Künstliche Intelligenz im Bereich Zahlungsverkehr und Payments

Künstliche Intelligenz im Bereich Zahlungsverkehr und Payments: Fünf Ansätze für 2019 und darüber hinaus

Bereits in den vergangenen Jahren haben vielfältige innovative Entwicklungen den Bereich Zahlungsverkehr und Payments erfasst. Insbesondere der Einbezug von Künstlicher Intelligenz wird das Bezahlen in 2019 und darüber hinaus deutlich und nachhaltig verändern.

Über die kommenden Payment-Innovationen wurde alles schon gesagt, nur noch nicht von allen:

  • Rund um den Zahlungsverkehr sind höchst attraktive Geschäftsfelder entstanden.
  • Wirecard hat einen höheren Marktwert als der Deutsche Bank-Konzern und hat damit die Commerzbank aus dem DAX verdrängt.
  • Kontaktlose Payments funktionieren fast überall.
  • Der physischen Karte folgt die virtuelle Karte im Smartphone, nicht nur via Google oder Apple Pay, sondern auch via Sparkassen- oder Geno-App.
  • Instant Payments sind auf dem Weg zum neuen Standard – endlich ist die Zahlung schneller als das Amazon-Paket.
  • Die PSD2 treibt Modularisierung, Marktöffnung und Plattform-Banking voran und erlaubt damit neue Marktstrukturen.
  • Und Bitcoins erleben endlich den logisch unvermeidlichen Absturz.

Künstliche Intelligenz erfasst das Bezahlen

Nichts davon ist neu. Beachtenswert ist aber, dass keine der genannten Lösungen ohne Künstliche Intelligenz funktionieren wird. Denn drei Entwicklungen treffen sich gegenwärtig und bringen KI in den Mainstream:

  • Es gibt genügend Probleme auf der Suche nach Lösungen – anders als bei Bitcoin, einer Lösung auf der Suche nach Problemen.
  • Die Methoden und Verfahren sind bereits seit Jahrzehnten optimiert worden.
  • Und nun lassen sie sich mit der nötigen Rechen-, Speicher- und digitalen Datenpower hinterlegen.

Fünf Anwendungsklassen für KI im Bereich Payments

Wenn KI in den Mainstream tritt, gilt das, was für viele grundlegende Veränderungen typisch ist: Man überschätzt zwar die kurzfristigen, aber unterschätzt die langfristigen Auswirkungen. Das gilt für alle fünf Anwendungsklassen, in die sich (fast) jede IT-Anwendung und damit auch jede Payment-Anwendung zerlegen lässt:

  1. Input-Transformation,
  2. Kontext-Analyse,
  3. Aufgaben-Präzisierung,
  4. Lösung des Aufgabenkerns und
  5. Output-Transformation.

1. Input-Transformation

In der Input-Transformation kommt es auf die Quelle an: Wer Überweisungsdaten in ein Online-Feld eingibt, braucht nicht unbedingt KI. Optische Beleglesung erfordert dies schon eher. Ganz sicher braucht man KI für die Spracheingabe über Alexa oder Homepod. Die ersten Banken bieten bereits Anwendungen an, viele andere werden folgen.

2. Kontext-Analyse

Die Kontext-Analyse steht erst ganz am Anfang. Wenn aus dem Input klar ist, dass es ausschließlich um die Durchführung einer Überweisung geht, braucht man keine KI. Aber vielleicht geht aus dem hohen Überweisungsbetrag an die Konkurrenzbank hervor, dass dort eine Wertpapier-Anlage geplant ist, oder dass gar eine Kontoschließung hier ansteht? Oder die Analyse von Verbrauchsmustern könnte attraktive Folge-Angebote für den Kunden liefern. Ohne Zweifel ist die Kontext-Analyse für KI die schwierigste Domäne des Zahlungsverkehrs, einschließlich aller Datenschutz-Aspekte, aber auch die interessanteste.

3. Aufgaben-Präzisierung

Ist der Kontext ermittelt, so bedarf es der Aufgaben-Präzisierung: Sollen nur die Daten der Überweisung verwendet werden, so ist das trivial. Wenn dem Kunden ein konkretes Zusatzangebot gemacht werden soll, müssen weitere Daten ermittelt werden. Das geschieht ohne Zweifel aus der eigenen Bank-Historie, aber vielleicht auch aus den „Sozialen“ Netzwerken – und schon ist wieder KI im Spiel.

4. Lösung des Aufgabenkerns

Der Aufgaben-Präzisierung folgt die Lösung des Aufgabenkerns: Die Überweisung wird durchgeführt (trivial). Die Betrugs- und Embargo-Prüfung wird in Realzeit mit erledigt (viel weniger trivial und mit KI deutlich einfacher). Eventuell wird ein Zusatzangebot in zwei oder drei Varianten durchgerechnet und mit Begründung zur Verfügung gestellt (nochmals schwieriger und ohne KI kaum vorstellbar).

5. Output-Transformation

Das alles muss in eine für den Kunden verständlichen Form zurücktransferiert werden: Bei dieser Output-Transformation geht es um die formale Umsetzung von digitalem Code in Text, Grafik oder gar Sprache. Es sind gegebenenfalls aber zusätzlich inhaltliche, kundenindividuelle Erklärungen zu liefern. Wieder kann KI helfen oder ist sogar absolut notwendig.

Herausforderungen für 2019 und darüber hinaus

Jede der fünf beschriebenen Anwendungsklassen braucht KI; so gesehen geht es hier tatsächlich um fünf Herausforderungen für 2019 und darüber hinaus. Jede ist mit Chancen und Risiken versehen, wie dies für innovative Technologien typisch ist.

Deshalb lautet die klare Empfehlung, in kleinen und agilen Schritten vorzugehen, Klasse für Klasse anzugehen, statt die große Black Box eines IT-Anbieters zu kaufen und auf die globale Lösung zu hoffen. In zehn Jahren wird es keinen Zahlungsverkehrsprozess mehr geben, den der Einsatz von KI nicht deutlich verbessert hat.

 

SPONSORED ARTICLE:
Zum Originalartikel >>