Markt Magazin

istock.com/peterschreiber.media

Digitale Resilienz: Krisen nutzen, statt sie nur zu überstehen

Das aktuelle Global Business Barometer des Wirtschaftsmagazins The Economist zeigt auf: Deutsche Unternehmen sehen die wirtschaftliche Entwicklung vor dem Hintergrund von Corona weltweit am pessimistischsten. Die Krise hat auch viele Finanzinstitute hart getrof en und den ohnehin großen Innovationsdruck weiter erhöht. Banken müssen bewährte Geschäftsund Arbeitsmodelle überdenken und sie – auch aufgrund neuer Themen wie ESG oder auch Climate Risk – entsprechend anpassen – eine Aufgabe, die die Branche unter dem Schlagwort digitale Transformation schon seit Jahren umtreibt und die jetzt noch erheblich an Brisanz gewonnen hat. Kann dieser Umbauprozess aber auch die Resilienz erhöhen und eine Bank letztlich sogar gestärkt aus der Krise bringen?

Die Verbesserung der wirtschaftlichen Widerstandskraft beginnt dabei nicht mit der Einführung organisatorischer und technologischer Neuerungen, sie ist zunächst eine Frage der Mentalität und Denkweise. Entscheider müssen ein realistisches Bild ihrer Organisation haben und neben den Stärken vor allem die aktuellen Schwächen erkennen, denn genau hier liegt Verbesserungspotenzial. Herrscht darüber grundsätzliche Einigkeit, wird der Erfolg eines entsprechenden Projekts maßgeblich von der Fähigkeit bestimmt, agil und angemessen auf unvorhergesehene Ereignisse reagieren zu können.

Analytics und KI als resilienter Mehrwert
Resilient zu sein, das bedeutet, auch in unvorhersehbaren Situationen adäquat, faktenbasiert und schnell entscheiden zu können. Banken, die Analytics und KI einsetzen, um ihre Geschäftsdaten auszuwerten, gelangen zu Erkenntnissen, die wiederum Basis solcher informierten Entscheidungen sind.

Ein weiterer wichtiger Faktor ist Geschwindigkeit. Krisen erfordern oft eine schnelle Entscheidungsfindung unter veränderten Umständen, deswegen sollten die eingesetzten technologischen Lösungen automatisiert ablaufen, Zusammenarbeit unterstützen, fl exibel und vor allem skalierbar sein. Um diese Flexibilität und Skalierbarkeit gewährleisten zu können, findet auch bei Banken – die bisher aus nachvollziehbaren Gründen Cloud-Lösungen nur außerhalb des Kerngeschäfts einsetzen – ein allmähliches Umdenken in Richtung einer off enen Cloud-Architektur statt. Sie erlaubt eine beliebige Kombination von proprietären und frei verfügbaren Tools und gewährt jederzeit den Zugriff auf sämtliche verfügbaren Kapazitäten.

Diese Flexibilität hat vor allem dann Vorteile, wenn neue Analytics-Modelle entwickelt, trainiert (Stichwort Machine Learning) und bereitgestellt werden sollen, denn das erfordert über einen gewissen Zeitraum mehr Rechenleistung, die dann je nach Bedarf dazugebucht und später wieder reduziert werden kann.

Nützliche analytische Modelle zur Datenanalyse entstehen nicht durch simples Ausprobieren. Ihre Entwicklung muss über wiederholbare, kontrollierte und agile Prozesse erfolgen. DataOps und ModelOps-Frameworks machen dieses Vorgehen effizienter. Durch eine permanente und automatisierte Überwachung und Dokumentation aller existierenden Modelle stellen sie sicher, dass diese schnell und an den richtigen Stellen an neue und unvorhergesehene Ausgangsbedingungen angepasst werden können, wie sie beispielsweise auch während einer Krise auftreten. Das erhöht nicht nur die gesamtbetriebliche Resilienz, sondern auch die Widerstandsfähigkeit und Güte der genutzten Analytics.

Analytics für alle Abteilungen
Damit die Modelle einen echten Mehrwert bringen können, müssen alle Mitarbeiter die Möglichkeit haben, ihre Expertise in die Modelle einfl ießen zu lassen. Der Kundenberater weiß beispielsweise aus erster Hand, was bei den Kunden ganz oben auf der Agenda steht, und muss diese Erfahrungen auch einbringen. Datenbasierte Entscheidungen sind gerade in Krisenzeiten zu wichtig, um sie nur Technikspezialisten und Data Scientists zu überlassen. Wer neben Self Services und benutzerfreundlichen Oberflächen auch die Transparenz der genutzten Modelle sicherstellt, gibt allen Mitarbeitern die Möglichkeit, sich zu beteiligen. Damit fördert er nicht nur eine Kultur der Selbstständigkeit und Innovation, sondern verbessert gleichzeitig auch die Qualität der entwickelten Modelle, bzw. Modellsysteme.

Typische Beispiele sind Einsätze in den Bereichen Betrug, Geldwäsche, Cyber Security und Ausfallprognosen bei Krediten inklusive geeigneter Gegenmaßnahmen. Auch wenn sich Banken damit schon seit Jahren beschäftigen, so hat die Pandemie hier eine neue Dynamik eingebracht – insbesondere durch die „digitale Öffnung“ der Unternehmen im Zug fl exibler Arbeitsmodelle.

Nicht selten mussten digitale Technologien in kürzester Zeit für eine große Anzahl von Mitarbeitern und Geschäftsbereichen bereitgestellt werden, um die Business Continuity zu sichern – Sicherheitsbedenken mussten dabei teilweise zurücktreten. Genau diese Situation nutzen Betrüger. Ohne Analytics und KI ist diese Bedrohung kaum in den Griff zu bekommen.

Neue Angebote als positiver Nebeneffekt
Banken, die ihre digitale Transformation mit Analytics und KI vorantreiben, sind in Krisenzeiten nicht nur handlungsfähiger, sie können die schwierigen Umstände sogar für sich nutzen und ihren Kunden neue und verbesserte Leistungen anbieten. Ein Beispiel ist eine verbesserte Kundenansprache.

KI und Analytics unterstützen Banken dabei, jedem Kunden ein individuelles und persönlich zugeschnittenes Angebot zukommen zu lassen. Dieses Next Best Off er basiert auf sämtlichen Informationen, die der Bank über den Kunden und seine bisher in Anspruch genommenen Leistungen vorliegen, und sie schaffen auch in Zeiten eingeschränkten persönlichen Kontakts Vertrauen und Zufriedenheit.

Fazit
Die Finanzbranche hat im Pandemiejahr 2020 nach bisherige Erkenntnissen eine solide Figur abgegeben. Wie die letzten Finanzkrisen gezeigt haben, gibt es in Sachen Resilienz dennoch einen erheblichen Nachholbedarf. Das Krisenjahr 2020 zeigte Banken klar den Mehrwert auf, wenn sie längst überfällige Innovationen im Zuge der digitalen Transformation vorantreiben und mithilfe von Analytics und KI agiler und widerstandsfähiger werden wollen.

Wer auf unternehmensweite analytische Infrastrukturen baut, kann in kritischen Situationen schnelle, informierte Entscheidungen auch unter GovernanceGesichtspunkten treff en. So ist er nicht nur für künftige Krisen gut aufgestellt, sondern kann die gewonnenen Kapazitäten sogar zur Basis neuer Umsatzmodelle machen und die Kundenzufriedenheit nachhaltig erhöhen.

Autor



 

Carsten Krah ist Business Solution Expert Risk bei SAS.

Verwandte Artikel

Anzeige

Lexikoneinträge