- Studie zeigt: Datensilos, unvollständige Datensätze und unstrukturierte Erhebung torpedieren den erfolgreichen KI-Einsatz
- Riesiges Gap zwischen Einsparpotenzial und Umsetzung
- Neue Plattformkonzepte und Geschäftsmodelle gefragt
Egal ob Front, Middle oder Back Office: Im Einsatz von KI sieht der Bankensektor bis 2030 ein Einsparpotenzial von mehr als 300 Milliarden Dollar weltweit, zeigen Erhebungen. Doch nur wer große Datenmengen analysieren und auswerten kann, wird diesen Schatz heben können. Hier steht gerade das Privatkundengeschäft laut der aktuellen Horváth-Studie „Transformation im Retail Banking“ unter Druck. Ergebnis: Viele Banken sind aktuell nicht in der Lage, das volle Potenzial aus ihren Datenmengen zu schöpfen. Datensilos, mangelnde Datenqualität und nicht harmonisierte IT-Landschaften lauten einige der größten Hindernisse.
„Retail-Banken besitzen dank einer Vielzahl an Kanälen wie Social Media, Mobile Banking, Transaktionen oder Kunden-Servicecenter vielfache Datenquellen und riesige Mengen an Daten. Sie scheitern aber oft daran, diese effizient zu nutzen“, sagt Moritz Meyer, Senior Project Manager Banking und Financial Institutions bei Horváth.
Wie die Studie zeigt, geschieht die Datenerhebung oft unstrukturiert. Hinzu kommt: Voneinander getrennte Datensilos mit unvollständigen Datensätzen führen zu mangelnder Qualität der Daten. Sie sind im schlimmsten Fall gar nicht auswertbar. Hintergründe für die schlechte Datenqualität liegen oft in der geringen Datenkultur und fehlenden Zuständigkeiten. Oftmals prägen veraltete Legacy-Systeme die IT-Landschaft. Inkompatible IT-Systeme erschweren eine IT- und Daten-Harmonisierung.
Datenstrategie bildet die Basis, um volles Potenzial zu nutzen
„Ohne das Vorhandensein einer Datenstrategie mit entsprechender Data Governance, ist das Ausrollen von IT-Harmonisierungsprojekten vielfach zum Scheitern verurteilt. Sie bildet die Grundlage für alles Weitere“, sagt Banking-Experte Meyer und ergänzt: „Banken sollten zentralisierte analytische Plattformen aufbauen, die interne und externe Daten sammeln und analysieren. Denn: Unzuverlässige Datensätze können zu fehlerhaften Schlussfolgerungen führen.“
Wer seine Daten systematisch analysieren kann, ist klar im Vorteil. Es lassen sich valide Trends im Kundenverhalten erkennen und so beispielsweise neue Produkte entwickeln oder Angebote personalisieren. Stichwort Risikomanagement: Wer etwa Transaktionen in Echtzeit analysieren kann, der kann auch betrügerische Aktivitäten schneller ans Licht bringen und stoppen, oder gar im Ansatz verhindern.
KI spart Kosten und führt zu neuen Geschäftsmodellen
„Der Bankensektor befindet sich an einem Wendepunkt: KI entwickelt sich von einer Innovation zur strategischen Notwendigkeit. Institute, die den Mehrwert von KI ignorieren, werden vom Markt verschwinden“, sagt Meyer.
Mit automatisierten Prozessen lassen sich Betriebskosten senken. Beispiel Back Office: KI-Algorithmen können unstrukturierte Daten bereinigen und kategorisieren, und so die Datenqualität erheblich verbessern. Um Investitionsentscheidungen zu unterstützen, können KI-Algorithmen Finanznachrichten in Echtzeit analysieren. Im Middle Office lassen sich mit KI automatisierte Prüfungen durchführen und stellen sicher, das regulatorische Anforderungen eingehalten werden. Die Einhaltung von Governance-Anforderungen verbessert sich. In der Kundenberatung punkten KI-gestützte Chatbots, erhöhen Effizienz und Beratungsqualität. Die Analyse von Marktdaten und Kundenfeedback hilft, um neue Produkte, Dienstleistungen oder Geschäftsmodelle – Stichwort Data Monetization – zu entwickeln. Die Innovationskraft wird gestärkt.
Der Payment-Anbieter Klarna arbeitet seit kurzem zusammen mit ChatGPT und bietet nicht nur eine individuelle Einkaufsberatung mittels generativer AI an. Mit der Integration von ChatGPT Enterprise sollen Klarna-Mitarbeitende von verbesserten Sicherheitsstandards, höherer Geschwindigkeit und fortschrittlichen Datenanalysen profitieren. Die Investmentbank Morgan Stanley nutzt OpenAIs GPT-4, um Informationen über Unternehmen, Sektoren, Anlageklassen und globale Märkte zu analysieren und bereitzustellen. Die Berater liefern ihren Kunden datengestütztes Wissen in Echtzeit und verbessern so Leistung und Kundenbeziehung.
„Unsere Befragung zeigt: Retail Banken stehen nicht nur im Wettbewerb mit aufstrebenden BigTechs und FinTechs, sondern auch die Kundentreue sinkt. Wer morgen noch eine Rolle spielen will, für den gilt es nun dringend die digitale Transformation voranzutreiben, den eigenen Datenschatz zu heben, geeignete KI-Lösungen zu implementieren und wettbewerbsfähige Geschäftsmodelle zu entwickeln“, erklärt Moritz Meyer.
Über die Studie
Im vierten Quartal 2023 befragte die Managementberatung Horváth im Rahmen einer qualitativen Studie >50 Fachexperten:innen, Wissenschaftler:innen und Manager:innen aus dem Retail Banking in der DACH-Region. Untersucht wurden die transformatorischen Entwicklungen der Retail-Banking-Industrie im Zeithorizont bis 2035. Die Auswirkungen der Veränderungen auf Strategie, Geschäftsmodell, Organisation, Prozesse und Führung von Banken wurden ermittelt und Implikationen abgeleitet. Zehn Thesen zur Zukunft der Branche ließen sich ausarbeiten und validieren. Hier gibt es den Studienbericht zum Download.