KI mit Geschäftswert im Risikomanagement

Ist Künstliche Intelligenz (KI) ein Hype oder nicht? Sicher nicht. KI und im Speziellen die Methoden des maschinellen Lernens haben in einigen Bereichen bereits breiten Einzug gehalten, wenn nicht sogar neue Geschäftsfelder eröffnet. Auch im Risikomanagement ist KI angekommen, allerdings mit eher punktueller Durchdringung bestimmter Gebiete wie Betrugserkennung. Hier findet man normalerweise schnell viele weitere, noch brach liegende Felder mit Potenzial.

Für den Einstieg in neue Felder empfehlen wir jedoch dringend, auf den Geschäftswertbeitrag zu achten und zunächst die "low-hanging-fruits" zu ernten, denn KI-Projekte sind meist aufwändiger als gedacht und die Akzeptanz und Verankerung in den täglichen Geschäftsprozessen ist nicht immer ein einfaches Unterfangen, das von heute auf morgen erledigt ist.

Wir unterscheiden sechs Kategorien von Geschäftswerbeitrag, den KI für Unternehmen leisten kann. Im folgenden Schaubild sind diese mit gängigen Beispielen und ihrem geschäftlichen Hebel skizziert. Sie adressieren sowohl die Top Line, d.h. die Generierung von Geschäft und Erlösen, als auch die Bottom Line, sprich Kosten.

Zwei der Kategorien, Kundenerlebnis und Geschäfts-Generierung sind reine Top-Line-Kategorien, für die das Risikomanagement in einer typischen Unternehmensstuktur kaum einen Wertbeitrag liefern kann. Alle anderen Kategorien hingegen sind relevant für die Schaffung von Geschäftswert im Risikomanagement.

Beim Potenzial-Mining, einer reinen Bottom-Line-Kategorie, geht es da­rum, durch KI-gestützte Auswertung von Transaktionsdaten und Protokollen Schwachstellen in Geschäftsprozessen aufzudecken, um diese anschließend zu beseitigen. Dieses umfangreiche Spezialthema wollen wir an dieser Stelle außen vor lassen und uns auf die Themen mit direktem Kosteneffekt konzentrieren.

Eines davon ist die KI-Unterstützung und Automatisierung von Geschäftsprozessen, häufig auch als Prozess-Robotifizierung benannt. Hier sehen wir insbesondere im der Qualitätssicherung von Daten und Reports große Effizienzsteigerungsmöglichkeiten durch KI-Einsatz. Angetrieben durch ständig zunehmende regulatorische Anforderungen und angetrieben durch den Druck zur Wetbewerbsdifferenzierung durch bessere Daten wachsen Datenbestände, Datenkomplexität und Berichtstätigkeit stark an. In der Folge werden immer mehr Spezialisten benötigt, diesen anwachsenden Datenhaushalt konsistent und auf hoher Qualität zu halten. Bei manchen Unternehmen ist jetzt schon der Punkt erreicht, bei dem Datenqualität aus Kostengründen geopfert wird. Automatisierte, KI-gestützte Qualitätssicherungsverfahren sind in der Lage dem gegenzusteuern, um so die hochqualitative Zukunft der Daten bei erträglichen Kosten zu sichern.

Die zweite reine Bottom-Line-Kategorie, die Geschäftsüberwachung, ist teilweise schon fast ein Klassiker für lohnenswerten KI-Einsatz geworden: Bei KI-basierter Erkennung von externem und internem Betrug, bei der Detektion von Geldwäsche und beim Aufspüren von Compliance-Verstößen haben viele Unternehmen in letzter Zeit stark aufgerüstet. Anders hingegen sieht es aus bei Frühwarnsystemen für Adressausfälle, Versicherungsschäden oder andere Schadereignisse aus dem operativen Risiko. Auf diesem Gebiet sehen wir ein weites Feld von nicht ausgeschöpften Potenzialen.

Risikomanagement ist ein wichtiger Teil der übergreifenden Geschäftssteuerung. In dieser Funktion kann es einen großen Geschäftswertbeitrag liefern, nicht nur bei der Vermeidung von Risiken, sondern auch auf der Erlösseite. Wir denken dabei insbesondere an Portfoliomodelle für Kredite und im Versicherungswesen, die mittels KI schnell und feingranular berechnet werden können und damit für die täglichen Entscheidungsprozesse für Kredite und im Underwriting mit "Was-wäre-wenn-Szenarien" zur Verfügung stehen. So steht ein Instrument zur gezielten Risikosteurung samt damit verbundener Kosten- und Erlöseffekte zur Verfügung.

An dieser Stelle wollen wir eine vergleichsweise einfache, aber sehr effektive Methode zur Findung lohnenswerter KI-Einsatz­fälle vorstellen. Sie basiert auf einigen wenigen Fragen für jedes Einsatzfeld. Bei der notwendigen Analyse und beim Nachdenken zur Beantwortung dieser Fragen sollten die Ideen für Einsatzfälle quasi automatisch anfallen.

In einem zweiten Schritt müssen die Ideen dann auf tatsächlichen Nutzen, Machbarkeit und Implementierungsaufwand geprüft, bewertet und priorisiert werden, um schließlich an die "low-hanging-fruits" zu gelangen. In den folgenden Abschnitten werden wir auf die genannten Frage­stellungen je Feld im Detail eingehen und diejenigen Beispiele dazu nennen, die unserer Einschätzung nach einen hohes Nutzen-Aufwands­verhältnis aufweisen.

Ein naheliegendes Einsatzfeld für künstliche Intelligenz ist die vollständige Automatisierung bzw. die teilmaschinelle Unterstützung von Geschäftsprozessen aus verschiedenen Beweggründen. Kosten sind dabei nur ein Aspekt.

Zum einen können durch KI stupide, repititive Tätigkeiten für den Menschen zu eliminiert werden, zum anderen eröffnet sich vielleicht die Möglichkeit Geschäftprozesse, die aufgrund des hohen Personalaufwands bisher nur unzureichend bestzt warten, überhaupt zu implementieren.

Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet. Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet.