Die wachsende Beliebtheit von ChatGPT und Co. zeigt: Wir leben im Zeitalter der Künstlichen Intelligenz. Wie aus einer Statistik von Grand View Research hervorgeht, war der KI-Markt 2023 rund 196 Milliarden US-Dollar wert – und soll bis 2030 jährlich um 37,3 Prozent wachsen.

Auch im E-Commerce und der Finanzbranche ist KI längst angekommen und übt einen spürbaren Einfluss auf das Tagesgeschäft aus. Aber wie genau kann Künstliche Intelligenz dazu beitragen, das Kundenerlebnis zu optimieren und wie sieht die Zukunft von KI in der Finanzindustrie aus? Wir haben bei Maik Klotz, Zahlungsverkehrsexperte und Top Voice im Bereich Finance bei LinkedIn, nachgefragt.

Wie kann KI dazu beitragen, kundenzentrierte Ansprache zu verbessern und gleichzeitig aber Sicherheit und Datenschutzanliegen zu berücksichtigen?

Auf der einen Seite ist es natürlich so, dass KI einen wertvollen Beitrag leisten kann, wenn es darum geht, die Kundenbedürfnisse überhaupt zu verstehen. Aufgrund der Daten, die LLMs, also großen Datenmodellen, zur Verfügung stehen, kann eine KI dabei helfen, personalisierte Angebote zu erstellen. Das ist natürlich ein großer Mehrwert.

Wenn wir uns anschauen, in welchen Bereichen KI überall zum Einsatz kommen kann, dann sind die Möglichkeiten mannigfaltig. KI kann beispielsweise Kontexte erkennen, entsprechend darauf reagieren und somit kontextbezogen die richtigen Antworten geben.

Als Top Voice für den Bereich Finanzen hast du sicherlich die neuesten Trends und Entwicklungen im Finanzsektor im Auge behalten. Wie siehst du die Rolle von KI in der Zukunft der Finanzindustrie? Welche Innovationen erwarten uns in dem Bereich?

Ich glaube die KI kann im Bereich der Finanzanalyse, also wenn es darum geht zu analysieren und herauszufinden, was die passenden Finanzangebote sind oder wo eine Konsumentin oder ein Konsument Geld sparen kann, einen wertvollen Beitrag leisten.

Seit vielen Jahren sprechen wir über einen großen Datenschatz aus Transaktionsdaten und Kontobewegungsdaten, den die Banken innehaben. Und den auszuwerten, war immer sehr aufwendig. Genau das kann KI aber, relativ schnell und relativ leicht. Sie kann diese Transaktionsdaten analysieren und mir erzählen, was für ein Finanzmensch ich bin. Und dann aufgrund dieser Daten entsprechende Empfehlungen ausgeben, mir sagen, wo ich etwas sparen kann. Wenn ich eine Kaufentscheidung treffen möchte, kann KI mir dabei helfen, das vielleicht etwas später zu tun, weil noch Zahlungen anstehen oder mir vielleicht sogar Tipps geben, wie ich eine bessere Kaufentscheidung treffen kann.

Ein zweites wichtiges Thema, wo KI natürlich gerade in der Finanzbranche helfen kann, ist das Thema Betrug. Wir leben in einer Welt, die immer schneller funktioniert. Zahlungsströme werden sehr viel schneller abgewickelt. Wir haben so etwas wie Instant Payments, wo Zahlungen quasi in Echtzeit hin und her geschickt werden. Und immer dann, wenn etwas in Echtzeit passiert, kann natürlich auch in Echtzeit Missbrauch erfolgen. KI kann dabei helfen, diesen Missbrauch zu erkennen und auch zu vermeiden.

KI kann in verschiedenen Anwendungen benutzt werden, zum Beispiel Chatbots für den Kundenservice. Kennst du bereits Beispiele für die erfolgreiche Implementierung von KI beim Thema Banking und Payment?

Erfolgreich ist in so einem frühen Stadium, in dem wir uns befinden, sicherlich die falsche Beschreibung. Was wir aber sehen, sind erste Entwicklungen und Lösungen. Die österreichische Sparkasse hat beispielsweise kürzlich als erste Bank einen entsprechenden Chatbot live gestellt, wo sich Kundinnen und Kunden über die Dienstleistung informieren und mit diesem Chatbot interagieren können.

Das zweite Beispiel ist die niederländische Bank Bunq, die mit „Finn“ einen KI-Assistenten gestartet haben, der mir aufgrund der persönlichen Transaktionsdaten etwas erzählen kann. Ich kann Finn mit natürlicher Sprache sehr viele Fragen stellen. Etwa: „Wo gebe ich das meiste Geld aus? Wie sind meine monatlichen Fixkosten?“ Innerhalb der App bekomme ich genau auf diese Fragen dann entsprechend Antworten.

Interessant ist auch die Entwicklung rund um J.P. Morgan, die ein Modell bereitgestellt haben, das es ermöglicht, unstrukturierte Daten strukturiert zusammenzufassen und Analysen darauf zu fahren. Mit unstrukturierten Daten meine ich eingescannte Verträge, fotografierte Quittungen, Überweisungen. Also nichts, was bereits in Tabellen erfasst wurde, sondern was noch ganz unsortiert bei Konsumentinnen und Konsumenten, aber natürlich auch im Unternehmensumfeld vorliegt. Dieses Modell befähigt es, diese Daten zu strukturieren und natürlich dann entsprechend damit auch zu arbeiten.

Titelbild: © Maik Klotz