kann Maschinelles Lernen dabei helfen, Geschäfte als grün einzuordnen. Der Algorithmus wird dann eine Vorauswahl treffen. Dieser Prozess heißt Autoklassifikation. „Mit der Autoklassifikation würden wir unsere Kundenberater enorm entlasten“, so Cavus weiter.

Wir werden immer mehr Technologie einsetzen, die Standardprozesse verkürzt und einen geringen CO2-Fußabdruck hat.
Murat Cavus

Zwar muss am Ende immer noch ein Mensch den Vorschlag des Algorithmus freigegeben. Aber: „Die Autoklassifikation liefert zusätzliche Informationen, die die finale Entscheidung leichter machen“, sagt Cavus. So stellt er sich auch generell die Zukunft von KI in der Deutschen Bank vor: „Wir werden immer mehr Technologie einsetzen, die Standardprozesse verkürzt und einen geringen CO₂-Fußabdruck hat“, sagt er. „So können wir besser für unsere Kunden da sein und als Bank selbst grüner werden.“

Über Kirsten Bremke

Kirsten Bremke entwickelt mit ihren Teams die Dateninfrastruktur, Informationssysteme und Data Science-Anwendungen für die internationale Privatkundenbank. Sie startete ihre Karriere bei der Deutschen Bank 1997 als Kreditrisikomanager, arbeitete dann für eine internationale Beratungsgesellschaft und übt seit ihrer Rückkehr zur Deutschen Bank verschiedene nationale und internationale Führungspositionen aus, zunächst im Wealth Management, später in der internationalen Privatkundenbank.

Über Murat Cavus

Murat Cavus ist seit Februar 2021 bei der Deutschen Bank und beschäftigt sich mit Daten- und Technologie-Themen rund um das Themengebiet ESG. Als Teil des Cloud and Innovations-Netzwerks, Technologie, Daten und Innovation, leitet er eine Gruppe, die sich auf die Entwicklung von ESG Plattformen und deren Monetarisierung konzentriert.

Über Max Mindt

Max Mindt ist seit 2015 bei der Deutschen Bank und arbeitet als Senior Data Scientist in der internationalen Privatkundenbank. Er entwickelt innovative Algorithmen, die Techniken der künstlichen Intelligenz verwenden. Sein Fokus liegt in den Bereichen der Kundenbindung, Kosten-Nutzen-Analyse bei Portfolioumschichtungen und Generierung von Investmentvorschlägen.

Über Thomas Graf

Thomas Graf arbeitet seit 2017 als Senior Data Scientist im Bereich Wealth Management in der internationalen Privatkundenbank. Er entwickelt moderne Algorithmen, die Techniken der künstlichen Intelligenz und des maschinellen Lernens verwenden. Dabei konzentriert er sich auf Projekte, die regulatorisch erforderlich sind wie zum Beispiel das automatisierte Überwachen von Kundenaktivitäten in Bezug auf getätigte Transaktionen.

Georg Berger

… interessiert, welches Potenzial in KI steckt und was sie ermöglichen könnte. Gleichzeitig fragt er sich, welche Risiken diese Technologie mit sich bringt und wie man ihnen klug begegnen kann.