Roboterbasierte Prozessautomatisierung ermöglicht Finanzdienstleistern zum einen eine schnellere Time-tomarket und so erhebliche Kostenvorteile. Robo Advisor sind automatisierte Programme, die aus Angaben der Finanzkunden passende Anlageprodukte zusammenstellen. Zum anderen kann Cognitive Computing vielfältigste digitale Daten zusammenführen, intelligent kombinieren und analysieren. Kognitive Software-Agenten ermöglichen mit diesem Ansatz individuelle Lösungen, um den Kundenbedarf wesentlich besser als in der Vergangenheit abzubilden.
Traditionelle Auffassungen von den Aufgaben und Tätigkeiten eines Finanzdienstleisters ändern sich grundlegend und dauerhaft. Denn ein verändertes Kundenverhalten gepaart mit neuen Anbietern aus Non- oder Near-Bank-Bereichen bewirken bei ihnen einen Transformationsprozess, um sich optimal in einem veränderten Wettbewerbsumfeld zu positionieren. Als wesentliche Erfolgsfaktoren erweisen sich die komplette Ausrichtung auf den Kunden - Customer Experience - und eine Digitalisierungsstrategie. Vor allem die Kunden der Generation Y, geboren nach 1980, und Generation Z, geboren nach 1995, sind als "Digital Natives" mit dem Internet aufgewachsen; sie erwarten in ihrer Beziehung zum Finanzdienstleister ähnliche Erlebnisse, wie sie dies bei Facebook, Apple und anderen digitalen Playern täglich erleben. Das umfasst einfach zu verstehende Finanzprodukte, eine durchdachte Arrangierung aller Informationen, optimierte Verarbeitungsprozesse mit kurzen Durchlauf- und Wartezeiten, Anpassbarkeit des Produktes oder der Dienstleistung vor oder nach dem Kauf im Sinne eigener Bedürfnisse oder Wünsche sowie die Nutzung moderner Technologien für einen zielgenauen Beratungsprozess. Eine entscheidende Rolle spielt in zunehmendem Maße die Art der Präsentation, im Sprachgebrauch der Generationen Y und Z als schick, modern und cool bezeichnet.
Die durchgehende Umstrukturierung aller wichtigen Geschäftsprozesse sowie der Informationssysteme zur Implementierung einer ganzheitlichen Digitalisierungsstrategie ist die zweite wesentliche Anforderung. Die Informationstechnologie (IT) ist der strategische Produktionsfaktor bei Finanzdienstleistern. Da sie in den 1960er-Jahren zu den ersten Anwendern der elektronischen Datenverarbeitung gehörten, lässt sich ihre gewachsene heutige Architekturlandschaft teilweise nur schwer durchschauen. Zudem wurde die IT bisher als reine Abwicklungsplattform verstanden - auch noch in Zeiten des Web 2.0 (Abbildung, Seite 182).1)
Offensichtlich kann sie aber den neuen Anforderungen nicht genügen. Sie ist häufig starr und damit wenig ausbaufähig, orientiert sich monolithisch an Sparten und ist damit nicht prozessorientiert, sie ist nicht multikanalfähig und damit auf der Vertriebsseite nicht wachstums- und diversifikationsorientiert.
Die beschriebenen Anforderungsfelder Kundenerlebnis und Digitalisierung treffen dabei im Front-Office des Finanzinstituts direkt aufeinander. Die Abläufe sind dort stark fragmentiert, sehr häufig auf Silos verteilt und werden von unterschiedlichen Tools unterstützt und geprägt. Die Grundlage einer optimierten Kundenservice-Erfahrung ist eine Omnikanalstrategie, die alle Interaktionen, Kontaktpunkte ("Touchpoints") und Kanäle zusammenführt und intelligent routet. Ergänzt wird die Kundenansprache durch Automatisierung von strukturierten Geschäftsprozessen mittels Robotic Process Automation (RPA) und dem Einsatz algorithmus-basierter Intelligenz, sogenannter Robo Advisor. Mittlerweile benötigen Finanzdienstleister für leistungsfähige Vorhersageanalysen eine Basis großer Mengen strukturierter und unstrukturierter Daten. Insbesondere durch den Einsatz von kognitiven Lösungen können sie die gewünschte Tiefe und Breite bei der Kompetenz ihrer Mitarbeiter schaffen und auch im Massenmarkt für individuelle Kundenerlebnisse sorgen, die bisher nur einer besonders vermögenden Kundenschicht vorbehalten waren.
Der Einsatz von Robotics
Unter Robotic Process Automation (RPA) wird die automatisierte Ausführung von wiederkehrenden und regelbasierten Routineaufgaben in Front- und Back-Office verstanden, die zunächst vom Sachbearbeiter erledigt werden. RPA ist ein neues Instrument zur Erfassung von strukturierten Inhalten, zum Beispiel das Erstellen von Rechnungen, das Erfassen von Formularen, die Bearbeitung von Kreditanfragen - alles innerhalb bestehender Prozesse und Unternehmensanwendungen, ohne diese zu ändern. Diese virtuellen Roboter befinden sich außerhalb der Anwendungen, es sind für den Einsatz nur minimale Eingriffe in die bestehende IT-Landschaft notwendig, weshalb sich RPA-Projekte in wenigen Wochen bis Monaten realisieren lassen. Die Ausprägungen reichen von einer lokalen RPA-Software auf einem Arbeitsplatz eines Sachbearbeiters, um ihn von strukturierten oder repetitiven Routineaufgaben zu entlasten, bis hin zu umfassenden RPA-Plattformen für die End-to-End-Bearbeitung kompletter Prozesse.
Neben den genannten Kosteneinsparungen zeigen sich weitere Nutzenpotenziale: Die Fehlerquote ist deutlich geringer als beim Menschen2) und hinsichtlich Compliance-Anforderungen erlaubt RPA eine vollständige Protokollierung und damit den Nachweis aller Aktionen. Das hat den nützlichen Nebeneffekt, dass diese dann sogar mit Prozesskennzahlen auswertbar sind. Zur Schlüsseltechnologie des digitalen Wandels wird aber der Einsatz von sogenannter künstlicher Intelligenz (KI) sein. Während die beschriebene Prozessautomatisierung mit Robotik lediglich regelbasiert beziehungsweise deterministisch arbeitet, verfolgt das Konzept der KI die Automatisierung von intelligentem Verhalten, das maschinelle Lernen und das selbstständige Schlussfolgern. Mit dem Einsatz auf KI-basierender kognitiver Lösungen wird versucht, Entscheidungen und Logik selbstständig durch den Computer bearbeiten zu können.
Cognitive Computing
Mit Cognitive Computing wird der bisherige rein deterministische Ansatz in der Computerarchitektur verlassen. Auf Basis künstlicher Intelligenz entwickelte kognitive Systeme sind darauf angelegt, Daten aus unterschiedlichsten Quellen zu nutzen und zu verarbeiten und in der Interaktion mit dem Menschen ihre eigenen Fähigkeiten, ihr Wissen und ihr Können permanent zu erweitern. In den vergangenen Jahren hat es drei bemerkenswerte Fortschritte in der Forschung zur künstlichen Intelligenz gegeben. Im Jahr 2011 gewann IBM Watson gegen die erfolgreichsten Spieler des in den Vereinigten Staaten popuären Fernsehquiz "Jeopardy!". Watson war mit seiner Technologie der Fragenbeantwortung in der Lage, mehr als 70 Prozent der gestellten Fragen mit einer Genauigkeit von über 80 Prozent in maximal drei Sekunden zu beantworten. Dabei verarbeitete er mithilfe des auf Java basierenden "Apache Hadoop Frameworks" rund 200 Millionen Seiten Wissen von Wörterbüchern, Enzyklopädien - wie zum Beispiel Wikipedia - und anderes Referenzmaterial in menschlicher Sprache. Watson ist nicht mit dem Internet verbunden.
Im März 2016 gelang es Googles Computerprogramm "Alpha Go" den amtierenden Go-Weltmeister in vier Duellen zu besiegen. Auch eine bemerkenswerte Leistung, denn bei diesem Brettspiel gibt es auf dem 19-mal-19-Brett viel mehr mögliche Stellungen als beim Schach mit seinen 64 Feldern, nämlich gut zehn hoch 170 zu (nur) zehn hoch 34, und es verlangt eine bestimmte Gabe an Intuition für den nächsten richtigen Zug.3) Und erst kürzlich haben Forscher der kanadischen University of Alberta eine Software für eine spezielle Variante des Pokerspiels entwickelt. Bei dem "Heads-Up Limit Texas Hold'em" haben die Menschen keine Chance, sofern ausreichend viele Partien nacheinander gespielt werden.4)
Kognitive Systeme kombinieren verschiedene Techniken aus Analytics und künstlicher Intelligenz:
- "Analytical Systems/Data Mining": Anwendung von (multivariaten) statistischen Verfahren zur Erkennung von Mustern, Querverbindungen und Trends innerhalb großer Datenbestände (Big Data).
- "Natural Language Processing" (NLP). Algorithmische Verarbeitung von natürlicher Sprache, die in Text- oder Sprachdaten vorliegt.
- "Machine Learning": Erkennung von Mustern und Kategorien in Lerndaten und daraus mittels eines Lerntransfers die Beurteilung unbekannter Daten, dies wird mit wachsender Datenmenge immer präziser.5)
- "Deep Learning": Technische Nachbildung von Strukturen des menschlichen Gehirns, in dem Nervenzellen (Neuronen) mit Synapsen verbunden sind, durch ein mehrschichtiges System (künstliches neuronales Netz) aus kleinsten Rechenaufgaben. Genutzt wird dieses Verfahren insbesondere zur Mustererkennung in Sprache, Texten und Bildern.
Cognitive Era
Kognitive Systeme zeigen den Beginn einer neuen Entwicklungsrichtung mit dem Ziel, lernende Computersysteme für unterschiedlichste Einsatzbereiche zu konzipieren. Sie sind in der Lage, selbstständig Informationen aus Daten zu gewinnen und Schlüsse zu ziehen und nähern sich den kognitiven Fähigkeiten des Menschen an. Ferner können sie, Beispiel Watson, die natürliche menschliche Sprache verstehen, deren Wörter und Kontext analysieren, diese Informationen schnell verarbeiten und so präzise Antworten auf Fragen in natürlicher Sprache ausgeben. Ausgereifte kognitive Systeme haben folgende Eigenschaften:
- Adaptivität: Lernen durch Interaktion und aus Daten.
- Interaktivität: Verstehen des Menschen und Interaktion mit ihm.
- Iterativität: Unterstützung des Bedieners bei der Entscheidungsfindung und für ihn Ableitung von Handlungsempfehlungen, dabei Generierung beziehungsweise Erlernung von neuem Wissen.
- Kontextualität: Weitreichende Expertise durch Informationsbezug und Verknüpfung von Informationen aus verschiedensten Quellen.
Die Anwendungsmöglichkeiten sind vielfältig. Alle datenintensiven Branchen wie das Gesundheitswesen oder das Finanzwesen können kognitive Systeme zur Informationsverarbeitung einsetzen. Im Customer-Relationship-Management werden Assistenzsysteme eingesetzt, die die Eingaben der Kunden erkennen, verarbeiten und passende Lösungen präsentieren. Neben den beschriebenen Einsatzmöglichkeiten der KI in kognitiven Assistenten für Kunden- und Prozessmanagement könnte diese auch im sogenannten "Decision Making" zum Tragen kommen: Strategische Unternehmensentscheidungen werden aufgrund der Auswertung und Interpretation aller verfügbaren Daten maschinenunterstützt vorbereitet.6) Auch autonomes Fahren und Industrie-4.0-Anwendungen werden von kognitiven Technologien profitieren.
Cognitive Banking
In der branchenspezifischen Anwendung des Cognitive Computing, dem sogenannten Cognitive Banking, gibt es vielfältige Einsatzmöglichkeiten, die in drei Kategorien von Anwendungsfällen ("use case") eingeteilt werden können: Betriebsunterstützung, Kundenbetreuung und Digitalisierung von Interaktionen. Das Kernproblem für eine Optimierung des eigenen Betriebsmodells liegt in der Bereitstellung notwendiger Informationen: Dazu notwendige Inhalte, Applikationen und Services sind oftmals verteilt, Daten zu einem großen Teil unstrukturiert und somit nur zu einem geringen Teil wirklich verwertbar. Dies betrifft so unterschiedliche Bereiche wie die Umsetzung von regulatorischen Anforderungen, die Kreditvertragsanalyse und das Prozess- und Sicherheitsmanagement. Dabei wird insgesamt eine optimierte Aufbereitung des bestehenden Wissens beziehungsweise der einfach zugänglichen strukturierten wie auch unstrukturierten, nicht codierten Informationen mit kognitiven Lösungen erreicht.
Kognitive Sicherheitssysteme erkennen schneller verdächtige Abläufe, ob zum Beispiel bei einem Angriff bereits bekannte Schadsoftware genutzt wurde. In der automatisierten Kundenbetreuung spielen kognitive Systeme ihre vollen Stärken aus - in der Kundenanalyse, in personalisierten Empfehlungen, im Erkennen und Analysieren neuer Kunden und im Management von schriftlichen oder mündlichen Kundenreaktionen. Kognitive Agenten bearbeiten Kundenanfragen und -beschwerden in natürlicher Sprache, erkennen Muster und Auffälligkeiten und helfen diese zukünftig zu vermeiden.
Zum Beispiel nimmt ein 360-Grad-Cognitive-Cockpit für Service-Desk-Mitarbeiter eingehende Kundenmails automatisch entgegen und unterzieht diese einer Textanalyse. Die Wortwahl des Kunden, Ironie, Akronyme, der häufige Gebrauch von Ausrufezeichen, die doppelte Verneinung, insgesamt auch Unmutsäußerungen - all dies wird erkannt. In der Folge werden Daten aus weiteren Systemen hinzugezogen und das Ergebnis in einem sogenannten Sentiment des Schreibens zusammengeführt. Der Sachbearbeiter kann dann die Unterstützung eines Fragen-Antworten-Services ("Question and Answer") für Expertenwissen hinzuziehen, ein "Personality Insight Dashboard" mit Einblicken in die Kundenpersönlichkeit bietet ihm zusätzlich ein detailliertes Profil des Kunden.
Insgesamt reduziert sich somit die Zeit zum Suchen nach einer Lösung für den Kunden deutlich, wiederkehrende Probleme und deren Auswirkungen können sofort erkannt und behoben werden. Dadurch gelingt eine Verschiebung von administrativen zu wertgenerierenden Tätigkeiten. Insgesamt können mit diesem Ansatz Kundensegmente erschlossen werden, die bisher nicht kostengünstig individuell beraten werden konnten. Diese Segmente werden durch eine neuartige Kundenerfahrung enger an das Institut gebunden und der mit ihnen generierte Umsatz deutlich erhöht.
Die Digitalisierung von Interaktionen wird somit durch die beschriebenen virtuellen Assistenen und virtuellen Berater durchgeführt. Des Weiteren kommen kognitive Robo Advisor zum Einsatz, sie agieren als Coach des Kunden und helfen ihm per Dialog zu einer personalisierten Finanzanlageempfehlung. Sie zeichnen sich durch innovative Gesprächsführung und freie Frage- und Antwortfunktionalitäten aus, dabei steuern sie den Kunden in natürlicher Sprache durch den Dialog, können die Empfehlung einfach erklären und detaillierte Einsichten in Produkte und das Umfeld geben.
Beispiel: Ein Finanzkunde geht in der Fragestellung seiner Anlagepolitik auf das Finanzinstitut zu. Ein Verständnis seiner Anlageziele und -präferenzen und der finanziellen Situation, also Größe und Struktur des Vermögens und Verfügbarkeit beziehungsweise Quelle von Einkommen, der Wissensstand und die Anlage- und Produkterfahrung werden von dem kognitiven Berater abgefragt. Es erfolgt intern dann die Berechnung der Risikokapazität sowie Risikotoleranz und damit des Risikoscore mit dem Ergebnis einer Anlageempfehlung und der Erklärung der empfohlenen Produkte. Sofern der Kunde mit den Empfehlungen einverstanden ist, erfolgt in den internen Systemen die Bestätigung und Weitergabe der Order. Das Betreiben der automatisierten Anlage- und Finanzberatungsprogramme und gegebenenfalls Finanzportfolioverwaltung im Sinne eines Robo Advice setzt allerdings häufig voraus, dass erlaubnispflichtige Finanzdienstleistungen in Zuständigkeit der BaFin erbracht werden.7)
Die Zukunft ist kognitiv
Die vorausgegangenen Ausführungen zeigen, dass Grundlagenarbeiten in künstlicher Intelligenz und deren Anwendungen die unstrukturierte Datenanalyse, die natürliche Sprachverarbeitung und die Gestaltung workload-optimierter Systeme weit vorangebracht haben.8) Die Anwendung und Integration von KI-Systemen unterliegt hingegen kritischen Erfolgsfaktoren. Zunächst müssen die "richtigen" Anwendungen in der Finanzorganisation gefunden werden und daraus abgeleitet ein Business Case und eine Roadmap zur Einführung eines kognitiven Systems definiert werden. Die Grundlage ist dann die Bereitstellung eines hochwertigen Datenkorpus, denn im Unterschied zu regelbasierten Expertensystemen lernen kognitive Systeme kontinuierlich über Daten hinzu.
Künstliche Intelligenz setzt massive Datenanalysen voraus, ohne eine Datenverlagerung in dezentrale Rechenzentren, in die Cloud, wird es nicht gehen. Dabei ist seit einiger Zeit ein Umdenken bei Finanzorganisationen hinsichtlich der Sorge vor einem Kontrollverlust über die eigenen Daten zu beobachten. Mittlerweile gibt es Angebote, die eine Verarbeitung der Daten innerhalb Deutschlands garantieren. Nicht zu unterschätzen ist die frühzeitige Einbindung und ein Sponsorship der Geschäftsführung, auch im Hinblick auf eine konsistente Kommunikation über alle Ebenen des Instituts. Schließlich arbeiten zukünftig nicht mehr nur Menschen miteinander, sondern Menschen mit Robotern. Eine aktuelle internationale Studie9) belegt, dass die kognitive Transformation einen bedeutenden Kulturwandel im Finanzinstitut bedeutet, das Verständnis dafür muss kontinuierlich erweitert und auch Diskussionen über eine mögliche Arbeitsplatzveränderung aufgefangen werden. Fazit der Studie ist, dass kognitive Initiativen zunächst von der IT-Abteilung ausgehen, diese sich somit wieder von einem Kostenverursacher zu einem Innovationstreiber wandelt.
Allerdings wissen die IT-Entscheidungsträger auch, dass diese Technologien - trotz vieler Vorteile - neue interne und externe Risiken - zum Beispiel hinsichtlich Netzwerksicherheit - für das Unternehmen bedeuten können. Dennoch ist die große Mehrheit der Befragten grundsätzlich der Ansicht, dass die kognitive Technologie heute für den Erfolg ihres Unternehmens entscheidend ist.
Letztlich profitiert der Finanzkunde von technologischen Entwicklungen. Er erfährt durch Prozessautomatisierungen und kognitive Beratung eine neue Ernsthaftigkeit des Finanzunternehmens, ihn in seinen Wünschen und Bedürfnissen zu verstehen und auf ihn zugeschnittene schnelle, zuverlässige Lösungen anzubieten.
1) In der PC-Ära der 1980er-Jahre staunten Benutzer noch über den erstmaligen Austausch von E-Mails, dann hat mit dem Einzug des Internets die Vernetzung begonnen. Im Web 1.0 stand dabei noch die reine, passive Nutzung des Internets im Vordergrund, im Web 2.0 als Pseudonym für Social Business ist der Nutzer gleichzeitig Konsument und Prosument, er stellt auch selbst Inhalte zur Verfügung. Siehe ergänzend: Axel Sauerland. Leasing 2.0 - Social Business und eine veränderte Kundensicht. In: FLF 4/2014, S. 148 ff. Derzeit befinden wir uns im semantischen Web 3.0 ("Internet der Dinge") mit der Verarbeitungsmöglichkeit von Informationen auf der Ebene ihrer Bedeutung, nicht nur der Daten. Und das Web 4.0 ("Internet der Integration") beginnt gerade.
2) Dies wird zur Folge haben, dass Business Process Outsourcing in "Contact Center" oder Nearshore Back-Office-Teams an Attraktivität verlieren und es somit zu einer Rückverlagerung von Prozessen in das Finanzinstitut kommen wird.
3) Im Jahr 1991 hatte der IBM-Computer "Deep Blue" lediglich aufgrund seiner enormen Rechenleistung und mit einer verfeinerten Brute-force-Methode - er probierte bis zu 200 Züge pro Sekunde - gegen den ehemaligen Schachweltmeister Garry Kasparov gewonnen. Zum Gewinn im Go-Spiel siehe auch www.theverge.com
4) Poker gehört zu den Spielen mit imperfekter Information. Im Gegensatz zu Schach und Go, bei denen alle Figuren offen sichtbar auf dem Feld stehen, hat ein Pokerspieler nicht die vollständigen Informationen über das Geschehen, konkret welche Karten sein Gegenüber hat. Näheres zur Pokersoftware unter http://science.sciencemag.org
5) Wesentlich sind zwei Ansätze. Im "Supervised Learning" (überwachtes Lernen) werden aus gegebenen Paaren von Ein- und Ausgaben Funktionen abgeleitet und damit Prognosen für ähnliche Konstellationen getroffen, zum Beispiel im Kreditkartenbetrug. Im Algorithmus des "Unsupervised Learning" (unüberwachtes Lernen) werden Modellbeschreibungen für eine gegebene Menge von Eingaben gebildet, die Vorhersagen ermöglichen, zum Beispiel über das Wetter.
6) Siehe ergänzend: www.zdnet.com
7) Siehe dazu im Detail die Erläuterungen der Bankenaufsicht, abrufbar unter www.bafin.de
8) So ist beispielsweise das Computersystem Watson nun in einem einzelnen Q&A-Button zusammenfasst, und kann als API (Application-Programming-Interface) in anderen Programmen eingebunden werden. Seitdem ist Watson zu einer Familie von gut 30 APIs herangewachsen, neben dem API Q&A gibt es API für Document conversion, Language Translation, Dialog, visual insights, weitere werden folgen.
9) Im Rahmen der von Ipswitch initiierten und von Freeform Dynamics konzipierten und durchgeführten Umfrage wurden 521 IT-Entscheidungsträger hinsichtlich ihrer Ansichten auf intelligente Maschinen und Geschäftssysteme, also Maschinen mit der Fähigkeit zu lernen und Entscheidungen zu treffen, befragt. Siehe dazu http://docplayer.net
