Künstliche Intelligenz (KI) verändert die Finanzbranche. 91 % der Finanzinstitute nutzen bereits KI. Aufgrund der Kombination aus günstigerer Rechenleistung, besseren Tools und Wettbewerbsdruck ist KI in den Bereichen Betrug, Kredite, Zahlungen und Compliance nicht mehr rein experimentell, sondern notwendig. Das bringt Chancen und Risiken mit sich, insbesondere in einer so stark regulierten Branche wie dem Finanzwesen.

Im Folgenden gehen wir darauf ein, wie KI im Finanzwesen Zahlungen und den Umgang mit Risiken verändert. Wir sehen uns an, was das für die Kundenerfahrung bedeutet, und decken einige Aspekte der regulatorischen und sicherheitsbezogenen Rahmenbedingungen für Institute ab, die diese Systeme einsetzen.

Highlights

• KI liefert klare, messbare Ergebnisse bei der Betrugserkennung und der Risikoevaluation von Krediten.

• Regulatorische Anforderungen bezüglich Erklärbarkeit und uneinheitlicher Auswirkungen erfordern Aufmerksamkeit.

• Der nächste Schritt besteht für die meisten Institute in der verantwortungsvollen Bereitstellung KI-gesteuerter Tools. Das stellt in mehrfacher Hinsicht eine Herausforderung dar: organisatorisch, im Hinblick auf Governance-Fragen und technisch.

Warum beschleunigt sich die Einführung von KI in der Finanzbranche?

Das Finanzwesen war schon immer eine datenintensive Branche. Aber lange Zeit blieb die Fähigkeit der Branche, auf der Grundlage dieser Daten zu handeln, weit hinter ihren Fähigkeiten bei der Datenerfassung zurück.

Nun wirken drei Kräfte zusammen, die das ändern:

• Die Rechenkosten sind gesunken: Große Modelle mit hochvolumigen Arbeitslasten auszuführen, wäre noch vor fünf Jahren für die meisten Unternehmen unerschwinglich gewesen. Aufgrund niedrigerer Kosten ist es nun selbst für viele mittelgroße Institute praktikabel.

• Open-Source-Tools sind ausgereift: Auf vorhandener Infrastruktur aufzubauen, geht in der Regel schneller und ist kostengünstiger als ein Neuaufbau. Das hat die Einstiegshürde für Institute ohne große interne KI-Teams gesenkt.

• Der Wettbewerbsdruck hat zugenommen: Institute mit schnelleren, genaueren Signalen zu Kreditrisiken oder Betrug sind gegenüber Instituten, die noch veraltete und für geringe Datenmengen ausgelegte Systeme verwenden, erheblich im Vorteil.

Was sind die wichtigsten KI-Trends, die Finanzdienstleistungen prägen?

KI übernimmt in der Finanzbranche verschiedene Rollen und verändert überall die Arbeitsweise, in Finanztechnologie-Entwicklung (FinTech), in Rechtsabteilungen und darüber hinaus.

KI verbessert die folgenden Bereiche:

• Interne Produktivität: Banken und Versicherer nutzen Large Language Models (LLMs), um Analystinnen und Analysten beim Zusammenfassen von Finanzergebnissen zu unterstützen, Gutschriften zu entwerfen und interne Wissensdatenbanken zu durchsuchen.

• Prädiktive Modellierung: Die herkömmliche Bonitätsprüfung basiert auf einer engen Auswahl von Variablen (z. B. Zahlungsverlauf, Inanspruchnahme, Länge der Kredithistorie). Alternative Datenmodelle können Hunderte von Variablen einbeziehen und so Bonitätsprüfungen für Kundinnen und Kunden mit wenigen oder gar keinen Daten erstellen, die sonst für eine herkömmliche Risikoevaluation niemals in Betracht gezogen würden.

• Betrugserkennung in Echtzeit: Die Branche hat fast vollständig von regelbasierten Systemen auf modellgesteuerte Systeme umgestellt. Modelle für maschinelles Lernen können Anomalien in Ausgabenmustern erkennen, die von keinem statischen Regelwerk erfasst würden. Außerdem werden sie werden kontinuierlich aktualisiert, wenn sich Angriffsmuster ändern.

• Agentenbasierte Finanz-Workflows: Die Branche führt agentenbasierte Workflows ein, die mehrstufige Aktionen (z. B. den Abgleich von Konten, das Auslösen von Zahlungsläufen oder die Eskalation von Ausnahmen) mit minimaler menschlicher Beteiligung bei den einzelnen Schritten ausführen können.

Wie verändert KI Zahlungen, Risiken und Abläufe in der Finanzbranche?

KI übernimmt die Volumen- und Mustererkennung in einer Geschwindigkeit und einem Umfang, mit denen manuelle Prozesse nicht mithalten können. KI-Zahlungstools haben messbaren Einfluss auf Kundenerfahrung und Verlustraten.

Das können sie leisten:

• Betrugsbewertung in Echtzeit: Moderne Kartennetzwerke und Zahlungsanbieter können schnell zahlreiche Datenpunkte pro Transaktion analysieren (z. B. Geräte-Fingerabdruck, Transaktionsgeschwindigkeit, geografisches Muster und Tageszeit) und für eine Risikobewertung nutzen, bevor sie Zahlungen autorisieren. Stripe Radar verwendet beispielsweise Modelle für maschinelles Lernen, die mit Daten von Millionen von Unternehmen trainiert wurden, um Anomalien zu erkennen und jeder Transaktion eine Risikobewertung zuzuweisen.

• Proaktives Streitfallmanagement: KI kann Transaktionen markieren, die wahrscheinlich zu Rückbuchungen führen, bevor eine Zahlungsanfechtung eingereicht wird. Das gibt Unternehmen die Möglichkeit, proaktiv Rückerstattungen vorzunehmen oder Kundinnen und Kunden zu kontaktieren, was die Streitfallquoten senken kann.

• Risikoevaluation bei der Kreditvergabe: KI-gesteuerte Modelle können Kreditentscheidungen für Kundinnen und Kunden schnell liefern. Bei Krediten für kleine Unternehmen kann die Cashflow-Analyse die traditionelle Überprüfung von Dokumenten, die Genehmigungen in der Vergangenheit verlangsamt hat, ersetzen oder ergänzen.

• Finanzmittel- und Liquiditätsmanagement: Finanzteams können mit KI Kassenbestände genauer vorhersagen, indem sie historische Muster zusammen mit Echtzeitdaten zu Ein- und Auszahlungen modellieren.

• Compliance-Überwachung: KI-gestützte Compliance-Software kann große Mengen an Kommunikations- und Transaktionsaktivitäten auf Indikatoren für Richtlinienverstöße oder regulatorische Risiken durchsuchen und vermeidet dabei viele der Inkonsistenzen einer manuellen Überprüfung.

Wie wirkt sich der Einsatz von KI in der Finanzbranche auf die Kundenerfahrung und das Vertrauen aus?

KI kann dazu beitragen, dass sich Kundinnen und Kunden sicherer und stärker wahrgenommen fühlen. Dieselben Funktionen können die Kundenerfahrung jedoch auch verwirrender oder undurchsichtiger machen.

Beachten Sie die folgenden Probleme:

• Personalisierung im Vergleich zu Datenschutz: Personalisierungs-Engines können ausgehend vom Kontoverhalten relevante Produkte vorschlagen, anstatt mit breiten demografischen Segmenten zu arbeiten. Die KI-gesteuerte Personalisierung ist jedoch auf detaillierte Verhaltensdaten angewiesen und einige Kundinnen und Kunden fühlen sich mit dieser Art der Verwendung ihrer Daten nicht wohl.

• Einschränkungen im Kundenservice: KI-gestützte virtuelle Assistenten können Kontostandsabfragen und Routineanfragen präzise und schnell bearbeiten, komplexe oder mehrdeutige Fragen überfordern sie jedoch oft. Wenn Kundinnen und Kunden nach dem Scheitern des Assistenten keine menschliche Kontaktperson erreichen, kann das die Beziehung beeinträchtigen.

• Undurchsichtigkeit folgenreicher Entscheidungen: Kundinnen und Kunden wissen es wahrscheinlich nicht, wenn KI an einer sie betreffenden Entscheidung beteiligt ist, etwa bei einer Kreditablehnung, einer Betrugswarnung oder einem markierten Konto. Wenn solche Entscheidungen falsch sind, kann die Undurchsichtigkeit Anfechtungen erschweren und ein Gefühl der Willkür erzeugen. Das wiederum könnte das Vertrauen in das Institut schwächen.

Welche regulatorischen, sicherheitsbezogenen und ethischen Aspekte sind mit KI im Finanzwesen verknüpft?

Die regulatorischen Rahmenbedingungen für KI im Finanzwesen verändern sich schnell, ebenso wie sicherheitsbezogene und ethische Bedenken. Institute, die KI einsetzen, müssen dieser Dynamik Rechnung tragen.

Folgendes ist zu beachten:

• US-Richtlinien für Ablehnungen: Das Consumer Financial Protection Bureau (CFPB) hat klargemacht, dass die Verwendung eines Algorithmus Kreditgeber nicht davon befreit, gemäß dem Equal Credit Opportunity Act konkrete, genaue Gründe für Kreditablehnungen darzulegen. In den USA ist das Generieren erklärbarer Ausgaben eine Compliance-Anforderung.

• KI-Verordnung der EU: Die KI-Verordnung der EU stuft den Einsatz von KI-Systeme zur Bewertung von Bonität und Kreditwürdigkeit als hochriskant ein. Das bringt Anforderungen an Transparenz, menschliche Aufsicht und Dokumentation mit sich, die über die bei vielen Finanzinstituten bislang umgesetzten Maßnahmen hinausgehen. Für einige Bestimmungen laufen bereits die Compliance-Fristen.

• Modellverzerrungen und ungleiche Auswirkungen: Wenn Trainingsdaten historische Kreditvergabemuster widerspiegeln, können sie historische Diskriminierung kodieren. Beim Training anhand früherer Genehmigungen lernen Modelle, dieselben Muster zu wiederholen. Das lässt sich nur verhindern, wenn der Trainingsprozess dieses Problem ausdrücklich berücksichtigt. Diese Frage ist in ethischer und regulatorischer Hinsicht von Bedeutung, da Aufsichtsbehörden ungleiche Auswirkungen als Durchsetzungsproblem behandeln.

• KI als Angriffsfläche: Modelle zur Betrugserkennung können von raffinierten Akteurinnen und Akteuren untersucht und manipuliert werden. Sie machen sich mit der Funktionsweise vertraut und testen Eingaben, die darauf ausgelegt sind, die Erkennung zu umgehen. Das ist ein aktiver Bereich der Angriffsforschung.

Wie sollten sich Finanzinstitute auf die zunehmende Nutzung von KI vorbereiten?

Die führenden Institute haben die Infrastruktur und die organisatorischen Kapazitäten aufgebaut, um KI in großem Maßstab verantwortungsvoll einzusetzen.

Auf Folgendes sollten Sie sich konzentrieren:

• Datenqualität: Ein gut konzipiertes Modell, das mit sauberen, gut annotierten Daten trainiert wurde, bringt bessere Leistung als ein ausgeklügeltes, aber mit unordentlichen Daten trainiertes Modell. Verglichen mit der Modellentwicklung investieren viele Institute zu wenig in die Dateninfrastruktur – ein Problem, das sich im Lauf der Zeit verschärft.

• Echte menschliche Aufsicht: Regulatorische Rahmenregelungen verlangen die menschliche Überprüfung weitreichender KI-Entscheidungen. Abläufe müssen also so gestaltet werden, dass Prüferinnen und Prüfer über den nötigen Kontext, die Zeit und die Befugnis verfügen, Modellausgaben zu überschreiben.

• Gründliche Anbieterbewertung: Wenn Finanzinstitute ein KI-System eines Drittanbieters einsetzen, sind sie für dessen Funktion verantwortlich. Die Anbieterbewertung sollte Erklärbarkeit, Methoden zur Überprüfung auf Verzerrungen, Datenverarbeitungspraktiken sowie den regulatorischen Status des Anbieters umfassen.

• Funktionsübergreifende Verantwortung: KI-Implementierungen, die ausschließlich in Technologieteams angesiedelt sind, übersehen oft Auswirkungen auf Compliance, rechtliche Aspekte und die Kundenerfahrung. Institute, die tragfähige KI-Funktionen aufbauen, behandeln sie als funktionsübergreifende Programme.

• Prüfpfade für jede folgenreiche Entscheidung: Unabhängig davon, ob es sich um eine Kreditablehnung, eine Betrugswarnung oder das automatische Zurückhalten einer Zahlung handelt, müssen Institute nachvollziehen können, warum ein Modell eine bestimmte Ausgabe erzeugt hat. Das ist wichtig für Aufsichtsbehörden, Kundinnen und Kunden sowie die Überprüfungsprozesse des Instituts.

So kann Stripe Payments Sie unterstützen

Stripe Payments bietet eine einheitliche, globale Zahlungslösung, mit der jedes Unternehmen – von Start-ups bis hin zu globalen Konzernen – Zahlungen online, vor Ort und weltweit akzeptieren kann.

Mit Stripe Payments können Sie Folgendes umsetzen:

• Optimierung des Bezahlvorgangs: Schaffen Sie ein reibungsloses Kundenerlebnis und sparen Sie Tausende von Entwicklungsstunden mit vorgefertigten Nutzeroberflächen (UIs) für Zahlungen, Zugang zu über 125 Zahlungsmethoden und Link, einer von Stripe entwickelten Wallet.

• Neue Märkte schneller erschließen: Erreichen Sie Kundinnen und Kunden weltweit und reduzieren Sie die Komplexität und Kosten der Verwaltung mehrerer Währungen mit grenzüberschreitenden Zahlungsoptionen, die in 195 Ländern und über 135 Währungen verfügbar sind.

• Online- und Vor-Ort-Zahlungen vereinheitlichen: Schaffen Sie Unified Commerce über Online- und Vor-Ort-Kanäle hinweg, um Interaktionen zu personalisieren, Treue zu belohnen und Ihren Umsatz zu steigern.

• Zahlungs-Performance verbessern: Steigern Sie Ihren Umsatz mit einer Reihe anpassbarer, einfach zu konfigurierender Zahlungstools, darunter No-Code-Betrugsvorbeugung und erweiterte Funktionen zur Verbesserung der Autorisierungsquoten.

• Schnelleres Wachstum dank einer flexiblen, zuverlässigen Plattform: Bauen Sie auf einer Plattform auf, die mit Ihnen mitwächst, mit einer historischen Erreichbarkeit von 99,999 % und branchenführender Zuverlässigkeit.

Erfahren Sie mehr darüber, wie Stripe Payments Sie bei Online- und Vor-Ort-Zahlungen unterstützen kann oder starten Sie noch heute.