TrendLab „Künstliche Intelligenz” – Das Potential von Machine Learning

Im Juni 2020 waren unsere Advanced Analytics-Experten Anatoly Danilevich und Kilian Kluge eingeladen, im TrendLab „Künstliche Intelligenz“ der DZ Bank anhand konkreter Beispiele die Einsatzmöglichkeiten von Machine Learning im Bankenumfeld vorzustellen.

Das TrendLab der DZ Bank ist ein etabliertes Format, um frühzeitig und proaktiv die Auswirkungen von aufkommenden Trends und Technologien auf das eigene Geschäft zu identifizieren. Über sechs Workshoptage wird gemeinsam mit Mitarbeitern der Bank intensiv mit interaktiven und modernen Formaten analysiert, ausprobiert und konzipiert. Senacor unterstützt die DZ Bank hierbei nicht nur in der Gestaltung und Moderation des TrendLabs, sondern auch durch unsere erfahrenen Fachexperten, die aus Forschung und Praxis berichten und Impulse mitbringen.

Wie viele Banken beschäftigt sich auch die DZ Bank seit einiger Zeit damit, welches Potential Machine Learning für das eigene Unternehmen bietet. Um die ganze Bandbreite der möglichen Einsatzszenarien aufzuzeigen, haben wir drei Beispiele aus unserer eigenen Arbeit ausgewählt:

• Anhand einer automatisierten Haushaltsrechnung für einen Kreditantrag konnten wir das Potential von Transaktionsanalyse und -kategorisierung für vertriebsnahe Anwendungen aufzeigen: Anstatt mühsam die nötigen Informationen zusammenzustellen, müssen die Kunden lediglich ihre Kontoinformationen eintragen – anschließend wird in kürzester Zeit eine Haushaltsrechnung erstellt. Hierdurch sinkt nicht nur die Abbruchquote, auch die aufwändige manuelle Prüfung der Angaben kann in der Regel entfallen.
• Ein Projekt, bei dem wir die Effizienz eines Betriebsprozesses durch die Automatisierung des Dokumentenroutings steigern konnten, diente als Anwendungsbeispiel für OCR-Technologien (OCR = optical character recognition) und Text-Klassifikation. Durch präzise automatisierte Identifikation besonders wichtiger und zeitkritischer Schreiben in der Eingangspost einer Bankabteilung konnte diese schnellstmöglich an die zuständigen Teams weitergereicht werden.
• Das große Potential moderner Methoden des Natural Language Processing (NLP) für Anwendungen im Bereich IT-Security illustrierten wir mit ihrer Anwendung zur präzisen Identifikation von Spear-Phishing-Attacken. Diese schwer zu entdeckenden Angriffe, die auf individuelle Mitarbeitende abzielen, führen immer wieder zu großen finanzielle Schäden oder dem Verlust sensibler Daten. Während klassische Machine-Learning-Methoden hauptsächlich auf das Vorkommen bestimmter Schlagworte achten, können die in den letzten Jahren zur produktionsreife entwickelten, modernen NLP-Methoden beispielsweise auch erkennen, wenn eine eingehende E-Mail ihre Empfänger subtil unter Druck setzt – ein klassisches Merkmal von Spear-Phishing-Attacken.

Gemeinsam mit den Teilnehmern arbeiteten wir im Verlauf des TrendLabs drei zentrale Erkenntnisse für den Einsatz von Machine Learning heraus:

1) Oftmals ist der erste Impuls, einen kompletten Prozess mit Machine-Learning-Methoden ersetzen zu wollen. Auch dann wenn die notwendigen Technologien und Daten prinzipiell verfügbar sind, ist dies jedoch in der Regel eine zu große Hürde – und die Idee kommt nie über das Stadium eines Prototypen hinaus. Erfolgsversprechender ist es, Synergien zwischen klassischen Ansätzen und Advanced Analytics zu nutzen.

2) Gerade im bankfachlichen Betrieb gibt es viele komplexe Prozesse, die erhebliches Fachwissen benötigen und nur mit sehr hohem Aufwand vollständig automatisiert werden können. Machine Learning kann auch in diesen Prozessen zielführend genutzt werden, indem gezielt einzelne, aufwändige Schritte automatisiert werden und somit die Arbeitszeit der Mitarbeitenden somit für die fachlichen Aufgaben zur Verfügung steht. Eine von Experten begleitete Analyse kann helfen, solche Potentiale zu identifizieren.

3) Viele Prozesse können zu geringen Kosten durch Integration von standardisierten, KI-basierten Lösungen verbessert werden. Ein prominentes Beispiel hierfür sind Funktionen wie „Rechnung scannen“, die in den meisten Banking Apps integriert ist. Durch Zurückgreifen auf Lösungen von etablierten Drittanbietern, wo diese am Markt in passender Qualität verfügbar sind, kann sich das hausinterne Team auf die branchenspezifischen Probleme konzentrieren.

Senacor hat im Laufe der letzten Jahre viel Erfahrung und Know-How in den Bereichen Big Data und Advanced Analytics aufgebaut und entsprechende Anwendungen im Banking-Umfeld konzipiert und umgesetzt.
Kontaktieren Sie gern Dr. Anatoly Danilevich als Ansprechpartner für unseren Expertenkreis “Neue Technologien” für weitere Informationen und einen Austausch: Anatoly.Danilevich@senacor.com oder https://senacor.com/retail-finance/retail-finance-leistungen-technologie/.