Hinter den Zahlen: Wie AI Finanzwirtschafts profitabelster “Mitarbeiter” wurde

In den Medien werden Banken und, im weiteren Sinne, Finanzen oft als Menschen in schicken Anzügen dargestellt, die von den oberen Stockwerken von Wolkenkratzern aus Geschäftsentscheidungen treffen oder als begabte Händler, die den Markt aus wenig Daten verstehen können. Da es sich um eines der mächtigsten Bilder der Finanzwirtschaft handelt, konzentrieren sich viele Diskussionen über neue technische Funktionen in diesem Bereich darauf, wie sie diese Front-Desk-Arbeit verändern werden.

AI ist hier keine Ausnahme, und ein großer Teil der Debatten über die Einführung von AI in der Finanzwirtschaft konzentriert sich darauf, ob Agenten Händler ersetzen oder ob sie Kapital effektiver zuweisen können als Berater. Die effektivste Anwendung von AI erwies sich jedoch als weit entfernt von dem glamourösen Bild, das viele sich vorstellen. Tatsächlich bringt künstliche Intelligenz mehr Geld ein, indem sie die sogenannte “langweilige” Seite der Finanzwirtschaft, die täglichen Operationen, bearbeitet.

Wo AI tatsächlich Wert schafft

Der Hauptvorteil von AI besteht darin, dass sie Aufgaben viel billiger und mehrmals schneller als Menschen erledigen kann. Und indem sie dies tut, generiert sie buchstäblich durch gesteigerte operative Effizienz Gewinn.

Beispielsweise reduzierte Citigroup mit Hilfe von AI-Tools die Dokumentenprüfungszeit vor der Konteneröffnung von über einer Stunde auf nur 15 Minuten. Natürlich wird schnelleres Entscheiden die Kunden zufriedenstellen und sie möglicherweise sogar loyaler machen. Aber gleichzeitig entsprechen diese 45 Minuten Hunderttausenden von Dollar an Kosteneinsparungen für die Bank, da diese Tools Stunden von menschlicher Arbeit für wichtigere Aufgaben freimachen.

AI hilft, die umfangreiche Schicht der Finanzbürokratie und interne Rahmenbedingungen, auf denen Unternehmen angewiesen sind, zu optimieren. Deshalb erweisen sich die wertvollsten Anwendungsfälle oft als weit entfernt von den spektakulärsten. Autonome Händler oder ein Chatbot, der dem Kunden die besten Angebote vorschlägt, klingen beeindruckend, aber automatisierte KYC-Verfahren und Due-Diligence-Prüfungen werden wahrscheinlich einen viel größeren wirtschaftlichen Wert für eine Bank oder ein Finanzunternehmen bringen.

Das bedeutet jedoch nicht, dass diese Verbesserungen nicht auch den Kunden zugute kommen können. Benutzer mögen einen persönlichen AI-Assistenten in einer App, aber sie würden es noch mehr schätzen, wenn Kreditentscheidungen von Tagen auf Minuten reduziert werden könnten oder wenn ihre Transaktionen nicht fälschlicherweise als Betrug gekennzeichnet würden, da die Wahrscheinlichkeit solcher Fälle durch Dutzende von Prozentpunkten gesenkt wurde.

Wie wurde AI zum profitabelsten “Mitarbeiter”?

Normalerweise muss, wenn die Kundenbasis einer Bank wächst, auch das Personal fast proportional wachsen. Es war früher unmöglich, eine zunehmende Anzahl von Transaktionen und Kundenunterlagen mit demselben Team zu überprüfen. Verschiedene moderne technologische Lösungen halfen bis zu einem gewissen Grad, aber das Geschäftswachstum führte immer noch unweigerlich zu einer Zunahme der Mitarbeiterzahl. Und je mehr Mitarbeiter ein Unternehmen hat, desto mehr Manager benötigt es und desto teurer wird es, die gesamte Struktur zu überwachen.

Mittlerweile beginnt dieses Problem zu verschwinden, da weniger Mitarbeiter immer noch effektiv eine wachsende Anzahl von Kunden mit Hilfe von AI-Tools bedienen können. Einige Unternehmen setzen bereits diese Logik um: Klarna behauptet beispielsweise, dass ein AI-Assistent die Arbeit von 700 Menschen erledigen kann. Was auch immer die Kosten für die Anwendung solcher Tools sein mögen, sie werden wahrscheinlich nicht nahe an die regelmäßigen Gehälter von Hunderten von Mitarbeitern herankommen.

Um dies jedoch wirklich zu erreichen, muss ein Unternehmen AI ordnungsgemäß in seine Arbeitsabläufe integrieren, über bloße Experimente hinaus. In der Finanzwirtschaft bleiben viele Projekte immer noch auf dem Pilotstadium, was offensichtlich nicht viel Wert generieren kann. Während ein Unternehmen debattiert, ob es neue Instrumente übernehmen oder wie es AI-Agenten skalieren soll, werden seine Wettbewerber nicht stillstehen und stattdessen ihre eigenen AI-Fähigkeiten aufbauen.

Ein Zurückbleiben in diesem Wettlauf würde zu erheblichen finanziellen Verlusten führen. Um genau zu sein, könnten Unternehmen, die ihre Operationen nicht frühzeitig auf AI-Rails umstellen, bis zu 9% ihrer Gewinne verlieren. Ein Nachholen bei diesem Rückstand später würde nicht leicht sein und erfordert, dass Finanzunternehmen eine solide AI-Strategie aufbauen.

Wie man AI-Entscheidungen regiert

Dabei handelt es sich um die größte Herausforderung, da die Einbindung von AI-Agenten in Finanzoperationen unweigerlich bedeuten würde, dass man bestimmte Entscheidungsbefugnisse an sie delegiert. In der Finanzwirtschaft, in der AI eine Art bodenloser Quelle von kostenlosen “Junior-Mitarbeitern” durch die Optimierung von Grundlagen-Backoffice-Operationen darstellt, birgt dies ein erhebliches Risiko. Die Sache ist, dass Fehler in dieser Art von Arbeit oft die teuersten sind.

Im Allgemeinen verhindern Regulierungsbehörden, dass Finanzorganisationen etwas Riskantes tun und Regeln aufstellen, um möglichen Schaden zu minimieren. Wenn es jedoch um AI geht, bewegt sich die Branche viel schneller als die Aufsicht, da nur ein Viertel der Behörden Daten über die Verwendung von AI von regulierten Einheiten sammelt. Dies ist offensichtlich nicht genug, um mit der wachsenden Anzahl von Unternehmen Schritt zu halten, die Agenten in ihre Operationen integrieren.

Als Ergebnis müssen Finanzunternehmen Wege finden, um AI-gesteuerte Instrumente selbst zu regulieren. Dies ist verständlich, da jeder Fehler hier zu Verlusten im Wert von Millionen von Dollar führen kann. Beispielsweise erhalten in modernen Banken Agenten begrenzte Berechtigungen, ähnlich wie echte Mitarbeiter. Wenn AI mit Kundenunterlagen arbeitet, benötigt es offensichtlich nicht das Recht, die Risikobewertung eines Kunden zu ändern. Der Agent erhält eine strikte operative Rolle und darf diese nicht überschreiten.

Ein weiterer möglicher und notwendiger Mechanismus besteht darin, detaillierte Aufzeichnungen aller AI-Aktionen zu führen, damit im Falle eines Fehlers jeder Schritt, den der Agent unternommen hat, nachvollzogen werden kann. In Bereichen wie KYC und Betrugsbekämpfung können Fragen zu einem Kunden Monate später auftreten, sodass Banken unbedingt eine vollständige Aufzeichnung der Logik des AI-Assistenten benötigen.

AI-Verhalten kann auch in einem Sandbox getestet werden. Die Bank of England hat beispielsweise begonnen, AI-Handelssitzungen zu simulieren, um zu verstehen, wie Agenten miteinander und mit dem realen Markt interagieren. Ein solches Testen hilft, genau zu bestimmen, wo ein Agent Fehler macht und das Problem zu beheben, bevor es öffentlich wird.

Letztendlich ist es wichtig, daran zu denken, dass jede AI-Entscheidung von einem Menschen bestätigt werden muss, der dafür verantwortlich bleibt. Im Falle von Verlusten wird niemand die Antwort “weil das Modell es so entschieden hat” akzeptieren, und ein leitender Manager muss immer noch die Aktionen des AI bestätigen und die Verantwortung dafür übernehmen.

Von “Banks-vs-Fintech” zu “Schnell-vs-Langsam”

AI-Regulierung prägt auch den Wettbewerb auf dem Finanzmarkt. Kunden mögen es, wenn ihre Dokumente 30 Minuten schneller bearbeitet werden, aber sie werden sicherlich nicht erfreut sein, wenn ein AI-Bot ihre Kreditwürdigkeit schädigt oder ihnen Geld kostet. Um solche Probleme zu vermeiden, werden sie eher ihrem Geld an Unternehmen anvertrauen, die ihre AI-Strategie transparent und ehrlich erklären. Und die natürlich weniger Probleme bei der Verwaltung haben.

Fintech-Unternehmen haben hier einen offensichtlichen Vorteil, einfach weil sie nicht von der Last der Legacy-Systeme belastet sind. Moderne Fintechs können ihre Dienstleistungen von Anfang an um AI herum aufbauen und alle Prozesse sofort automatisieren. Etwas Neues zu bauen kann viel einfacher sein als die Integration von AI-Agenten in Organisationen, die immer noch auf Faxmaschinen und Jahrzehnte alten COBOL-Systemen angewiesen sind. Es ist kein Wunder, dass fast die Hälfte der Fintech-Unternehmen bereits ein fortgeschrittenes Stadium der AI-Einführung erreicht haben, im Vergleich zu weniger als einem Drittel bei traditionellen Finanzinstituten.

Banken sind nicht zum Aussterben verurteilt. Schließlich haben sie die Great Depression, die 1970er, die Great Recession, und mehr überlebt. Sie wissen, wie man sich an Veränderungen anpasst. Aufgrund ihrer Vergangenheit haben sie enorme Mengen an Kundendaten, Kapital und Ruf angehäuft. Um diese Vorteile jedoch sinnvoll zu nutzen, sollten sie AI vollständig in ihre Prozesse integrieren, da das bloße Hinzufügen zu einem Nebenprodukt nicht viel helfen würde.