Banken bei KI noch zurückhaltend
Die Automatisierung der Banken schreitet rasant voran. Die künstliche Intelligenz verspricht dabei große wirtschaftliche Möglichkeiten. - Quelle: Shutterstock.com
Trotz der zahlreichen Anwendungsmöglichkeiten für KI im Finanzsektor sind viele Banken noch zurückhaltend bei der Implementierung von KI in ihre Systeme. Wie aus einer aktuellen Studie des Software-as-a-service Unternehmens Snowflake, das einen KI-Assistenten entwickelt hat, hervorgeht, planen derzeit nur 38 Prozent der kleineren Banken, eine erklärbare KI zu entwickeln. Bei großen Banken mit über 5.000 Mitarbeitern sind es etwas mehr als die Hälfte (57 %).
Einsatzbereiche für KI
Wo wollen die Banken KI konkret einsetzen? Wie aus der Snowflake-Studie weiter hervor geht, planen 55 Prozent der befragten IT-Fachkräfte den Einsatz generativer KI zur Unterstützung des Kundenservices, 52 Prozent wollen KI in Due-Diligence-Prozessen und zur Betrugsprävention einsetzen. 51 Prozent beabsichtigen, KI zur synthetischen Datengenerierung zu nutzen, um künstliche Daten zur Imitation realer Daten zu erzeugen.
“Generative KI ist aus der Experimentierphase in die Produktionsphase übergegangen”, kommentiert Jonah Rosenboom, Country Manager Deutschland von Snowflake die Ergebnisse der Studie: “Jetzt ist es an der Zeit, dass der Bankensektor KI einsetzt, um geschäftskritische Herausforderungen zu bewältigen und gleichzeitig die ethische und effiziente Nutzung von Unternehmensdaten zu gewährleisten.“
Solide Datengrundlage (noch) nicht immer gewährleistet
Die Basis für die erfolgreiche Nutzung einer erklärbaren KI ist eine solide Datengrundlage. Nur dann können Finanzunternehmen das Potenzial von KI voll ausschöpfen. Bei der Datennutzung sehen sich Banken jedoch mit Sicherheitsbedenken rund um Daten in der Cloud (40 %), der fehlenden IT- und Dateninfrastruktur (31 %) und Störungen in der bestehenden Dateninfrastruktur (29 %) konfrontiert.
Auch in personeller und finanzieller Hinsicht gibt es laut Snowflake-Studie Defizite: 28 Prozent der Banken fehlt es an Mitarbeitern mit Daten- und Analysekompetenzen, 22 Prozent an finanziellen Ressourcen. Mehr als ein Viertel (26 %) gibt außerdem an, Schwierigkeiten bei der Erfüllung regulatorischer Anforderungen zu haben.
