„Der Einsatz von KI umfasst mehr als nur Prozessoptimierung“

Bisher wird Künstliche Intelligenz vor allem eingesetzt, um Workflows und Effizienz von Arbeitsprozessen zu optimieren. Insbesondere in der Kreditrestrukturierung wird sie aktuell genutzt, doch die Möglichkeiten werden zukünftig noch viel weiter gehen – sofern KI verantwortungsvoll und Datenschutzkonform weiterentwickelt wird. Dazu sprachen wir mit Christoph Tahedl, CTO beim IT-Dienstleister Collenda.

Herr Tahedl, die Kreditvergabe erfolgt idR anhand festgelegter Kriterien wie Vermögen und Sicherheiten. Inwiefern kann Künstliche Intelligenz (KI) hierbei behilflich sein?
Es gibt eine ganze Reihe KI-basierter Instrumente, die bei der Kreditanbahnung zum Einsatz kommen können. Besonders im Fokus stehen hier derzeit automatisierte Lösungen, welche vorgelegte Dokumente, Kontodaten et cetera abgleichen und übertragen. Wie Sie bereits sagten, müssen diverse Daten verifiziert und analysiert werden. Immer mehr Banken nutzen bereits digitale Antragsstrecken, sodass diese Informationen in digitaler Form vorliegen. Die Auswertung via KI ermöglicht es den Instituten, den Prüfungsprozess deutlich zu beschleunigen, insofern kommen Antragssteller natürlich auch schneller an ihr Geld. Je nach Art des Kredits können die Lösungen auch um Angebote externer Dienstleister erweitert werden, etwa beim Immobilienkredit: Hier müssen nicht nur Kundendaten erhoben, sondern auch die Informationen zum Kaufobjekt individuell evaluiert werden. Dabei kommen selbstlernende Analyseverfahren zum Einsatz, die sämtliche vorhandenen Informationen in die Preisschätzung einfließen lassen. Generell dient KI aber nicht allein zur Prozessoptimierung: Über komplexe Risikomodelle hat die Bank etwa auch die Möglichkeit, die Kreditentscheidung „back zu testen“. Ist das berechnete Risiko tatsächlich tragbar?

Christoph Tahedl, CTO beim IT-Dienstleister Collenda

Fakten lassen sich fälschen. Steht am Ende der KI-Prozesse eine menschliche Kontrollinstanz?
Das ist absolut korrekt. Der Einsatz von KI beim Kreditantrag zielt darauf ab, Prozesse zu beschleunigen und Fehler zu vermeiden. So machen Lösungen zur Texterkennung und Übertragung zum Beispiel keine Flüchtigkeitsfehler – außerdem erkennen moderne Anwendungen, ob die angegebenen Daten tatsächlich plausibel sind. Beispielsweise, ob die Angaben zu Einkünften mit den Kontotransaktionen übereinstimmen; so können wichtige Erkenntnisse zur Betrugsprävention gewonnen werden. Alles in allem lassen sich so Fehleinschätzungen bei der Kreditvergabe generell vermeiden, da die Transparenz besser ist. Die Technologie agiert bei kleineren Konsumentenkrediten auch gänzlich ohne menschliches Zutun, in der Regel ist sie aber eher als Unterstützung für die Mitarbeiter zu sehen. Diese werden bei Datenerfassung und der Analyse unterstützt, können jedoch jederzeit gegenprüfen und bei Bedarf auch eingreifen. Bei größeren Summen ist immer auch ein Mitarbeiter involviert, welcher dem Kunden auch als Ansprechpartner zur Verfügung steht.

KI hat also das Potenzial, Kreditausfälle zu minimieren und damit die Erlösquote der Banken zu verbessern. Welchen konkreten Nutzen haben die Kunden von dieser Entwicklung?
Mittels KI kann eine genaue Segmentierung und Risikoanalyse des einzelnen Kunden durchgeführt werden. In der Folge können die Kreditkonditionen maßgeschneidert angepasst werden – daraufhin sinkt die Ausfallrate deutlich. Im Klartext heißt dies, dass Geldinstitute ihren CSR-Vorgaben besser gerecht werden und Kunden erhalten nur solche Kredite, die ihre finanziellen Möglichkeiten nicht übersteigen. Natürlich bleibt ihnen somit in vielen Fällen der äußerst unangenehme Prozess nach einem Kreditausfall erspart, aber auch darüber hinaus verbessern neue Technologien und Künstliche Intelligenz das Nutzererlebnis. So geht der Trend zu Self Service-Portalen, in denen Bankkunden ihren Kredit optimal nachverfolgen können und bei Fragen oder Problemen betreut werden. Hier spielen zukünftig smarte Chatbots eine entscheidende Rolle. Diese können dem Anwender in Ergänzung zu echten Support-Mitarbeitern bereits umfassend und rund um die Uhr blitzschnell weiterhelfen.

Nicht nur in der Kreditvergabe, sondern auch in der Kreditabwicklung findet KI zunehmend Anwendung. Wie kann KI hier unterstützen?
KI-basierte Frühwarnsysteme decken Probleme bereits sehr frühzeitig auf. Eine Segmentierung der Kunden hilft dabei, eine maßgeschneiderte und angemessene Strategie zur Behandlung des Problems zu entwickeln. Dank KI erkennt die Bank etwa, ob fehlende Zahlungen auf ernsthaften finanziellen Schwierigkeiten beruhen oder ob schlicht eine Überweisung vergessen wurde – denkbar etwa bei einem Kontowechsel. Hier stößt das System eigenhändig eine passende Kommunikation an und entscheidet dabei über den Kommunikationskanal sowie die Tonalität. Eine kurze, freundliche und nicht formelle Erinnerung via Kurznachricht reicht bei vielen Kunden bereits aus und das Problem ist gelöst. Kommunikation statt Konfrontation! Für das langfristige Kundenverhältnis ist dies natürlich auch positiv.

Wenn die Schwierigkeiten jedoch tatsächlich ernsthafter Natur sind, kann der Kredit mittels smarter Algorithmen auf die veränderte Situation angepasst werden. Dabei werden historische Daten der Bank und individuelle Kundendaten zur Analyse herangezogen. Raten und Laufzeiten gestaltet das System so, dass für den Kunden eine Rückzahlung machbar wird. Dies verbessert die Erlösquote der Bank und ermöglicht dem Kreditnehmer eine Rückzahlung. Eine solche Umstrukturierung geschieht in Kooperation mit dem Kunden, der via Chatbot bei der Neuplanung zugeschaltet wird.     

Welche Themen werden zukünftig eine Herausforderung darstellen?  
Im Bereich der Kreditanbahnung sind zukünftig spannende Potenziale zu heben. Die Regulatorik sieht vor, dass Kreditentscheidungen nachvollziehbar sein müssen. Beim Einsatz selbstlernender neuronaler Netze ist die Nachvollziehbarkeit jedoch stark eingeschränkt, da die Entscheidung der Netze zwar auf empirisch gelernten Daten beruht, aber das Regularium im konkreten Fall nicht einsehbar beziehungsweise beobachtbar ist. Abhilfe können zum Beispiel sogenannte „Explainable Neural Networks“ schaffen, die aktuell in der Forschung diskutiert werden. Auch gesellschaftliche Herausforderungen müssen betrachtet werden. Welche Kriterien zur Kreditvergabe oder zum risikoadjustierten Pricing von Kredit wollen wir heranziehen? Schließlich sind über die Verknüpfung von Datenanalysen nahezu alle Attribute von Personen, insbesondere auch sensible Information wie politische Gesinnung, sexuelle Orientierung und mehr ermittelbar. Hier müssen die gesellschaftlichen und regulatorischen Grenzen betrachtet und weiterentwickelt werden. Ein weiterer Aspekt: Viele Menschen tun sich mit dem Gedanken schwer, mit einer Maschine zu kommunizieren. Jeder hat in Warteschleifen schon einmal unangenehme Erfahrungen mit Bots und automatischer Spracherkennung gemacht. Diese Skepsis wird jedoch von der Realität eingeholt werden, da die neuen Lösungen immer weniger vom menschlichen Mitarbeiter zu unterschieden sein werden und die höhere Erreichbarkeit den Service maßgeblich steigert. 


Christoph Tahedl verantwortet als CTO bei Collenda die Bereiche Technologie, Forschung sowie Produktentwicklung. Nach seinem Informatikstudium begann er eine Karriere im Bereich der wissenschaftlichen Arbeit und wechselte später in die Software zur Workflow-Automatisierung. Seit 2002 ist er für Collenda tätig und beschäftigt sich derzeit insbesondere mit den Entwicklungen im Bereich von zukunftsweisenden maschinellen Lernapplikationen sowie den Einsatzmöglichkeiten von Künstlicher Intelligenz im Finanzsektor. 

Share.