Tektonische Verschiebungen im KI-gestützten Banking

Das Bankgewerbe entwickelt eine Reihe von KI-gestützten Instrumenten zur Sammlung von Kundendaten. Das ist für die Regulierungsbehörden in Ordnung, bringt uns aber näher an einen dystopischen Überwachungsstaat.

Kurz und bündig

• • • • • • • • • • • Banken suchen nach Wegen, um ihre längst verloren geglaubte Rentabilität wiederherzustellen
                    • Werkzeuge der künstlichen Intelligenz bieten der Branche glänzende Perspektiven
                    • Immer stärkeres Eindringen in die Sammlung von Kundendaten hat alarmierende Aspekte

Fünfzehn Jahre strenge regulatorische Anforderungen und düstere makroökonomische Bedingungen haben der Rentabilität der Banken, insbesondere in Europa, geschadet. Doch in letzter Zeit breitet sich eine neue Welle des Optimismus über den globalen Bankensektor aus.

Auf den ersten Blick haben die Banker zumindest einen guten Grund, wieder fröhlich zu sein. Seit Juli 2022 hat die Europäische Zentralbank die Zinssätze nicht weniger als 10 Mal angehoben. Die amerikanische Notenbank wiederum hat im gleichen Zeitraum 11 Zinserhöhungen vorgenommen und damit den Banken eine einmalige Chance geboten, ihre Erträge mühelos zu steigern.

Was aber, wenn der neue Wohlstand der Banken nicht nur auf einen Glücksfall zurückzuführen ist? Haben sie nach einer Krise nach der anderen endlich einen Weg gefunden, Bedrohungen in Chancen und Schwächen in Stärken zu verwandeln?

Es gibt in der Tat einen potenziellen Wendepunkt. Künstliche Intelligenz hat das Zeug dazu, den Bankensektor zu revolutionieren. Doch die Sache hat einen Haken: Quasi als Nebeneffekt sind die Banken auf dem Weg zu einem Überwachungssystem von noch nie dagewesener Tragweite und Eindringlichkeit.

Banken investieren in KI-Anwendungen

Seit Ende 2022 gibt es einen großen Hype um generative KI, die menschenähnliche Inhalte nachbildet. ChatGPT beispielsweise, das auf der sogenannten Large-Language-Model-Technologie basiert, ist das am schnellsten wachsende Online-Produkt der Geschichte. Sein Schöpfer (OpenAI, jetzt Partner von Microsoft) brauchte nur zwei Monate, um weltweit hundert Millionen Nutzer zu erreichen.

Jeden Tag erscheinen neue KI-Anwendungen im Internet, die alle möglichen menschlichen Aktivitäten auf den Kopf stellen. Der KI-Rausch wird sich zwar auf lange Sicht abschwächen, aber einige Sektoren könnten sich dadurch dauerhaft verändern. Das Bankwesen ist einer von ihnen.

Führende Bankkonzerne investieren derzeit viel Geld in KI-Technologien. Sie konkurrieren heftig um Top-Spezialisten, die eine knappe Ressource auf einem Markt sind, der sie dringend braucht. Große amerikanische Banken wie JP Morgan Chase und vergleichsweise kleinere europäische Banken wie die spanische BBVA haben ihre eigenen KI-Forschungszentren aufgebaut, die von herausragenden Informatikern geleitet werden, die von renommierten Universitäten, Start-ups oder großen Technologieunternehmen abgeworben wurden.

Die frühen Anwender hoffen, von dem Wettbewerbsvorteil zu profitieren, den sie in einer von KI dominierten Finanzlandschaft erlangen werden.

Ein erster Benchmark (bereitgestellt vom Datenintelligenz-Start-up Evident) zeigt bereits, wo die weltweit führenden Banken bei der Integration und Weiterentwicklung von KI und maschinellem Lernen stehen. Es überrascht nicht, dass JP Morgan Chase an erster Stelle steht, mit einem durchschnittlichen Jahresbudget von 12 Milliarden Dollar für Technologie, das bis 2023 auf schwindelerregende 15,3 Milliarden Dollar steigen soll.

Early Adopters hoffen, von dem Wettbewerbsvorteil zu profitieren, den sie in einer von KI dominierten Finanzlandschaft erlangen werden. Diejenigen, die den Zug verpassen, könnten schnell von ihren Kunden abgehängt und aus dem Geschäft gedrängt werden, befürchten viele Banker. Selbst die Skeptiker in der Bankenelite glauben also, dass sie keine andere Wahl haben, als sich der KI-Herausforderung zu stellen.

Wert der Daten

Eine neue Stufe des Spiels

KI und maschinelles Lernen mögen noch in den Kinderschuhen stecken, aber sie haben bereits begonnen, die Arbeitsweise der Banken zu verändern.

Auf der Sicherheitsseite helfen KI-gestützte Firewalls den Banken, ihre IT-Systeme besser gegen immer ausgeklügeltere und gefährlichere Cyberangriffe zu schützen. Bislang ist der Einsatz von KI im Bereich der Cybersicherheit noch relativ begrenzt, aber das wird sich angesichts der raschen Innovationsfortschritte bald ändern. Einem Bericht von CNBC zufolge wird der weltweite Markt für KI-basierte Cybersicherheitsprodukte bis 2030 schätzungsweise 133,8 Mrd. US-Dollar erreichen, gegenüber 14,9 Mrd. US-Dollar im Jahr 2021.

Virtuelle Unterstützung und konversationelle Schnittstellen könnten schon bald die Norm bei Interaktionen mit Banken werden. Heute frustrieren die unartikulierten Chatbots der Banken noch viele Kunden mit ihren vorgefertigten Antworten. Da die Algorithmen jedoch darauf trainiert sind, mehr als nur sterile Copy-Paste-Antworten zu liefern, hoffen die Banken auf eine kulturelle Revolution, bei der die Kunden lernen, gerne mit Bots zu arbeiten.

Außerdem werden KI und maschinelles Lernen es den Banken ermöglichen, ihre Dienstleistungen stärker zu personalisieren und letztlich Kreditentscheidungen zu beschleunigen. Die Dienstleistungen können auf die besonderen Bedürfnisse jedes Kunden zugeschnitten werden. Insbesondere wird eine hochwertige Anlageberatung für jedermann zugänglich sein. JP Morgan Chase meldete kürzlich ein Patent für ein von ChatGPT inspiriertes Tool an, das auf der Auswertung von Bergen von Handelsdaten basiert, um die Entwicklung von Aktien vorherzusagen. Es könnte Verbrauchern/Investoren bei ihren Anlageentscheidungen helfen. Die Anwendung, die in den Jahren 2026-2027 unter dem Namen IndexGPT auf den Markt kommen soll, könnte viele Finanzberater aus dem Geschäft drängen. Dank der KI verbessert sich auch die Qualität der automatisierten Übersetzung täglich, was den Banken (und einer Vielzahl anderer Unternehmen) ermöglicht, ihren Kundenstamm zu erweitern.

Die Branche wendet sich zunehmend an Unternehmen mit sogenannter „Regulierungstechnologie“ (Regtech), die es den Banken ermöglicht, ihre Meldepflichten zu automatisieren.

Ganz allgemein wird die KI die Produktivität der Banken steigern und gleichzeitig die Betriebskosten senken. Die robotergestützte Prozessautomatisierung kann bereits heute menschliche Mitarbeiter bei verschiedenen betrieblichen Aufgaben ersetzen. KI-gestützte Entscheidungsunterstützungssysteme werden Risikomanager, Vermögensverwalter, Personalleiter und sogar Topmanager bei ihren strategischen Entscheidungen unterstützen.

Wohin führt die Technologisierung die Menschheit?

Durchbruch bei der Einhaltung von Vorschriften

Vor allem aber können KI und maschinelles Lernen eine der größten Belastungen, denen sich Banken seit dem Regulierungsboom nach 2008 gegenübersehen, abmildern. Die Einhaltung unzähliger, sich ständig ändernder internationaler und nationaler Vorschriften, Richtlinien, Gesetze, Verordnungen, Leitlinien, Empfehlungen, technischer Standards usw. ist für die Banken zu einem Albtraum geworden.

Die Compliance-Checkliste umfasst unter anderem Maßnahmen zur Bekämpfung von Geldwäsche und Terrorismusfinanzierung, Identitätsprüfung, Betrugserkennung, Risikomanagement, Stresstests, mikro- und makroprudenzielle Berichterstattung sowie die Einhaltung vorübergehend geltender Anforderungen, wie z. B. derjenigen, die während der Covid-19-Pandemie galten.

Diese zeitaufwändige Tätigkeit kostet die Banken viel Geld, bringt aber keinen Gewinn. In Europa belasten die Kosten für die Datenerfassung und -meldung das Ergebnis der Banken stark. In den letzten Jahren hat sich die Branche zunehmend an Unternehmen mit sogenannter „Regulatory Technology“ (Regtech) gewandt, die es den Banken ermöglichen, ihre Meldepflichten zu automatisieren. Zweifellos werden KI und maschinelles Lernen Regtech auf die nächste Stufe der Compliance-Automatisierung katapultieren.

Schon jetzt verlassen sich Banken auf Algorithmen zur Betrugserkennung, die anhand der historischen Daten ihrer Kunden trainiert wurden. Im Durchschnitt können die Daten eines typischen Privatkunden dutzende Male pro Tag auf dem Kontrollradar von Banken auftauchen, die solche KI-Modelle verwenden. Die Idee ist, Aktivitäten zu erkennen, die von den üblichen Ausgabenmustern abweichen, oder alles, was in irgendeiner anderen Weise verdächtig aussieht.

Berichten zufolge sind die Fehlerquoten dieser auf selbstverbesserndem maschinellem Lernen basierenden Überwachungsverfahren deutlich geringer als die unter menschlicher Aufsicht. Würden diese Algorithmen verallgemeinert, könnte eine Vielzahl von Compliance-Beauftragten nach Hause geschickt werden, und es wären weniger Mitarbeiter erforderlich, um mit immer leistungsfähigeren Computern die von den Kunden gelieferten Informationen zu filtern oder zu überprüfen.

Kenne deinen Kunden (besser als er sich selbst kennt)

Man kann davon ausgehen, dass die Banken schon seit einiger Zeit die Finanzdaten ihrer Kunden durchleuchten, nicht nur, um betrügerisches Verhalten einiger weniger aufzudecken, sondern um die Lebensmuster der vielen zu studieren. Wie leben die Kunden, wo arbeiten sie und wie viel verdienen sie? Und was kaufen sie, welche Steuern zahlen sie und welche Gesundheitsausgaben haben sie? Die Banken wollen wissen, wohin ihre Kunden reisen, was sie in ihrer Freizeit tun, wie viele Kinder sie haben und mit wem sie zusammenleben oder verkehren. Alles ist wichtig. Die Banken sind sich zunehmend bewusst, dass jede Information, nicht nur Finanzdaten, für sie wertvoll sein kann.

Die innovativsten Banken entwickeln derzeit Datenerfassungsmethoden, die weit über die Erfassung direkt verfügbarer Informationen hinausgehen. Berichten zufolge testen ihre KI-Forschungsabteilungen „Web-Crawler“, die alle öffentlichen und privaten Informationen, die online über die Kunden der Banken zu finden sind, auswerten. Die Tools durchkämmen systematisch Social-Media-Seiten, Blogs und persönliche Websites – überall dort, wo die Namen der Kunden auftauchen. Von besonderem Interesse sind Kommentare oder Meinungen, die von ihnen auf Plattformen wie Twitter, Facebook oder Reddit geäußert werden. Tweets werden nach einer Vielzahl von Kriterien klassifiziert. Die Beiträge werden durch das Prisma der Verarbeitung natürlicher Sprache, Textanalysealgorithmen und Computerlinguistik analysiert.

Auch die Interaktionen zwischen Kunden und Bankmitarbeitern werden überprüft. E-Mail-Verkehr, Chats mit Bots, aufgezeichnete Telefongespräche oder Abschriften von Besprechungen vor Ort sind wertvolle Informationsquellen. Für KI ist nicht nur der Inhalt von Gesprächen wichtig. Der Tonfall, Stimmausbrüche, Lachen oder Zuckungen können durch eine „Stimmungsanalyse“ dokumentiert und bei der Ermittlung der Vertrauens- und Kreditwürdigkeit von Kunden berücksichtigt werden.

Natürlich ist „Emotion AI“ mehr als Meinungsforschung, und die Stimmungsanalyse geht über Polaritäten wie „positiv“, „negativ“ oder „neutral“ hinaus. KI-Modelle erfassen mit immer größerer Genauigkeit die emotionalen Zustände von Menschen (Freude, Ärger, Überraschung, Ekel, Traurigkeit, Angst, Scham und Täuschung…). Von diesen Hightech-Lügendetektoren, die mit täglich wachsenden Datensätzen arbeiten, ist ein immer tieferes „Deep Learning“ zu erwarten. Wissenschaftler testen bereits KI-Modelle, die die fehlenden Daten „erraten“, indem sie die Punkte verbinden.

Das ist ein Anreiz für die Banken, immer tiefer in das Leben ihrer Kontoinhaber einzudringen, selbst wenn die Aktivitäten ihrer Kunden völlig legal sind. Die Banken brauchen alles, was sie in ihre obligatorischen Berichte über „verdächtige Aktivitäten“ oder „verdächtige Transaktionen“ aufnehmen können.

In ständiger Symbiose mit allem, was sie umgibt, wird ein riesiges Arsenal an sich selbst verbessernden KI-/Maschinenlern-Tools, die alle möglichen Informationen über die physische und virtuelle Welt verarbeiten und erfassen können, es den Banken ermöglichen, mit beängstigender Präzision Profile ihrer Kunden zu erstellen.

Derzeit experimentieren nur eine Handvoll der größten Akteure mit heimtückischen Überwachungssystemen, die sich hinter dem Deckmantel der „Verbesserung des Kundenerlebnisses“ verstecken. Langfristig könnte dies jedoch die Zukunft des Bankwesens sein.

Künstliche Intelligenz: Revolution der Vorhersage

Anreize, ihre Kunden stärker zu überwachen

Solche in die Privatsphäre eingreifenden Praktiken stehen im Widerspruch zur Verschwiegenheitspflicht der Banken. Banker können sie mit dem Argument rechtfertigen, dass das Ausspionieren ihrer Kunden notwendig ist, um die Sicherheit ihrer Institute zu gewährleisten und letztlich das krisengeschüttelte Finanzsystem zu schützen. Außerdem sei „Know Your Client“ (KYC) eine regulatorische Anforderung, werden sie sagen.

Damit haben sie Recht. Die Regulierungsbehörden zwingen die Finanzinstitute, ihre Kunden zu überwachen und den Aufsichtsbehörden jeden Verdacht auf Geldwäsche, Terrorismusfinanzierung, Steuerhinterziehung und andere Verbrechen oder Betrug zu melden. Die Aufsichtsbehörden beobachten die Banken genau, um sicherzustellen, dass sie ihre Compliance-Aufgaben wie vorgeschrieben erfüllen.

Die Aufsichtsbehörden rügen Finanzinstitute, die nicht „genug“ Verdachtsfälle aufgedeckt haben. Das ist für die Banken ein Anreiz, immer tiefer in das Leben ihrer Kontoinhaber einzudringen, selbst wenn die Aktivitäten ihrer Kunden völlig legal sind. Einfach ausgedrückt: Die Banken brauchen alles, was sie in ihre obligatorischen Berichte über „verdächtige Aktivitäten“ oder „verdächtige Transaktionen“ aufnehmen können.

Von der Last zur Fundgrube

In den letzten zehn Jahren haben Finanzinstitute, die keine Banken sind, wie Fintechs oder BigTechs, damit begonnen, Finanzdienstleistungen außerhalb des traditionellen Bankensystems anzubieten. Da sie dafür keine Banklizenz benötigen, können sie bequem mit bankähnlichen Aktivitäten Geld verdienen und dabei das regulatorische Dilemma umgehen, mit dem gewöhnliche Banken zu kämpfen haben.

Überraschenderweise scheinen die BigTech-Unternehmen nun darauf erpicht zu sein, diesen beträchtlichen Vorteil aufzugeben. Einige versuchen, Banken zu übernehmen. Andere beantragen direkt eine Banklizenz.

Szenarien

Warum sollten BigTech-Firmen Banken werden wollen, wenn dieser Status einen Nachteil hat? Die Antwort ist einfach.

Banken steigen in die Datenwirtschaft ein

Seit Jahren werden Facebook, Google und andere des massiven „Datendiebstahls“ beschuldigt. In Europa wurden Gesetze entwickelt, um das Geschäftsmodell des so genannten „Überwachungskapitalismus“ zu durchbrechen, das darauf beruht, persönliche Daten aus dem eigenen Kundenstamm zu extrahieren und an Werbetreibende zu verkaufen.

Eine Banklizenz würde es BigTech-Unternehmen ermöglichen, ihre zunehmend angeprangerte Kerntätigkeit in eine regulatorische Verpflichtung umzuwandeln. Wären diese Unternehmen als Banken registriert, könnten sie die Privatsphäre ihrer Kunden weiterhin verletzen, indem sie sich einfach auf die Anforderungen des Know Your Consumer berufen.

Mit anderen Worten: Der Geist ist aus der Flasche. Während sich Big Tech zum Bankwesen hingezogen fühlt, werden die Banken in die Datenwirtschaft hineingezogen.

Nachdem sie sich jahrelang über unangemessene Meldepflichten beschwert haben, haben die Banken erkannt, dass die riesigen Datenmengen, die sie im Auftrag der Aufsichtsbehörden sammeln mussten, pures Gold sein können. Das gilt auch für das Know-how und die Fachkenntnisse, die sie dabei erworben haben.

Die brennende Frage ist die folgende: Wenn Facebook und Co. die persönlichen Daten ihrer Nutzer verkaufen können, warum sollten Banken das nicht auch tun?

Eine gewaltige Geschäftsmöglichkeit

Dank KI und maschinellem Lernen sind Banken dabei, ihre Geschäftsmodelle zu überdenken und grundlegend umzugestalten.

Der Verkauf von Daten könnte der Branche die längst verloren geglaubte Rentabilität zurückbringen. Dies wäre jedoch eine gewaltige Umstellung. In der Vergangenheit ging es im Bankgeschäft immer um Vertrauen und Zuversicht. Seit die Aufsichtsbehörden jedoch damit begonnen haben, die Finanzinstitute zur Überwachung ihrer Kunden zu missbrauchen, ist das gegenseitige Vertrauen zwischen Banken und Kunden zutiefst erschüttert. Wenn die Belastung durch die Regulierungsbehörden in eine hervorragende Geschäftsmöglichkeit für die Banken umgewandelt werden kann, hat der Finanzsektor bald das Potenzial, sich in ein lukratives globales Überwachungssystem zu verwandeln.

Author: Elisabeth Krecké – independent, Luxembourg-based economist, as well as a former policy advisor and university professor.

Quelle

Tectonic shifts in AI-powered banking