Trends Magazin

iStock.com/3DSculptor

Creative Big Data: Die Kunst mit Daten umzugehen

Vor 20 Jahren schrieb der Fachjournalist Frank Puscher das erste deutsche Buch über Online-Kunst. Es hatte den Titel „Die Tricks der Internet-Künstler“, und er richtete den Blick darauf, wie sich die Medien, die Kommunikation und die Wissensgesellschaft durch die Veröffentlichung und weltweite Verfügbarkeit großer Datenbanken und durch die Vernetzung aller Netzteilnehmer sowie verschiedener Informationsquellen veränderten.

Heute stehen wir mit dem Aufkommen der Künstlichen Intelligenz (KI) erneut vor großen Veränderungen. Der Blick darauf ist allerdings zweigeteilt. Während die USA und China einen – zum Teil unreflektierten – euphorischen Blick auf die Möglichkeiten der Technologie haben, scheint in Deutschland die Skepsis zu überwiegen. Viele Menschen hierzulande haben Angst vor einer Technologie, die sie nicht verstehen. Sie sorgen sich um ihre Arbeitsplätze, und haben Angst davor, die Kontrolle über Teile des wirtschaftlichen und gesellschaftlichen Lebens an Maschinen abzugeben. Sie haben Angst um ihre Freiheit. Dazu passt der jüngst vom Wall Street Journal erhobene Vorwurf, KI könne diskriminieren. Zuvor hatten die Journalisten bei einer Versicherung zwei Policen beantragt, wobei in beiden Fällen alle eingegebenen Daten identisch waren – lediglich die Vornamen waren unterschiedlich. Das Ergebnis: „Mustapha“ sollte eine doppelt so hohe Prämie bezahlen wie „John“.


Kernkompetenzen im Datenzeitalter
Um solche Dinge zu vermeiden, genügt es nicht, den Kopf mit einem resoluten „weiter wie bisher“ in den Sand zu stecken. Wichtig ist vielmehr, dass die Gesellschaft und jeder einzelne verstehen, wie KI funktioniert. Nur mit Datenkompetenz können die Steuerungsmechanismen wirken – sei es auf politischer oder auf Unternehmensebene. Inzwischen ist klar, dass intelligente Maschinen dazu in der Lage sind, auch große Probleme der Menschheit zumindest zu lindern. So hatte der amerikanische Journalist Jay Tuck eine Handvoll deutscher Krebsspezialisten nach den Möglichkeiten einer KI-gestützten Diagnose befragt. „Alle haben gesagt, dass die KI in den meisten Fällen inzwischen besser diagnostiziert“, so sein Fazit.

Entscheidend für mehr Datenkompetenz ist deshalb Bildung. Dabei geht es aber nicht um das Erlernen von Programmiersprachen – die KI programmiert sich selbst – sondern darum, Zusammenhänge zu verstehen und nach kreativen Lösungen zu suchen. Die Kunst ist, der KI die richtigen Fragen zu stellen und dann aus den Daten die Antworten lesen zu können.

Wie sich in den vergangenen Jahren gezeigt hat, betreffen die durch die Digitalisierung ausgelösten Umwälzungen sämtliche Branchen. Daraus ergeben sich massive Einsparpotenziale bei den verschiedensten Prozessen. Beispiele aus dem Finanzbereich sind das Self-Service Banking oder der vollautomatische Wertpapierhandel, der längst beim Endkunden angekommen ist. Zugleich verändert die Digitalisierung die Customer Journey. Die Online-Recherche verdrängt die Beratung. Die kursorischen beruflichen Lebensläufe bringen die Bewertungssysteme ins Wanken, wenn Freiberuflichkeit und Projektarbeit die regelmäßige Lohnzahlung samt Kündigungsschutz ersetzen und das Scheitern zum Leistungsmerkmal des Innovators wird. Auf diese durch das Fortschreiten der Digitalisierung ausgelösten Veränderungen muss reagiert werden. Diese Reaktionen müssen nicht notwendigerweise digital sein. Womöglich ist für ein Start-up ein vertrauenswürdiger, menschlicher Partner wichtig, wenn es auf Innovationsjagd geht. In der Finanzbranche stellt sich die Situation allerdings so dar, dass die etablierten Banken dieses Spielfeld in weiten Teilen den FinTechs überlassen. Das jedoch ist riskant. Wer heute Menschen in der Fußgängerzone befragt, wie sie beim Online Shopping bezahlen, hört in acht von zehn Fällen: PayPal. Wie konnte das passieren?

Die Finanzbranche muss deshalb lernen, den Menschen besser zuzuhören, statt die Entwicklung aus der Unternehmensperspektive weiter voranzutreiben. Die Banken haben etwa mittels Online Banking ihre Kosten reduziert. So haben sie allerdings selbst dazu beigetragen, dass ihre Kunden selbstständiger geworden sind. Außerdem haben sie damit den Nährboden für neue Unternehmen wie N26 bereitet. Einst belächelt, ist das Start-up heute ein Synonym für Innovation und Disruption im Bankensektor.

Die Trägheit der Finanzbranche kombiniert mit der strengen Regulatorik haben aber auch ihr Gutes. Sie bilden ein stabiles System mit vertrauensbildenden Grundregeln. Und dieses Vertrauen ist der Treibstoff des ökonomischen Motors und genauso wichtig wie Innovation. Das Idealbild eines Finanzunternehmens, das für die digitale Zukunft gerüstet ist, kombiniert also beides: die Stabilität eines vertrauenswürdigen Systems mit der Flexibilität und Geschwindigkeit eines Innovators.


Die Kunst der Disruption
Aus anderen Branchen, die in der Digitalisierung weiter fortgeschritten sind, ist bekannt, dass Innovationen schlicht auch dazu dienen, bestehende Prozesse einfacher, schneller und kostengünstiger zu gestalten. Amazon ist dafür ein prägendes Beispiel. Der US-Konzern hat durch das One-Klick-Checkout und die Versandpauschale Prime zwei Themen optimiert, die es im Versandhandel schon seit hundert Jahren gibt – und auf diesen beiden Verbesserungen sowie einer guten Empfehlungsmaschine fußt der Anfangserfolg des Versandriesen. Tatsächlich gibt es im Finanzwesen eine ganze Reihe solcher Verbesserungshebel. Dazu gehören zum Beispiel der Einsatz der Blockchain, die Verkürzung der Antragstrecke durch Automatisierung und Biometrie – oder ein erweitertes Risiko-Scoring jenseits der Kredithistorie des einzelnen Kunden. Weitere Felder, in denen Verbesserungen denkbar sind, sind etwa das Erkennung und die Prävention von Betrug, das datengestützte, automatische Portfoliomanagement, B2B-Produkte auf Blockchain-Basis oder Peer-to-peer-Angebote. Am zuletzt genannten Beispiel Peer-to-peer lässt sich zeigen, wie Disruption funktioniert. Der klassische Weg der Innovation im Finanzbereich läuft so: Die Bank bemerkt einen Bedarf, entwickelt ein Produkt und knüpft eine Wertschöpfung daran, eine Vermittlungsprovision. Dabei wird womöglich aber der entscheidende Punkt übersehen. Denn der Grund für das Entstehen von Peer-to-peer-Anbietern ist, dass man auf diese Weise auf den Vermittler und dessen Provision verzichtet, weil hier andere Vertrauensmechanismen bestehen. Das wiederum könnte dazu führen, dass ein großes Unternehmen mit solider Vertrauensbasis – womöglich auch noch aus einer ganz anderen Branche – auf die Idee kommt, Peer-to-peer-Kredite kostenlos zu vermitteln. Unter Umständen erhebt dieser ein paar Daten als Gegenleistung oder nutzt das Angebot einfach als Maßnahme zur Kundenbindung.


Die Kunst des Experiments
Die Quintessenz daraus ist, dass das heraufziehende Zeitalter der Künstlichen Intelligenz grundsätzlich drei zentrale Aufgaben erfordert. Zunächst gilt es, die Frage zu beantworten, wie die Digitalisierung den Kunden und dessen Kundenreise verändert, und mit welchen neuen Produkten Unternehmen darauf reagieren können. Zweitens geht es um die Frage, was an bestehenden Prozessen und Produkten geändert werden muss, damit diese zum digitalen Kunden passen. Und drittens: Hat die Digitalisierung ökonomische und technische Hemmnisse beseitigt, die ganz neue Prozesse und Geschäftsmodelle überhaupt erst möglich machen?

Der Punkt ist, dass dabei Daten stets die entscheidende Rolle spielen. Finanzinstitute besitzen einen gigantischen Datenschatz. Hier muss man den Instituten zugutehalten, dass sie bereits früh damit begonnen haben, Datenstrategien zu entwickeln. Dabei ist gerade die Regulatorik im Finanzbereich ein wesentlicher Treiber. In den vergangenen Jahren haben immer mehr Banken erkannt, dass Innovation und Technologie entscheidende Faktoren zur Steigerung der Effizienz sind und haben angekündigt, künftig datenbasierte Kenntnisse verstärkt als Grundlage für ihr Geschäft nutzen zu wollen.


Steigende Ausgaben für Big-Data-Technologien
Dazu planen sie, in Technologien für die Datenanalyse zu investieren und diese zu nutzen, um neue Erkenntnisse zu gewinnen. Laut einer Studie von SNS Telecom & IT lagen die Ausgaben der Finanzdienstleister für Big-Data-Technologien im vergangenen Jahr bei rund 9 Mrd. US-$. Im kommenden Jahr soll dieser Betrag auf 14 Mrd. US-$ steigen. Mit diesen Investitionen wollen Banken beispielsweise Datenzentralen in Unternehmen aufbauen, Prozesse automatisieren oder gruppenübergreifende und externe Daten verknüpfen. Zudem sollen Tools wie automatische Sprache-in-Text-Umwandlung oder Sprach- und Chatbots beim (Telefon-)Banking eingesetzt werden. Diese basieren auf Artificial-Narrow-Intelligence-Systemen, welche spezielle Fähigkeiten besitzen, diese jedoch nicht transferieren können und somit vorerst eine spezialisierte und trainierte Anwendung bleiben. Ziel dabei ist aber grundsätzlich der Einsatz der Artificial General Intelligence, die auf menschenähnlicher Intelligenz basiert und mit Menschen interagieren kann und somit Entscheidungen treffen kann, die ebenfalls von Menschen unter Einbezug der Erfahrungswerte getroffen werden würden. Dies alles, so die Idee, soll die Kapazität der Mitarbeiter und Kundenberater erhöhen. Dazu kommen auch die Sammlung und die Analyse umfangreicher Daten zu den von den Kunden getätigten Wertpapiergeschäften, um neue Chancen und Möglichkeiten für die Bank, aber auch für die Kunden zu identifizieren.

Ein Haken dabei ist allerdings, dass der gesamte Datenschatz oft über viele Abteilungen verteilt ist. Die Aufgabe besteht also darin, diese Daten zu konsolidieren. Denn nur so ist eine maximale Ausschöpfung der sich daraus ergebenden Möglichkeiten zu erreichen. Im nächsten Schritt bietet es sich an, in einem „digitalen Sandkasten“, Datenexperimente durchzuführen. Hier geht es darum, Fragestellungen zu entwerfen. Dann lässt man die KI rechnen und analysiert die Ergebnisse gemeinsam mit erfahrenen Datenspezialisten. Das geschieht vollkommen risikolos und beeinflusst das Tagesgeschäft in keiner Weise. Und erst dann, wenn ein erfolgversprechender Ansatz gefunden ist, wird dieser ins operative Geschäft überführt.


Fazit
Die Finanzbranche profitiert stark von den Möglichkeiten des Datenzeitalters. Die beschriebenen Experimente mit Datensätzen sind nicht nur dazu gedacht, die Algorithmen zu verbessern, sondern vor allem das Zusammenspiel zwischen Mensch und Maschine. Denn letztlich sind Daten und KI nur Werkzeuge. Die Kunstfertigkeit im Umgang damit und die Kreativität bleiben beim Menschen, auch in Zukunft.

 

Autor



Dirk Radetzki ist Chief Regional Officer DACH bei Bisnode. Er ist Experte in den Bereichen Datenanalyse, Digital Change sowie Sales & Marketing.
 

Verwandte Artikel

Anzeige