Banken und Versicherer sind Großabnehmer von Künstlicher Intelligenz

Investitionen fließen in Effizienz und Kundenbindung

Ein Großteil der weltweiten KI-Investitionen fließt in den Finanzsektor. 2023 wurden in der Branche 87 Milliarden US-Dollar in KI investiert – deutlich mehr als im Gesundheitswesen (76 Milliarden) oder in der Telekommunikations- und Medienbranche (75 Milliarden). Das zeigt eine Marktanalyse von Sopra Steria Next, der Managementberatung von Sopra Steria. Vor allem in zwei Anwendungsfeldern wird KI im Finanzsektor verstärkt eingesetzt: „AI for Processes“ und „AI for Humans“. Tendenz steigend.

Allein der Anteil der KI-Investitionen in generative KI (GenAI) ist branchenübergreifend von neun Prozent im Jahr 2022 auf 51 Prozent im Jahr 2023 gestiegen. Banken und Versicherungen sind Großabnehmer der Technologie, denn die Automatisierung von Prozessen und die Unterstützung der Mitarbeitenden in Vertrieb und Kundenmanagement sind unverzichtbar. Treiber für den starken KI-Einsatz bei Finanzdienstleistern sind sowohl Effizienz- als auch Wachstumspotenziale, vielfältige Anwendungsfelder sowie die guten Voraussetzungen durch ein großes FinTech- oder InsurTech-Ökosystem.

„Viele Banken haben bereits in KI-nahe Technologie wie Intelligent Robotic Process Automation (IPA) und erste Chatbot-Generationen investiert, um Kosten im Backoffice zu senken und ihre Kundenservices zu verbessern. Zudem besteht eine starke Vernetzung mit FinTechs, die inzwischen viele sehr reife KI-Lösungen bieten. Finanzinstitute besitzen durch diese Kooperationen wichtige Grundlagen für den Aufbau digitaler Kompetenzen sowie Verbesserungen in Data Science. Davon profitieren die Banken bei Investitionen in GenAI-Anwendungen“, sagt Matthias Frerichs, Experte für Digital Banking bei Sopra Steria.

„Aus Chatbots werden somit AI-Agents, die den Namen auch verdienen.“

Ähnlich sieht es in der Versicherungsbranche aus. Auch Versicherer setzen stark auf KI-gestützte Lösungen, und die bereits erzielten Fortschritte bei der digitalen Transformation helfen bei der Integration. Neben der durch KI gestützten Prozessautomatisierung, die insbesondere im Versicherungsbetrieb und Schadenmanagement eingesetzt wird, sorgt zunehmend der Einsatz von GenAI im Vertrieb und in der Kundenberatung für starkes Interesse.

„Versicherer und ihre Vermittler müssen stark priorisieren. Der Grund: Es fehlt an Personal und Zeit sowohl im eigentlichen Vertrieb als auch in der Vertriebsunterstützung. GenAI-Lösungen sind so weit entwickelt, dass sie in die Rolle einer vielseitig einsetzbaren KI-Assistenz schlüpfen können. Aus Chatbots werden somit AI-Agents, die den Namen auch verdienen“, erklärt Thorsten Voith von Voithenberg, Leiter des Bereichs Insurance bei Sopra Steria Next.

Der Managementberater schätzt, dass Versicherern und Vermittlern dadurch pro Jahr bis zu 50 Tage mehr Zeit für den „echten Vertrieb“ zur Verfügung stehen könnten, die Mitarbeitende derzeit für das Heraussuchen von Informationen, die Gesprächsvorbereitung oder das Schreiben von Zusammenfassungen und die Dokumentation benötigen.

Banken und Versicherer sind die Spielwiese für GenAI-Anwendungen

Bis 2028 werden mehr als zehn Prozent der IT-Budgets von Unternehmen weltweit in KI-Lösungen fließen, so die Studie. Bei Finanzdienstleistern werden sie sowohl die Prozessautomatisierung als auch die menschliche Interaktion weiter unterstützen. Das Anwendungspotenzial ist längst nicht ausgeschöpft und das Spielfeld für Tech-Lösungen, die der Branche schnell helfen, ist groß.  

Die Studie zählt exemplarisch 22 mögliche Anwendungen auf. Ein Beispiel ist der Einsatz synthetischer Daten. Sie verbessern die Genauigkeit von Kredit- oder Risikobewertungsmodellen und können zur Erstellung neuer Datensätze unter Wahrung der Privatsphäre verwendet werden. Synthetische Daten helfen damit bei Entscheidungen in Kundensegmenten, für die nur begrenzte Daten zur Verfügung stehen. Banken erweitern damit ihre geschäftlichen Möglichkeiten bei der Kreditvergabe.

Synthetische Daten erhöhen auch die Stichprobengröße für eine bessere Klassifizierung und zur Verringerung fehlerhafter Ergebnisse bei der Betrugserkennung. KI-Lösungen, die auf Sprachmodellen (Large Language Models) basieren, helfen zudem dabei, Betrugsregeln in Echtzeit zu erstellen, markierte Transaktionen zu erklären und Kontoübernahmen zu identifizieren.

Finanzdienstleister können also dank guter Bedingungen technologisch aus dem Vollen schöpfen. Dieser Vorteil birgt allerdings das Risiko, dass sich Unternehmen für die falsche Technologie oder Anwendung entscheiden oder Projekte falsch priorisieren.

„Je umfangreicher das KI-Angebot, desto wichtiger sind fundierte Investitionsentscheidungen. Für die Finanzdienstleister kommt es darauf an, KI-Lösungen nach einer Phase der Pilotprojekte in die Breite zu tragen, zu skalieren, und dafür benötigen sie eine Strategie“, sagt Managementberater Thorsten Voith von Voithenberg.

Methodik der Studie „Navigating the AI Era“

Die Studie „Navigating the AI Era“ basiert auf einer mehrstufigen Analyse, die sowohl quantitative als auch qualitative Datenquellen nutzt. Ziel ist es, den aktuellen Stand und die Zukunftsaussichten des KI-Marktes sowie konkrete Empfehlungen für Unternehmen zu erarbeiten, die KI erfolgreich skalieren wollen.

Datengrundlage:

• Die Analyse stützt sich auf eine breite Palette von Marktforschungsberichten und Prognosen führender Institute. Diese wurden ergänzt durch die Erkenntnisse renommierter Beratungsunternehmen und IT-Spezialisten.
• Zusätzlich wurden Publikationen von Risikokapitalfirmen sowie zahlreiche Erfahrungsberichte von Chief AI Officers und CIOs führender Unternehmen ausgewertet.

3-Stufen-Ansatz:

Stufe 1 – Analyse des aktuellen KI-Marktes (Stand 2023)

Marktgröße und -struktur wurden für verschiedene KI-Technologien rekonstruiert. Dabei wurden sowohl Anbieter- als auch Anwenderperspektiven berücksichtigt, um ein umfassendes Bild der KI-Landschaft zu erhalten.

Stufe 2 – Marktprojektionen bis 2028

Basierend auf den strukturellen Erkenntnissen aus Stufe 1, wurden die Marktprognosen für die kommenden fünf Jahre erstellt. Der Markt wurde in vier KI-Kategorien unterteilt – AI for Machines, AI for Processes, AI for Humans und AI for Software –, um die wichtigsten Technologiebereiche und Anwendungsfälle zu identifizieren und zu bewerten.

Stufe 3 – Empfehlungen für die Skalierung von KI

Auf der dritten Stufe wurden die vier zentralen Erfolgsfaktoren für die Skalierung von KI-Projekten definiert. Dies erfolgte anhand von Fallstudien erfolgreicher Unternehmen, die es geschafft haben, KI-Projekte vom Proof of Concept (PoC) bis zur Wertschöpfung zu skalieren.

Zur Studie

Blogartikel: GenAI als Power-KI-Assistenz der Versicherer und Vermittler