Die meisten Schweizer Banken haben sich bisher noch nicht intensiv mit Data-Driven Banking beschäftigt. Und das, obwohl das Potenzial von Datenanalyse und künstlicher Intelligenz im Banking-Bereich von Branchenexperten in der Schweiz nachweislich anerkannt ist, wie bestehende Umfragen zu diesem Thema zeigen. Damit die Schweiz auch in Zukunft wettbewerbsfähig und einer der weltweit führenden Finanzplätze bleiben kann, muss die Branche ihre Geschäftsmodelle jedoch kontinuierlich und dynamisch an die sich verändernden Bedingungen anpassen.
Technologische Treiber drängen Banken in eine datengestützte Zukunft
Technologie ist natürlich der entscheidende Treiber für datenbasiertes Banking. Die drei Treiber – die Cloud, offene Ökosysteme und künstliche Intelligenz –, die für die Schweizer Finanzbranche als besonders relevant erachtet werden, ermöglichen eine flexible Skalierung, eine standardisierte und damit effiziente Form der Interaktion zwischen verschiedenen Anbietern sowie neueste methodologische Ansätze. Die grundlegende Ressource aller drei technologischen Treiber sind die Daten, auf deren Basis Finanzinstitute einen Mehrwert für sich und ihre Kunden schaffen können.
Die Daten, die Schweizer Banken zur Verfügung stehen, lassen sich in drei Haupttypen unterteilen: Stammdaten (inkl. Kundendaten und sozioökonomische Daten), Transaktionsdaten (z. B. Zahlungen, Trades) und Verhaltensdaten (z. B. Interaktionen über verschiedene Kanäle hinweg). Die Herausforderung liegt oft in der Einrichtung einer geeigneten IT-Infrastruktur und eines Datenmanagement-Systems, das Daten unter Verwendung entsprechend grosser Rechenleistung aus verschiedenen (internen) Quellen erfasst und speichert.
Die durch die KI-Forschung hervorgerufene sprunghafte Erweiterung der technischen Möglichkeiten führte zu einer Vielzahl von neuen Innovationen und Business Cases. Die Hauptfaktoren für diesen Prozess sind Innovationen im Bereich Deep Learning, eine rasant wachsende Menge an verfügbaren Daten und der Zugang zu relativ günstiger Rechenleistung (z. B. über Cloud Computing). In der Schweiz nutzen viele Banken KI bereits in einem oder mehreren Business Cases. Zudem setzen auch immer mehr Schweizer FinTechs KI ein.
Grosses Potenzial in vielen Banking-Bereichen
Die Anwendung des Data-Driven Bankings kann sich durch drei wesentliche Hebel positiv auf den Geschäftserfolg der Banken auswirken. Erstens können Anwendungsfälle wie das automatisierte Onboarding von Kunden oder die automatisierte Überprüfung potenziell politisch exponierter Personen die Kosten für Finanzinstitute senken. Zweitens können die Geschäftsrisiken des Bankings durch datengestützte Erkenntnisse minimiert werden (z. B. im Bereich der Kreditvergabe durch genauere Ausfallprognosen). Und drittens kann neben potenziellen Verbesserungen auf der Kosten- und Risikoseite durch Data-Driven Banking auch die Einnahmenseite profitieren. Konkrete Anwendungen wie bspw. Empfehlungssysteme können Finanzinstituten dabei helfen, ihre Umsätze durch Up- und Cross-Selling, höhere Conversion Rates und weniger Kundenabwanderung zu steigern. Aber auch Kunden profitieren direkt, etwa durch eine bessere Personalisierung und Kundenerfahrung, was wiederum zu einer höheren Kundenzufriedenheit führt.
Der Weg zu Data-Driven Banking
Aufgrund der vermeintlich hohen Komplexität und langen Implementierungszeiten scheuen insbesondere kleinere Banken davor zurück, dessen grosses Potenzial zu nutzen. Die Transformation kann jedoch Schritt für Schritt auf Grundlage eines organisierten Ansatzes erfolgen, mit dessen Hilfe kontinuierlich Erfahrungen gesammelt und angewendet werden können. Ein Ansatz zur Entwicklung von MVPs (Minimal Viable Products) in Zusammenarbeit mit spezialisierten Technologieanbietern ist besonders dann geeignet, wenn die erforderlichen Kompetenzen intern nicht vorhanden sind. Banken sollten sich einfach trauen und den ersten Schritt machen, denn in der Schweiz sind die notwendigen Voraussetzungen – sowohl technologisch als auch regulatorisch – gegeben.
Prof. Dr. Thomas Ankenbrand
Head of the Competence Center for Investments, Hochschule Luzern