„KI einführen ist wie Pizza backen“

Ein Artikel von red | 12.04.2021 - 14:25

„Aus technologischer Sicht möchte ich bemerken, dass sich mit KI nur Probleme lösen lassen, bei denen ein kausaler Zusammenhang innerhalb der Daten besteht, mit denen die KI trainiert wurde – ohne den geht es nicht.“

Björn Lehnhardt, GFT

„Mit Bot-Technologien, KI-basierter Kundenansprache und personalisierten Dienstleistungsangeboten fühlen sich viele Kunden besser beraten als mit Flyern oder anderen standardisierten Produkten.“

Nehir Safak-Turhan, GFT

Was hat Sie dazu gebracht das Thema KI ganz oben auf die persönliche und geschäftliche Agenda zu setzen?

Björn Lehnhardt: Vor ein paar Jahren saß ich samstags beim Frühstück,  habe im Handelsblatt geschmökert und einen Artikel entdeckt, der beschrieb, wie das KI-Labor von Facebook versuchte Maschinen Sprache beizubringen. Das Ganze hat so gut funktioniert, dass die Entwickler die Sprache irgendwann nicht mehr verstanden und schlussendlich die Stecker der Maschinen ziehen mussten – das hat mich beschäftigt. Seitdem setzte ich mich mit dem Thema Machine Learning (ML) auseinander und kümmere mich gemeinsam mit meinen Kollegen darum, dessen große Potenziale sinnvoll im Financial Services Bereich zu nutzen.

Nehir Safak-Turhan: Ich bin im Business Development tätig – da kommt man im Moment um das Thema nicht herum. Je mehr ich mich damit beschäftigte, desto mehr fasziniert es mich. Wir haben bei GFT schon zahlreiche KI-Implementierungen erfolgreich durchgeführt, und zu ähnlichen Erfolgserlebnissen möchte ich noch vielen weiteren Kunden verhelfen. Deshalb haben wir das Thema „Künstliche Intelligenz“ zum Schwerpunktthema 2021 ernannt und entwickeln neben Kundenprojekten eigene Proofs of Concept (PoCs), um möglichst viele Business Cases parat zu haben, die sich für Finanzinstitute rechnen. 

Wie schätzen Sie die internationale Wettbewerbssituation in Sachen KI ein? 

Safak-Turhan: Der Einsatz von KI-Anwendungen im Financial Services-Bereich ist in Deutschland unterdurchschnittlich ausgeprägt. Das führt ganz eindeutig zu einem Wettbewerbsnachteil. Für deutsche und europäische Banken wären die größten Vorteile, dass sie mit KI sowohl Betriebskosten als auch Arbeitsbelastung reduzieren und damit Geld und Zeit sparen könnten. Das Schöne: Nach anfänglichen Investitionskosten stellt sich in der Regel nach KI-Einführungen in den Folgeperioden ein sehr schneller Return on Investment ein. Im internationalen Vergleich sind europäische Banken in der Adaption von KI jedoch verhalten. Meiner Einschätzung nach erschweren knappes Betriebskapital und die hohe regulatorische Komplexität die Adaption – es gibt aber häufig auch wenig Wissen darüber, welche Anwendungsfälle sich gut für KI eignen.

Welche sinnvollen Einsatzgebieten sehen Sie?

Björn Lehnhardt: Da gibt es jede Menge. An erster Stelle steht für mich ein sehr naheliegendes, besonders wirkungsvolles Einsatzgebiet: die Prozessautomatisierung, also die maschinelle Verarbeitbarkeit unstrukturierter Daten wie Texte, Dokumente, Bilder, Videos, um die sich heute meist Sacharbeiter kümmern müssen. Hier können sich Banken in Zukunft unheimlich viel fehleranfällige Handarbeit ersparen. Auch beim Thema Compliance und Regulierung kann KI hilfreich sein, indem sie die regulatorisch-rechtliche Konformität und die Sicherstellung von Cybersecurity und Datenschutz durch Deep Learning-Mechanismen unterstützt oder durch Anomalie-Erkennung interne Revision und externe Prüfungen verbessert. Auf Basis von Predictive Analytics können Finanzdienstleister außerdem Anlagestrategien und Trading-Transaktionen unterstützen oder Vermögensmanagement und -beratung deutlich verbessern. Und vielleicht noch ein letzter wichtiger Punkt: automatisierte Kreditentscheidung und -auszahlung. Hier kann eine KI genauer hinschauen als jeder Kreditprüfer – allerdings ist extrem wichtig, dass die maschinelle Entscheidungen klar nachvollziehbar bleibt.

Safak-Turhan: Ich würde gerne noch einen Punkt ergänzen: die Kundenzentrierung. Auch wenn es sich zunächst paradox anhört, kann KI sehr gut für die persönlich wirkende, individuelle Betreuung von Kunden eingesetzt werden. Mit Bot-Technologien, KI-basierter Kundenansprache und personalisierten Dienstleistungsangeboten fühlen sich viele Kunden besser beraten als mit Flyern oder anderen standardisierten Produkten. Dabei gehen die technischen Möglichkeiten bereits sehr weit: Smarte Chatbots und virtuelle Assistenten mit Sprachsteuerung unterhalten sich nicht nur mit den Kunden, sondern liefern auch erstaunlich gute Ergebnisse, wenn es um Potenzialanalysen geht.

Wo hat KI ihre Grenzen?

Safak-Turhan: KI ist nicht in der Lage sämtliche kognitiven Fähigkeiten von Menschen abzubilden. Texterkennung, Spracherkennung und maschinelles Lernen können nicht mit der Fülle der menschlichen Wahrnehmung mithalten, die auch vermeintlich unlogische Querverbindungen, emotionale Einflussfaktoren und psychische Mechanismen einbezieht. Deshalb ist menschliches Urteilsvermögen nicht durch KI ersetzbar, genauso wenig wie die bloße technologische Machbarkeit ein Ersatz für regulatorische, rechtliche und ethische Konformität sein kann. 

Björn Lehnhardt: Aus technologischer Sicht möchte ich noch anfügen, dass sich mit KI nur Probleme lösen lassen, bei denen ein kausaler Zusammenhang innerhalb der Daten besteht, mit denen die KI trainiert wurde. Gibt es den nicht, kann KI auch nicht weiterhelfen. Das zeigt: Es muss nicht immer KI sein. Auch wenn ich für das Thema brenne, muss ich zugeben, dass man manchmal auch mit herkömmlichen Methoden ganz wunderbar ans Ziel kommt.

Apropos Ziel: Wenn man sich für eine KI-Lösung entscheidet – wie sieht der Weg zum Ziel aus? Können Sie die wichtigsten Schritte kurz zusammenfassen?

Björn Lehnhardt: Am einfachsten erklärt sich das mit einer Analogie – dem Pizzabacken: In Schritt eins identifizieren wir relevante Use Cases beziehungsweise entscheiden, welche neue Pizza künftig den Gästen serviert werden soll. Dann müssen wir Daten und Hardware überprüfen – also: Welche Zutaten und welche Geräte brauchen wir? Anschließend backen, probieren und verfeinern wir die Pizza. Im Technologieleben würden wir mit verschiedenen ML-Algorithmen experimentieren und als nächstes das gewählte Modell mit weiteren Daten verproben. Die Pizza wird also noch einmal mit neuen Zutaten gebacken, um dann zu entscheiden:  Soll diese Pizza den Gästen serviert werden? Lautet die Antwort ja, muss das Modell in die Systemlandschaft integriert werden, sprich: Die Speisekarten werden aktualisiert, Koch und Kellner informiert, Zutaten beim Lieferanten bestellt. Und wenn dann alles läuft, überprüfen wir das Modell kontinuierlich – wir sichern die Qualität ab und fragen die Gäste regelmäßig, wie ihnen die Pizza schmeckt.

Was sind Ihrer Meinung nach die wichtigsten Voraussetzungen für erfolgreiche KI-Projekte?

Björn Lehnhardt: Als erstes sollte man ein klares Ziel definieren und dabei den Fokus auf den Business Value und den Output legen. Das heißt man muss vor Projektstart wissen, welches Ergebnis der Zielerreichung entspricht. Das ist insofern entscheidend, als man KI-Versuche im Hinblick auf die Kosten fast beliebig treiben kann: Genügt beispielsweise eine Bilderkennungsrate von 80 Prozent, weil der Ausbau auf 90 Prozent unverhältnismäßig viel Mehraufwand bedeuten würde? Sobald der Business Case steht, muss ich überprüfen, ob ich ausreichend brauchbare Daten habe, wie ich diese Daten labeln kann und wie ich hardwareseitig mit dem Thema umgehe: Wo soll die KI-Anwendung laufen – im eigenen Rechenzentrum? Oder in der Cloud? Skaliert das Ganze, sprich funktioniert es später auch mit mehreren tausend Usern? Welche Betriebskosten kommen auf mich zu? Gute Vorarbeit ist also das A und O, um erfolgreich zu sein.

Safak-Turhan: Als Fazit kann man sagen: Wer KI nutzbringend einsetzen will, braucht ein systematisches und  zielorientiertes Vorgehen. Ein zentraler Aspekt ist die Validierung eines sinnvollen Business Cases. Daher gilt: Kein Einsatz von KI-Technologie ohne relevanten Business Case!