Digitale Banken: Welche Digitalisierungstrends bewegen die Finanzbranche 2018?

Immersive und interaktive Analyse von Finanzdaten mit Argumented Reality
Immersive und interaktive Analyse von Finanzdaten mit Argumented Reality (Blockchain-Dashboard)

Jedes Jahr (2015, 2016, 2017 und 2018) stelle ich Digitalisierungstrends vor, die der Finanzbranche ein gro├čes Potenzial bieten. Dabei geht es vor allem um einen ├ťberblick dar├╝ber, welche Trends und Technologien zuk├╝nftig eine gr├Â├čere Rolle spielen werden oder k├Ânnten.

Im Folgenden habe ich die f├╝nf Digitalisierungstrends identifiziert, die f├╝r Banken und Versicherungen in Zukunft besonders spannend sein d├╝rften:

1. Maschine Learning

Maschine Learning und Deep Learning werden im Investment Banking angewandt, um Unternehmensbewertungen schneller und zuverl├Ąssiger durchzuf├╝hren. Mehr Daten denn je k├Ânnen hinzugezogen werden. Eine Gewichtung der Daten erfolgt komplett autonom. Da manuelle Analyse weitgehend entf├Ąllt, werden Entscheidungsprozesse drastisch beschleunigt. Investoren, die mit konventionellen Werkzeugen arbeiten, haben das Nachsehen.

2. K├╝nstliche Intelligenz

Durch K├╝nstliche Intelligenz gesteuerte Chatbots vermitteln den Kunden eine menschlichen-├Ąhnliche Betreuung. Chatbots werden dar├╝ber hinaus in existierende Cloud-basierende Assistenten, wie Alexa oder Siri, eingebunden und sind in der Lage mittels Natural Language Processing, auch komplexere Anfragen zu verstehen. Recommender-Systeme liefern ma├čgeschneiderte L├Âsungen, die speziell auf die Bed├╝rfnisse der Kunden abgestimmt sind.

3. Internet of Things

Wearables und in Kleidung eingearbeitete Sensoren (Internet of Things, IoT) liefern ausreichend Daten, um den Lebensstil der Kunden vollst├Ąndig zu vermessen. Dadurch k├Ânnen individuelle Raten f├╝r Versicherungen und Finanzprodukte berechnet werden. Au├čerdem bieten die IoT-Daten eine weitere Datenquelle f├╝r die Recommender-Systeme.

4. Blockchain

Vertr├Ąge werden kosteng├╝nstig, f├Ąlschungssicher und irreversibel in der Blockchain gespeichert. Die Blockchain dienst sogenannten Smart Contracts als dezentrale Datenbank. Dar├╝ber hinaus liefern Blockchain-Implementierungen, wie Ethereum, das Ausf├╝hren von Logik, die beispielsweise monatliche Zahlungen pr├╝fen und ggf. auch die Erf├╝llung von Vertragsbestandteilen (z.B. im Schadenfall) steuern.

5. Argumented Reality

Arbeitspl├Ątze werden mit Technik ausgestattet, die Argumented Reality erm├Âglicht. L├Âsungen wie Microsoft’s Hololense erm├Âglichen Analysten und H├Ąndlern eine immersive und interaktive Analyse von Finanzdaten in Echtzeit. Insbesondere f├Ąllt dadurch auch die Zusammenarbeit mit Kollegen leichter, da Plattformen zur visuellen Kollaboration traditionelle Meetings weitgehend abl├Âsen.

Welcher ist der 6. Trend?

Helfen Sie den 6. Digitalisierungstrend zu benennen? Nehmen Sie hierzu an der Twitter-Umfrage teil. Selbstverst├Ąndlich freue ich mich auch ├╝ber Kommentare und eine spannende Diskussion.

Digitale Banken: Die Chancen von Blockchain, K├╝nstlicher Intelligenz und Machine Learning

Commerzbank Tower
Commerzbank Tower: Zahlt sich f├╝r Banken die Kooperation mit Fintechs aus? (Foto: Flickr)

Die Zukunft im Finanzwesen bleibt vielversprechend und spannend. Haben uns k├╝rzlich noch Innovationen in der Erschlie├čung neuer M├Ąrkte und in der Verm├Âgensverwaltung besch├Ąftigt, so sind es heute mehr denn je die raffinierten datengetriebenen Technologien, die in den Vordergrund ger├╝ckt sind.

Anfang dieses Jahres startete Futura Analytics, ein Fintech, das enorme Datenmengen und maschinelle Lernmodelle nutzt, um Regeln zur Risikobewertung in Echtzeit umzuschreiben. Futura Analytics verwandelt Daten aus Twitter und anderen ├Âffentlichen Quellen in nutzbare Signale und identifiziert die relevantesten Informationen in Echtzeit f├╝r Kunden im Finanzsektor (Beispiel: Bitcoin/Sentiment-Analyse).

K├╝nstliche Intelligenz ist Teil der Zukunft

Banken und Fintechs nutzen die k├╝nstliche Intelligenz und die immer besser werdende Verarbeitung von nat├╝rlicher Sprache, um Kunden einen besseren Zugang zu Finanzdienstleistungen zu erm├Âglichen. Produktempfehlungen basierend auf Mustererkennung hilft die passende Dienstleistung anzubieten. Nat├╝rliche Sprache wird zu einer Vereinfachung von Zahlungsinteraktionen f├╝hren.

M2M-L├Âsungen rationalisieren Cloud-basierte Authentifizierung

Zwillingst├╝rme der Deutschen Bank
Deutsche Bank (Foto: Flickr)

Allerdings m├╝ssen Zahlungsinteraktionen direkt von Ger├Ąt zu Ger├Ąt immer noch Barrieren ├╝berwinden, wie z.B. das Gew├Ąhrleisten einer nahtlose Authentifizierung zwischen den Endger├Ąten. Bis solche M2M-L├Âsungen (Machine-to-Machine) mit nahtloser Authentifizierung hersteller├╝bergreifend verf├╝gbar ist, werden sich Ger├Ąte weiterhin ├╝ber Services in der Cloud authentifizieren, bevor Transaktionen ausgef├╝hrt werden.

Gamification schafft Anreize f├╝r mobile Bezahlung

Mobiles Bezahlen am Point-of-Sale haben sich noch immer nicht fl├Ąchendeckend durchgesetzt. Obwohl Unternehmen in Zahlungsterminals bereitstellen, fehlt es an Anreizen, um die Nutzer dazu zu ermutigen, mit ihren mobilen Ger├Ąten zu bezahlen. Banken haben schon damit begonnen die kostenlose Bargeldversorgung einzuschr├Ąnken. Fintechs k├Ânnen dem Handel mit Gamification helfen das mobile Zahlen f├╝r Kunden attraktiver machen.

Blockchain erm├Âglicht kosteng├╝nstige Transaktions├╝berpr├╝fung

Die Rolle der Blockchain-Technologie bei der Bereitstellung einer verteilten Transaktionshistorie weckt gro├čes Interesse im Zahlungs- und Handels├Âkosystem. Die Technologie macht Transaktionsgeb├╝hren, die Anbieter wie PayPal f├╝r das Sicherstellen von Transaktionen erhoben haben, hinf├Ąllig. Die Nutzung der Blockchain zur kosteng├╝nstigen ├ťberpr├╝fung von Transaktionen wird bei Banken oben auf der Agenda stehen.

Maschinelles Lernen verbessert die Zahlungssicherheit

Durch die Digitalisierung von Zahlungen muss die Zahlungssicherheit ├╝ber eine breite Palette an Endger├Ąten gew├Ąhrleistet werden. Ger├Ąte k├Ânnen ein erh├Âhtes Risiko gegen├╝ber fortgeschrittenen Angriffen aufweisen. Bei der Gestaltung von sicheren Zahlungsmethoden erkennt maschinelles Lernen das Verhalten und greift ein, wenn ein solches Verhalten auf ungew├Âhnliche Verhaltensweisen oder Transaktionsaktivit├Ąten hindeutet.