Grundlagen Magazin

istock.com/Vladyslav Severyn

Digitaler Zwilling: Win-Win-Technologie für Banken und Unternehmen  

Die Einführung von Künstlicher Intelligenz (KI) im Bankensektor ist heutzutage schon fast Mainstream. Gleichzeitig kratzen die technologischen Anwendungen nur an der Oberfläche: Kreditinstitute nutzen Maschinelles Lernen (ML), um die Identifizierung und Authentifizierung ihrer Kunden zu vereinfachen. Digitale Assistenten werden eingesetzt, um die Kundenbeziehungen zu vertiefen oder personalisierte Einblicke und Empfehlungen zu geben.

In internen Prozessen wird KI genutzt, um Risiken zu bewerten, Betrug oder Geldwäsche (AML) im Zahlungsverkehr zu erkennen oder aufsichtsrechtliche Überprüfungen der Kundenidentität (Know Your Customer, KYC) durchzuführen. Doch damit wird nur ein Bruchteil von dem ausgeschöpft, was heute schon möglich oder am Horizont ersichtlich ist.

Kreative Programme wie DALL.E 2 kreieren auf Grundlage von Textbeschreibungen eindrucksvolle Bilder. Dahinter stecken Milliarden-Parameter-starke Modelle, die in riesigen Datensätzen Muster erkennen und sie extrapolieren. Mit Anwendungen wie AlphaFold2 werden neue Medikamente statt in jahrelangen, menschenintensiven Laborversuchen praktisch über Nacht digital erforscht. Wo liegen in solchen Technologien also die Potenziale für den Bankensektor? Eine große Chance stellen die sogenannten digitalen Zwillinge dar. Extrem große Datensets können hier mit der Abstraktionsfähigkeit Künstlicher Intelligenz verbunden werden.

Künstliche Intelligenz erkennt Muster
Digitale Zwillinge sind vor allem bekannt aus großen Fabriken oder Industrieanlagen wie Offshore-Bohrplattformen. Sie bilden komplexe reale Objekte und Strukturen digital ab, wodurch sich Prozesse detailgenau überwachen und steuern lassen. Künstliche Intelligenz nutzt diese Datenmengen, um Muster in diesen Modellen zu erkennen, Ineffizienzen aufzudecken und mithilfe von Predictive Analytics zukünftige Veränderungen des Systems zu prognostizieren. Offshore-Bohrplattformen können so die Effizienz und Sicherheit erhöhen, die Wartungs- und Betriebskosten senken und die Lebensdauer der Anlagen verlängern. Eine ähnliche Entwicklung vollzieht sich auch im Großkundengeschäft der Banken.

Geldhäuser können branchenübergreifende digitale Zwillinge entwickeln, die den Geschäftskunden der Institute dabei helfen, ihre Liquidität zu managen und Vorhersage- und Beratungsfunktionen wahrzunehmen. Die Kunden erhalten detaillierte, digitale Einblicke in die Finanzentwicklungen ihres Unternehmens auf Mikro-Ebene. Langfristig lassen sich aber vor allem makroökonomische Entwicklungen über die gesamte Branche hinweg simulieren.

Die Digitalisierung der Unternehmen kreiert zunehmend sich selbst verstärkende Netzwerkeffekte. Unabhängig davon, ob digitale Technologie zur Effizienzsteigerung oder zur Kostensenkung genutzt wird – sie hat den Nebeneffekt, dass Unternehmen einen genaueren und detaillierten Überblick über die eigenen Vermögenswerte und Prozesse erhalten. Geschäftstätigkeiten, Logistikketten und Finanzinfrastruktur werden zunehmend komplett digital abgewickelt und in Echtzeit verfolgt. Unternehmen besitzen immer häufiger ein hochauflösendes digitales Bild der Mikroökonomie ihres Geschäfts.

Ein gutes Beispiel für diese Entwicklung ist die Schifffahrt. Schifffahrtsunternehmen verwalten ein beträchtliches Kapital an unterschiedlichsten Orten und in unterschiedlichsten Formen. Sie besitzen in der Regel ein großes Portfolio an ausständigen Forderungen (trade receivables). Mittels eines analogen
Prozesses ist es äußerst schwierig, wenn nicht gar unmöglich, sich in Echtzeit ein Bild von den Schiffen, Containern, dem Zeitpunkt des Versands und der Auslieferung, eventuellen Verspätungen, der Marktnachfrage usw. zu machen.

Die Schifffahrtsindustrie hat jedoch begonnen, stark in neue Technologien zu investieren, um dies zu ermöglichen. Eine Vielzahl von Sensoren ermöglicht die Echtzeitverfolgung von Vermögenswerten. In ein kohärentes Bild zusammengefügt, schaffen sie eine sehr genaue Beschreibung des Zustands des
Unternehmens, von dessen Kunden und der potenziellen Risiken. Dieser Datenschatz hilft nicht nur dem Kerngeschäft der Unternehmen, sondern ermöglicht es auch, digitale Zwillinge der finanziellen Umwelt der Firmen zu konstruieren.

Digitale Zwillinge bilden Mikroökonomie der Firma ab
Banken und Unternehmen werden von engen Partnerschaften profitieren, die eine tiefe digitale Integration der Finanzdienstleister in die Schnittstellen der Firmenkunden ermöglicht. Digitale Zwillinge werden zum einen die Mikroökonomie des Unternehmens abbilden. Zum anderen können Datenpunkte aggregiert werden, um ein detailliertes Bild der makroökonomischen Welt zu zeichnen, in der die Firmenkunden agieren. Banken stellen ihren Großkunden beispielsweise nötige Liquidität zur Verfügung. Um die Sicherheit dieser Kredite zu gewährleisten, werden heutzutage vergleichsweise rudimentäre Daten über Forderungen aus Lieferungen und Leistungen herangezogen. Mithilfe künstlicher intelligenter Systeme wird die Echtzeit-Schnittstelle zu Unternehmen genutzt, um einen digitalen Zwilling zu schaffen, der statt der physischen Abläufe einer Ölplattform die Finanzen und Geschäftstätigkeiten des Unternehmens modelliert. Dieses Modell wird in das Risikomanagement jedes Kredits einfließen und Hintergrundprozesse gänzlich automatisieren, aber es wird auch einen Wert schaffen, der über den Kredit hinausgeht.

Der größte Nutzen für das Unternehmen ergibt sich aus den Vorhersage- und Beratungsfunktionen, die diese Modelle ermöglichen. Die Analyse- und Vorhersagefähigkeiten werden digitale Liquiditätsberater schaffen, die es den Unternehmen ermöglichen, die finanziellen Gegebenheiten, die ihr Geschäft antreiben, auf einer beispiellosen Detailstufe zu verstehen.

Digitalisierung beschleunigt die Business-Zyklen. Auch Nearshoring (das Auslagern von IT-Projekten ins nähere Ausland), verbunden mit Automatisierung, wird, sobald die Trennungsschmerzen überwunden sind, Prozesse noch weiter beschleunigen. Um diese Veränderungen zu bewältigen und mit der Beschleunigung der Finanzdienstleistungen Schritt zu halten, benötigen die Finanzabteilungen von Unternehmen digitale Unterstützung, die schnell vorausschauende Informationen liefern kann.

Ein digitaler Liquiditätsberater wird in der Lage sein, sich in die Finanzgeschäfte und Konten des Unternehmens einzuklinken und auf der Grundlage der gesammelten Daten Finanzierungsoptionen vorzuschlagen. Die Finanzierungsoptionen werden auf Basis einer nahezu in Echtzeit erfolgenden Bewertung durch die KI der Bank festgelegt. Im weniger komplexen und stärker standardisierten Privatkundenmarkt ist automatisiertes Portfoliomanagement und Robo Advisory bereits weit verbreitet. Der weniger standardisierte Markt für Geschäftskunden besitzt einen höheren Grad an Komplexität und bedient individuellere Bedürfnisse der Kunden, weswegen er auf der Innovationskurve dem Privatkundenmarkt folgt.

Je mehr Kunden Teil dieses Ökosystems sind, desto besser wird das Verständnis der Interdependenzen der Branche, der ein Firmenkunde angehört. Ein Unternehmen allein profitiert von der internen Digitalisierung. Können jedoch Daten über die Branche hinweg ausgetauscht werden, schafft es Effizienzen über das gesamte System. Dazu ist jedoch zwingend eine Vertrauensinstanz notwendig, die als Aggregator für die einzelnen digitalen Zwillinge der Unternehmen agiert.

Anonymisierung von Datensätzen wird möglich
Klassischerweise haben diese Rolle Technologieunternehmen eingenommen, die eine Plattform für einzelne Firmen bieten, indem sie die notwendige Infrastruktur bereitstellen – und in der Tat drängen Unternehmen wie Ant Financial (Alibaba) auf diesen entstehenden Markt für Data Driven Lending. Ebenfalls machen es Fortschritte in der Kryptographie möglich, Datensätze zu anonymisieren und sie trotzdem verwertbar zu machen. Dieses Prinzip wird beispielsweise in Distributed-Ledger-Technologien (DLT) als Zero Knowledge Proofs eingesetzt. Diese Protokolle erlauben es zu verifizieren, dass eine bestimmte Interaktion stattgefunden hat, ohne dass die Interaktion selbst offengelegt werden muss.

Doch der natürliche Partner mit einem existierenden Vertrauensverhältnis ist, vor allem für westliche Unternehmen, die Finanzindustrie – nicht Technologieunternehmen. Banken haben heute schon Zugang zu sensiblen Informationen über die Geschäftstätigkeiten und Liquidität ihrer Kunden. Ihre über Jahrzehnte oder gar Jahrhunderte aufgebauten Strukturen sind ein Garant für Vertraulichkeit. Jedoch müssen Kreditinstitute ein neues Skillset und neue Sensibilitäten entwickeln, um dieses Vertrauensverhältnis in eine datengetriebene, digitale Welt zu übertragen.

Unternehmen müssen bei der Datengenerierung unterstützt werden. Die Integration der digitalen Schnittstellen verlangt Teams mit hohem technischen und inhaltlichen Verständnis. Gleichzeitig muss der Service der Bank als Plattformanbieter für Geschäftskunden neu gedacht werden. Große Finanzdienstleister
wie JPMorgan Chase oder Goldman Sachs versuchen sich seit Jahren als Technology Group neu zu denken. Banken werden sich insgesamt mehr in Richtung Technologieunternehmen wandeln und müssen dabei das Vertrauensverhältnis, das sie mit ihren Kunden aufgebaut haben, aufrechterhalten und ausbauen.

Fazit
Nach 20 Jahren intensiver Digitalisierung sind Unternehmen an einem Punkt angelangt, an dem genug Daten zur Verfügung stehen, die es ermöglichen, Wirtschaftsmodelle in ungeahnter Komplexität zu simulieren. Banken müssen digitale Kompetenzen nicht nur intern aufbauen, sondern vor allem auch extern mit ihren
Kunden zusammenarbeiten. Der Finanzsektor kann das Datenpotenzial der Unternehmen nutzbar machen und sowohl die Anreize als auch die Unterstützung bieten, um als Katalysator für die Digitalinfrastruktur zu dienen.

Autor


Stefan Raß ist Zukunftsexperte beim Business Thinktank Themis Foresight. Der Soziologe und Politikwissenschaftler forscht zu Themen etwa in den Bereichen Finanzwesen, Logistik und Mobilität und beschäftigt sich mit KI und Blockchain.

+++

Torsten Nahm, der das Kompetenzzentrum für Data Science bei der DKB leitet, stellt sich unseren Fragen rund um das Thema „Data Science in der Cloud“ und erläutert u.a., warum die Cloud die Arbeit eines Data Scientists erleichtern kann. Hören Sie hier weitere Filgen aus der Reihe „durch die bank“.

Melden Sie sich bei Interese zu unserem Web-Seminaren „KI-Governance und vertrauenswürdige KI in Kreditinstituten (Teil 1)“ sowie „KI-Governance und vertrauenswürdige KI in Kreditinstituten (Teil 2)“ an.

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge