Grundlagen Magazin

typomaniac / Adobe Stock

Zukunftstrend IPA: Wie man RPA und KI erfolgreich miteinander kombiniert  

Erst die Verbindung von RPA und KI führt zu einer durchgängigen und intelligenten Automatisierung der zahlreichen Routineprozesse im Finanzwesen. RPA kann man als eine Art Software-Roboter bezeichnen, der menschliche Handlungen imitiert, der jedoch genaue Anweisungen benötigt, wo und welche Fachdaten aus Dokumenten und E-Mails extrahiert werden sollen. Dafür muss jede RPA-Aktivität explizit programmiert oder gescriptet werden.

Wenn Daten aus strukturierten Quellen verarbeitet werden, arbeitet RPA schnell, präzise und zuverlässig, z. B. bei der Aktualisierung von Kundenstammdaten oder der Übertragung wichtiger Inhaltsdaten in Finanzierungsanträgen. Damit erspart sie Mitarbeitern in Banken umd bei Finanzdienstleistern den permanenten Wechsel zwischen unterschiedlichen Anwendungen und vereinfacht auf diese Weise Routineprozesse.

Doch wie viele Daten erreichen Unternehmen heute noch strukturiert? Die meisten relevanten Daten befinden sich in unstrukturierten Fließtexten aus E-Mails, Chats sowie den unterschiedlichsten Dokumenten und Belegen. Daran scheitert RPA, weil die Position und der Kontext der Fachdaten nicht erkannt werden.

Künstliche Intelligenz wiederum kann Daten auch aus E-Mails und eingereichten Belegen und Urkunden extrahieren – ohne explizit dafür programmiert zu sein. Denn KI erkennt die Bedeutungszusammenhänge von Fachbegriffen und lernt eigenständig, sie richtig zuordnen und interpretieren zu können. So lassen sich Daten auch aus unstrukturierten und verteilt liegenden Dokumenten aus verschiedenen Systemen sekundenschnell erfassen und aufbereiten, um sie Mitarbeitern kontextgerecht zur Verfügung zu stellen.

Weniger Kosten, mehr Kundennähe mit KI
Viele Banken und Versicherungen haben das erkannt. Mehr als 80 Prozent der Führungskräfte halten laut einer KI-Studie von Deloitte aus dem Jahr 2020 KI für den entscheidenden Wettbewerbsfaktor – insbesondere für Themen wie die Personalisierung von Financial Services und die intelligente Prozessautomatisierung (IPA) von kundenzentrierten Abläufen. Finanzdienstleister erfassen Hypothekenkredite und Darlehensanträge teil- oder vollautomatisiert und senken die Bearbeitungsdauer dieser Prozesse einer Analyse der ITyX AG von 2021 zufolge um rund 40 Prozent. Hierbei handelt es sich etwa um Kartenanträge, Mietbürgerschaften, Baufinanzierungsanträge oder allgemeine Korrespondenz in Kundenservice und Backoffice.

Doch welchen Reifegrad haben die derzeit angebotenen KI-Lösungen? Welche Services sind tatsächlich effizient? Und wie wirken sich Machine Learning (ML) und KI auf Kunden, Mitarbeiter und Geschäftsmodelle in Banken aus? Mit dem sogenannten „Trendreport AI – Finance“ wurde gemeinsam mit Experten ein Instrument geschaffen, das relevante Anwendungsfelder (Use Cases) für den Einsatz von KI für Banken und Finanzdienstleister identifiziert.

Eines der essenziellen Einsatzgebiete für die Kombination aus KI und RPA ist die intelligente Automatisierung von alltäglichen Serviceprozessen. Der Anteil an Routinethemen in Banking und Finance ist hoch. Die Prozessautomatisierung hilft Banken und Finanzdienstleistern, manuelle Aufgaben weitgehend zu reduzieren und damit Kosten zu senken sowie gleichzeitig kundenzentriert zu arbeiten. Die technologische Entwicklung in diesem Bereich ist weit vorangeschritten: Mit KI und RPA lassen sich zahlreiche Routineprozesse wie Stammdatenänderungen und Antragsverfahren automatisieren. Einige Baufinanzierer und Privatbanken erfassen laut Trendreport AI Finance bereits mehr als 80 Prozent der relevanten Fachdaten aus eingereichten Hypothekenanfragen automatisiert. Insbesondere in margenschwachen Zeiten wie heute ist das ein entscheidender Faktor, um schneller auf Anfragen zu reagieren und günstiger zu bewerten.

Wichtige Vorstufe: Intelligent Document Processing
Die Basis für die vollständige Automatisierung von Routineprozessen (Hyperautomation) ist die intelligente Erfassung von Fachdaten (Intelligent Data Capture). Mithilfe der intelligenten Dokumentenverarbeitung (IDP – Intelligent Document Processing) gewinnen Banken und Finanzdienstleister aus unstrukturierten Daten präzise und schnell relevante Informationen.

IDP-Lösungen sind als transaktionssichere Services mittlerweile aus der Cloud erhältlich und können additiv eingesetzt werden. Das heißt: Es müssen keine bestehenden Systemarchitekturen aufgebrochen und verändert werden. Die Software lässt sich unkompliziert in bereits bestehende und künftige Systeme integrieren. Bei vielen Software-Lösungen handelt es sich heutzutage zudem um sogenannte Low-Code-Anwendungen. Diese KI-Systeme sind standardisiert und einfach skalierbar, sodass Finanzdienstleister sie selbst ohne großes IT-Know-how einsetzen könnten.

Unstrukturierte Daten können den Instituten wichtige Erkenntnisse über die Bedürfnisse ihrer Kundschaft liefern. KI-basierte Analysen sind die Basis für automatisierte personalisierte Services. Die Geldhäuser senken damit mittelfristig nicht nur ihre Kosten, noch viel entscheidender ist: Der intelligente Einsatz von NBO (Next Best Offer) und NBA (Next Best Action) wird ihre Wettbewerbsfähigkeit deutlich steigern, da sie ihren Kunden eine weitaus höhere Customer Experience bieten. Das Prinzip: KI analysiert eine große Menge an Beispieldaten, um im richtigen Moment das passende individuelle Angebot zu generieren.

Wie sieht dies in der Praxis genau aus? Über die intelligente Kombination individueller Kundenmerkmale, soziodemographischer Erkenntnisse und relevanter Daten von Markpartnern identifiziert die Technologie Kundenbedürfnisse und -anliegen. Die Kombination aus KI und ML hilft, große Datenmengen zu automatisieren und wichtige Informationen aus allen Touchpoints zusammenzuführen.

Banken und Finanzdienstleister gewinnen somit umfassende Kundenreports, werten Leistungsparameter (KPIs) und spezifische Kundensituationen zuverlässig aus und erkennen, an welchen Touchpoints die Kundenreise erfolglos endet. Damit die KI erfolgreich arbeitet, benötigt sie zudem ein ausreichend großes Volumen an Trainingsdaten. Der Einsatz von Künstlicher Intelligenz für personalisierte Kundenservices in Banken wird wegweisend sein. Allerdings ist er sowohl in technischer als auch in rechtlicher Hinsicht derzeit noch Zukunftsmusik. Beobachten sollte die Finanzbranche die Entwicklung auf dem Gebiet der Customer Analytics dennoch.

Chatbots & Voicebots richtig nutzen
Ähnlich sieht es mit KI-Chatbots und Voicebots aus. Sie eröffnen heute – von immer mehr Kunden angenommen – den telefonischen Dialog oder Chat bei Kreditinstituten, mehr aber auch nicht. Zwar erfasst die Technologie den Inhalt von Texten und Sprachbotschaften und deutet auch Emotionen oder Absichten immer genauer. Doch KI-basierte Chatbots und Voicebots sind noch lange nicht in der Lage,mehr als kurze und routinemäßige Chat- und Telefondialoge zu führen.

Ohne Zweifel steigt die Qualität der Spracherkennung kontinuierlich an, doch die Auswirkung von Künstlicher Intelligenz auf die Sprachautomatisierung ist ein langwieriger Prozess. Wollen Banken und Finanzdienstleister Chatbots und Voicebots einsetzen, sollten sie sich zunächst auf den reibungslosen Einsatz in einfachen Routineprozessen konzentrieren.

Dies sind nur ein paar Anwendungsfelder von Künstlicher Intelligenz, die die Institute kennen sollten. KI wird eine Rolle im Portfolio- und Produktmanagement spielen – ob in Form von digitalisierten Dialogservices, algorithmischem Handel (Algorithmic Trading), Stimmungsanalysen oder Kreditwürdigkeitsprüfungen. Intelligente Algorithmen stellen zudem eine große Chance für bessere Abläufe im Compliance und Risk Management dar – angefangen bei der Automatisierung von Antrags- und Compliance-Prozessen, über die Betrugserkennung bis hin zur KI-Unterstützung in der Regulatorik.

Fazit
Intelligent Process Automation (IPA) transformiert den Finanzsektor. Während sich mit RPA kaum noch Prozesse automatisieren lassen, wird die Verbindung aus RPA und KI in den kommenden Jahren immer mehr Prozesse in Banken automatisieren. Die intelligente Prozessautomatisierung reduziert nicht nur Kosten, sie schafft auch kundenzentrierte Abläufe – und generiert damit einen doppelten Nutzen für Finanzdienstleister. In Anwendungsfeldern wie Customer Service Automation und Intelligent Process Automation ist der Einsatz von KI heute schon Standard.

Autor


Andreas Klug ist KI-Experte für intelligente Automatisierung bei ITyX. Er hat beim Digitalverband Bitkom mit Branchenexperten den Trendreport AI Finance entwickelt.

+++

Worin liegen die Vorteile, RPA in einem Kreditinstitut einzuführen und welche Funktionen werden dabei unterstützt? Was sind die Dos and Don‘ts? Welche RPA-Technologie eignet sich am besten? Darüber sprachen wir im „Podcast Robotic Process Automation (RPA)“ mit Michael Methner, Bereichsleiter für den Bereich OPS Enablement & Quality bei der Santander Consumer Operations Services GmbH. Hören Sie hier weitere Episoden aus der Reihe „durch die bank“.

Melden Sie sich bei Interesse zu unserem „Zertifikatslehrgang Data Scientist in Kreditinstituten: Einsatzfelder, Methoden und Umsetzung“ an.

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge