Zurück
KI-Gipfel
Der Datenschatz im Silbersee
Künstliche Intelligenz kann in der Sparkassenwelt an vielen Stellen genutzt werden. Das zeigten die Beispiele aus Sparkassen, Landesbanken und Verbundunternehmen beim vierten KI-Gipfel des DSGV Ende April.

„Das Potenzial dieser Technologie ist enorm“, sagt Joachim Schmalzl, Geschäftsführendes Vorstandsmitglied im Deutschen Sparkassen- und Giroverband (DSGV). Künstliche Intelligenz richtig eingesetzt, könne Sparkassen zu einem Dienstleister machen, der Kunden selbst dann noch gut versteht, wenn sie ihm nicht in der Filiale gegenübersitzen. Das oberste Gebot dabei: KI an den Stellen einzusetzen, wo es vom Kunden gewollt und hilfreich ist.


„Unser Ziel ist es, künstliche Intelligenz sinnvoll einzusetzen und ihre Vorteile allen zugänglich zu machen.“

Joachim Schmalzl, Geschäftsführendes Vorstandsmitglied des DSGV

„Kunden zu Fans machen“

Mit diesem Ziel hat die Finanz Informatik Anfang 2019 ein Competence-Center Künstliche Intelligenz eingerichtet. Die „KIXpertS“ haben vor allem an Objekterkennung, Betrugsprävention und einem digitalen Assistenten für Sparkassenmitarbeiter gearbeitet. Das Projekt „KIXpertS“ wird jetzt in die laufende Arbeit der FI integriert, die Ergebnisse könnten dann schon bald Normalität in der Sparkassen-IT sein.

Für Heiko Trauth aus dem Kompetenzcenter Markt und Vertrieb des Sparkassenverbands Rheinland-Pfalz sind das erfreuliche Aussichten. „Von Marketing und Kommunikation bis hin zu Prozessoptimierung oder Betrugserkennung gibt es ein breites Spektrum von mehrwertigen Anwendungsfällen.“ Die KI-Experten der FI sieht er „sehr nah an den Bankthemen und in die sinnvolle Umsetzung von Lösungen für Sparkassen eingebunden“.

Näher an die Menschen

Auch einzelne Institute engagieren sich als Pioniere. Die Sparkasse Bremen entwickelte mit der S-Markt & Mehrwert einen „Natural Language Voicebot“, der Kunden automatisch durch komplette Service- und Banking-Prozesse leitet. Das intelligente Sprachmodell versteht und reagiert deutlich differenzierter als vergleichbare Anwendungen, berichteten Matthias Drefs und Thorsten Grabendorff aus der Projektarbeit. Der Voicebot wird daher jetzt mit Unterstützung der FI weiterentwickelt.

Schneller Fehler aussteuern

Maschinelles Lernen funktioniert dort besonders gut, wo es eine Fülle gleichartiger Daten oder Vorgänge gibt. Deshalb lassen sich mit KI-Anwendungen Vorgänge effizienter gestalten, die bisher viel manuelle Arbeit erfordern.

So werden zum Beispiel jeden Monat bei der Helaba mehrere tausend Geschäftsvorfälle in die Risikovorsorge eingebucht. Die Rohdaten stammen jedoch aus unterschiedlichen Vorsystemen. Das führt immer wieder zu Fehlern, die dann schnell nacherfasst werden müssen.

Die Helaba hat deshalb ein KI-Modell trainiert, das „Anomalien“ im Rechnungswesen umfassender und frühzeitiger entdeckt und so Mitarbeiter entlastet, berichtete Projektleiter Sören Hartung.

Auf höchste Potenziale konzentrieren

Die Dekabank hat für ihren Geschäftsbetrieb rund 50 „Use Cases“ genauer auf Transformationswirkung und Machbarkeit untersucht. Sie will sich aber bei den Investitionen auf die größten Potenziale konzentrieren, unterstrich Markus Schmid, Leiter IT-Systeme Vertriebsmanagement.

Ein Schwerpunkt wird sein, anhand von Daten in den eigenen Lösungen das Kundenverhalten besser zu verstehen. Doch auch öffentlich zugängliche Daten lohnen eine genauere Untersuchung, um per Advanced Analytics schweigende und unstrukturierte Daten zum Sprechen zu bringen.

Neue Geschäftsfelder entdecken

Die S Rating und Risikosysteme (SR) und die FI setzen auf den strategischen Nutzen von KI. In ihrer gemeinsam erstellten Vorstudie „Data Lake“ wurden die Voraussetzungen dafür untersucht, in der Sparkassen-Finanzgruppe gemeinsame Bestände anonymisierter Daten zu bilden, berichtete Malte Lange, der Produktverantwortliche seitens der FI. Nach datengetriebenen Produkt- und Prozessinnovationen könnten so auch ganz neue Geschäftsfelder entstehen, oder besser: durch KI-basierte Modellrechnungen entdeckt werden.

Ohne diese Integration sind dem Einsatz von KI enge, institutsbezogene Grenzen gesetzt. Gelingt ein gemeinsames Herangehen, können Sparkassen mittels „machine learning“ ihren gemeinsamen Datenschatz aus dem Silbersee heben.

Anke Bunz
– 3. Mai 2021