Die hohen Erwartungen der Finanzdienstleister an Machine Learning erfüllen sich bisher nicht. Der Grund: Vielen Instituten fehlen die richtigen Voraussetzungen. Vor allem eine hochwertige, qualitative Datengrundlage bereitet Probleme. Das zeigen Marktanalysen und eine Expertenbefragung der Unternehmensberatung Cofinpro.
„Viele Projekte zielen auf die Prozessautomatisierung und Hebung von Kosteneffizienzen ab. Banken und KVGen wollen so beispielsweise Prozesse bei der Abwicklung von Ratenkrediten optimieren. Ihnen bietet sich gleichzeitig mit Hilfe von Machine Learning auch die Möglichkeit, neue Entscheidungsmuster zu erkennen und die Kreditausfallwahrscheinlichkeit besser zu berechnen“, erklärt Lars Kellinghausen, Manager bei der auf Finanzdienstleister spezialisierten Unternehmensberatung Cofinpro. Weitere wichtige Anwendungsbereiche sind unter anderem Fraud-Detection, Betrugsprävention und die Auswertung von unstrukturierten Daten.
„Finanzdienstleister sind prädestiniert für den Einsatz von Machine Learning. Die Technologie ermöglicht es, erhebliche Effizienzpotenziale zu heben oder präzise Prognosen zu ermöglichen. Aber noch stockt die operative Umsetzung“, so Sarah Menz, Expert Consultant bei Cofinpro. Dies liegt vor allem an den Daten, die nicht optimal aufbereitet sind. „Wenn die Daten nicht im richtigen Format oder ohne Bezugspunkte zueinander vorliegen, erschwert dies die Aufbereitung für eine maschinelle Analyse erheblich. Zudem müssen die Daten in ausreichender Quantität vorliegen. Ein weiteres Problem: Für die ersten Versuche werden oft ungeeignete Anwendungsfälle gewählt. Und so folgt auf die Euphorie Ernüchterung, weil viele Versprechen nicht eingelöst werden.“
Die Cofinpro-Experten haben im Rahmen einer Marktanalyse einen Handlungsleitfaden zu Machine Learning mit sechs zentralen Empfehlungen zusammengefasst:
Vom Buzzword zum Standardwerkzeug
Für die Zukunft der Technologie sind die Branchenexperten optimistisch gestimmt. Consultant Kellinghausen sagt: „Noch ist Machine Learning eine Technologie mit erheblichem Potenzial, die jetzt bereits für einzelne Zwecke zielgerichtet eingesetzt wird. Langfristig wird sich die Technologie aber als eine Lösung unter vielen im Standardwerkzeugkasten jeder Bank durchsetzen. Bis dahin besteht für die Institute das Potenzial, sich vom Wettbewerb zu differenzieren.“