Berenberg, eine der ältesten und führenden Privatbanken Europas, suchte nach einer schnellen und zuverlässigen Möglichkeit, die Verträge mit ihren IKT-Dienstleistern in Bezug auf die Erfüllung der Anforderungen des Digital Operational Resilience Act (DORA) zu überprüfen.

„Der KI-Assistent für die Vertragsprüfung hat unser Vorgehen für die Einhaltung der DORA-Richtlinien maßgeblich beschleunigt. Seine automatisierte Klausel-für-Klausel-Analyse identifiziert schnell Diskrepanzen, schlägt relevante Änderungen vor, generiert automatisch Zusätze für Neuverhandlungen mit unseren IKT-Drittdienstleistern und extrahiert relevante Vertragsdaten für die Meldung an das Informationsregister – und das alles mit bemerkenswerter Genauigkeit. Durch die Verringerung des manuellen Aufwands um 80 % haben wir sowohl unsere Kosten als auch Ressourcenengpässe erheblich reduziert, so dass sich unser Team auf höherwertige Aufgaben konzentrieren konnte.“

Alexander Martens, Procurement / Provider Management bei Berenberg

Die Mehrheit des Gewinns im modernen Privatkundengeschäft stammt von Kreditprodukten. Bedauerlicherweise leihen sich aber nicht alle Klienten Geld von ihrer Hauptbank. Unser Data-Science Modell ist also so gebaut, um alle auswärtigen Ratenzahlungen an andere Banken und Kreditanstalten zu identifizieren. Somit kann das gesamte Kreditschlachtfeld direkt vor die Augen der jeweiligen Bank ausgebreitet werden. Dies schafft eine tolle Gelegenheit den Kunden maßgeschneiderte Darlehensübertragungen oder eine Konsolidierung anzubieten. Weitere Informationen über die Fallstudie finden Sie unter bigdataforbanking.com.

Sowohl in der Telekommunikation als auch im Bankwesen gibt es genügend Daten, um auf Familienbeziehungen zwischen Kunden zu schließen. Mit zugehörigen Daten über Kartenzahlungen, Anrufe, und Geolocation können Personen im Raum und Zeit verbunden werden. Fügt man noch einfache Demographie hinzu, dann kann ein überraschend präzises Data Science Modell erstellt werden, das den Ehepartner, Elternteil, oder Geschwister, usw. einer Person identifizieren kann. In manchen Ländern ist diese Art von Data Mining nicht legal anwendbar. In andere Staaten sind die Regelungen jedoch nicht so strikt. Somit kann die Bank dieses Wissen nutzen um das Kreditrisiko eines Kunden in Rücksicht auf Familienmitglieder anzupassen, oder kann so ein Telekommunikationsunternehmen dem Kunden besser abgezielte Angebote machen.

Die Zinssatzsetzung ist ein kompliziertes Problem. Setzt man die Raten zu niedrig, vermindert man den eigenen Gewinn. Setzt man sie aber zu hoch, dann sind sie nicht attraktiv genug für die Kunden, die sich schließlich woanders umsehen. Der Wettbewerb ist sehr stark, vor allem online. Die meisten Banken orientieren sich am Kreditrisiko der jeweiligen Kundengruppe und der Wahrscheinlichkeit deren Ausfalls. Diese Methode kann durch den Einsatz von Data Science Algorithmen optimiert werden. Gibt man Klienten, die presiempfindlicher sind, einen Vorteil auf Kosten von Kunden, die es weniger kümmert, so kann man den durchschnittlichen Zinssatz auf demselben Niveau erhalten, wobei aber die Annahmerate verbessert, Fluktuation gesenkt, und der Gewinn gesteigert werden. Das alles im Rahmen der strikten Bankvorschriften. Mehr dazu finden Sie im Video oder Sie können die Fallstudie unter bigdataforbanking.com nachlesen.

Die Raiffeisenbank CZ startete eine KI-Initiative zur Verbesserung der betrieblichen Effizienz im Rahmen ihrer digitalen Strategie. Durch die Zusammenarbeit mit den Profinit Consultants und deren KI-Expertise gewann die Bank tiefe Einblicke in KI und Machine Learning. Das Ergebnis der Zusammenarbeit war die erfolgreiche Entwicklung, Implementierung und Einführung eines KI-Assistenten. Die KI-Assistent-Lösung steigert die Mitarbeiterproduktivität, indem sie über Abfragen in natürlicher Sprache auf die Informationsdatenbank zugreift und passende Antworten in Echtzeit liefert.

„Die Zusammenarbeit mit Profinit hat unsere Bemühungen zur Effizienzsteigerung im Betrieb erheblich unterstützt. Das Fachwissen von Profinit im Bereich der KI und Machine Learning in Kombination mit dem strategischen Ansatz zur Datenverarbeitung und -sicherheit hat unsere Erwartungen nicht nur erfüllt, sondern übertroffen.“

Lukáš Mazánek, Chief Data Officer bei Raiffeisenbank CZ