banKIng3 – Drei Generationen, eine Vision
Die Finanzbranche steht vor einem Generationenwechsel – nicht nur in der Führung, sondern auch in der Technologie. banKIng³ zeigt, wie künstliche Intelligenz das Banking neu definiert und welche Rolle verschiedene Generationen in dieser Transformation spielen. Experten diskutieren über innovative KI-Anwendungen, regulatorische Herausforderungen und den Balanceakt zwischen Erfahrung und technologischer Disruption.
Unabhängig davon, ob Sie Teil der jungen Generation im Banking sind oder auf bewährtes Wissen setzen – banKIng³ liefert Ihnen die Insights, mit denen Sie die Zukunft aktiv mitgestalten können.
Zu Gast in dieser Folge:
Dr. Mohammad Molayem
Principal IT Consultant | msg for banking
Dr. Mohammad Molayem leitet bei msg for banking das Team der AI Factory. Sein Fokus liegt auf der Entwicklung und Umsetzung von KI-Lösungen entlang des gesamten Prozesses – von der Anforderungsanalyse bis zur produktiven Implementierung. In seinen Projekten arbeitet er branchenübergreifend, unter anderem an klassische KI- und ML-Lösungen sowie Lösungen rund um GenAI, zum Beispiel LLMs, Agentic-AI sowie an Dokumentenanalyse und Prozessautomatisierung.
AI-Slop erkennen, Entscheidungen beschleunigen: Wie Banken Qualität und Tempo vereinen
KI macht es leicht, viel zu erzeugen, und schwer, alles zu prüfen. Diese Folge beleuchtet, was das für Banken bedeutet, und stellt mit CLM eine neue Modellklasse vor, die bei der Sortierung großer Datenmengen neue Maßstäbe setzen könnte. Dazu gibt es frischen Wind bei den Sprachmodellen und einen Blick auf die PHP-Sicherheitslücke, die das Netz ins Stolpern brachte.
Wenn Erstellen leichter ist als Prüfen
Für den Begriff AI-Slop hat sich im Alltag schnell ein Bild eingeprägt: Eine Notiz oder ein Gedanke wird in ein Sprachmodell gegeben, das Ergebnis liest sich gut und wird ungeprüft weitergereicht. Selbst ein Modell mit aktivierter Tiefenanalyse kann dabei Ergebnisse liefern, die plausibel klingen und trotzdem falsch sind. Wer sich darauf verlässt, merkt es oft erst, wenn die Folgen sichtbar werden.
Für Banken stellt sich die Frage gleich auf zwei Ebenen. Intern wächst mit dem breiten KI-Einsatz die Wahrscheinlichkeit, dass ein unzureichend durchdachtes Ergebnis in Teams und Entscheidungen einfließt, was Verantwortung gegenüber Kollegen und Kundschaft bedeutet. Extern nutzt auch die Kundschaft KI, etwa um Schreiben, Begründungen oder sogar Rechtsgutachten zu erstellen.
Dazu kommt ein Mengenproblem. Wer per Klick drei, dreißig oder dreihundert Seiten erzeugen kann, verlagert den Aufwand auf die Empfängerseite, die all das lesen und bewerten muss. Wie weit das in Banken schon spürbar ist, hängt vom Geschäft ab, denn die meisten Anfragen betreffen klar umrissene Produkte wie Kredite. Der Trend zeigt aber, dass die Menge an Inhalten rapide wächst und der Überblick schwieriger wird.
Schöne Form, fragwürdiger Inhalt
Früher verriet die Form eines Dokuments etwas über seine Qualität. Heute liefert KI die perfekte Form, ganz gleich, wie tragfähig der Inhalt ist.
Tim S. KörwersPartner | Management & Business Consulting | msg for banking
Lange war die Form eines Dokuments ein verlässliches Indiz. Passten Gliederung, Kopfzeile und Aufbau, ließ das auf Sorgfalt und damit meist auch auf inhaltliche Qualität schließen. Diese Heuristik greift nicht mehr, denn KI liefert makellose Formatierung, vom Word-Dokument bis zum perfekt gesetzten wissenschaftlichen Text, unabhängig vom Inhalt. Geprüft werden muss deshalb stärker, ob ein Dokument ein inhaltliches Fundament hat.
Am deutlichsten zeigt sich das Risiko im KYC, also bei der Identifizierung und Prüfung von Kunden. Bildgebende Modelle können heute erstaunlich überzeugende Ausweisdokumente erzeugen, die zu einer realen Person passen. Hinzu kommt, dass auch fehlerhafte Eingangsdaten nachgelagerte Verfahren belasten, selbst hochentwickelte, etwa wenn ein digitaler Zwilling einer Immobilie auf falschen Angaben beruht. Der Grundsatz bleibt: Fehlerhafte Daten führen zu fehlerhaften Ergebnissen.
Eine naheliegende Antwort lautet daher, weniger einreichen zu lassen und mehr selbst abzufragen. Dazu gehören Grundbuchauszüge direkt vom Amt, Handelsregisterauszüge, Geodaten und Flurstückdaten aus vertrauenswürdigen, idealerweise zertifizierten Datenservices. Solche Quellen sollten regelmäßig auf Qualität geprüft werden. Wo Abfragen nicht möglich sind, rückt schnelleres Nachrechnen eingereichter Angaben in den Fokus. Heute ist das für viele Institute noch Kür, es könnte aber mittelfristig zur Pflicht werden.
Der schnelle Entscheider betritt die Bühne
Doch selbst wenn Qualität und Herkunft der Daten stimmen, bleibt die Menge eine Herausforderung. Hier setzt eine neue Modellklasse an, die Entscheidungen statt Texte liefert. Klassische Sprachmodelle formulieren Schritt für Schritt, was sie flexibel, aber auch vergleichsweise langsam und teuer macht. Sogenannte System-One-Modelle gehen einen anderen Weg: Sie schreiben keinen Text, sondern geben eine kurze Antwort samt Wahrscheinlichkeit zurück. Der Unterschied gleicht dem zwischen Aufsatz und Multiple-Choice-Test, denn für viele Aufgaben im Bankalltag reicht ein Kreuz an der richtigen Stelle völlig aus.
Noch schneller arbeitet das Contrastive Language Model, kurz CLM. Es behandelt Entscheidungen als Suchproblem und wählt aus bekannten Optionen die passendste aus. Da diese Optionen gleich bleiben, lassen sie sich zwischenspeichern. In den vorgestellten Tests war CLM dadurch um ein Vielfaches schneller als bisherige System-One-Modelle.
Für Banken eröffnet das Einsatzfelder mit festen Optionen, etwa die Zuordnung von Kundenanfragen, die Vorsortierung eingehender Post oder die Priorisierung von Verdachtsfällen. Gerade bei großen Dokumentenmengen kann sich der Aufwand drastisch reduzieren, wenn zunächst klassifiziert wird und nur die relevanten Unterlagen in die aufwendige Verarbeitung gehen. Hinzu kommt, dass sich das offene Modell im eigenen Haus betreiben lässt und Wahrscheinlichkeiten ausgibt, sodass sich Schwellen für die menschliche Prüfung definieren lassen.
Wichtig bleibt: CLM ersetzt Sprachmodelle nicht, sondern ergänzt sie, und die Genauigkeit muss jede Bank auf den eigenen Daten testen.
Wer Prozesse beschleunigt und stärker automatisiert, sollte dabei immer auch die Stabilität und Sicherheit der zugrunde liegenden Systeme im Blick behalten.
Wenn eine alte Lücke das Netz ins Wanken bringt
Wie verwundbar die digitale Infrastruktur ist, zeigte sich zuletzt am Wochenende um den 24. und 25. Oktober. Zahlreiche Webseiten waren nicht erreichbar, nachdem eine seit Jahrzehnten bestehende Sicherheitslücke in PHP bekannt geworden war. Die Programmiersprache ist Open Source und bildet die Grundlage für einen Großteil des Internets. Über 70 Prozent der Webseiten mit bekannter serverseitiger Sprache nutzen sie, darunter viele WordPress-Seiten.
KI liefert Tempo und Reichweite, doch Qualität, Vertrauen und Sicherheit entstehen nicht von selbst. Banken sind gut beraten, Daten aus verlässlichen Quellen zu beziehen, Entscheidungen sauber von Texterzeugung zu trennen und für jede Aufgabe das passende Werkzeug zu wählen. Wer so vorgeht, bleibt auch in einer Welt voller perfekt wirkender Inhalte handlungsfähig.
