Generative KI verändert die Art, wie Banken Zahlungen verarbeiten, Betrug erkennen und Compliance sicherstellen. Schon die auf Machine Learning (ML) basierenden bisherigen Tools brauchten eine geeignete Datenbasis, um ihre Wirkung zu entfalten. Bei GenAI ist dies noch viel stärker ausgeprägt. In der Praxis scheitern viele Institute nicht an der künstlichen Intelligenz selbst, sondern an den Daten, die diese verwendet.

Im Wesentlichen entscheiden drei Voraussetzungen darüber, ob GenAI im Zahlungsverkehr erfolgreich arbeitet.

1. Datenqualität: Integrität und Konformität als Grundbedingung

Um GenAI-Tools im Zahlungsverkehr optimal nutzen zu können, muss die Datenqualität entsprechend hoch sein. Marcus Martinez, FSI Industry Adviser bei Microsoft, hob beim CGI Roundtable auf dem EBAday 2024 einen wesentlichen Fakt hervor: Die Branche erkenne zunehmend, dass die Datenqualität schon vor dem GenAI-Einsatz stimmen müsse und nicht nachträglich verbessert werden könne.

Auch wenn verschiedene Institute die Datenbereinigung unterschiedlich angehen – eines gilt immer: Bevor GenAI verlässliche Ergebnisse liefern kann, müssen die Daten sowohl sauber als auch regelkonform sein. Wer diesen Schritt überspringt, baut auf unsicherem Grund.

2. Datenangleichung: ganzheitliche Sicht statt Datensilos

Zahlungsdienstleister konzentrieren sich typischerweise auf maximale Straight-Through-Processing-Raten (STP). Das System prüft sequenziell: Existiert das Konto? Sind Mittel vorhanden? Liegt eine Zahlungsgenehmigung vor? Was dabei oft fehlt, ist eine ganzheitliche Betrachtung der Zahlungsdaten.

Ein- und ausgehende Zahlungen werden selten miteinander verglichen. Eingehende Zahlungen werden häufig so gespeichert, wie sie ankommen. Für dieselbe Kundin oder denselben Kunden können also verschiedene Datensätze existieren, anstatt eines einheitlichen. Dies erschwert die Mustererkennung und macht das Recht auf Löschung, das in der Datenschutz-Grundverordnung (DSGVO) vorgesehen ist, für regelbasierte Systeme kaum umsetzbar.

Die ISO 20022 bedeutete einen wichtigen Schritt in Richtung Datenangleichung, besonders seit strukturierte Adressformate eingeführt wurden. Dank nativer Systeme wie CGI All Payments speichern die meisten Banken Zahlungsdaten heute in diesem umfangreichen, strukturierten Format.

Doch Daten und Anwendungen zu rationalisieren, erfordert ein fundiertes Verständnis des Zahlungsdatenflusses innerhalb eines Instituts. Genau hier können GenAI-Tools einen signifikanten Mehrwert schaffen: durch komplexe Mappings, die Vereinfachung und Vereinheitlichung von Daten und eine hohe Effizienz.

3. Data Governance: Menschen im Entscheidungsprozess

Wenn eingehende Zahlungsdaten mit bestehenden Kundendaten synchronisiert und gleichzeitig durch KI-gestützte Anomalie- und Compliance-Checks geprüft werden, lassen sich Zusammenhänge deutlich schneller erkennen. Muster, die auf Geldwäsche oder gefälschte Konten hindeuten, werden sichtbar – vorausgesetzt, sie sind mit Akzeptanzregeln verknüpft und an relevanten Datenquellen angebunden wie Grundbücher, Melderegister und externe Datenpunkte.

Für den Einsatz von GenAI ist es aber wichtig, geeignete Kontrollmechanismen zu etablieren. Man muss die erkannten Verhaltensmuster verifizieren, bevor Maßnahmen ergriffen werden. False Positives gilt es, ins Modell zurückzuspielen, damit es sich weiter verbessern kann. Und der Mensch muss im Entscheidungsprozess eingebunden bleiben. Notwendig ist eine AIOps, die nicht nur Human-in-the-Loop und Human-on-the-Loop unterstützt, sondern auch die Datenbasis gezielt aktualisiert, erweitert und anpasst.

Im Rahmen des EBAday 2024 äußerte Daniel Szmukler, Head of Innovation bei der Euro Banking Association, eine Meinung, die viele in der Branche teilen: Im Banking stehe AI nicht für Artificial Intelligence, sondern für Augmented Intelligence. Automatisierung und maschinelle Intelligenz ergänzten das menschliche Urteil, aber sie ersetzten es nicht.

Die Europäische Union hat mit dem EU AI Act einen verbindlichen Rahmen geschaffen, der genau dies sicherstellt. Wir haben den EU AI Act Pledge unterzeichnet und damit unser Engagement für höchste Standards in der Entwicklung und im Einsatz verantwortungsvoller KI-Technologien bekräftigt.

Datenmanagement als Schlüssel zum GenAI-Erfolg

Die Möglichkeiten von GenAI im Zahlungsverkehr sind real und können gerade bei der Verarbeitung unstrukturierter Daten und dem Erkennen komplexer Verhaltensmuster einen signifikanten Mehrwert bringen, Kosten senken und bestehende Systeme erweitern.

Entscheidend für ihren Erfolg ist jedoch, dass Datenqualität, Datenangleichung und Data Governance gegeben sind. Wer hier investiert, schafft die Basis für einen GenAI-Einsatz, der in der Praxis hält, was er verspricht.

Wir arbeiten gemeinsam mit Zahlungsdienstleistern weltweit daran, genau das umzusetzen.