Durch das Prisma der KI: Gestaltung der Next Generation Compliance

Publish date:

Welche Anwendungsmöglichkeiten findet Künstliche Intelligenz (KI) im Bereich Compliance und welche Strategie sollen Finanzinstitute fahren, die die Implementierung von KI in Erwägung ziehen?

Im Jahr 1997 spielte der russische Schachweltmeister Garri Kasparov eine Partie Schach gegen IBMs Supercomputer Deep Blue und wurde besiegt. Diese Partie war die erste Niederlage eines Schachweltmeisters durch einen Computer. 20 Jahre später besiegte Googles künstliche Intelligenz Alpha Go, Ke Jie, den Weltranglistenersten im asiatischen Go-Spiel. Die Tatsache, dass ein Programm die für unbesiegbar gehaltenen, weltbesten Spieler besiegt hat unterstreicht das enorme Potential künstlicher Intelligenz (KI).

Was ist KI und warum hat sie eine hohe Relevanz?

Künstliche Intelligenz entsteht, wenn Computer in die Lage versetzt werden, aus Erfahrungen zu lernen, sich auf neue Inputs einzustellen und menschenähnliche Aufgaben zu erfüllen. Die wichtigsten KI-Beispiele stützen sich stark auf Neural Networks, Natural Language Processing (NLP) und Machine Learning. Durch den Einsatz dieser Technologien können Computer für die Erfüllung bestimmter Aufgaben geschult werden, indem die KI große Datenmengen verarbeitet und Muster in diesen erkennt. Deep Blue analysierte die Spielweise seiner Gegner und passte sich dieser an.

KI im Bankwesen

Künstliche Intelligenz hat das Potenzial, jeden Aspekt der Bankprozesse zu revolutionieren, indem Prozesse beschleunigt, der Zahlungsverkehr sicherer und der Backend-Betrieb effizienter gestaltet werden. Die Art und Weise, wie Banken arbeiten, wird verändert: von Investmententscheidungshilfen (bspw. Robo Advisory) über Kreditwürdigkeitsprüfungen bei Verbraucherkrediten bis hin zu smart contracts. Ein Kernbereich, in dem Banken mit künstlicher Intelligenz signifikant Kosten sparen können, ist das Middle Office, hier insbesondere im Bereich der Compliance.

Die wichtigsten Vorteile

KI passt sich durch progressive Lernalgorithmen an, indem durch das Identifizieren von Strukturen und Regelmäßigkeiten, selbst lernend zukünftige Ereignisse vorhergesagt werden können. Dieses Vorgehen wird auch Predictive Analysis genannt. Auf diese Weise haben KI-Modelle die Möglichkeit sich neuen Datensätzen anzupassen. So lassen sich Fortschritte im Bereich KI schnell realisieren: Der Aufbau eines vielschichtigen Anti-Fraud-Systems war vor einigen Jahren nur schwer zu realisieren und heute ist es bereits Best-Practice vieler Finanzinstitute (FI).

share-of-organizations-implementing-AI-capgemini-invent
Abbildung 1: KI bringt neue Erkenntnisse und macht Unternehmen kreativer; Quelle: Capgemini Digital Transformation Institute, State of AI Umfrage, N=993 Unternehmen, die AI umsetzen, Juni 2017

Wie verbessert die KI die Compliance für Finanzinstitute?

Viele Unternehmen betrachten Compliance als eine ressourcenintensive Aufgabe, die mit hohen Kosten, langwierigen Prozessen und umfangreichen sowie regelmäßigen Kontrollen verbunden ist und darüber hinaus durch Datenineffizienzen zusätzlich erschwert wird. KI ermöglicht es diese Prozesse effizienter zu gestalten, z.B. durch Echtzeit-Onboarding, Verbesserung der Qualität des Screenings und die Reduktion der False-Positives-Rates. Zusätzlich können Risikoexperten der Finanzinstitute effektivere Kontrollen durchführen, indem sie automatisierte End-to-End-Tools zur Betrugsprävention einsetzen.

vorteile-der-ki-für-finanzinstitute-capgemini-invent
Abbildung 2: Unternehmen sehen Vorteile in den Bereichen Betrieb, Vertrieb und Kundenservice; Quelle: Capgemini Digital Transformation Institute, State of AI Umfrage, N=993 Unternehmen, die AI umsetzen, Juni 2017

Auch wenn KI zahlreiche Vorteile bietet, sollten die Herausforderungen und notwendigen Voraussetzungen berücksichtigt werden, die für eine erfolgreiche KI-Implementierung erfüllt sein müssen. Üblicherweise handelt es sich nicht nur um eine einfache „Plug-and-Play“-Konfiguration, sondern es sind Institut-spezifische Anpassungen notwendig. Einige KI-Prozesse lassen sich recht einfach mit bestehenden Strukturen und Legacy-Systemen zu kombinieren und implementieren.

Robotic Process Automation (RPA) ermöglicht es, wiederholende Aufgaben an Prozess- und Systemschnittstellen zu automatisieren. Durch die schnellere, kostengünstigere und effizientere Ausführung von Routinefunktionen, bieten RPA-Tools das Potenzial, Ressourcen effektiver einzusetzen. RPA wird bisher für die Erfassung von Dokumenten, Datenbeschaffung, Berechnungen und Automatisierung einfacher Arbeitsschritte eingesetzt. Die Anwendung von RPA auf sich wiederholende, manuell intensive Monitoring-Aktivitäten entlastet die Mitarbeiter, damit diese sich auf hochkomplexe Bereiche konzentrieren können, die ihre bewertungsbasierten Entscheidungen erfordern. Zudem weist RPA, im Vergleich zu anderen KI-Prozessen, eine relativ geringe Aufwandsintensität bei der technischen Umsetzung auf.

Optische Zeichenerkennung (Optical Character Recognition – OCR) und intelligente Zeichenerkennung (Intelligent Character Recognition – ICR) ermöglichen eine effiziente Datenverarbeitung und einen schnellen Informationsgewinn in Bezug auf die Digitalisierung von Dokumenten, welche Onboarding-Verfahren und KYC-Prozesse vereinfachen.

anwendungsbereiche-capgemini-invent
Abbildung 3: KI Anwendungsbereiche in der Compliancefunktion; Quelle: Capgemini Invent, Next Generation Compliance Analyse

Natural Language Processing (NLP) und statistische Datenaggregation hingegen bilden die Grundlage für anspruchsvollere KI-Anwendungsbereiche. Die Anwendungsfälle sind vielfältig: NLP ermöglicht die automatisierte Digitalisierung, Bearbeitung und sogar Erstellung von juristischen Unterlagen, in rechtlichen und regulatorischen Anwendungsfällen.

Die statistische Datenaggregation kombiniert Daten zu einem Gesamtbild, um die Abfragezeit großer Datensätze mittels eines Clustering-Algorithmus zu verkürzen. Auch hier ergeben sich weitere Vorteile durch den Einsatz künstlicher Intelligenz.

Weitere Techniken des Machine Learning ermöglichen AML- und KYC-Analysen für Onboarding-Prozesse beim Kunden. Es werden Segmente, so genannte Cluster von Entitäten gebildet, auf die Regeln für Suspicious Activity Monitorings (SAM) angewendet werden. Diese können durch Machine Learning validiert werden. Im letzten Schritt werden die Cluster dann in regelbasierte AML- und KYC-Analysesysteme aufgenommen.

KI Use Cases – Ernten der „low hanging fruits”

Die Capgemini-Analyse, in der Implementierung von über 50 KI-Anwendungsfällen untersucht wird, zeigt, dass viele Unternehmen zukünftig bevorzugt komplexere KI-Anwendungsbereiche abdecken möchten und sich nur wenige auf Anwendungsfälle konzentrieren, die nicht nur einfach zu implementieren sind, sondern auch einen hohen und schnellen Nutzen generieren.

Somit geht nur eine kleine Anzahl an Unternehmen dem nach, was Capgemini als „must do“ definiert: Die „low hanging fruit“ zuerst zu ernten. Die Vernachlässigung dieser „must do“-KI-Initiativen ist ungenutztes Potenzial. Diese Analyse bewahrheitet sich über viele Branchen hinweg, jedoch lässt sich erkennen, dass der „must do“-Bereich, der mit hohem Nutzen und niedrigen Kosten verbunden ist, im hohen Maße Compliance-bezogene Anwendungsfälle aufweist, einschließlich regulatorischer Compliance, Gesichtserkennung (Onboarding) und Risikomanagement. Durch die Entscheidung für die Implementierung von KI in diesen Bereichen können Unternehmen diese Aufgaben effektiver und effizienter bewältigen.

anwendungsfälle-capgemini-invent
Abbildung 4: Verteilung der Anwendungsfälle nach Nutzen und Komplexität; Quelle: Capgemini Digital Transformation Institute, State of AI Umfrage, N=993 Unternehmen, die AI umsetzen, Juni 2017

Was bringt die Zukunft?

KI kann auf einer Vielzahl von Compliance und Fraud Anwendungsfällen Nutzen schaffen. Es ist wichtig zu bedenken, dass geeignete Anwendungsfälle für KI-Prozesse datenintensive Aufgaben sind, die wiederholte Aktivitäten mit zugrundeliegenden strukturierten Entscheidungsbäumen sowie komplexen Datenstrukturen erfordern. Diese gilt es dann zu vereinfachen. Bei der Implementierung von KI wird den Unternehmen geraten, einen iterativen Ansatz zu entwickeln und die Anwendbarkeit erst einmal von so genannten „low hanging fruits“ zu testen.

Von Neural Network bis hin zu Deep Learning – KI-Lösungen haben das Potenzial, die Funktionsweise von Finanzinstituten zu revolutionieren und die nächste Generation von Compliance zu gestalten. Capgemini ist nicht nur ein zuverlässiger Partner in Compliance-Themen, sondern auch ein exzellenter Berater für KI-Implementierungsinitiativen und verfügt mit der AI Garage über ein breite gefächertes KI-Portfolio, bestehend aus BI-Dashboards & Visualisierungstools, Anwendungsprototypen, prädiktiven Modellen sowie Training und Enablement. Perform AI ist Capgeminis einzigartiges, ganzheitliches KI-Serviceportfolio, das Unternehmen über das MVP hinaus dazu bringt, KI in ihrer Größenordnung und mit maximaler Wirkung bereitzustellen. Dank seines modularen Ansatzes liefert Perform AI Lösungen entlang der gesamten Wertschöpfungskette.

Die Implementierung von KI ist ohne Zweifel nicht immer ein triviales Unterfangen. Die Compliance-Themenexperten von Capgemini bieten pragmatische Antworten auf einfache und komplexe Fragen, bewährte Lösungen und Best-Practices.

Vielen Dank an Laura Gyurova, Lisa Suhr und Alexander Mühlmann für die Zusammenarbeit an diesem Blogartikel.


Quellen:

Capgemini: Turning AI into concrete value: the successful implementers’ toolkit

Capgemini Digital Transformation Institute, State of AI survey

IBM: Demystifying Artificial Intelligence in Risk and Compliance – IBM

Mediapost, Sas, Built In, Business Insider, Finextra, Forbes, Chessgames, Reuters, CB Insights

Company websites

Weitere Posts

Finance

OCR – Der nächste Schritt zum digitalen KYC-Prozess

Gebhard Wengenroth
Date icon Februar 24, 2020

Optical Character Recognition (OCR) im KYC-Prozess: Sortieren Sie Ihre Dokumente noch manuell...

cookies.

Mit dem Fortsetzen des Besuchs dieser Website akzeptieren Sie die Verwendung von Cookies.

Für mehr Informationen und zur Änderungen der Cookie-Einstellungen auf Ihrem Computer, lesen Sie bitte Privacy Policy.

Schließen

Cookie Information schließen