Bank Business News: Warum Banken ihre Datenstrategie für das KI-Zeitalter überdenken müssen

Der folgende Artikel wurde von Bank Business News veröffentlicht hier.

Warum Banken ihre Datenstrategie für das KI-Zeitalter überdenken müssen

Von Maha Sivara, Chief Data Officer, NCR Atleos

Jahrelang haben viele Banken ihre Datenstrategie als reines Technologieprojekt betrachtet und sich auf Bereiche wie Cloud-Migrationen, Data Lakes, Tech-Stacks und Plattformanbindungen konzentriert. Diese Investitionen sind zweifellos wichtig, doch das eigentliche Ziel einer Datenstrategie sollte die Verbesserung der Entscheidungsfindung und die Erzielung messbarer Geschäftsergebnisse sein.

Banken, die Daten weiterhin primär als technologische Aufgabe betrachten, riskieren den Anschluss zu verlieren – in einer Zeit, in der die Kundenerwartungen rasant steigen, der Wettbewerb zunimmt und neue Technologien wie KI die Arbeitsweise von Finanzinstituten grundlegend verändern. Erfolg hängt nicht davon ab, wie viele Daten eine Bank besitzt, sondern wie effektiv sie diese in intelligentere Entscheidungen, bessere Kundenerlebnisse und positive Geschäftsergebnisse umwandeln kann.

Kunden werden kanalunabhängig

Kunden denken nicht mehr in Kanälen – ein bemerkenswerter Wandel. Es spielt keine Rolle, ob sie über digitales Banking, Filialen, Kontaktcenter oder Geldautomaten interagieren; sie erwarten, dass ihr Finanzinstitut sie versteht und bei ihren Anliegen unterstützt. Kunden fordern zunehmend Konsistenz, Kontext und Komfort, unabhängig davon, über welchen Kontaktpunkt sie ihre Bankgeschäfte erledigen.

Ein Kunde könnte beispielsweise seine mobile App nutzen, um Bargeld zu finden, einen Geldautomaten für die Auszahlung aufsuchen und das Geld anschließend sofort für eine Kreditkartenzahlung verwenden. Für den Kunden sind dies keine getrennten Erlebnisse, sondern Teile einer ganzheitlichen finanziellen Reise.

Um dieses Maß an kontextbezogenem Verständnis zu bieten, müssen Daten über Kanäle, Systeme und Partner hinweg in Echtzeit verknüpft werden. Banken stehen vor der Herausforderung, all ihre Daten so zusammenzuführen, dass ein ganzheitlicher Blick auf die Kundenbeziehung entsteht.

Hier spielen Fortschritte in der KI eine entscheidende Rolle. Physische Kontaktpunkte im Banking entwickeln sich von reinen Transaktionsgeräten zu intelligenten, interaktiven Endpunkten, die aus Kundenpräferenzen und -verhalten lernen können.

Stellen Sie sich beispielsweise einen Geldautomaten vor, der erkennt, dass ein Kunde üblicherweise 50-Euro-Scheine wählt, vor Auszahlungen häufig den Kontostand prüft und ein Erlebnis bevorzugt, das dem seines Hauptfinanzinstituts entspricht. Diese scheinbar kleinen Details können ein personalisiertes, relevantes Kundenerlebnis schaffen und so die Kundenbindung und -loyalität stärken.

Das Geschäftsziel in den Mittelpunkt stellen

Es herrscht das weit verbreitete Missverständnis, dass mehr Daten automatisch zu mehr Wert führen, doch das ist nicht immer der Fall. Ohne ein klar definiertes Geschäftsziel sorgen zusätzliche Daten oft nur für mehr Komplexität. Tatsächlich kann KI Probleme bei schlechter Datenqualität sogar verschärfen, da Ergebnisse zwar schneller, aber weniger zuverlässig erzielt werden.

Stattdessen sollten Banken immer damit beginnen, das geschäftliche Problem zu identifizieren, das sie lösen möchten. Ob das Ziel darin besteht, Einlagen zu steigern, die Nutzung von Self-Service-Angeboten zu erhöhen, Betrug zu reduzieren oder die Kundenzufriedenheit zu verbessern – die Datenstrategie sollte direkt auf messbare Geschäftsziele ausgerichtet sein und diese unterstützen. Die Bewertung von Dateninitiativen danach, ob sie skalierbaren, quantifizierbaren Wert schaffen, hilft Banken dabei, Prioritäten effektiver zu setzen.

Governance als Wegbereiter

Einer der am meisten missverstandenen Aspekte moderner Datenstrategie ist die Data Governance. Governance wird allzu oft als eine Reihe von Einschränkungen betrachtet, die den Zugriff auf Informationen begrenzen. In der Realität sollte eine effektive Governance vertrauenswürdige Daten jedoch zugänglicher und nützlicher machen.

Die erfolgreichsten Banken etablieren zentralisierte Governance-Prinzipien bei gleichzeitiger Dezentralisierung der Umsetzung. Ein zentrales Governance-Team definiert Standards, Richtlinien und Kontrollen, während jede Geschäftseinheit die Verantwortung für die Datenqualität und die Ergebnisse trägt – so entsteht Vertrauen ohne Engpässe.

Vertrauen ist besonders wichtig, da KI immer tiefer in die Betriebsabläufe integriert wird und Kunden zunehmend Transparenz darüber fordern, wie ihre Daten verwendet werden und welche Logik hinter Entscheidungen steckt. Eine solide Governance bildet das notwendige Fundament, um diese Fragen souverän zu beantworten.

Die Zukunft liegt in der Entscheidungsfindung in Echtzeit

Die wohl bedeutendste Chance für Banken bei ihrer Datenstrategie besteht darin, den Schritt von der historischen Analyse hin zur operativen Echtzeit-Intelligenz zu vollziehen. Während Daten bisher vor allem dazu dienten, Fragen zur Vergangenheit zu beantworten, beginnen Banken nun, sie als Grundlage für zukünftige Entscheidungen zu nutzen.   

Dies ist ein überzeugendes Einsatzgebiet für moderne KI: die Transformation von Daten von einem retrospektiven Berichtswerkzeug hin zu einer Entscheidungsmaschine, die Warnmeldungen, Empfehlungen und Maßnahmen generiert. Dieser Wandel kann das gesamte Unternehmen maßgeblich beeinflussen – von der Betrugsprävention und Serviceverfügbarkeit bis hin zur Kundenbindung und zu Self-Service-Interaktionen.

Die erfolgreichsten Banken werden Daten nicht mehr als nachträgliche Berichtsfunktion betrachten, sondern sie als Brücke zwischen Geschäftsstrategie und deren Umsetzung begreifen.

Da die KI weiter voranschreitet und die Kundenerwartungen steigen, wird der entscheidende Wettbewerbsvorteil nicht darin liegen, wer über die meisten Daten verfügt. Er wird bei denjenigen liegen, die die effektivste Datenstrategie nutzen, um bessere Entscheidungen zu treffen, nahtlose, intelligente und personalisierte Erlebnisse über alle digitalen und physischen Kontaktpunkte hinweg zu schaffen und die wichtigsten Geschäftsziele zu erreichen.

Über den Autor:

Maha Sivara ist Chief Data Officer bei NCR Atleos, einem führenden Anbieter für den Ausbau des finanziellen Self-Service-Zugangs für Finanzinstitute, Einzelhändler und Verbraucher.