Von Effizienz zu Transformation: Wie AI die Finanzdienstleistungsbranche neu gestaltet

Die Regeln der Finanzindustrie werden dank KI und generativer KI neu geschrieben. In ihrem Gespräch für The Bridge, Artefact's Joffrey Martinez, Managing Partner & Global Lead für Finanzdienstleistungen, und Alexis Baufine-Ducrocq, Partner & Lead Financial Services, diskutieren über den Wettlauf um die Neudefinition der Finanzleistung durch KI.

Joffrey Martinez leitet data und KI-Transformationsprogramme für große Banken, Versicherer und Finanzinstitute weltweit. Bevor er zu Artefact kam, arbeitete er im Bereich Private Equity und Beratung, unter anderem bei BearingPoint und IBM Consulting Frankreich. Er hat einen Master-Abschluss der Kedge Business School und die Zertifizierung Black Belt Lean Six Sigma, Executive Education der École Polytechnique.

Alexis Baufine-Ducrocq unterstützt führende Banken und Versicherer bei der Einführung von KI- und GenAI-Lösungen. Er verfügt über mehr als 14 Jahre Beratungserfahrung in Europa und Asien und war zuvor in den Bereichen Strategie und Technologie tätig. Alexis studierte Ingenieurwesen und Telekommunikation an der CentraleSupélec und ist Absolvent der ESCP Europe.

Künstliche Intelligenz ist schon lange Teil der Finanzwelt, aber die die Beschleunigung der generativen KI und der fortgeschrittenen Analytik definiert jetzt neu, wie Institutionen über Leistung, Produktivität und Wertschöpfung denken. Im Bank- und Versicherungswesen und in der Vermögensverwaltung wird KI nicht nur zu einem Werkzeug für operative Effizienz, sondern zu einem Motor für strategische Veränderungen.

Die Wettbewerbsfähigkeit im Finanzwesen wird heute nicht mehr nur an den Gewinnspannen oder dem Risiko gemessen, sondern daran, wie effektiv die Institute ihre data erfassen und nutzen können. Der Wettlauf um schnellere Entscheidungen, bessere Kundenerfahrungen und stabilere Abläufe, die alle auf der intelligenten Orchestrierung von Informationen beruhen, hat begonnen.

Geschwindigkeit, Genauigkeit und Qualität sind untrennbar geworden. In einem Umfeld, in dem eine Bank einen Kredit innerhalb von Stunden statt Tagen bewilligen oder ein Versicherer einen Schaden innerhalb von Minuten erstatten kann, haben sich die Erwartungen der Kunden dauerhaft verändert. Die Führung im Finanzwesen wird denjenigen gehören, die Agilität mit Vertrauen verbinden können: eine Kombination, die durch KI ermöglicht wird.

Zwei Wege zur KI-Reife

Jedes Finanzinstitut ist mit der Umstellung auf KI beschäftigt, aber der Reifegrad ist in den einzelnen Sektoren sehr unterschiedlich. Das Privatkundengeschäft und das Versicherungswesen gehörten zu den ersten, die KI industrialisiert haben. Das liegt vor allem daran, dass ihre Geschäftsmodelle von Skaleneffekten abhängen: Millionen von Kunden, Milliarden von data-Punkten und konstanter Druck auf die Margen. Diese Bedingungen machen die Rendite von KI-Investitionen sowohl messbar als auch unmittelbar.

Retail-Banken nutzen jetzt maschinelles Lernen, um Kreditantragsteller vorqualifizieren, Angebote personalisieren und Anomalien in Kundentransaktionen erkennen. Versicherer verwenden ähnliche Techniken, um Vertragsverlängerungen vorhersagen, Betrug aufdecken und das Underwriting optimieren. In beiden Sektoren unterstützt KI direkt die Rentabilität, indem sie die Betriebskosten senkt und das Cross-Selling-Potenzial erhöht.

Im Gegensatz dazu traten das Investmentbanking, das Private Banking und die Vermögensverwaltung in die Ära der KI ein, indem sie sich auf bestimmte Bereiche spezialisierten: quantitativer Handel, Risikomodellierung und Betrugserkennung. Diese Anwendungen waren tiefgründig, aber eng und auf Experten wie Quants und Aktuare beschränkt. Was sich heute ändert, ist die Verbreitung von KI in der gesamten Wertschöpfungskette. Kundenbeziehungen, Kreditvergabe und Risikomanagement werden nun von KI durchdrungen. Vorhersagemodelle und automatisierte Schlussfolgerungen. Was einst in isolierten Exzellenzzentren stattfand, wird nun in die tägliche Entscheidungsfindung integriert.

Wie Joffrey es ausdrückt, “Alle Akteure haben sich in das Rennen um die KI gestürzt, denn es ist eine echte Herausforderung für den Wettbewerb, dieses Potenzial zu erschließen.” Die Verbreitung von KI markiert den Übergang vom Experimentieren zur Integration, von isolierten Projekten zu einer branchenweiten Fähigkeit, die die Wettbewerbsfähigkeit untermauert.

Bau des data foundations

Unter den Teilsektoren des Finanzsektors bietet das Versicherungswesen vielleicht das deutlichste Bild davon, wie tief data den Wandel definiert. Versicherungsmathematiker, die ursprünglichen data-Wissenschaftler der Branche, haben schon immer statistische Modelle verwendet, um Risiken zu bewerten. Diese Kultur der Quantifizierung verschafft den Versicherern einen natürlichen Vorteil, wenn sie ihre Infrastruktur modernisieren.

In den letzten Jahren hat sich der Schwerpunkt auf die Schaffung von Ende-zu-Ende data-Ökosysteme. Kranken-, Sach- und Unfallversicherer bauen Plattformen auf, die in der Lage sind, Kunden data, Schadensfälle data, Verhaltensdaten data und externe Quellen in Echtzeit zu erfassen. Das Ergebnis ist ein einheitliche Grundlage für Vorhersage und Personalisierung.

Die meisten Versicherer arbeiten heute mit hybriden, Multi-cloud-Architekturen. Hochsensible data-Sets, wie z.B. Krankenakten, bleiben vor Ort, während weniger kritische data auf öffentliche clouds migriert werden, um Skalierbarkeit und fortschrittliche Analysen zu ermöglichen. Zunehmend wird ein Eine dritte Ebene, die souveränen clouds, entsteht, um Innovation und gesetzliche Anforderungen in Einklang zu bringen. Dieser mehrstufige Ansatz ermöglicht es Unternehmen, ein Gleichgewicht zwischen Compliance, Flexibilität und Kosten herzustellen.

Ebenso wichtig ist der Aufstieg des robusten data governance. Die Verantwortung für data rückt näher an die Geschäftsfunktionen heran, so dass Underwriter, Schadensmanager und Marketingspezialisten direkt für die Qualität und Nutzung von data verantwortlich sind. Eine starke Governance macht data von einem technischen Asset zu einem operativen Asset: sauber, kontextbezogen und für KI nutzbar. Mit starker Governance, KI entwickelt sich von Experten-Tools zu Selbstbedienungssystemen, die den Geschäftserfolg beschleunigen.

Kundenplattformen (Customer Data Platforms, CDPs) werden zu einem zentralen Bestandteil dieser Strategie. Durch die Verknüpfung von Informationen über alle Berührungspunkte hinweg ermöglichen CDPs den Versicherern, frühe Anzeichen von Abwanderung zu erkennen, Angebote anzupassen und dynamisch auf das Kundenverhalten zu reagieren. In einem Sektor, der für hohe Fluktuation bekannt ist, wo, wie Alexis es ausdrückt, “Das Spiel besteht darin, die Badewanne schneller zu füllen, als sie sich leert”, ist die data-Integration jetzt ein Synonym für Kundenbindung.

Wenn diese Grundlagen vorhanden sind, kann sich KI von expertengesteuerten Initiativen zu Self-Service-Anwendungen entwickeln, die jeder Geschäftseinheit zugänglich sind. Data wird so zur Brücke zwischen technologischem Potenzial und kommerzieller Wirkung.

Globale Kontraste bei der Einführung von KI

Vergleicht man den Reifegrad der KI weltweit, ergeben sich klare Muster. Die Vereinigten Staaten sind mit deutlichem Abstand führend und machen mehr als ein Drittel des weltweiten KI-Umsatzes im Finanzdienstleistungsbereich aus. Amerikanische Institute wie JPMorgan haben KI in nahezu jeden Prozess integriert, vom Handel über das Kreditmanagement bis hin zur Kundenberatung, und zeigen damit, wie eine vollständige Integration in großem Maßstab aussehen kann.

Asien folgt dicht auf den Fersen, angetrieben von Chinas außergewöhnlicher Innovationskraft. Ping An zum Beispiel hat sich von einem Versicherer zu einem diversifizierten Technologieunternehmen entwickelt, das Tausende von KI-Patenten angemeldet und Hunderte von Anwendungsfällen in den Bereichen Gesundheitswesen, Kreditvergabe und Vermögensverwaltung industrialisiert hat.

Europa steht in Bezug auf den Umfang seiner Initiativen in einer Reihe mit Asien, unterscheidet sich jedoch durch seine Schwerpunkt auf Ethik und Regulierung. Banken wie UBS, BNP Paribas und Santander investieren stark in verantwortungsvolle KI-Frameworks und setzen gleichzeitig fortschrittliche Modelle zur Betrugsprävention und im Kundenservice ein.

Andere Regionen machen auf ganz eigene Weise rasche Fortschritte. Lateinamerika, angeführt von der brasilianischen Itaú und der Nubank, nutzt KI zur Betrugsbekämpfung und zur Verwaltung rein digitaler Banking-Ökosysteme. Der Nahe Osten profitiert von staatlich geförderten KI-Investitionsstrategien, die Innovationen in allen Sektoren beschleunigen, während afrikanische Institute KI nutzen, um die finanzielle Inklusion auf unterversorgte Bevölkerungsgruppen auszuweiten.

Trotz dieser Unterschiede gibt es einen Faktor, der die Spitzenreiter eint: die Anerkennung von KI als strategische Infrastruktur. Nationen und Institutionen, die KI nicht als Kostenhebel, sondern als Wachstumsplattform betrachten, bewegen sich schneller, selbstbewusster und kohärenter.

Drei Vektoren der Wertschöpfung

Im gesamten Finanzsektor schafft KI durch drei miteinander verknüpfte Hebel Werte: Kostenoptimierung, Umsatzwachstum, und Risikoschutz.

Kostenoptimierung bleibt die sichtbarste. Die Automatisierung senkt die “Cost to Serve”, indem sie die Dokumentenverarbeitung, das Underwriting und die Kundenbetreuung rationalisiert. Im Privatkundengeschäft hat die KI-gesteuerte Kreditanalyse die Kreditgenehmigungszeiten um Tage verkürzt, was die Betriebskosten reduziert und gleichzeitig die Kundenzufriedenheit erhöht. Im Versicherungswesen, Durch die End-to-End-Automatisierung können jetzt bis zu 30 Prozent der Schadensfälle in der Sach- und Krankenversicherung innerhalb von Minuten bearbeitet werden.. Optische Zeichenerkennung und generative Modelle lesen Rechnungen, überprüfen die Deckung und lösen sofortige Zahlungen aus: ein greifbares Beispiel für Effizienz, die sich in Erfahrung niederschlägt.

Die gleichen Systeme erhöhen den menschlichen Beitrag. Durch die automatische Bearbeitung von Routinefällen können sich KI-Experten auf komplexe oder sensible Situationen konzentrieren, in denen Urteilsvermögen und Einfühlungsvermögen am wichtigsten sind. In diesem Sinne wird die Automatisierung zu einem Weg, die Arbeit zu re-humanisieren, anstatt sie zu eliminieren.

Umsatzwachstum ist die nächste Grenze. Prädiktive Analytik ermöglicht es Banken und Versicherungen, die Bedürfnisse ihrer Kunden zu antizipieren - ein neuer Job, ein Hauskauf, eine Veränderung im Leben - und ihnen genau im richtigen Moment die passenden Produkte vorzuschlagen. Generative KI erweitert diesen Vorteil im Beratungskontext: Im Private Banking kann sie komplexe Marktanalysen zu prägnanten, umsetzbaren Erkenntnissen verdichten und so die Zeitspanne zwischen Expertise und Kundenentscheidung verkürzen.

Solche Fähigkeiten verwandeln Servicemodelle von reaktiv zu proaktiv. Beziehungen werden kontinuierlich, kontextabhängig und personalisiert, und stellt ein wesentliches Unterscheidungsmerkmal in Märkten dar, in denen Produktangebote ansonsten zur Massenware werden. KI setzt einen neuen Standard für Kundenbeziehungen: verfügbar, erreichbar, personalisiert und jederzeit ansprechbar.

Der dritte Vektor, der Schutz, ist vielleicht der wichtigste für das Vertrauen. Machine-Learning-Modelle überwachen jetzt Millionen von Transaktionen in Echtzeit und erkennen Anomalien, die auf potenzielle Betrugs- oder Geldwäscheaktivitäten hindeuten. Die Fähigkeit der KI, mit unausgewogenen data umzugehen, bei denen die echten Transaktionen die betrügerischen bei weitem überwiegen, hat die Risikoerkennung revolutioniert.

In Übereinstimmung, KI reduziert Fehlalarme drastisch. Anstelle von Heerscharen von Analysten, die Transaktionen manuell überprüfen, filtert die KI Warnungen, um die menschliche Aufmerksamkeit auf wirklich verdächtige Aktivitäten zu lenken. In einigen Instituten wird die Anzahl der verdächtigen Aktivitäten um den Faktor 100 reduziert, ohne dass die Genauigkeit beeinträchtigt wird. Das Ergebnis? Geringere Kosten, schnellere Reaktionszeiten und ein größeres Vertrauen der Regulierungsbehörden und Kunden.

Über den ROI hinaus: die kulturelle Rendite

Die Auswirkungen von KI sind relativ einfach zu quantifizieren. Betrugsmodelle können zweistellige Millionenbeträge einsparen; Prozessautomatisierung kann 20 bis 30 Prozent Effizienzsteigerung bringen. Der tiefere Wert liegt jedoch darin, wie KI die Art und Weise, wie Unternehmen denken und arbeiten, verändert.

Wenn Sie KI nur als Automatisierungswerkzeug betrachten, verpassen Sie ihr transformatives Potenzial. Es geht nicht nur darum, bei Routineaufgaben Minuten zu sparen, sondern um die Neudefinition von Rollen, Managementpraktiken und sogar des Konzepts der Expertise. In der Versicherungsgesellschaft von morgen werden Manager beispielsweise KI-Agenten beaufsichtigen, die die meisten Standardschäden bearbeiten, und menschliche Zeit für außergewöhnliche Fälle aufwenden, die Einfühlungsvermögen und Urteilsvermögen erfordern.

Es gibt auch die leisere Produktivität der alltäglichen Werkzeuge, die Alexis wie folgt beschreibt diffuse Produktivität. Hilfstechnologien wie Copilot sparen vielleicht nur ein paar Minuten pro Benutzer, aber ihr kumulativer Effekt harmonisiert die Qualität in allen Teams. Wenn Mitarbeiter Entdeckungen und bewährte Verfahren miteinander teilen, beschleunigen sie die Einführung und schaffen Vertrauen in komplexere KI-Anwendungen.

Auf diese Weise wird die kulturelle Bereitschaft sowohl zu einer Voraussetzung als auch zu einem Produkt des KI-Erfolgs. Unternehmen, die Neugier und Zusammenarbeit fördern, erzielen langfristig weitaus größere Gewinne als solche, die sich nur auf unmittelbare Finanzkennzahlen konzentrieren.

Die neuen Dimensionen des Risikos verwalten

Kein Sektor hat mehr Erfahrung im Risikomanagement als der Finanzsektor. Dennoch führt KI neue Formen von Risiken ein, die angepasste Kontrollen erfordern, von data Datenschutz und Modellverzerrungen bis hin zu Cyber-Resilienz und Erklärbarkeit.

Viele Institutionen stellen sich diesen Herausforderungen mit Hilfe der “Modell der ”drei Verteidigungslinien". Ein Team entwickelt den Algorithmus, ein anderes validiert seine Integrität und ein drittes, zu dem oft auch Regulierungsbehörden gehören, überprüft seine Leistung. Diese Aufgabentrennung sorgt für Verantwortlichkeit und Transparenz über den gesamten KI-Lebenszyklus hinweg.

Entscheidend ist, dass die in der Branche tief verwurzelte Kultur der Governance bietet eine starke Grundlage für verantwortungsvolle KI. Banken und Versicherer arbeiten bereits nach strengen Standards für Vertraulichkeit und Compliance; die Ausweitung dieser Prinzipien auf algorithmische Systeme ist eine natürliche Entwicklung. Wie Joffrey bemerkt, “Das größte Risiko ist das Risiko, nichts zu tun.” Untätigkeit würde in diesem Zusammenhang bedeuten, Wettbewerbsvorteile gegenüber agileren Konkurrenten einzubüßen.

Die menschliche Transformation

Die tiefgreifendste Veränderung ist jedoch die menschliche. Die Geschichte zeigt, dass jede Automatisierungswelle den beruflichen Schwerpunkt verlagert, anstatt ihn auszulöschen. Als im späten neunzehnten Jahrhundert die mechanische Rechenmaschine aufkam, wurden die Büroangestellten nicht ersetzt, sondern zu Analytikern. Dieselbe Logik gilt auch heute.

KI wird Berechnungen, Dokumentation und Überwachung automatisieren, aber wird der Bedarf an menschlicher Aufsicht, Interpretation und Empathie nur noch wachsen. Die Fachleute von morgen werden intelligente Agenten beaufsichtigen, Prozesse orchestrieren und den Wandel gestalten. Ihr Wert wird nicht in der routinemäßigen Ausführung liegen, sondern in ihrer Einsicht und ihrem Urteilsvermögen.

Die Herausforderung ist den Menschen nicht überflüssig zu machen, sondern ihn auf eine neue Art und Weise unentbehrlich zu machen.

Auf dem Weg zu einem intelligenteren Finanz-Ökosystem

KI hat bereits die Art und Weise verändert, wie Finanzinstitute ihre Geschäfte verwalten, mit Kunden in Kontakt treten und Risiken kontrollieren. In der nächsten Phase werden spezialisierte KI-Agenten durchgängig neben menschlichen Experten arbeiten und Intelligenz in jeden Prozess einbetten.

Die Institute, die diesen Wandel anführen werden, sind diejenigen, die in der Lage sind, Innovation mit der Disziplin zu verbinden, die das Finanzwesen seit jeher ausmacht. Sie werden KI nicht nur als Technologie betrachten, sondern als Mittel zur Erneuerung des grundlegenden Auftrags der Branche: den Kunden besser zu dienen, Risiken verantwortungsvoll zu managen und mit Intelligenz und Integrität Werte zu schaffen.

Kurz gesagt, die Zukunft der Finanzdienstleistungen wird nicht dadurch entschieden, wer die meisten Modelle einsetzt, sondern durch der sie nutzt, um die vertrauenswürdigsten, anpassungsfähigsten und menschenzentriertesten Institutionen aufzubauen.

 

Sehen Sie sich das Originalinterview auf Französisch an: