Trends

istock.com/imaginima

Bankenbranche: Gezielte Kundenansprache mit KI   

Die Bankenbranche ist in den vergangenen Jahren stetig gewachsen. Für die kommenden Jahre werde in Deutschland ein durchschnittliches jährliches Wachstum von 2,8 Prozent prognostiziert, so die Deutsche Bundesbank. Zugleich habe die Cost-Income-Ratio hierzulande mit 72,3 Prozent im Jahr 2020 insgesamt 3,9 Prozentpunkte über dem Durchschnitt nach der Finanzkrise gelegen, erklärte die Notenbank. Die Ursachen liegen in der Niedrigzinspolitik, stagnierenden Provisionserträgen und der Regulierung. Zugleich erhöht sich der Wettbewerbsdruck, indem BigTechs wie Google oder Apple sowie überproportional viele FinTechs in den Markt eintreten und Bankgeschäfte anbieten. Da junge Kundengenerationen digitale Angebote und Kommunikationswege erwarten, rücken alternative Anbieter zunehmend in den Fokus.

Der gestiegene Wettbewerbsdruck erhöht den Handlungsbedarf der Banken, sodass eine Steigerung der Kundenorientierung unabdingbar wird. Dabei sind die Kundenerwartungen nicht nur zu erfüllen, sondern es ist ein individuelles Kundenerlebnis zu generieren. Darüber hinaus führen die steigende Regulatorik und veränderte Kundenerwartungen dazu, dass eine digitale Ausrichtung und somit auch Künstliche Intelligenz (KI) in Banken elementar werden. Die wachsende Zahl der Touchpoints bietet großes Potenzial für die Verwendung zahlreicher KI-Anwendungen.

KI-Anwendungsfälle
Jeder Kunde bedarf einer anderen Ansprache, die individuell an diesen oder seine jeweilige Lebensphase angepasst ist. Grundlegend für die gezielte Ansprache ist die Segmentierung, die durch KI optimiert werden kann, indem alle verfügbaren Kundendaten zur Auswertung herangezogen werden. Zusätzlich liegen der Ansprache sogenannte Affinitäten-Scores zugrunde. Diese identifizieren, für welche Produkte der Kunde affin ist, sodass dieser lediglich mit relevanten Marketingkampagnen angesprochen wird. Überdies werden durch KI-Modelle Affinitäten hinsichtlich des präferierten Kommunikationskanals bestimmt, sodass die Kommunikationsstrategie daran ausgerichtet werden kann.

Anstatt ein einheitliches Mailing mit Produktangeboten zu versenden, liegt das Potenzial der KI in der individualisierten Anpassung der Angebote. Produktangebote werden basierend auf dem Verhalten ausgespielt, sodass diese eine hohe Relevanz für den Kunden aufweisen und Kundenzufriedenheit erzeugen. Hierfür werden ebenfalls Affinitäten-Scores eingesetzt. Denn durch die Kenntnis der Affinitäten werden Cross- und Upselling gesteigert und Konversionen erhöht.

Zudem können mit KI-Modellen abwanderungsgefährdete Kunden identifiziert werden, sodass diesen attraktive Angebote gemacht werden, welche auf die Kundenbindung einzahlen. Gemäß der sogenannten Prospect Theory kann die derzeit in Anspruch genommene Dienstleistung als Referenzpunkt definiert werden. Ein Angebot, das Abwanderung verhindern soll, übersteigt gewöhnlich die bisherigen Leistungen. Folglich nimmt der Kunde das Angebot als Gewinn wahr und bindet sich weiterhin an die Bank.

Darüber hinaus wird mit KI Geschäftspotenzial identifiziert. Basierend auf der Analyse der Kundendaten erhalten Beratende Hinweise, welche Produkte noch nicht oder bei anderen Banken genutzt werden. Die Kunden können dann gezielt angesprochen werden, sodass der Erfolg gesteigert wird. Gleichzeitig wird auch die Effizienz erhöht, da der Aufwand bei gleichzeitiger Steigerung der Abschlusswahrscheinlichkeit schwindet. Ferner ist mittels KI eine Selektion relevanter Kunden praktikabel, während es manuell nicht möglich ist, aus einer Vielzahl von Kunden die Relevanten zu identifizieren.

Mit Chatbots repetitive Service-Anfragen beantworten
Chatbots im Servicebereich sind eine sinnvolle Lösung, um einfache und repetitive Serviceanfragen zu bearbeiten. Der Mehrwert liegt insbesondere in der Schnelligkeit der Bearbeitung unabhängig von der Anzahl der eingehenden Anfragen. Daher werden mittels Chatbots die Kundenzufriedenheit gesteigert und gleichzeitig Synergieeffekte erzielt, sofern eine kontinuierliche Aktualisierung der Informationen sowie das Trainieren des Chatbots gewährleistet ist. Im Vertrieb sind diese bislang lediglich bei klar definierten Prozessen und einer voll automatisierten Prozesskette einsetzbar. Komplexe Vertriebsleistungen können mit der Technologie derzeit noch nicht abgebildet werden. Denn für die Beratung sind menschliche Gehirnvorgänge wie Bewusstsein und Empathie relevant; jedoch ist eine starke KI bislang noch nicht existent.

Eine wesentliche Herausforderung liegt in der begrenzten Verfügbarkeit von IT-Ressourcen und CRM-Managern. Dies führt dazu, dass langfristig die Innovationsfähigkeit und die digitale Transformation gehemmt werden. Zudem stellt auch die Regulatorik eine Herausforderung für KI dar. Zum einen ist in der Datenschutzgrundverordnung (DSGVO) „das Recht auf Transparenz bei automatisierten Entscheidungen“ verankert. Da bei Machine Learning (ML) die Entscheidungsfindung des Algorithmus selbst für den Entwickler nicht durchschaubar ist, ist die Nutzung algorithmischer Entscheidungen herausfordernd. Gleichzeitig bietet die DSGVO den Mehrwert, dass Datenschutz das Kundenvertrauen steigert.

Zum anderen unterliegen Banken den regulatorischen Anforderungen der BaFin. Diese stellen zunächst eine Hürde dar. Hingegen können Anforderungen wie die Datenqualität auch als Chance dienen. In Bezug auf KI ist diese jedoch grundlegend, sodass die Regulatorik in diesem Fall die Implementierung unterstützt. Dennoch werden Finanzdienstleistungen auch von BigTechs angeboten, die nicht der Bankenregulierung unterliegen, sodass der Wettbewerb zugunsten dieser verzerrt wird.

Customer Experience
Eine positive Customer Experience (CX) wird durch Personalisierung hervorgerufen, denn personalisierte Inhalte weisen eine höhere Relevanz für den Kunden auf, Informationen sind in kurzer Zeit abrufbar und Beratungsgespräche sind kundenindividuell ausgerichtet. Zusätzlich trägt die Verfügbarkeit zur Verbesserung der CX bei, indem Wartezeiten eliminiert werden und die Schnelligkeit zunimmt. Kunden sind jedoch die permanente Verfügbarkeit von branchenfremden Unternehmen gewöhnt, sodass auch in Banken die Verfügbarkeit in hohem Maß gegeben sein muss, um ein positives Kundenerlebnis hervorzurufen.

Ferner werden menschliche Beziehungen aufgrund des persönlichen und emotionalen Charakters von Bankgeschäften in den Fokus gestellt. KI wird oftmals im Hintergrund verwendet, sodass diese für den Kunden nicht merklich ist Beratende als besonders aufmerksam wahrgenommen werden. Der Mensch ist insbesondere an den Stellen elementar, an denen KI an ihre Grenzen stößt, etwa bei der Empathie. Die Kombination von menschlicher und Künstlicher Intelligenz ist daher als Erfolgsfaktor zu sehen.

Hingegen können fehlerhafte Auswertungen der Daten dazu führen, dass unpassende Angebote oder falsche Lösungen generiert werden. Dies führt zu einer negativen CX und einer Schädigung der Vertrauensbeziehung und Reputation. Deshalb stellen Fehler die größte Hemmung der Banken in Bezug auf den Einsatz von KI dar. Die ohnehin bestehende mangelnde Datenqualität der Kreditinstitute intensiviert diese Hemmung nochmals und könnte weitere Investitionen in KI verlangsamen.

Fazit
Durch die Integration von KI wird die Cost-Income-Ratio zukünftig sinken. Gleichzeitig schließen die Banken mit dem Angebot digitaler Lösungen wieder zu den BigTechs und FinTechs auf. Allerdings können Banken bei weitem noch nicht auf Augenhöhe mit den neuen Wettbewerbern agieren. Um ein Kundenerlebnis als Reaktion auf den Wettbewerbsdruck zu generieren, ist es erforderlich, negative Faktoren zu minimieren und Personalisierung, Verfügbarkeit und die menschliche Interaktion in den Fokus der Kundenbeziehung zu stellen.

Auch in der Zukunft wird die Bankenbranche weiterhin von Dynamik geprägt sein. Die überproportionale Entwicklung des FinTech-Markts verdeutlicht den Handlungsbedarf, den Fokus auf die Kundschaft zu legen und in die digitale Transformation zu investieren. Solange Banken KI nicht einsetzen, um kundenorientiert zu agieren und die veränderten Erwartungen zu erfüllen, werden diese keine attraktive Stellung im Markt einnehmen.

Autoren


 

Feline Diermann, Expertin im operativen Kreditgeschäft, ist berufsbegleitende Masterstudentin mit dem Themenschwerpunkt Digitalisierung.

 

Alexander Zureck ist Vize-Präsident des Bundesverbands Deutscher Volks- und Betriebswirte (bdvb). Außerdem hat er eine Professor für Allgemeine Betriebswirtschaftslehre an der FOM Hochschule für Oekonomie & Management inne.

Dr. Philippe Krahnhof arbeitet als Abteilungsleiter Unternehmensentwicklung in der Galeria Karstadt Kaufhof GmbH. Seit 2019 ist er zudem Dozent an der FOM.

+++

Was versteht man unter „Data Science“ und wie ist dies in den Themenkomplex KI einzuordnen? Wozu benötigt eine Bank einen Data Scientist und mit welchen Daten und Tools wird hier gearbeitet? Diese und weitere Fragen stellen wir Torsten Nahm, der das Kompetenzzentrum für Data Science bei der DKB leitet. Hören Sie hier weitere Episoden aus der Reihe „durch die bank“.

Melden Sie ich bei Interesse zu unserem Web-Seminar „Robotic Process Automation (RPA) in Kreditinstituten – Implementierung und Weiterentwicklung“ an.
 

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge