12. April 2019

«KI funktioniert nur mit einem guten Business Case»

Durchgang

KI hat auch langsam bei Banken Einzug gehalten. Mario Crameri, Head IT & Operations der Schweizer Einheit der Credit Suisse, ist der Kopf dahinter. In einem Gespräch gab er einen Einblick in die Anforderungen, die dafür erfüllt sein müssen.

Der Hype um das Thema künstliche Intelligenz (KI) ist nicht neu. Schon in den 60er-Jahren und in den 90er-Jahren gab es ähnliche Erwartungen in die Technologie, die dann aber jäh enttäuscht wurden. Dieses Mal erwartet Mario Crameri, Head IT & Operations Swiss Universal Bank bei der Credit Suisse, aber keinen erneuten KI-Winter, wie er in einem Gespräch mit ti&m sagte. Durch den Fortschritt bei der Computerleistung, den KI-Algorithmen und vor allem den enorm grossen zur Verfügung stehenden Datenmengen ist ein «Tipping Point» erreicht, der KI zum Durchbruch verhelfen wird. Für ihn ist daher jetzt die Zeit reif, sich mit der Technologie auseinanderzusetzen.

Credit Suisse geht bei der KI voran

Schon jetzt steckt KI in vielen Geräten oder Services des Alltags. Ob nun im Smartphone, der TV-Box zu Hause oder bei Diensten wie Netflix. In vielen Branchen ist KI schon extrem verbreitet. Etwa bei Expertensystemen in der Medizintechnik, wie Watson von IBM zeigt. Sogar in der Landwirtschaft findet KI Einsatz, um den Ertrag mit optimalem Einsatz von Pestiziden zu steigern.

Versicherungen und vor allem Banken sind noch eher zurückhaltend. Dies liegt vor allem im hohen Stellenwert der Datensicherheit begründet. Dabei sind für Crameri Banken eigentlich prädestiniert, KI einzusetzen. Sie verfügen über Unmengen von digitalen Daten. Ein sehr grosser Teil der Prozesse in der Bank könnte seiner Meinung nach in der Zukunft von KI unterstützt oder sogar durch KI ausgeführt werden. In der Schweiz ist die Credit Suisse eine Vorreiterin bei den Banken, was das Thema KI angeht. Ein erstes Pilotprojekt für die Supportteams der Kundenberatung startete die Bank Mitte 2017 und rollte es Ende 2018 produktiv aus. Die Credit Suisse wählte diesen Bereich, da dort sehr viele Daten für das Training der Algorithmen zur Verfügung standen. Crameri sah auch das Potenzial, dass KI dort relativ einfach eingeführt werden konnte. Zunächst erarbeitete die Bank ganz klassisch einen Proof of Concept. Danach galt es die Entscheidung zu treffen, ob man mit Open Source oder einem Vendor-Produkt weitermachen wollte. Die Bank entschied sich schliesslich für letzteres.

Die Vorteile lagen darin, dass kein eigener Support aufgebaut werden musste. Im Prinzip mussten nur noch die Schnittstellen wie auch das Interface gebaut und die Algorithmen mit den Daten gefüttert werden. Dabei entschied sich die Credit Suisse aber für ein offenes Konzept, um die Vorteile aus beiden Welten nutzen zu können, so Crameri. Einführung von KI bedeutet Change-Management Weiter entschied sich die Credit Suisse, die Anwendung zunächst vor allem intern einzusetzen. So konnten die Nutzer aktiver eingebunden werden und auch das Change-Management war einfacher. Laut Crameri bringt der Einsatz der KI eine enorme Arbeitserleichterung für die Mitarbeitenden im Payment-Support. Einen grossen Teil ihrer Zeit mussten sie bisher in die Beantwortung von sich wiederholenden Standardfragen stecken. Dies wird ihnen nun von der KI abgenommen, so dass sich die Mitarbeitenden um die wirklich kniffligen Probleme kümmern können. Das Feedback der Mitarbeiter ist gemäss Crameri «mehrheitlich sehr positiv». Ohne Überzeugungsarbeit im Change-Management wäre dies aber nicht gegangen. Ausserdem musste sichergestellt werden, dass die Lösung schon von Beginn an den versprochenen Mehrwert bietet. Eine nur halbfertige Lösung hätte für viel Frust gesorgt und die Akzeptanz des gesamten Pro-

«Der grösste Fehler ist, ein System einzuführen und nicht bereits am ersten Tag den nötigen Support bereitzustellen.»

jekts gefährdet. «Der grösste Fehler, den man machen kann, ist ein System einzuführen und dann am ersten Tag nicht den nötigen Support bereitzustellen. Denn von Anfang an kann das System noch nicht alles, da es erst noch lernen muss», betont Crameri. Ein weiterer Schlüssel zum Erfolg von KI-Projekten ist für Crameri die Datenqualität. Die Credit Suisse habe, auch bedingt durch die Regulierung, sehr gut gepflegte Daten. Denn die Datenqualität muss bei 100 Prozent liegen, so Crameri. Ansonsten würden die Algorithmen falsch lernen. Für Crameri kommt es bei der Einführung von KI in Unternehmen auch darauf an, dass ein Gebiet ausgewählt wird, in dem das Potenzial von KI schnell ersichtlich wird. Dabei braucht es auch Sponsoren, die das Projekt tragen. Darunter versteht Crameri sowohl Unterstützer aus der Geschäftsleitung wie auch Anwender, die für die Technologie offen sind. Letztendlich ist die Einführung von KI kein Technologiethema, sondern eine Veränderung des Operation-Models in einem Bereich.

KI steht oft nur drauf, ist aber nicht drin

Aktuell steht der Begriff KI auf vielen Lösungen, wo eigentlich keine KI drin ist, so die Beobachtung von Crameri. Viele Chatbots seien eigentlich nur elegantere FAQs oder Telefonwarteschleifen, da sie einen starren Fragekatalog abarbeiten. Damit es KI ist, braucht es eine Basis auf Machine- und Self-Learning. Die allerwenigsten der heutigen Chatbots haben diese jedoch. Eine Maschine nur mit Fragen und Antworten zu füttern, reicht nicht aus, um das KI-Label draufzuschreiben, betont Crameri. 

Ähnlich ist es bei Robo-Advisor. Die Optimierung von Portfolios erfolgt bei ihnen zumeist nur prozedural und linear, weniger auf der Basis von KI. Eine Weiterentwicklung wäre eine Anwendung, die auf der Basis von allen möglichen Transaktionsdaten eigenständig lernt und das Portfolio verbessert. Davon sind Robo-Advisor aber noch weit entfernt.

KI ist dem Menschen noch in vielen Fällen unterlegen

Der grosse Aufwand bei KI ist aktuell noch das Training. Damit zum Beispiel Google einen Hund von einer Katze unterscheiden konnte, brauchte es 300 Millionen Bilder. Ein Kleinkind kann schon nach wenigen dutzend Bildern die Tiere unterscheiden. Hier sind die menschlichen den künstlichen neuronalen Netzwerken noch deutlich überlegen, sagt Crameri. Bis der Computer besser ist als der Mensch, wird es noch viele Jahre dauern. «Wir sind gerade erst am Anfang dieser Entwicklung», betont Crameri. Der Vorteil von KI kommt erst zum Tragen, wenn künstliche Algorithmen sich gegenseitig trainieren können. Wenn ein Roboter etwa gelernt hat, gewisse Regeln zu erkennen, z. B. bei der Zuordnung von Aktivitäten zu Fachgebieten. Dann kann er diese Information weiter nutzen, entweder um Aktivitäten teilweise selber zu übernehmen, oder um diese Informationen an andere Roboter weiter zu verteilen. Auf diese Weise kann der Lernzuwachs eines Tages durchaus exponentiell stattfinden. Allerdings nicht heute oder morgen, dafür ist vieles weiterhin zu komplex für Maschinen.

Business Case entscheidet, nicht die Technologie

Die Potenziale für KI sind laut Crameri gerade im Banking enorm. Angestossen durch das eine KI-Projekt kommen dem Team von Crameri ständig neue Use-Cases für KI in den Sinn. Die Banken und auch die Credit Suisse sehen sich daher auf einer langen Reise in Richtung KI, die noch lange nicht abgeschlossen ist. «Die Transformation in der Bankenbranche kann man nur durch den weisen Einsatz von Technologie erfolgreich gestalten. KI ist eine solche Schlüsseltechnologie», ist Crameri überzeugt. Jedoch sollten sich Unternehmen nicht primär auf die Technologie konzentrieren. Viel wichtiger sind die Use-Cases dahinter. Denn am Ende muss der Nutzer und das Business den Mehrwert sehen, egal ob nun das KI-Label drauf ist, oder nicht. Die Strukturen sollen so optimiert werden, dass sie für den Einsatz von neuen Technologien bereit sind. Wie bei allen Veränderungsprozessen ist das Change-Management die wirkliche Herausforderung. Der Mehrwert muss darum sowohl für die Betroffenen als auch für die Firma als Ganzes ersichtlich sein. «Wir wollten KI primär einsetzen, um die Effizienz zu steigern und das Service Level sowohl für die Mitarbeitenden als auch für unsere Kunden zu erhöhen», so Crameri.


Dr. Mario Crameri
Dr. Mario Crameri

Mario Crameri hat mehr als 20 Jahre Erfahrung in unterschiedlichen leitenden Positionen in der Finanzbranche gesammelt, u. a. bei der Credit Suisse in Zürich und New York sowie bei der Privatbank Julius Bär. Dabei konzentrierte er sich hauptsächlich auf Strategie-, Business Development- und Digitalisierungs-Themen sowie Anwendungsentwicklung. Mario Crameri hat an der Universität Zürich ein Masterstudium in Wirtschaftsinformatik sowie ein Doktorat in Informatik absolviert.