Kategorie: Economics

Digitale Banken: Welche Digitalisierungstrends bewegen die Finanzbranche?

Eine Person nutzt die Microsoft HoloLens zur Visualisierung von Datenanalysen und Digitalisierungstrends in der Finanzbranche.
Digitalisierungstrends: Die Microsoft HoloLens ermöglicht eine Immersive und interaktive Analyse von Finanz- und Marktdaten mit Argumented Reality (Blockchain-Dashboard).

Jedes Jahr (2015, 2016, 2017 und 2018) stelle ich Digitalisierungstrends vor, die der Finanzbranche ein großes Potenzial bieten. Dabei geht es vor allem um einen Überblick darüber, welche Trends und Technologien zukünftig eine größere Rolle spielen werden oder könnten.

Für eine umfassendere Analyse zur Rolle von Blockchain, Künstlicher Intelligenz und Machine Learning in digitalen Banken empfehle ich meinen vorherigen Blogpost: Digitale Banken: Die Chancen von Blockchain, Künstlicher Intelligenz und Machine Learning.

Im Folgenden habe ich die fünf Digitalisierungstrends identifiziert, die für Banken und Versicherungen in Zukunft besonders spannend sein dürften:

1. Maschinelles Lernen und Künstliche Intelligenz

Maschinelles Lernen und Künstliche Intelligenz transformieren die Finanzbranche. Maschine Learning und Deep Learning werden im Investment Banking angewandt, um Unternehmensbewertungen schneller und zuverlässiger durchzuführen. Mehr Daten denn je können hinzugezogen werden. Eine Gewichtung der Daten erfolgt komplett autonom. Da manuelle Analyse weitgehend entfällt, werden Entscheidungsprozesse drastisch beschleunigt. Investoren, die mit konventionellen Werkzeugen arbeiten, haben das Nachsehen.

Durch Künstliche Intelligenz gesteuerte Chatbots vermitteln den Kunden eine menschlichen-ähnliche Betreuung. Chatbots werden darüber 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 maßgeschneiderte Lösungen, die speziell auf die Bedürfnisse der Kunden abgestimmt sind.

2. Internet of Things

Das Internet der Dinge (IoT) revolutioniert die Art und Weise, wie Banken und Versicherungen Daten nutzen. Wearables und Sensoren liefern Echtzeitdaten über den Lebensstil von Kunden, die zur Berechnung individueller Tarife für Finanz- und Versicherungsprodukte herangezogen werden können. Diese Daten fließen in Recommender-Systeme ein, die personalisierte Angebote erstellen. Darüber hinaus ermöglichen IoT-gestützte Lösungen neue Sicherheitsmechanismen, indem sie Anomalien in Verhaltensmustern erkennen und frühzeitig Alarm schlagen.

3. Blockchain und Dezentrale Finanzsysteme (DeFi)

Die Blockchain-Technologie sorgt für sichere, transparente und kostengünstige Transaktionen. Verträge werden als Smart Contracts in der Blockchain gespeichert und automatisch ausgeführt. Dies reduziert den Bedarf an Intermediären und minimiert Fehlerquellen. Dezentrale Finanzsysteme (DeFi) erweitern diesen Ansatz, indem sie traditionelle Finanzprodukte wie Kredite und Versicherungen in offene, zugängliche Plattformen überführen. Banken können DeFi nutzen, um innovative Finanzprodukte zu entwickeln und neue Märkte zu erschließen.

4. Augmented Reality und Virtual Reality

Augmented Reality (AR) und Virtual Reality (VR) ermöglichen neue Formen der Datenvisualisierung und Zusammenarbeit. Lösungen wie Microsoft’s HoloLens schaffen immersive Arbeitsumgebungen, in denen Analysten und Händler Finanzdaten in Echtzeit interaktiv analysieren können. Diese Digitalisierungstrends fördern nicht nur die Zusammenarbeit, sondern eröffnen auch neue Möglichkeiten für Schulungen und Kundeninteraktionen. Kunden können Finanzprodukte virtuell erkunden und so fundiertere Entscheidungen treffen.

5. Automatisierung und Cloud-basierte Services

Die zunehmende Automatisierung von Prozessen und der Einsatz von Cloud-Technologien ermöglichen eine effizientere Verwaltung von Finanzdienstleistungen. Machine-to-Machine-Kommunikation (M2M) und automatisierte Abläufe reduzieren Kosten und verbessern die Geschwindigkeit von Transaktionen. Cloud-basierte Plattformen bieten skalierbare Lösungen für Datenverarbeitung und Sicherheit. Gleichzeitig treiben sie die Integration neuer Technologien wie Quantum Computing voran, die in der Zukunft die Verschlüsselung und Datenanalyse revolutionieren könnten.

Ausblick der Digitalisierungstrends

Die Finanzbranche steht an einem Wendepunkt. Digitale Banken haben die Chance, nicht nur Technologien zu adaptieren, sondern als Wegbereiter einer inklusiveren und effizienteren Finanzwelt aufzutreten. Die Verknüpfung von KI, IoT und Blockchain wird es ermöglichen, personalisierte Finanzprodukte anzubieten, die gleichzeitig sicher und skalierbar sind. Zukünftige Innovationen wie Quantum Computing könnten zudem die Sicherheitsstandards weiter erhöhen und die Datenverarbeitung revolutionieren.

Welcher ist der 6. Digitalisierungstrend?

Helfen Sie den 6. Digitalisierungstrend zu benennen? Nehmen Sie hierzu an der Twitter-Umfrage teil. Selbstverständlich freue ich mich auch über Kommentare und eine spannende Diskussion:

Leadership: Stagnation Kills Your Business, 3 Times

Petronas Twin Towers
Petronas Twin Towers held the title of the tallest building in the world for six years (Flickr)

Your business has been thriving, and the pipeline is well filled with work? Don’t get comfortable too soon. Stagnation kicks in fast nowadays, and kills your business‘ innovation, its growth, and its people.

1. Innovation 

The speed of transformation that we are currently witnessing is challenging all of us to think differently. Every industry can be disrupted, there is no safe habour. So we need to deliver our products and services in a way that is relevant today, not yesterday.

Minor product iterations do not work forever. We need to prepare product revolutions, not just iterations on what we were selling since ten years. Establishing an innovation lab engages our employees to think in innovative ways and lift our business to new heights.

2. Growth

We need to adjust our business development plan to drive business growth. This should not be a static document. Customer and market definition are changing fast and we need to adopt this in our sales strategy and in our product development.

This does not work without data. Therefore we need to implement a data strategy. Our data strategy guides our entire business how to collect and analyze data, and how to generate the insights that we use for our decisions. If we do not take advantage of data, our competition will do.

3. People

Sushi Google DoodleIt is essential for leaders to recognize that you cannot possibly manage everything. We need to employ great people. But recruiting is not the end. We need to keep your talents, empower them, and motivate them to take initiative in their roles. Stagnation will rotate employees out of the company.

Offering free sushi and laundry service might impress our new hires from university. Experienced and independent employees will be more interested in career perspectives. We should establish personal development plans for everyone, not just for the designated managers.

Although it is important for leaders to set such a career framework, we should not forget to invest in your employees‘ training. Both, hard skills (technical) and soft skills (non-technical), are mandatory because they each play very important roles in the development of our employees.

In Summary

Yesterday’s innovations are tomorrow’s commodities. We need to invest in innovations, otherwise we will face disruptive competition. Creating insights from data is important for the iterative adjustments on our business development plan. Offering personal development plans and proper training avoids stagnation for your employees, which is causing brain drain.

This post is also published on LinkedIn.

Take the Survey: The Stage of Digital Transformation

This survey is part of my thesis that examines the topology, structure, and evolution of the digital transformation within organizations. Your contribution to this survey helps to better understand the perception regarding the current stage of digital transformation.

Follow this link to take the survey:
https://goo.gl/forms/Yi2OUYaQfIBP9t3x2

Spread the word and share this article! Thanks!

Digitale Banken: Die Chancen von Blockchain, Künstlicher Intelligenz und Machine Learning

Commerzbank Tower: Zahlt sich für Digitale Banken die Kooperation mit Fintechs aus?
Commerzbank Tower: Zahlt sich für Digitale Banken die Kooperation mit Fintechs aus? (Foto: Flickr)

Die Zukunft digitaler Banken bleibt vielversprechend und spannend. Haben uns kürzlich noch Innovationen in der Erschließung neuer Märkte und in der Vermögensverwaltung beschäftigt, so sind es heute mehr denn je die raffinierten datengetriebenen Technologien, die in den Vordergrund gerückt sind.

Künstliche Intelligenz in digitalen Banken

Banken und Fintechs nutzen die künstliche Intelligenz und die immer besser werdende Verarbeitung von natürlicher Sprache, um Kunden einen besseren Zugang zu Finanzdienstleistungen zu ermöglichen. Produktempfehlungen basierend auf Mustererkennung hilft die passende Dienstleistung anzubieten. Natürliche Sprache wird zu einer Vereinfachung von Zahlungsinteraktionen führen.

Zudem ermöglicht KI die Analyse riesiger Datenmengen in Echtzeit. Systeme, die Daten aus Twitter und anderen öffentlichen Quellen in nutzbare Signale verwandeln, identifizieren die relevantesten Informationen und bieten Finanzinstituten präzise Marktanalysen. Ein Beispiel ist die Bitcoin-Sentiment-Analyse, die Einblicke in Markttrends liefert und Handelsentscheidungen optimiert.

M2M-Lösungen rationalisieren Cloud-basierte Authentifizierung

Zwillingstürme der Deutschen Bank
Deutsche Bank (Foto: Flickr)

Allerdings müssen Zahlungsinteraktionen direkt von Gerät zu Gerät immer noch Barrieren überwinden, wie z.B. das Gewährleisten einer nahtlosen Authentifizierung zwischen den Endgeräten. Bis solche M2M-Lösungen (Machine-to-Machine) mit nahtloser Authentifizierung herstellerübergreifend verfügbar sind, werden sich Geräte weiterhin über Services in der Cloud authentifizieren, bevor Transaktionen ausgeführt werden.

In der Zukunft könnten jedoch dezentrale Identitätssysteme auf Blockchain-Basis diese Barrieren beseitigen. Benutzer könnten digitale Identitäten erstellen, die unabhängig von zentralisierten Plattformen arbeiten und so den Authentifizierungsprozess revolutionieren.

Gamification schafft Anreize für mobile Bezahlung

Mobiles Bezahlen am Point-of-Sale haben sich noch immer nicht flächendeckend durchgesetzt. Obwohl Unternehmen in Zahlungsterminals bereitstellen, fehlt es an Anreizen, um die Nutzer dazu zu ermutigen, mit ihren mobilen Geräten zu bezahlen. Banken haben schon damit begonnen die kostenlose Bargeldversorgung einzuschränken. Digitale Banken und Fintechs können dem Handel mit Gamification helfen das mobile Zahlen für Kunden attraktiver machen.

Künftig könnten KI-gesteuerte Finanz-Avatare das Zahlungserlebnis personalisieren und Kunden spielerisch motivieren, ihre Finanzziele zu erreichen. Zum Beispiel könnten Kunden für das Einhalten von Sparzielen virtuelle Belohnungen erhalten, die in Rabatte oder Cashback-Programme umgewandelt werden.

Blockchain ermöglicht kostengünstige Transaktionsüberprüfung in digitalen Banken

Die Rolle der Blockchain-Technologie bei der Bereitstellung einer verteilten Transaktionshistorie weckt großes Interesse im Zahlungs- und Handelsökosystem. Die Technologie macht Transaktionsgebühren, die Anbieter wie PayPal für das Sicherstellen von Transaktionen erhoben haben, hinfällig. Die Nutzung der Blockchain zur kostengünstigen Überprüfung von Transaktionen wird bei Banken oben auf der Agenda stehen.

Langfristig könnten Smart Contracts weitreichende Auswirkungen haben, indem sie komplexe Finanzprodukte automatisieren. Hypotheken, Kredite und Versicherungsverträge könnten ohne Zwischenhändler verwaltet werden, wodurch Kosten gesenkt und Prozesse beschleunigt würden.

Maschinelles Lernen verbessert die Zahlungssicherheit für digitale Banken

Durch die Digitalisierung von Zahlungen muss die Zahlungssicherheit über eine breite Palette an Endgeräten gewährleistet werden. Geräte können ein erhöhtes Risiko gegenüber fortgeschrittenen Angriffen aufweisen. Bei der Gestaltung von sicheren Zahlungsmethoden erkennt maschinelles Lernen das Verhalten und greift ein, wenn ein solches Verhalten auf ungewöhnliche Verhaltensweisen oder Transaktionsaktivitäten hindeutet.

Darüber hinaus könnten in Zukunft KI-gestützte Sicherheitssysteme Betrugsversuche präventiv blockieren, indem sie kontinuierlich Muster in Transaktionen analysieren und automatisch Anpassungen vornehmen. So entsteht eine dynamische Sicherheitsarchitektur, die sich in Echtzeit weiterentwickelt.

Ausblicke für digitale Banken

Die Zukunft digitaler Banken wird von einer Symbiose aus Blockchain, KI und maschinellem Lernen geprägt sein. Dezentrale Finanzsysteme (DeFi) könnten traditionelle Bankenstrukturen herausfordern und ein transparentes, faires Finanzwesen schaffen. Künstliche Intelligenz könnte die Finanzberatung demokratisieren, indem sie personalisierte Anlageempfehlungen auch für kleinere Anleger erschwinglich macht.

Wir stehen an der Schwelle zu einer Ära, in der Finanzinstitute nicht nur Technologietreiber, sondern auch Treiber sozialer Innovationen sein werden. Mit diesen Entwicklungen werden Banken zunehmend als Plattformen für digitale Identitäten, nachhaltige Investitionen und globale Finanzintegration agieren.

Price and Sentiment Analysis: Why is Bitcoin Going Down?

Bitcoin Price and Sentiment Analysis with variable Moving Average: click to open interactive Tableau dashboard with annotations
Bitcoin Price and Sentiment Analysis with variable Moving Average: click to open interactive Tableau dashboard with annotations

Bitcoin has become one of the trendy investment assets in the recent years. Whenever bitcoin prices approach historical highs, every investor should watch the currency closely. Bitcoin rallied by more than 20% in the first days of 2017, crossing the $1000 mark for the first time since November 2013.

As many experienced bitcoin traders will remember, the first $1000 peak was a case of obvious over exuberance. Bitcoin was hot, plenty of money was pouring into it. Bitcoin investors got too excited, causing a price surge. Prices then rebounded and suffered a long-term collapse shortly after.

Moving Average Convergence/Divergence Indicator

Many traders rely on a Moving Average Convergence/Divergence (MACD) indicator. The MACD is a measure of the convergence and divergence between two EMAs (usually 12 and 26 days) and is calculated by subtracting the two of them. The signal line is constructed by creating an EMA (usually 10 days) of the signal line.

The signal line crossing the MACD from above is a buy signal. The signal line crossing the MACD from below is a sell signal. Relying only on momentum-based indicators (such as the MACD) and optimization-based models, however, will most certainly fail to indicate heavy price drops, as the drop in late 2016.

Predicting Fear with Sentiment Analysis

In late 2016 a lot of people began to pour money into bitcoin again. This time because they were worried that stock markets and other assets were due for a drop. For investors, it is essential to figure out whether or not these fears are actually founded. However, such „safe assets“ are prone to suffering from bubbles. People get scared, get invested into gold, or bitcoin, then realize that their fears were unfounded. As a result bitcoin prices could plummet.

So how to catch emotions such as fear in advance? Twitter is a valuable source of information and emotion. It certainly influences the stock market and can help to predict the market. Sentiment analysis can lead price movements by up to two days. Negative sentiment, however, is reflected in the market much more than positive sentiment. This is probably because most people tweet positive things about bitcoins most of the time. Even more positive news occurred after breaking the $1000 barrier.

This content is part of the session “Price and Sentiment Analysis: Why is Bitcoin Going Down?” that I deliver at the Frankfurt Bitcoin Colloquium. Have a look on my upcoming sessions!

[Update 14 Jun 2017]: Axis for Moving Average adjusted. Relative Date selector added with last 6 month as default. Screenshot updated.

Feel free to share the Bitcoin Price and Sentiment Analysis dashboard, which is also featured as Viz of the Day on Tableau Public: