Die Finanzindustrie nutzt zunehmend KI-Anwendungen – dabei ist jedoch einiges zu beachten

Geringere Kosten, verbessertes Kundenerlebnis, neue Vertriebschancen – Anwendungen aus dem Bereich der künstlichen Intelligenz (KI) sind ein Schlüssel für Effizienz- und Ertragssteigerungen. Aber wo lohnt sich der Einsatz künstlicher Intelligenz? Die Experten von PPI identifizieren gemeinsam mit Ihnen vielversprechende Einsatzbereiche und realisieren entsprechende Anwendungen. Dabei bleiben regulatorische und operationelle Herausforderungen stets im Blick.

Der passende Werkzeugkasten für KI in Banken

Die Einführung künstlicher Intelligenz unterscheidet sich von klassischen IT-Projekten. Das verdeutlicht ein Blick auf die Kostenstruktur: Rund 80 Prozent des Aufwands fließen in die Datenaufbereitung. Die Modellbildung macht dagegen einen relativ geringen Teil der Entwicklungsarbeit aus. Zudem besteht die Notwendigkeit, technisches und bankfachliches Wissen in übergreifenden Teams zu vereinen. Der besondere Charakter einer Realisierung von KI-Anwendungen zeigt sich sehr deutlich in drei Bereichen: Anforderungsmanagement, Aufwandsplanung und Testing.

Anforderungsmanagement

Anders als in klassischen IT-Projekten gibt es bei der Einführung künstlicher Intelligenz keine Anforderungen mit einem klaren Wenn-Dann-Schema. Stattdessen definieren sich die Requirements durch das Ziel, die Datenquellen und die verwendeten Algorithmen. Damit Sie im Projektverlauf dennoch den Überblick behalten, hat PPI eine Methode entwickelt, die Kernpunkte eines KI-Projekts über den gesamten Verlauf transparent und mit geringem Aufwand zu dokumentieren.

Aufwandsplanung

Der größte Teil der Ressourcen für ein KI-Projekt fließt typischerweise in die Aufbereitung der Daten. Doch gerade diese ist im Voraus besonders schwer kalkulierbar. Denn die Datenqualität, die Menge potenzieller Datenfelder und technologische Faktoren haben großen Einfluss. Die verschiedenen Algorithmenklassen für KI-Modelle stellen überdies jeweils unterschiedliche Anforderungen an die Datenaufbereitung. PPI hat – basierend auf eigenen Projekterfahrungen – ein Tool entwickelt, das bei der Prognose des Aufwands hilft.

Testing

Klassische Funktionstests sind für KI-Anwendungen nicht möglich. Ein KI-Modell wird immer fehlerhafte Prognosen erstellen. Daher ist es umso wichtiger, bereits zu Projektbeginn die relevanten Qualitätskriterien für die geplante Lösung festzulegen. PPI hat umfangreiche Erfahrungen im Testing entsprechender KI-Anwendungen bei Finanzinstituten und unterstützt Sie dabei, die richtigen Metriken für Ihr Projekt festzulegen.