Als Branche, die auf Daten entwickelt wurde, ist der Bereich der Finanzdienstleistungen einer derjenigen, in denen KI-Technologien schon früh zum Einsatz kamen. In einer kürzlich durchgeführten Branchenumfrage gaben 46 % der Befragten an, dass künstliche Intelligenz die Kundenerfahrung verbessert hat, 35 % sagten, sie habe für betriebliche Effizienz gesorgt, und 20 % berichteten von einer Senkung der Gesamtbetriebskosten. Inzwischen hat die generative KI (GenAI) einen enormen Bedeutungszuwachs erfahren. Aus diesem Grund haben Organisationen begonnen, massiv in diese Technologie zu investieren. IDC erwartet, dass die weltweiten Ausgaben für generative KI von 16 Milliarden US-Dollar im Jahr 2023 auf 143 Milliarden US-Dollar im Jahr 2027 steigen werden, bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR, Compound Annual Growth Rate) von 73,8 %. Es wird erwartet, dass die Finanzdienstleistungsbranche mit prognostizierten Ausgaben in Höhe von 24,6 Milliarden US-Dollar im Jahr 2027 – das entspricht 17,2 % des gesamten GenAI-Marktes – einer der führenden Akteure im Bereich generativer KI sein wird.

Während die Möglichkeiten von generativer KI und Large Language Models (LLMs) grenzenlos sind, gibt es einige Datenherausforderungen und Risiken, derer sich Finanzverantwortliche bewusst sein müssen, wenn sie KI implementieren, die originäre Inhalte erzeugt. Der Zugang zu hochwertigen Quelldaten, wirksame Governance-Kontrollen und robuste Sicherheit sind von größter Bedeutung. Laut IDC setzt sich generative KI nur dann auf breiter Front durch, wenn die Nutzenden und Kund:innen den zugrunde liegenden Daten, Modellen und Applikationen vertrauen.

Hier erfahren Sie, wie Sie mit einer soliden Datenstrategie Ihrer Finanzorganisation helfen können, die Hindernisse und Blockaden zu überwinden, die einem Wettbewerbsvorteil durch generative KI im Wege stehen.

Betrachten wir zunächst die aktuellen Anwendungsfälle für generative KI. Die Brancheninvestitionen konzentrieren sich bisher auf drei Bereiche: 

• Kundenerfahrung: Mit generativer KI können sich Finanzdienstleister von ihren Mitbewerbern abheben, indem sie in einer Branche, die für langsame, zeitaufwendige Prozesse bekannt ist, die für die Kundenerfahrung maßgeblichen Prozesse effizienter und effektiver gestalten. So können Institutionen beispielsweise mit Chatbots und Robo-Advisors in Sekundenschnelle gezielte Investmentfragen beantworten und verhaltensorientierte Finanzberatung anbieten. Versicherungsagent:innen können mit LLMs Verwaltungsdaten analysieren und die Schadenbearbeitung beschleunigen. 

• Berichterstattung zu Risiko und Compliance: Die Einhaltung gesetzlicher Vorschriften wird zunehmend zu einer immer komplexeren operativen Aufgabe. Laut Thomson Reuters erwarten 73 % der Risiko- und Compliance-Teams, dass die Menge der von den Aufsichtsbehörden und Börsen veröffentlichten Informationen im kommenden Jahr zunehmen wird. GenAI kann den Prozess der Zusammenfassung, Synthese und Umsetzung dieser neuen Vorschriften beschleunigen. Die Verwendung von synthetischen Daten, die durch KI generiert werden, kann zudem Stresstests und die Bewertung und Prognose von Exposure-Risiken beschleunigen. Dazu gehören auch Risiken im Zusammenhang mit schwankenden Zinssätzen und potenziellen Zahlungsausfällen.

• Market Intelligence und Portfoliomanagement: Generative KI kann durch die Analyse von unstrukturierten Daten wie Akten, Berichten und Nachrichtenartikeln dazu beitragen, Marktstimmungen und Finanztrends abzuleiten. So können sich Banken und Vermögensverwalter auf unerwartete Marktveränderungen vorbereiten und ihre Strategien kurzfristig neu bewerten und anpassen. Durch verbesserte algorithmische Simulationen, die sich auf umfangreiche Prognosedaten stützen, können genauere und zuverlässigere Empfehlungen für Risikomodelle gegeben werden. Ebenso kann GenAI Finanzdaten synthetisieren und Investor:innen bei der Entwicklung flexiblerer Handelsstrategien zur Seite stehen.

Für den Erfolg dieser Anwendungsfälle sind die Daten, mit denen GenAI-Modelle trainiert werden, sowie die Technologie und Infrastruktur, die generative KI unterstützen, sehr wichtig. Führungskräfte in der Finanzbranche, die GenAI-Modelle in ihre Roadmaps für Analytics und KI integrieren, müssen sich der Probleme bewusst sein, die mit der Erfassung, Speicherung und Verarbeitung der Daten verbunden sind, mit denen die Modelle gespeist werden. 

• Datenqualität und -zugriff: Voraussetzung für den Einsatz von generativer KI ist einfacher und schneller Zugriff auf interne Daten innerhalb der Organisation, auf direkte Daten von Partnern und auf Drittanbieterdaten von externen Datenanbietern. Ein großer Teil dieser Daten ist jedoch unstrukturiert. Dies stellt eine Herausforderung bei der Suche, Katalogisierung und Analyse dar. Angesichts der Tatsache, dass schätzungsweise 90 % aller Daten unstrukturiert sind, werden diejenigen, die diese neue Quelle der Erkenntnis anzapfen können, ihre Konkurrenten überflügeln.

• Datensicherheit und Governance: Eine sorgfältige Governance beim Modelltraining ist unverzichtbar. Sonst besteht ein unkalkulierbares Risiko, dass sensible Daten wie personenbezogene Informationen, Geschäftsgeheimnisse und geistiges Eigentum (IP, Intellectual Property) offengelegt werden. Es ist wichtig zu wissen, dass die geistigen Eigentumsrechte von KI-generierten Inhalten Gegenstand laufender rechtlicher, regulatorischer und politischer Diskussionen sein werden. Finanzdienstleistungsorganisationen müssen daher ein adaptives Governance-Framework für generative KI entwickeln, das die Qualität, Zuverlässigkeit und Sicherheit der verwendeten Daten und Modelle gewährleistet und gleichzeitig den Datenschutz stärkt.

• Rechenressourcen: Die erfolgreiche Implementierung von generativer KI steht und fällt mit der Auswahl des richtigen Sprachmodells, das mithilfe von domänenspezifischen und anwendungsfallspezifischen Daten trainiert und optimiert wird. Praktisch kann das bedeuten, dass die Modelle mit Billionen von Parametern trainiert werden müssen. Damit das möglich ist, sind skalierbarer Speicher, Arbeitsspeicher und eine hohe Rechenleistung erforderlich. Entscheidend ist dabei eine Technologieplattform, die sich durch eine hohe Kapazität und Flexibilität auszeichnet. Der Bedarf an Rechenleistung und Speicherplatz, der für die Verarbeitung großer Mengen strukturierter und unstrukturierter Daten erforderlich ist, stellt jedoch eine große Herausforderung dar. Diese Ressourcen sind oft teuer in der Anschaffung und Verwaltung. Auch die Besetzung von KI-affinen Positionen wie Data Scientists, Data Engineers und KI-Produktverantwortlichen bleibt eine Hürde.

• Einhaltung gesetzlicher Vorschriften: Mit GenAI generierter Code muss Branchen- und Industriestandards sowie Gesetzen entsprechen, insbesondere wenn er Unternehmensdaten nutzt. Die SEC hat vor Kurzem neue KI-Vorschriften für Broker/Händler und Anlageberater vorgeschlagen, um potenzielle Verzerrungen und Interessenkonflikte anzusprechen, die durch den Einsatz von generativer KI entstehen können. Für Organisationen, die in der EU tätig sind, tritt außerdem im Jahr 2024 das KI-Gesetz der EU in Kraft, das sich möglicherweise auf bestimmte KI-Anwendungen für Verbraucher:innen auswirken wird. Neben KI-Ethikschulungen und der Sensibilisierung der gesamten Organisation ist auch eine sichere und verwaltete Plattform wichtig, die den Datenschutz stärkt und die einschlägigen Gesetze und Vorschriften einhält. 

Um generative KI gewinnbringend einzusetzen und gleichzeitig die Fallstricke der neuen Technologie zu umgehen, benötigen Finanzdienstleister eine klare und umfassende Datenstrategie, die drei Schlüsselelemente enthält: 

• Die Beseitigung von Datenbarrieren: Durch die Demokratisierung von Datenmodellen können Finanzverantwortliche auf Daten zugreifen und diese analysieren, ohne auf Data Scientists angewiesen zu sein. Dadurch eröffnet sich eine bahnbrechende Chance. Damit dieses Potenzial ausgeschöpft werden kann, müssen Datensilos in der gesamten Organisation sowie bei Partnern und externen Stellen aufgebrochen werden. Außerdem muss der direkte Zugang zu Rohdaten und kuratierten Daten in offenen Formaten oder von Drittanbietern ermöglicht werden. Für Finanzdienstleistungsunternehmen, in denen ältere und On-Premises-Lösungen zum Einsatz kommen, stellt die Erfassung, Vereinheitlichung und Freigabe von Daten jedoch eine Herausforderung dar.

• Eine moderne Dateninfrastruktur: Generative KI erfordert die Konvergenz riesiger Datenmengen über Systeme und Clouds hinweg. Dazu gehört auch die nahtlose Bereitstellung erheblicher Rechenressourcen und Speicherkapazitäten. Eine moderne Datenplattform kann die nötige Leistung zur Bewältigung dieser Aufgaben bereitstellen. Dabei kann sie auch die verwaltete LLM-Infrastruktur liefern, die für die dynamische Zuweisung von Ressourcen erforderlich ist. Nur so können Sie effektiv LLMs mit Open-Source- und Drittanbieter-Modellen ausführen, optimieren und entwickeln. Auf diese Weise können die Modelle effizient entwickelt und betrieben werden, und wenn das Datenvolumen wächst, direkt skaliert werden. Eine moderne Plattform kann auch integrierte KI/ML-Bausteine zur Verfügung stellen, die GenAI und ML in die Hände des gesamten Unternehmens legen, nicht nur in die von KI-Expert:innen.

• Starke Governance und Sicherheit: Finanzorganisationen benötigen eine einheitliche, kontrollierte und sichere Umgebung, die eine End-to-End-Entwicklung von generativer KI unterstützt. Im Jahr 2022 kostete der durchschnittliche Datenschutzverstoß Finanzdienstleistungsunternehmen fast 6 Millionen US-Dollar. Die Implementierung von generativer KI ohne robuste Sicherheitsmaßnahmen könnte zu einem erhöhten Sicherheitsrisiko für Unternehmen führen. Ohne angemessene Governance-Kontrollen setzen sich Unternehmen dem Risiko von Datenschutzverletzungen, der Nichteinhaltung von Vorschriften und Reputationsschäden aus. Mit starken Governance-Kontrollen kann außerdem sichergestellt werden, dass die von GenAI-Systemen getroffenen Entscheidungen ethisch vertretbar und fair sind und im Einklang mit den Werten des Unternehmens und den gesetzlichen Anforderungen stehen. 

Generative KI verschafft Finanzorganisationen eine Vielzahl von Wettbewerbsvorteilen. Um diesen entscheidenden Wendepunkt zu nutzen, der eine einzigartige Chance darstellt, müssen Unternehmen die Datenherausforderungen verstehen und eine umfassende Datenstrategie für ihre gesamte Organisation entwickeln. 
Wenn Sie erfahren möchten, wie Snowflake Ihre Finanzorganisation bei der Umsetzung von generativer KI unterstützen kann, um bessere Geschäftsergebnisse zu erzielen, besuchen Sie die Snowflake AI Data Cloud für Finanzdienstleistungen. Wenn Sie weitere Ratschläge für die Planung und Umsetzung einer KI-Strategie für Unternehmen benötigen, laden Sie unser Whitepaper Introducing Generative AI into Financial Services Enterprises herunter.