Neusinger

  • /
  • AiOrNotAi
  • /
  • #AiOrNotAi: Anwendung generativer KI in Banken – eine von oben nach unten gesteuerte Revolution

Neuigkeiten

#AiOrNotAi: Anwendung generativer KI in Banken – eine von oben nach unten gesteuerte Revolution

#AiOrNotAi: KI-Umsetzungsstrategien im Bankensektor

Der Einsatz von generativer KI ist die wichtigste strategische Leistungsfähigkeit im Bankensektor. Seine Auswirkungen lassen sich kaum abschätzen, aber laut einer Studie von McKinsey hat die tiefe Integration von Werkzeugen des maschinellen Lernens in die Branche ein jährliches Potenzial, die allgemeinen Gewinne auf 200 bis 340 Milliarden Dollar zu steigern (was 9 bis 15 Prozent der Betriebsgewinne entspricht), vor allem aufgrund der erhöhten Produktivität.

 

Der Grad des Erfolgs der KI-Implementierung wird über den Wettbewerbsvorteil der einzelnen Branchenakteure in strategischer Hinsicht entscheiden. Bei diesen Veränderungen geht es nicht um die berufliche Weiterentwicklung jedes Einzelnen durch den Einsatz von KI, sondern um die Veränderung des gesamten Ökosystems, die Neugestaltung der aktuellen Wertschöpfungskette, das Überdenken der Unternehmenskultur und den Aufbau eines langfristigen Strategieplans. Daher haben das Wissen des Top-Managements, das Verständnis für die Art der Veränderungen und die Konsistenz einen entscheidenden Wert und Einfluss auf die Zukunft jeder Bank.

 

Die derzeitigen Bankstrategien sind überholt:

 

1. Umfang und Tempo der Veränderungen zwingen zur Zentralisierung der Organisationsstruktur

 

Viele Banken haben zentralisiert, wie sie Ausführungsstandards entwerfen und implementieren, Ressourcen zuweisen, Zugang zu Basismodellen gewähren, Forschung und Entwicklung steuern, wiederverwendbare Komponenten schaffen, Risiken managen und die Ausrichtung an der übergeordneten digitalen und KI-Strategie sicherstellen. Lösungen beginnen an dem Top, und die derzeitige Tendenz zu Geschäftseinheiten erhöht den Einfluss des Managements auf operative Prozesse, was bedeutet, dass Führungskräfte ein tiefes persönliches Verständnis für KI entwickeln müssen. 

 

Unabhängig vom Grad der Zentralisierung ist eine enge und frühzeitige Zusammenarbeit mit den Geschäftsteams bei der Identifizierung, dem Prototyping und dem Einsatz von KI-Anwendungen von entscheidender Bedeutung. Die erfolgreichsten Banken sind nicht durch isolierte Initiativen erfolgreich, sondern indem sie ihre bestehenden Teams mit den erforderlichen Ressourcen ausstatten und sich die notwendigen Fähigkeiten, Talente und Prozesse zu eigen machen, die KI erfordert.

 

2. Daten- und Technologiemanagement

 

Finanzinstitute verfügen über große Mengen an unstrukturierten Daten. Die Natural language Processing Technologien von Gen AI (z. B. NPL/LLM-Technologien) können Erkenntnisse aus unstrukturierten Daten wie historischen Service-Interaktionen, sozialen Beiträgen, Nachrichten und Webseiten extrahieren und den Bankmitarbeitern Aufforderungen an die Hand geben, die den Umgang mit Kunden verbessern. Um die Anwendung von Gen AI zu gewährleisten, müssen Fähigkeiten wie Vektordatenbanken und Datenvor- und -nachverarbeitungspipelines eingebaut werden.

 

Mit der weiteren Entwicklung der Dateninfrastruktur werden die Banken ihre Risiko- und Modellsteuerungsrahmen neu gestalten und neue Kontrollmechanismen entwickeln müssen. Zum Beispiel, um die Risiken im Zusammenhang mit KI-Halluzinationen” zu reduzieren, die auftreten, wenn Modelle Antworten oder Ergebnisse produzieren, die unlogisch sind oder nicht auf tatsächlichen Daten basieren. 

 

Ebenso wichtig ist ein integrierter Blick auf die Architektur, die KI unterstützt. Die meisten Banken werden wahrscheinlich eine breite Palette von KI-Modellen einsetzen, die jeweils in ihre bestehenden Systeme, Workflows, Unternehmensanwendungen und Datenquellen integriert werden müssen.

 

3. Akzeptanz und Veränderungsmanagement

 

Die Art und Weise, wie eine Bank mit Veränderungen umgeht, kann über Erfolg oder Misserfolg eines Scale-up entscheiden, insbesondere wenn es darum geht, die Akzeptanz sicherzustellen. In einem Institut konnte ein hochmodernes KI-Tool sein volles Potenzial bei den Vertriebsmitarbeitern nicht entfalten, weil die Führungskräfte nicht entscheiden konnten, ob es sich um ein “Produkt” oder eine “Leistungsfähigkeit” handelte, und sich daher nicht hinter die Einführung stellten. Daher ist die Vision, die Ausrichtung und das Engagement der obersten Führungsebene für den Change-Management-Plan bei dieser Top-Down-Revolution der KI entscheidend. 

 

Ein solcher Plan sorgt dafür, dass sich die Teams engagieren, indem er ein nutzerzentriertes Veränderungsmanagement vorsieht, Schulungen für Führungskräfte und Mitarbeiter beinhaltet, ein Rollenmodell für Führungskräfte und Einflussnehmer vorsieht, eine klare Vorstellung von den erwarteten Prioritäten, Investitionen und Ergebnissen vermittelt, überzeugend darlegt, wie Mentalität und Kultur verändert werden sollen, und explizite und implizite Anreize für die Nutzung der Fähigkeiten definiert. Am wichtigsten ist, dass der Änderungsmanagementprozess transparent und pragmatisch ist.

 

McKinsey

 

(koctia; envato.com, illiyinstudio; envato.com, icons8; envato.com)

Andere Nachrichten

D4A25091-86D1-41E3-9DB9-F1430698E9EA
#AiOrNotAi: Kann heute jeder Software Entwickler sein?
#AiOrNotAi: Wandel von der klassischen Programmierung hin zu anspruchsvolleren Tätigkeiten im Bereich der Softwareentwicklung und Künstlichen Intelligenz   Die Welt der Softwareentwicklung...
8B894028-7888-470F-8D4F-927E3B686845
#AiOrNotAi: Tradition trifft Innovation: Die KI-Evolution bei Siemens
#AiOrNotAi: Kein industrieller Dinosaurier, sondern ein digitaler Innovator   Im Zuge der digitalen Transformation gewinnt die Integration von Künstlicher Intelligenz (KI) insbesondere...
37BB1027-7BFA-4BF6-B6B7-D468D1D3C9FE
#AiOrNotAi: KI für die Qualitätssicherung
#AiOrNotAi: das Werkzeug für Testing *QA – Quality Assurance (Qualitätssicherung)   Ursprünglich waren Softwaretests durch manuelle Methoden geprägt, die sich durch ihren hohen...
Nach oben scrollen