Grundlagen Magazin

istock.com/AndreyPopov

Geschäftsprozesse bei Banken: Was macht Automatisierung smart?  

Banken haben mit Technologien wie Robotic Process Automation (RPA) oder Künstlicher Intelligenz (KI) bereits zahlreiche Teilprozesse automatisiert. So setzen die Institute schon seit Längerem RPA ein, um von Software-Robotern Eingaben in Kernbankensysteme vornehmen zu lassen, bei denen es sich oft um Altanwendungen handelt, mit denen kein automatisierter Datenaustausch über moderne API-Schnittstellen möglich ist. Die Teilautomatisierungen helfen ihnen dabei, den Fachkräftemangel abzufedern, Einsparungen zu erzielen oder die operativen Risiken durch die Vermeidung menschlicher Fehler zu reduzieren.

Das komplette Potenzial moderner digitaler Automatisierungstechnologien nutzen die Finanzinstitute damit bei weitem noch nicht aus. Mit umfassenden Ansätzen, die unter Schlagwörtern wie „Smart Automation“, „Intelligente Automatisierung“ oder auch „Hyperautomatisierung“ kursieren, können die Geldhäuser noch deutlich mehr erreichen. Sie können die Erwartungen ihrer Kunden erfüllen, die durch die Digitalisierungsverfahren während der Corona-Pandemie erheblich gestiegen sind, indem ihnen bessere und schnellere Services angeboten werden. Banken haben zudem  die Möglichkeit, ihre Geschäftsmodelle zu erweitern und damit ihre Erträge zu steigern. Die Institute können Compliance direkt in ihren Prozessen abbilden und müssen diese nicht mehr durch Prüfungen im Nachgang sicherstellen – und nicht zuletzt haben Banken die Chance, ihre Kredit- und Liquiditätsrisiken zu minimieren, weil Maschinen viel komplexere Risikomodelle verarbeiten können als Menschen.

Aber was genau macht smarte Automatisierung aus? Auch wenn KI dabei eine große Rolle spielt: Der Einsatz dieser Technologie allein reicht nicht. Kluge Automatisierung zeichnet sich vielmehr durch ein Zusammenspiel mehrerer Faktoren aus.

Sämtliche Technologien in Betracht ziehen
Smart Automation setzt nicht nur auf einzelne Tools, sondern auf sämtliche digitale Technologien, die für die Ende-zu-Ende-Automatisierung von Geschäftsprozessen zur Verfügung stehen. Diese erstrecken sich von RPA und KI über Application Programming Interfaces (APIs) und Case Management bis hin zum Process Mining. Das heißt nicht, dass Banken dies alles nutzen müssen. Entscheidend ist aber, dass sie sämtliche Technologien auf dem Schirm haben und in Betracht ziehen. Nur dann können die Institute eruieren, welche Möglichkeiten sich durch Automatisierung ergeben und diejenigen Technologien auswählen, die sich für die eigenen Zwecke am besten eignen.

In Bezug auf KI ist es für Banken wichtig, sich bewusst zu machen, dass bei dieser Technologie mehrere Ebenen existieren: Erkennen, Interpretieren, Handeln und Lernen. Diese Ebenen ermöglichen unterschiedlich komplexe Anwendungen:

  • Mit den Fähigkeiten von KI, etwa zu erkennen und zu interpretieren, können Banken beispielsweise E-Mail-Bots, Chatbots oder die automatische Ablage extrahierter Informationen in Datenbanken realisieren.
  • Die Fähigkeit zu handeln ermöglicht es den Kreditinstituten darüber hinaus, Entscheidungen zu automatisieren. Auf Basis statistischer Modelle kann KI etwa ermitteln, welches Angebot an einen Kunden in dessen aktueller Situation die größte Aussicht auf Erfolg hat, oder ob das Risiko für eine bestimmte Kreditvergabe zu hoch ist.
  • Die Lernfähigkeit von KI zeigt sich schließlich in der so genannten Process AI. Diese gibt Banken die Möglichkeit, ihre Prozess-, Risiko- und Entscheidungsmodelle zu überwachen und zu optimieren.

Geschäftsprozesse immer Ende-zu-Ende denken
Mit den zur Verfügung stehenden Technologien sollten Banken nicht nur einfach ihre vorhandenen Abläufe automatisieren, sonst besteht die Gefahr, dass sie Schritte automatisieren, die sie eigentlich gar nicht mehr brauchen. Durch moderne Technologien können die Geldhäuser beispielsweise beim Onboarding von Neukunden nach deren Zustimmung viele Daten automatisiert am Markt einsammeln, die Richtigkeit von geeigneten Quellen überprüfen lassen und in ihre Systeme einspielen. Der Prozessschritt „Kunde übermittelt seine Daten“ ist dann nur noch bei Informationen nötig, die sich nicht im öffentlichen Raum finden lassen.

Außerdem sollten Banken darüber nachdenken, welche erweiterten Services oder neuen Geschäftsmodelle durch Prozessautomatisierung möglich werden. Dabei sollten die Institute immer von folgendem Grundgedanken ausgehen: Womit will man eigentlich Umsatz generieren und wodurch unterscheidet man sich von anderen Finanzinstituten? So könnte eine Bank etwa auf Basis vorhandener Daten zusätzlich Partnerangebote machen und B2B2C-Geschäftsmodelle realisieren, etwa, indem sie KMUs nicht nur die Finanzierung ihrer eigenen Kredite anbietet, sondern auch gleich die Kreditfinanzierung für deren Kunden übernimmt. Auch der umgekehrte Weg steht Banken durch Automatisierung häufig offen, also die Einbindung eigener Angebote in das Portfolio von Partnern wie beispielsweise Handelsunternehmen im Rahmen von Embedded Finance.

Um die Automatisierung überflüssiger Schritte zu verhindern und die Chancen für neue Services zu nutzen, dürfen Banken nicht nur Teilprozesse betrachten. Sie sollten Geschäftsprozesse stattdessen immer Ende-zu-Ende denken. Die entscheidende Frage dabei lautet: Was können die Finanzinstitute mit den vielen verfügbaren Technologien besser machen als heute? Das gibt den Instituten die Möglichkeit, durch Prozessautomatisierung höhere Umsätze zu erzielen und Risiken zu minimieren.

Systeme auf Wiederverwendbarkeit ausrichten
Wenn Banken Systeme für die Automatisierung ihrer Geschäftsprozesse einrichten, sollten sie am besten von Anfang an auf einen Aufbau achten, der größtmögliche Wiederverwendbarkeit gewährleistet. Das ist beispielsweise bei einer so genannten Layer-Cake-Architektur der Fall. Dabei bilden die Automatisierungslösungen eine Zwischenschicht zwischen den Backend- und Frontendsystemen einer Bank. Innerhalb dieser Schicht werden nicht sämtliche Geschäftsprozesse als eigenständige Anwendungen angelegt, sondern einzelne Automatisierungsmodule. Ein Case-Management-System steuert dann für jeden Geschäftsprozess das Zusammenspiel der Geschäftsprozesse. Die Module bilden dabei jeweils eigene Schichten, die sich weitervererben können. Haben Banken ein Modul einmalig entwickelt, können sie es für die unterschiedlichsten Geschäftsprozesse einsetzen und müssen es nicht jedes Mal neu erstellen.

Mit einer solchen Architektur sparen sich Kreditinstitute nicht nur viel Zeit und Geld. Sie sind zudem auch agiler und können schneller auf neue Anforderungen reagieren. Um etwa weitere Produkte, Regionen oder Kanäle hinzuzufügen, müssen sie lediglich das dafür wirklich Neue ergänzen. Diese Effekte verstärken sich, wenn die Institute bei der Entwicklung ihrer Automatisierungslösungen auf Low-Code-Technologie setzen. Diese ermöglicht es Spezialisten aus den Fachabteilungen, Automatisierungsanwendungen aus fertigen Software-Bausteinen weitgehend selbstständig zu erstellen und anzupassen. Dadurch sind Banken nicht auf die Verfügbarkeit von ohnehin rar gesäten professionellen Entwicklern angewiesen.

Fazit
Smarte Automatisierung zeichnet sich dadurch aus, dass sie an den richtigen Stellen weiterhin auf Menschen setzt. Maschinen können immer nur nach Regeln handeln. Braucht es Kreativität, Wissen oder Psychologie, sind sie mit ihrem Latein schnell am Ende. Deshalb sollten Banken zwar so viel wie möglich automatisieren, aber überall dort Menschen einsetzen, wo sie einen Mehrwert bringen: sei es bei Datenanalysen, der Entwicklung neuer Prozesse, der Generierung neuer Produkte, Themen und Leistungen oder in der Beratung und Betreuung der Kundschaft. Auch die eigene Hauskultur spielt eine entscheidende Rolle. Jede Bank sollte sich mit ihrem Automatisierungsgrad individuell wohlfühlen können.

Autor



Michael Baldauf ist Industry Architect/Strategist Financial Service EMEA bei Pegasystems.

+++

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 sich bei Interesse zu unserem Web-Seminar „Robotic Process Automation (RPA) in Kreditinstituten – Technik und Use Cases“ an.

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge