Von Effizienz zu Transformation: Wie AI die Finanzdienstleistungen neu AI

Dank AI generativer AI werden die Regeln der Finanzbranche neu geschrieben. In ihrem Gespräch für „The Bridge“ diskutieren Joffrey Martinez, Managing Partner und Global Lead für Finanzdienstleistungen Artefact, sowie Alexis Baufine-Ducrocq, Partner und Lead für Finanzdienstleistungen, den Wettlauf um die Neudefinition der finanziellen Leistungsfähigkeit mithilfe von AI.

Joffrey Martinez leitet data AI für große Banken, Versicherungen und Finanzinstitute weltweit. Bevor er zu Artefact kam, war er im Bereich Private Equity und in der Beratung tätig, unter anderem bei BearingPoint und IBM Consulting France. Er hat einen Master-Abschluss der Kedge Business School sowie eine Zertifizierung als Black Belt Lean Six Sigma und absolvierte eine Executive-Education-Ausbildung an der École Polytechnique.

Alexis Baufine-Ducrocq unterstützt führende Banken und Versicherungen bei der Einführung von AI 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.

Artificial intelligence schon seit langem Teil der Finanzwelt, doch die rasante Entwicklung generativer AI fortschrittlicher Analysemethoden verändert derzeit grundlegend, wie Finanzinstitute über Leistung, Produktivität und Wertschöpfung denken. In den Bereichen Bankwesen, Versicherungen und Vermögensverwaltung AI nicht nur AI einem Instrument für operative Effizienz, sondern zu einem Motor für strategische Transformation.

Heutzutage misst sich die Wettbewerbsfähigkeit im Finanzsektor nicht mehr nur an Margen oder dem Risikoengagement, sondern daran, wie effektiv Finanzinstitute ihre data erfassen und nutzen können. Der Wettlauf um schnellere Entscheidungen, ein besseres Kundenerlebnis und widerstandsfähigere Abläufe hat begonnen – all dies basiert auf der intelligenten Verknüpfung von Informationen.

Geschwindigkeit, Genauigkeit und Qualität sind mittlerweile untrennbar miteinander verbunden. In einem Umfeld, in dem eine Bank einen Kredit innerhalb von Stunden statt Tagen genehmigen oder ein Versicherer einen Schadenfall innerhalb von Minuten regulieren kann, haben sich die Kundenerwartungen nachhaltig verändert. Die Führungsrolle im Finanzsektor wird denen gehören, die Agilität mit Vertrauen verbinden können – eine Kombination, die durch AI ermöglicht wird.

Zwei Wege zur AI

Zwar beschäftigt sich jedes Finanzinstitut mit AI , doch der Reifegrad variiert innerhalb der Branche stark. Das Privatkundengeschäft und die Versicherungsbranche gehörten zu den ersten, AI in großem Maßstab einsetzten, vor allem weil ihre Geschäftsmodelle auf Skaleneffekten beruhen: Millionen von Kunden, Milliarden von data und ständiger Druck auf die Margen. Diese Rahmenbedingungen machen den Ertrag aus AI sowohl messbar als auch unmittelbar.

Privatkundenbanken nutzen mittlerweile maschinelles Lernen , um Kreditantragsteller vorab zu prüfen, Angebote individuell anzupassen und Unregelmäßigkeiten bei Kundentransaktionen aufzudecken. Versicherer setzen ähnliche Techniken ein , um Vertragsverlängerungen vorherzusagen, Betrugsfälle aufzudecken und das Risikoprüfungsverfahren zu optimieren. In beiden Branchen trägt AI zur Rentabilität bei, indem sie die Betriebskosten senkt und das Cross-Selling-Potenzial erhöht.

Im Gegensatz dazu haben Investmentbanking, Private Banking und Vermögensverwaltung den Weg in AI über spezielle Fachgebiete gefunden: quantitativer Handel, Risikomodellierung und Betrugsaufdeckung. Diese Anwendungsbereiche waren zwar tiefgreifend, aber eng gefasst und auf Experten wie Quants und Versicherungsmathematiker beschränkt. Was sich heute verändert, ist die Verbreitung von AI der gesamten Wertschöpfungskette. Kundenbeziehungen, Kreditvergabe und Risikomanagement werden nun durch Vorhersagemodelle und automatisierte Schlussfolgerungen durchdrungen. Was einst in isolierten Kompetenzzentren beheimatet war, wird nun in die alltägliche Entscheidungsfindung eingebettet.

Wie Joffrey es ausdrückt: „Alle Akteure haben sich in den Wettlauf um AI gestürzt, denn die Erschließung dieses Potenzials stellt eine echte Herausforderung im Wettbewerb dar.“ Die Verbreitung der AI den Übergang vom Experimentieren zur Integration, von vereinzelten Projekten hin zu einer branchenweiten Kompetenz, die die Wettbewerbsfähigkeit untermauert.

Schaffung der data

Unter den Finanzteilsektoren vermittelt die Versicherungsbranche vielleicht am deutlichsten, wie stark der Wandel data . Versicherungsmathematiker, die ursprünglichen data der Branche, haben schon immer statistische Modelle zur Risikobewertung genutzt. Diese Kultur der Quantifizierung verschafft den Versicherern einen natürlichen Vorteil bei der Modernisierung ihrer Infrastruktur.

In den letzten Jahren hat sich der Fokus auf die Schaffung durchgängiger data verlagert. Kranken-, Sach- und Unfallversicherer entwickeln Plattformen, die data, data, data und data aus externen Quellen in Echtzeit erfassen können. Das Ergebnis ist eine einheitliche Grundlage für Prognosen und Personalisierung.

Die meisten Versicherer arbeiten mittlerweile mit hybridencloud . Hochsensible Datensätze, wie beispielsweise Patientenakten, verbleiben vor Ort, während weniger kritische data aus Gründen der Skalierbarkeit und für erweiterte Analysen in öffentliche Clouds data . Zunehmend entsteht eine dritte Ebene, die sogenannten „Sovereign Clouds“, um Innovation mit regulatorischen Anforderungen in Einklang zu bringen. Dieser mehrschichtige Ansatz ermöglicht es Unternehmen, Compliance, Agilität und Kosten in Einklang zu bringen.

Ebenso bedeutsam ist der Aufstieg einer soliden data . Die Verantwortung für data zunehmend auf die Geschäftsbereiche, wodurch Underwriter, Schadenmanager und Marketingfachleute direkt für data und -nutzung verantwortlich sind. Eine starke Governance verwandelt data einem technischen in einen operativen Vermögenswert: sauber, kontextualisiert und für AI nutzbar. Mit einer starken Governance AI von Expertenwerkzeugen zu Self-Service-Systemen, die die geschäftlichen Auswirkungen beschleunigen.

Data (CDPs) spielen bei dieser Strategie eine immer zentralere Rolle. Durch die Verknüpfung von Informationen über verschiedene Kontaktpunkte hinweg ermöglichen CDPs es Versicherern, frühe Anzeichen für eine Kundenabwanderung zu erkennen, Angebote individuell anzupassen und dynamisch auf das Kundenverhalten zu reagieren. In einer Branche, die für hohe Abwanderungsraten bekannt ist und in der es, wie Alexis es ausdrückt, „darum geht, die Badewanne schneller zu füllen, als sie sich leert“, ist data heute gleichbedeutend mit Kundenbindung.

Auf dieser Grundlage AI sich AI von expertengesteuerten Initiativen hin zu Self-Service-Anwendungen entwickeln, die für jeden Geschäftsbereich zugänglich sind. Data werdenData zur Brücke zwischen technologischem Potenzial und wirtschaftlicher Wirkung.

Globale Unterschiede bei AI

Beim weltweiten Vergleich AI zeigen sich deutliche Muster. Die Vereinigten Staaten liegen mit deutlichem Abstand an der Spitze und machen mehr als ein Drittel des weltweiten AI im Finanzdienstleistungssektor aus. US-amerikanische Institute wie JPMorgan haben AI nahezu jeden Prozess integriert, vom Handel über das Kreditmanagement bis hin zur Kundenberatung, und zeigen damit, wie eine umfassende Integration in großem Maßstab aussieht.

Asien folgt dicht dahinter, angetrieben von Chinas außergewöhnlicher Innovationskraft. So hat sich beispielsweise Ping An von einem Versicherungsunternehmen zu einem breit aufgestellten Technologiekonzern entwickelt, der Tausende von AI angemeldet und Hunderte von Anwendungsfällen in den Bereichen Gesundheitswesen, Kreditvergabe und Vermögensverwaltung in die Praxis umgesetzt hat.

Europa steht Asien hinsichtlich des Umfangs seiner Initiativen in nichts nach, hebt sich jedoch durch seinen Schwerpunkt auf Ethik und Regulierung ab. Banken wie UBS, BNP Paribas und Santander investieren massiv in AI verantwortungsvolle AI und setzen gleichzeitig fortschrittliche Modelle zur Betrugsbekämpfung und im Kundenservice ein.

Andere Regionen machen auf ganz eigene Weise rasante Fortschritte. Lateinamerika, angeführt von den brasilianischen Unternehmen Itaú und Nubank, nutzt AI Betrugsbekämpfung und AI Verwaltung rein digitaler Bankökosysteme. Der Nahe Osten profitiert von staatlich geförderten AI , die branchenübergreifend Innovationen vorantreiben, während afrikanische Institute AI einsetzen, AI die finanzielle Inklusion auf unterversorgte Bevölkerungsgruppen auszuweiten.

Trotz dieser Unterschiede verbindet die Vorreiter ein gemeinsamer Faktor: die Anerkennung von AI strategische Infrastruktur. Länder und Institutionen, die AI als Kostenfaktor, sondern als Wachstumsplattform betrachten, kommen schneller, selbstbewusster und kohärenter voran.

Drei Säulen der Wertschöpfung

Im gesamten Finanzsektor AI Mehrwert durch drei miteinander verknüpfte Hebel: Kostenoptimierung, Umsatzwachstum und Risikoschutz.

Die Kostenoptimierung steht nach wie vor im Vordergrund. Durch die Automatisierung lassen sich die „Kosten pro Kunde“ senken, indem die Dokumentenverarbeitung, die Risikoprüfung und die Kundenbetreuung optimiert werden. Im Privatkundengeschäft hat die AI Kreditanalyse die Bearbeitungszeiten für Kreditgenehmigungen um mehrere Tage verkürzt, wodurch die Betriebskosten gesenkt und gleichzeitig die Kundenzufriedenheit gesteigert wurden. In der Versicherungsbranche können durch eine durchgängige Automatisierung mittlerweile bis zu 30 Prozent der Sach- und Krankenversicherungsansprüche innerhalb weniger Minuten bearbeitet werden. Optische Zeichenerkennung und generative Modelle lesen Rechnungen, überprüfen den Versicherungsschutz und lösen sofortige Zahlungen aus: ein konkretes Beispiel dafür, wie Effizienz zu einem besseren Kundenerlebnis führt.

Genau diese Systeme stärken den menschlichen Beitrag. Indem Routinefälle automatisch bearbeitet werden, AI den Experten, sich auf komplexe oder sensible Situationen zu konzentrieren, in denen Urteilsvermögen und Einfühlungsvermögen am wichtigsten sind. In diesem Sinne wird Automatisierung zu einem Mittel, die Arbeit wieder menschlicher zu gestalten, anstatt sie zu verdrängen.

Das Umsatzwachstum ist die nächste Herausforderung. Mithilfe von Predictive Analytics können Banken und Versicherungen Kundenbedürfnisse vorhersehen – einen neuen Job, einen Hauskauf, eine Lebensveränderung – und genau zum richtigen Zeitpunkt passende Produkte vorschlagen. Generative AI diesen Vorteil im Beratungsbereich: Im Private Banking kann sie komplexe Marktanalysen zu prägnanten, umsetzbaren Erkenntnissen verdichten und so die Zeitspanne zwischen der Bereitstellung von Fachwissen und der Entscheidung des Kunden verkürzen.

Solche Funktionen wandeln Servicemodelle von reaktiven zu proaktiven. Die Beziehungen werden kontinuierlich, kontextbezogen und personalisiert – ein entscheidendes Unterscheidungsmerkmal in Märkten, in denen Produktangebote ansonsten zu Massenware verkommen. AI einen neuen Standard für Kundenbeziehungen: jederzeit verfügbar, zugänglich, personalisiert und reaktionsschnell.

Der dritte Faktor, der Schutz, ist für das Vertrauen vielleicht der entscheidende. Modelle des maschinellen Lernens überwachen mittlerweile Millionen von Transaktionen in Echtzeit und erkennen dabei Anomalien, die auf potenziellen Betrug oder Geldwäsche hindeuten. Die Fähigkeit AI, mit unausgewogenen data umzugehen – in denen echte Transaktionen die betrügerischen bei weitem überwiegen –, hat die Risikoerkennung revolutioniert.

Im Bereich der Compliance reduziertAI die Anzahl der FehlalarmeAI . Anstatt dass Heerscharen von Analysten Transaktionen manuell prüfen, AI Warnmeldungen AI , sodass sich die Mitarbeiter auf tatsächlich verdächtige Aktivitäten konzentrieren können. In einigen Instituten konnte die Anzahl der Warnmeldungen so um das 100-Fache reduziert werden, ohne dass die Genauigkeit darunter litt. Das Ergebnis? Geringere Kosten, schnellere Reaktionszeiten und ein größeres Vertrauen seitens der Aufsichtsbehörden und Kunden.

Über den ROI hinaus: der kulturelle Ertrag

Die Auswirkungen AIlassen sich relativ einfach beziffern. Betrugsbekämpfungsmodelle können Einsparungen in Höhe von mehreren zehn Millionen Euro erzielen; durch Prozessautomatisierung lassen sich Effizienzsteigerungen von 20 bis 30 Prozent erzielen. Der tiefere Wert liegt jedoch darin, wie AI die Denk- und Arbeitsweise von Unternehmen AI .

Wenn man AI als Automatisierungswerkzeug betrachtet, verkennt man ihr transformatives Potenzial. Es geht nicht nur darum, bei Routineaufgaben Zeit zu sparen, sondern darum , Rollen, Managementpraktiken und sogar den Begriff der Fachkompetenz neu zu definieren. In der Versicherungsgesellschaft von morgen werden Manager beispielsweise AI beaufsichtigen, die den Großteil der Standardschadensfälle bearbeiten, während die Mitarbeiter sich den Ausnahmefällen widmen, die Einfühlungsvermögen und Urteilsvermögen erfordern.

Hinzu kommt die stillere Produktivität alltäglicher Werkzeuge, die Alexis als diffuse Produktivität. Assistive Technologien wie Copilot sparen vielleicht nur wenige Minuten pro Nutzer, doch ihr kumulativer Effekt sorgt für eine einheitliche Qualität über alle Teams hinweg. Wenn Mitarbeiter Erkenntnisse und bewährte Verfahren austauschen, beschleunigen sie die Einführung und stärken das Vertrauen in komplexere AI .

Auf diese Weise wird kulturelle Bereitschaft sowohl zur Voraussetzung als auch zum Ergebnis AI . Unternehmen, die Neugier und Zusammenarbeit fördern, erzielen langfristig weitaus höhere Erträge als solche, die sich ausschließlich auf unmittelbare finanzielle Kennzahlen konzentrieren.

Umgang mit den neuen Dimensionen des Risikos

Kein Sektor verfügt über mehr Erfahrung im Risikomanagement als der Finanzsektor. Doch AI neue Risikoformen AI , die angepasste Kontrollmechanismen erfordern – von data und Modellverzerrungen bis hin zu Cyber-Resilienz und Erklärbarkeit.

Viele Institutionen begegnen diesen Herausforderungen mithilfe des Modells der „drei Verteidigungslinien“. Ein Team entwickelt den Algorithmus, ein anderes überprüft dessen Integrität, und ein drittes, dem häufig auch Aufsichtsbehörden angehören, bewertet dessen Leistung. Diese Aufgabentrennung gewährleistet Verantwortlichkeit und Transparenz über den gesamten AI hinweg.

Entscheidend ist, dass die tief verwurzelte Governance-Kultur der Branche eine solide Grundlage für verantwortungsvolle AI bildet. Banken und Versicherungen arbeiten bereits nach strengen Standards in Bezug auf Vertraulichkeit und Compliance; die Ausweitung dieser Grundsätze auf algorithmische Systeme ist ein logischer nächster Schritt. Wie Joffrey bemerkt: „Das größte Risiko ist das Risiko, nichts zu tun.“ Untätigkeit würde in diesem Zusammenhang bedeuten, Wettbewerbsvorteile an agilere Konkurrenten abzugeben.

Die menschliche Wandlung

Die tiefgreifendste Veränderung betrifft jedoch den Menschen. Die Geschichte zeigt, dass jede Automatisierungswelle den beruflichen Schwerpunkt verlagert, anstatt ihn auszulöschen. Als Ende des 19. Jahrhunderts die mechanische Rechenmaschine aufkam, wurden die Büroangestellten nicht ersetzt; sie wurden zu Analytikern. Dieselbe Logik gilt auch heute.

AI Berechnungen, Dokumentation und Überwachung automatisieren, doch der Bedarf an menschlicher Aufsicht, Interpretation und Empathie wird nur noch zunehmen. Die Fachkräfte von morgen werden als Betreuer intelligenter Systeme, als Koordinatoren von Prozessen und als Gestalter des Wandels fungieren. Ihr Wert wird nicht in der routinemäßigen Ausführung liegen, sondern in ihrer Einsicht und ihrem Urteilsvermögen.

Die Herausforderung besteht nicht darin, den Menschen überflüssig zu machen, sondern ihn auf neue Weise unentbehrlich zu machen.

Auf dem Weg zu einem intelligenteren Finanzökosystem

AI bereits die Art und Weise verändert, wie Finanzinstitute ihre Abläufe verwalten, mit Kunden interagieren und Risiken steuern. In der nächsten Phase werden spezialisierte AI durchgängig an der Seite menschlicher Experten arbeiten und so Intelligenz in jeden Prozess einbinden.

Die Institutionen, die diesen Wandel anführen werden, sind jene, die in der Lage sind, Innovation mit der Disziplin zu verbinden, die die Finanzwelt seit jeher geprägt hat. Sie werden AI nur als Technologie betrachten, sondern als Mittel, um den grundlegenden Auftrag der Branche neu zu definieren: Kunden besser zu bedienen, Risiken verantwortungsbewusst zu managen und mit Intelligenz und Integrität Mehrwert zu schaffen.

Kurz gesagt: Die Zukunft der Finanzdienstleistungen wird nicht davon abhängen, wer die meisten Modelle einsetzt, sondern davon, wer sie nutzt, um die vertrauenswürdigsten, anpassungsfähigsten und menschenorientiertesten Institutionen aufzubauen.

 

Sehen Sie sich das Originalinterview auf Französisch an: