Künstliche Intelligenz: Schluss mit der Datensammlung, ran an die Gesamtbanksteuerung

Künstliche Intelligenz für den CFO

Banken nutzen Digitalisierung vor allem, um das Kundenerlebnis zu verbessern. Dabei unterschätzen sie das Potenzial im Backoffice. Richtig eingesetzt, eignet sich künstliche Intelligenz (KI) beispielsweise als ideale Verstärkung für den Controller und die Gesamtbanksteuerung – wenn denn der dafür nötige Paradigmenwechsel gelingt.

Zwei ganz wesentliche Dienste können künstlich intelligente Systeme für die Steuerung einer Gesamtbank leisten:

  1. KI befreit das Controlling im Reporting von zeitaufwendigen und häufig wenig herausfordernden Tätigkeiten. Die Systeme sind einfach schneller und genauer darin, Zahlen zu sammeln und in die richtige Form zu bringen – wenn nötig, auch nach Feierabend.
  2. KI unterstützt bei der Ermittlung schwer zu ermittelnder Steuerungsgrößen. Lernende Systeme haben schnell das analytische Verständnis drauf, um auch komplexere Such- und Rechenaufgaben zu erledigen.

Dabei geht es nicht darum, den Controller überflüssig zu machen. Er soll vielmehr zu seiner eigentlichen Bestimmung geführt werden. Dafür wird es allerdings Zeit für einen Paradigmenwechsel in der Gesamtbanksteuerung.

Der Controller ist kein Datenknecht

Als ich vor mittlerweile einigen Jahren Bankbetriebslehre als Schwerpunktfach im Studium belegt hatte, ging es im Controlling darum, wie ich ein Adressrisiko quantifiziere und wie ich mittels Marktzinsmethode den Deckungsbeitrag einer Baufinanzierung bestimme. Studieninhalt war bestimmt nicht, wie ich aus einer Vielzahl von Datenquellen Zahlen so zusammenkopiere, dass am Ende ein einigermaßen korrekter Report entsteht.

Genau das aber scheint heute die zentrale Aufgabe der Mitarbeiter im Controlling zu sein, wenn ich mir aktuelle Projekte namhafter Banken anschaue. Eine ehrenvolle und wichtige Aufgabe, zweifelsohne – um diese zu erfüllen, benötige ich jedoch bestenfalls rudimentäre Kenntnisse in Gesamtbanksteuerung.

Um die Reportingarbeit zu erleichtern, im Wesentlichen aber auch, um die regulatorischen Anforderungen zum Beispiel von AnaCredit zu erfüllen, laufen landauf und landab Großprojekte, die sich „zentrale Datenplattform“, „Single Point of Truth“ und „Financial Datawarehouse“ nennen. Allen diesen Projekten ist gemein, dass sie Unmengen von Ressourcen schlucken und den Controller neben der Reporterstellung zum Qualitätssicherer des Datenhaushalts machen. Auch das ist eine gleichermaßen ehrenvolle Aufgabe, aber auch dafür muss niemand betriebliche Finanzwirtschaft oder Bankbetriebslehre studieren.

Der Finanzvorstand EMEA der Deutschen Bank AG, Joachim Müller, hat die Situation im Controlling bereits vor einigen Jahren im Online-Magazin CIO.de angeprangert: „Die Produktion von Daten darf nicht zu komplex und aufwendig sein. Die Mitarbeiter der Finanzabteilung sollen mehr Zeit für die Analyse von Daten haben, nicht nur für deren Produktion.“

Um etwas zu ändern, bedarf es allerdings Überzeugungsarbeit, selbst bei den Betroffenen: Als ich unlängst beim Mittagessen mit einem Bankcontroller die bloße Idee äußerte, man könnte doch Big Data und künstliche Intelligenz nutzen, um sowohl die Großprojekte zum Aufbau eines integrierten Datenhaushalts überflüssig zu machen als auch den Controller von vielen Aufgaben bei der Reporterstellung zu befreien, führte das zu der entsetzen Frage, was denn dann zukünftig die Aufgabe des Controllings sei. Und mir wiederum lief bei seiner Frage ein leichter Schauer über den Rücken: Ist es tatsächlich so weit gekommen, dass es das Selbstverständnis des Controllings ist, die Berechnung von Ergebnisgrößen nicht mehr konzipieren und die Daten nicht mehr zu interpretieren zu müssen? Ich dachte, das sei die Kernkompetenz des Controllers.

Gesamtbanksteuerung durch künstliche Intelligenz unterstützen

Es wird Zeit, dass hier ein radikales Umdenken bei den Banken einsetzt. Problemfelder in der Gesamtbanksteuerung gibt es viele. In aktuellen Befragungen, nicht nur in unserem regelmäßig durchgeführten Branchenkompass Banking, nennen Entscheider immer wieder das niedrige Zinsniveau, die wachsende Konkurrenz neuer Akteure und den vor Jahren kaum vorstellbare und stetig steigende regulatorische Druck als die drei zentralen Herausforderungen. Hinzu kommen in unregelmäßigen Abständen Bankenkrisen, die je nach Auslöser Adress- und Zinsänderungs- und Liquiditätsrisiken sowie operationelle Risiken die Risikomanager vor Probleme stellen.

In fast jedem dieser Felder lassen sich mittels neuer technischer Möglichkeiten wie Smart Analytics und künstliche Intelligenz geeignete Lösungen finden. KI und Robotic Process Automation können mindestens in der Form helfen, indem sie den fähigen analytischen Köpfen in den Banken den nötigen Freiraum verschaffen.

Entscheidend ist, dass sich die Gesamtbanksteuerung mit einer geeigneten Kombination von fachlicher Expertise, technischem Know-how und Kreativität aus einem in weiten Teilen jahrzehntealtem Korsett befreit.

Über konkrete Anwendungsfelder für diesen Paradigmenwechsel werden wir in einem weiteren Blog Post in den kommenden Wochen berichten.


Lars Holzgraefe

Lars Holzgraefe ist Berater im Bereich Banking bei Sopra Steria Consulting. Er beschäftigt sich mit den Themen Risikomanagement und Regulierung. Im Blog schreibt er über die Einsatzmöglichkeiten digitaler Technologien im Bereich Risk & Regulatory.


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.