Bankkunden sind von Unternehmen anderer Branchen digitale Prozesse, schnelle Online-Abschlüsse und kurze Reaktionszeiten gewohnt. Ähnliche Kundenerlebnisse erwarten sie auch von ihrer Bank. Intelligente Automatisierung sorgt hier für eine gelungene Customer-Journey und schafft neue Kapazitäten für die Mitarbeiter.
Durch die zunehmende Bedeutung der Customer-Journey und der Zufriedenheit der Kunden, gilt es, Prozesse zu optimieren und die Wartezeiten für die Kunden zu minimieren. Von Unternehmen aus dem eCommerce oder der Telekommunikation sind diese digitale Prozesse, schnelle Online-Abschlüsse und kurze Reaktionszeiten gewohnt und erwarten diese positiven und unkomplizierten Kundenerlebnisse auch von ihrer Bank. Langwierige und intransparente Kreditentscheidungen, die sich über Tage oder gar Wochen hinziehen, sind daher heutzutage nicht nur im Privatkunden-, sondern auch im Firmenkundengeschäft nicht mehr akzeptabel.
Durch die verstärkte „Plattformökonomie“ gewinnen Anbieter, die dem Kunden einfache Services sowie eine nutzerorientierte und nahtlose digitale Kundenreise mit schneller und verbindlicher Entscheidung bieten können. Banken und Unternehmen ohne solche Lösungen werden von diesem Marktsegment de facto ausgeschlossen und verlieren den Zugang zu einer demographisch immer größer werdenden Kundengruppe.
Den Schlüssel zum Erfolg in diesem kompetitiven Wettbewerbsumfeld bieten moderne Services und intelligente Automatisierung. Mit Künstlicher Intelligenz und Technologien zur intelligenten Automatisierung lassen sich Prozesse beschleunigen und somit das Kundenerlebnis auf ein höheres Level heben. Durch die Automatisierung repetitiver und bürokratischer Prozesse lässt sich so zudem die Zufriedenheit der eigenen Mitarbeiter steigern, da Abläufe im eigenen Unternehmen ebenfalls von dieser Modernisierung profitieren.
Die größten Hindernisse der Banken, diese Themen umzusetzen und sich schneller an geänderte Kundenbedürfnisse anpassen zu können, sind jedoch häufig tief in der Bank „verwurzelte“, historisch gewachsene und unflexible IT-Anwendungslandschaften (insbesondere Kernbanksysteme) sowie die fehlende Integration bestehender Kundendaten. Gefragt sind daher Lösungen, die on-top schnell einsetzbar und anzupassen sind und nicht das Ziel haben, die bestehende IT abzulösen, sondern darauf aufsetzen.
Robotic Process Automation (RPA) ist eine Technologie, die ohne erforderliche Programmierkenntnisse die Automatisierung direkt an die Arbeitsplätze bringt. Vom konkreten Anwendungsfall im Geschäftsprozess kommend, automatisieren Software-Roboter regelbasierte, sich wiederholende manuelle Arbeiten. Viele Prozesse und Aktivitäten, die in der Bankenbranche Zeit, Geld und kostbare Personalressourcen verschlingen, lassen sich damit durch Roboter automatisieren.
RPA ist mittlerweile den technologischen Kinderschuhen entwachsen. Der RPA-Einsatz ist deshalb aus dem Blickwinkel des Bankengeschäfts ganzheitlicher und strategischer anzugehen – insbesondere auch, weil RPA nicht bei jedem Prozess das Mittel der Wahl ist. Bei dieser Beurteilung ist also eine genaue Kenntnis der Geschäftsprozesse mittlerweile wichtiger als entsprechende Programmierkenntnisse.
Workflowsysteme sind in Banken heutzutage oft das Mittel der Wahl um eine intelligente Automatisierung zu erreichen. Die darin vorhandene digitale Abbildung der Prozesswelt bildet die wesentliche technische Grundlage für effektives Arbeiten und eine kontinuierliche, systematische Prozessverbesserung. Durch die bei jedem Prozessschritt hinterlegten Zeitstempel lassen sich mit wenig Aufwand auch fortschrittliche Analysemethoden wie Process Mining zur Verbesserung der Transparenz, der Planung und der Steuerung einsetzen.
Bei einer effektiven Integration mit dem Kernbanksystem sowie anderen Bank-internen „Datentöpfen“ kann ein Workflowsystem den Aufsatzpunkt zur end-to-end-Automatisierung von Prozessen (STP: Straight Through Processing) bilden. Um das zu erreichen, ist zunächst ein strategisches, prozessuales Zielbild zu erarbeiten, welches systemseitig mit der IT orchestriert ist.
„Daten sind das Öl des 21 Jahrhunderts“. Dies gilt nicht nur für moderne Unternehmen aus der Technik- und IT-Branche, sondern auch für Banken und Finanzdienstleister. Wenngleich viele Banksysteme in die Jahre gekommen sind, loggen sie oft unter der Motorhaube wichtige Prozessdaten mit. Dieser Datenschatz kann mit Hilfe moderner Verfahren gehoben werden und für intelligente Lösungen und die Optimierung der Kundenbeziehung genutzt werden. Die Disziplin hierzu wird „Process Mining“ bezeichnet.
Process Mining rekonstruiert, visualisiert und analysiert die Geschäftsprozesse einer Bank mit Prozessdaten aus den IT-Systemen. Die Ist-Abläufe aller Prozessvarianten werden dadurch transparent und bilden die Basis für eine intelligente Optimierung und Verbesserung. Mit Process-Mining-basierten Planungs- und Steuerungscockpits lassen sich dann Durchlauf- und Bearbeitungszeiten planen und steuern. Häufig liefert Process Mining Ansatzpunkte zur weiteren Automatisierung. Für den effektiven Einsatz von Process Mining sind fachlich inhaltliche Kenntnis der Prozesse erforderlich – eine intensive Einbindung der betroffenen Fachbereichs-Einheiten ist also unerlässlich.
Advanced Analytics nutzt unterschiedliche Datenquellen und deren Zusammenhänge für die Modellierung und Vorhersage zukünftiger Entwicklungen und Ereignisse. In der Kombination mit Process Mining und Ansätzen der Automatisierung wird dadurch der Nutzen objektiviert und transparent gemacht. Einflussfaktoren auf Geschäftsprozesse lassen sich so leicht und auf Basis von Fakten identifizieren. Das oft zitierte Bauchgefühl gehört damit der Vergangenheit an.
Neben Next Best-Offer-Ansätzen sind Kündigungsprognosen auf Einzelkundenebene, Potenzialanalysen für Filialstandorte oder Liquiditätsprognosen für Kunden als im Frontend integrierte Services typische Anwendungsbeispiele aus der Praxis. Die wesentliche Herausforderung hierbei liegt in der Interpretation und „Übersetzung“ der statistischen Ergebnisse in nutzenstiftende Aussagen und Handlungsempfehlungen.
Maschinelles Lernen hat sich als Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung etabliert: Eine künstliche Intelligenz (KI) lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Mit Hilfe von KI wird folglich die bis dato regelbasierte Prozessautomatisierung (RPA) auf ein neues Niveau gehoben. Im Zusammenspiel dieser beiden Methoden (Stichwort: Hyperautomation) lassen sich also weitaus komplexere (= weniger standardisierte) Prozesse und Entscheidungen automatisieren.
Für Banken liegt beispielsweise ein sehr hohes Potenzial in der automatisierten Auslese, Klassifizierung und der inhaltlichen Prüfung von Dokumenten. Die darin enthaltenen Informationen bilden die Basis um z.B. automatisierte Kreditentscheidungen zu treffen. In einfachen Fällen ist das bei einigen Banken bereits heute gelebte Praxis. Dies schafft die entscheidenden Geschwindigkeitsvorteile in der Kundeninteraktion. Die Kombination der Automation von repetitiven Tätigkeiten mit bisher mensch-basierter Entscheidungsunterstützung stellt aktuell die Königsdisziplin der Automatisierung dar.
Mit dem Trend zum Plattformgeschäft werden Baufinanzierungen zum „Commodity“. Eine schnelle Kreditentscheidung (time-to-yes) und -auszahlung (time-to-cash) sind die zentralen Wettbewerbsfaktoren im Kampf um den Endkunden. Für die dafür erforderliche Digitalisierung und intelligente Automatisierung des Kreditprozesses ist nach wie vor die Verarbeitung und Prüfung der Unterlagen zum Immobilienobjekt eine große Herausforderung – vor der Auszahlung des Kredits sind hier nach wie vor viele manuelle und Prüfungen durch Mitarbeiter erforderlich. Die Kombination aus künstlicher Intelligenz (KI) mit maschinellem Lernen und Robotic Process Automation schließt diese Lücke.
Unterlagen wie Exposés, Energieausweise, Mietverträge, Grundbuchauszüge oder Notarverträge können mit KI-basierten Methoden wie Computer Vision (Analyse von Bildern) und Natural Language Processing (NLP) klassifiziert, strukturiert ausgelesen und inhaltlich geprüft werden. Auf Basis dieser umfassenden und strukturierten Informationen lässt sich der Wert des Objekts sehr genau, ohne manuellen Aufwand und damit ohne Zeitverzug schätzen. Per RPA (oder über entsprechende APIs) werden die ausgelesenen Felder direkt an die passende Stelle in den Systemen übertragen. Dort wird nach automatisierter Prüfung der Auszahlungsvoraussetzungen im „Grün-Fall“ die Auszahlung direkt durch das System angestoßen (deutliche Reduzierung der time-to-cash).
Mit mehr als 20 Jahren Beratungserfahrung verfügt Dr. Oliver Laitenberger über einen großen Erfahrungsschatz insbesondere in der Bank- und Versicherungswelt. In seinen Beratungsprojekten stand der wertorientierte Einsatz von innovativen Software- und IT-Technologien an der Schnittstelle von Geschäft und IT im Vordergrund. Bei Horn & Company leitet er das Kompetenzzentrum Business Technologie & Digitalisierung und beschäftigt sich dort insbesondere mit intelligenten Technologien zur Steigerung von Wettbewerbsfähigkeit, Effizienz und Automation sowie der agilen und digitalen Transformation „im Großen”.
Dr. Christoph Winkler ist Experte für Operational Excellence und berät seit über 10 Jahren Finanzdienstleister bei verschiedenen strategischen Fragestellungen rund um Performanceverbesserung, digitaler Transformation und einer optimierten Ausgestaltung der Customer Journey. Er ist Teil der Horn & Company Competence Center Banking und Transformation und begleitete in den vergangenen Jahren zahlreiche Banken und Fintechs bei der Ausgestaltung und Umsetzung digitaler Kreditprozesse von der Kundenschnittstelle bis zur abschließenden Bearbeitung in der Marktfolge.
Kontaktieren Sie uns, um eine kurze, maßgeschneiderte finted Demo mit einem unserer Mitarbeiter zu vereinbaren.
Während Robotic Process Automation (RPA) zur Automatisierung zahlreicher Prozesse genutzt werden kann, erlaubt die Integration künstlicher Intelligenz die Automatisierung hochgradig komplexer Prozesse bis hin zur sogenannten Hyperautomatisierung durch RPA OCR.
Lesen
Kaum eine Technologie bietet Banken aktuell so viele neue Möglichkeiten wie die Künstliche Intelligenz. Doch was ist beim Einsatz von KI in Banken und Finanzdienstleistern in der Praxis zu beachten?
Lesen