KI im Transaction Banking: Ende der „alten“ Abwicklungsfabriken?

Während die Künstliche Intelligenz (KI) hergebrachte Geschäftsmodelle im Retail Banking infrage stellt, arbeiten die Transaktionsbanken vermeintlich unbeeindruckt von diesen Innovationen.

Sie scheinen vor allem durch zwei Punkte geschützt:

• Ein System aus Lock-in-Effekten, die aus der Massengeschäftsabwicklung resultieren.
• Know-how über das Abwicklungsgeschäft, das in den in die Jahre gekommenen Systemen gebunden ist.

Doch dieser Schutz ist trügerisch. In der Vergangenheit schrieb ich bereits über das Thema Robotic Process Automation (RPA). Mit dem Einsatz wissensbasierter Problemlösungskomponenten, wie man sie aus der Unterstützung und Selbstoptimierung des IT-Betriebs kennt, lassen sich auch spezifische Prozesse des Transaction Bankings weitgehend automatisieren. Zu nennen wären hier z.B. die Geschäftsabstimmung (Reconciliations), das Dispute Management oder die Datenanreicherung.

Das Ende des Lock-in-Effekts naht

Es geht hier aber um mehr als um den Einsatz von KI-Komponenten für einzelne Funktionen oder Abläufe. Dafür ist ein tiefergehender Blick auf die Situation hilfreich. Der Druck, Stückkosten zu reduzieren, hat das Transaction Banking lange Zeit geprägt, ja die Gattung der Transaktionsbank überhaupt erst hervorgebracht. Die Folge waren zahlreiche Fusionen und gewachsene Lösungen, die zwar hin und wieder technisch modernisiert wurden, deren alles überlagerndes Mantra aber immer Skalierbarkeit war. Daran wurden die Hardware sowie die Systemsoftware einschließlich der eingesetzten Datenbanktechnik ausgerichtet. Hieraus resultiert der heute zu beobachtende Lock-in-Effekt. Mit den Fähigkeiten von In-Memory-Datenbanken und der Rechenleistung moderner Systeme wird sich früher oder später eine Alternative für die traditionellen monolithischen Applikationsstrukturen der Transaktionsbanken ergeben, welche die alten Systeme so stark unter Druck setzt, dass sie abgelöst werden müssen.

Verbunden mit RPA ergibt sich im Transaction Banking der Zukunft das Extremszenario, dass sich Prozesse durch ein Zusammenspiel von Experten und Robotertechnik so optimieren und automatisieren lassen, dass auch eine effiziente „Losgröße 1“ ermöglicht wird. Dies zöge eine Situation nach sich, für die der Begriff Disruption fraglos zutreffen würde. Insbesondere wäre der Lock-in-Effekt, der bestehende Systeme vor einer Ablösung schützt und im Grunde auch einen Markteintritt neuer Wettbewerber verhindert, wirksam ausgehebelt.

Geldwäscheprävention mit KI

Geldwäsche und ihr Umfeld sind ebenfalls ein Feld im Transaction Banking, in dem Machine Learning zum Einsatz kommen wird. Um Betrugsfälle aufzudecken oder legales Verhalten eindeutig zu identifizieren, ist die Mustererkennung eine zuverlässige Methode. So berichten einige Finanzdienstleister, dass sie bei der Überwachung von Transaktionen im Rahmen der Geldwäscheprävention durch Machine Learning Fehlalarme (False Positives) um bis zu 80 Prozent verringern konnten. Nicht zu vergessen ist, dass beim maschinellen Lernen neue Regeln von den Algorithmen entwickelt werden, um so zukünftige Ergebnisse weiter zu verbessern. Nur auf diese Weise kann Betrügern auf Dauer zuvorgekommen werden.

Die Regulatorik als Treiber

Auch die wachsende Regulatorik und nachfolgende Veränderungen in der Marktinfrastruktur führen schrittweise zu einem Wandel im Transaction Banking – sei es im Wertpapierservice (TARGET2-Securities / Central Securities Depositories Regulation) oder im Zahlungsverkehr (PSD2). Gerade PSD2 verordnet den Banken ein gewisses Maß an Transparenz im Hinblick auf die eigenen Daten und macht im Grunde eine offene API-Lösung erforderlich. Damit verbindet sich auch die Möglichkeit neuer Produkte und Dienstleistungen.

So haben im Zahlungsverkehr zunehmend Lösungen von FinTechs Einzug gehalten. Diese benötigen in der Regel einen Partner mit Banklizenz. Transaktionsbanken mit offener Systemarchitektur können solche Kooperationen leicht eingehen. Das heißt, sie müssen nicht alle Innovationen aus eigener Kraft hervorbringen, sondern können über Kooperationen neue Ansätze in ihr Geschäftsmodell integrieren.

Wer rastet, wird irgendwann überholt

Fasst man die Überlegungen zusammen, so drängt sich der Schluss auf, dass die technologischen Entwicklungen auch das „alte“ Transaction Banking infrage stellen (werden). Auch hier werden die Schnellen und Beweglichen das Rennen machen und die Langsamen und Unbeweglichen vom Markt verschwinden. Das ist zwar keine ausschließliche Folge von KI, aber eine Folge der technologischen Entwicklung, die auch den aktuellen Siegeszug von KI ermöglicht hat.