Die drei größten Herausforderungen im Bankenwesen sind laut Befragungen unserer Kundschaft die Customer Experience (CX), die Leistungsfähigkeit der Belegschaft und die operative Flexibilität. Über operative Flexibilität haben wir bereits gebloggt. In diesem Blog soll es darum gehen, wie sich die Customer Experience verbessern lässt, genauer gesagt, wie künstliche Intelligenz (KI) für tiefere Einblicke in das Verhalten der Kundschaft und für persönlichere Interaktionen sorgen kann?

Jede Bank möchte mit einer herausragenden CX überzeugen. Und jede Bank hofft, mit den Möglichkeiten von KI ihre End-to-end-Erlebnisse zu verbessern. Dabei geraten auch verwandte Technologien in den Blick wie Machine Learning (ML), Robotic Process Automation (RPA), Cognitive Services, Datenanalysen und viele mehr. KI kann in vielen Bereichen für ein besseres Customer Engagement sorgen: eine 360-Grad-Kundensicht bieten, das Abwandern von Kundschaft verhindern, die Next-Best-Action vorhersagen, das Onboarding beschleunigen sowie mehr Cross- und Up-Selling ermöglichen.

Aber welche Hürden gibt es für die Banken?

• Oft hat die CX keinen eigenen Administrator, da sie auf mehrere funktionale Rollen aufgeteilt ist: Sales, Marketing, Service, IT, HR – um nur ein paar zu nennen. Das verlangsamt Entscheidungen und kann am Ende zu internen Auseinandersetzungen über Ressourcen und Finanzierungen führen.
• In der Regel gibt es keinen zentralen Ablageort für die Daten von Kund:innen. Stattdessen sind die Informationen in unterschiedlichsten Formaten und auf alternden Systemen über die ganze Organisation hinweg verteilt. Vieles davon muss häufig konsolidiert, aufgeräumt und entdupliziert werden. Wenn es ein System gibt, dann ist es meistens verhältnismäßig langsam und verlangt permanent nach Updates. KI funktioniert aber nur mit einer guten Datenbasis.
• Damit verbunden verfügt eine Bank möglicherweise über mehrere Marketingsysteme für unterschiedliche Produkte. Die Mitarbeitenden der verschiedenen Produktbereiche arbeiten in Silos und es gibt wenig Informationsaustausch. In manchen Banken herrscht sogar ein intensiver interner Wettbewerb zwischen den Abteilungen.
• Echte KI-Talente (z.B. Data Scientists) sind ein knappes Gut. Sie neu zu akquirieren bleibt schwierig. Deshalb beauftragen Banken ihre eigenen Teams mit KI-Projekten – auch, um sie mit ansprechenden Aufgaben zu binden. Die Banken bilden ihre eigenen Mitarbeitenden jedoch eher wenig zum Thema KI weiter. Eine Umfrage von Accenture ergab, dass nur 3% der Bankvorstände planen, in den nächsten drei Jahren deutlich mehr in Umschulungsprogramme zu investieren.
• KI verarbeitet Informationen mitunter fehlerhaft. Bei Apple Pay kam es z.B. zu geschlechterspezifischen Ungleichheiten: Eheleuten, die im selben Haushalt leben, wurden basierend auf Algorithmen unterschiedliche Kreditlimits angeboten. In dieser Dunkelverarbeitung (Black-Box-Processing) erhalten Sie Antworten, allerdings ohne das Zustandekommen der Ergebnisse transparent nachvollziehen zu können. Darum werden ethische Fragen im Digitalen Banking zunehmend wichtiger.

Für Banken, die KI erfolgreich implementieren, ergeben sich allerdings erhebliche Vorteile im Bereich Customer Engagement. Zum Beispiel lassen sich durch personalisierte bzw. kontextualisierte Kommunikation Cross- und Up-Selling-Raten verdoppeln, das Einzahlungsniveau um 5-15% steigern, der Customer Satisfaction Score um bis zu 35% verbessern und das Abwandern der Kundschaft um 10-30% reduzieren. Das gilt für Unternehmen ebenso wie für Kunden und Kundinnen. Die PNC Bank arbeitet z.B. mit dem britischen Fintech OakNorth zusammen, um ein „Covid Vulnerability Rating“-Framework für ihre Geschäftskreditportfolios zu entwickeln. Dabei können Kreditgeber:innen eine Portfolio-Analyse durchführen, um Kredite hinsichtlich ihrer Liquidität, Verschuldungsfähigkeit, Finanzierungslücken und Rentabilität zu bewerten – ein überaus personalisiertes Angebot.

Aus unserer eigenen Erfahrung wissen wir, dass KI eine der wichtigsten Technologien für eine erfolgreiche Transformation der CX ist. Hier drei Beispiele:

• Wir haben eine Robo-Advisor-Plattform für eine US-Investmentbank aufgebaut, die das Onboarding von Kundschaft, Investmentstrategien, Portfolio-Rebalancing und Performance-Monitoring umfasst. Das steigert Performance, Sicherheit und Skalierbarkeit. Die Plattform bedient derzeit eine halbe Million Konten.
• Wir haben ein Cashflow-Prognosesystem entwickelt, das auf einem Algorithmus basiert. Dies ermöglicht einer großen deutschen Bank, ihre SME-Community gezielt anzusprechen. Entwicklungsprozess und Markteinführung konnte mit der Verwendung von Agile beschleunigt werden.
• Manuelle Regulierungen hatten bei einer internationalen Bank zu einem Rückstau geführt. Unsere RPA/ML-Lösung hat die Warnmeldungen priorisiert und die Prozesse beschleunigt. 33% der Personalkosten konnten gespart werden. Auch Fallvolumen und Fehlermeldungen nahmen deutlich ab. Die Bank konnte über 100 Millionen US-Dollar jährlich einsparen.

Wir haben einen neuen Banking-Accelerator zur Verbesserung des Customer Engagements mithilfe von KI entwickelt. Dieser erleichtert die Akquise von Neukund:innen sowie deren Bindung, verbessert die Kampagneneffektivität und vereinfacht Prozesse für die Anleger:innen.

Eine konsistente CX über alle Touchpoints hinweg zu verwalten, ist nicht einfach. Die Zielgruppen von Banken haben durchgängig hohe Erwartungen und nehmen es häufig sehr ernst, wenn mal etwas schief geht. Daher ist es wichtig, dass Banken bei der Digitalisierung ihrer Prozesse keine Fehler machen. Wie das gelingt, erfahren Sie in unserem aktuellen Banking-Guide.

Diese Artikel könnten Sie ebenfalls interessieren:

• Endlich Zugriff auf die Blackbox: Moderne Kundenpflege für Banken
• Digitale Filiale: Wie Banken die Kunden der Gegenwart abholen