Die Last der Legacy-Systeme

Werfen wir zunächst einen Blick auf den derzeitigen IT-Standard vieler Banken. Ein Großteil der Branche verlässt sich immer noch auf Datenbanksysteme aus einer Ära, in der Handys die Größe von Ziegelsteinen hatten. Diese veralteten Systeme waren zwar zu ihrer Zeit revolutionär, sind aber im Zeitalter von Big Data und Echtzeit-Analyse weitgehend überholt. Modernste KI auf eine veraltete Technologie zu setzen ist nahezu unmöglich. 

‍

Die Einschränkungen dieser Altsysteme sind nicht zu übersehen. Ihr Unvermögen, mit dem exponentiellen Datenwachstum umzugehen, macht sie zu einem Flaschenhals für jegliche Form von fortschrittlicher Datenanalyse. Flexibilität? Diese Systeme waren nie dafür gemacht, sich schnell an die ständig verändernde digitale Landschaft anzupassen. Und wenn es um Performance geht, können sie bei großen Datenmengen den heutigen Anforderungen einfach nicht gerecht werden.

‍

Die Einführung von KI in der Finanzwelt wird daher aus einer Marketingperspektive als logisch betrachtet. Die Banken jedoch halten an ihren traditionellen System fest, und dafür gibt es diverse Gründe:

‍

‍Zurückhaltung

Zu Beginn ist da der einfache Grund der wirtschaftlichen Vorsicht. Banken sind stets darauf bedacht, ihre bestehenden Einnahmequellen zu schützen. Jede Veränderung, insbesondere eine so tiefgreifende wie die Umstellung auf KI, birgt das Risiko von Unterbrechungen, die sich negativ auf die Rentabilität auswirken könnten. Darüber hinaus sind viele Entscheidungen in Banken oft eher aufsichtsrechtlicher als geschäftlicher Natur. In einer so stark regulierten Branche können diese regulatorischen Hürden den technologischen Fortschritt erheblich verlangsamen.

‍

Fehlende Kraft zur Veränderung

Die Angst vor hohen Investitionen ist ein weiterer entscheidender Faktor. Die Vorstellung, Millionen in Systeme zu stecken, die sich noch beweisen müssen, ist für viele im Bankensektor abschreckend. Hinzu kommt die Sorge vor nie endenden Projekten. Jeder, der schon einmal eine IT-Umstellung erlebt hat, weiß, wie kompliziert und zeitaufwändig solche Projekte sein können. Und in einem Umfeld, in dem der Wettbewerbsdruck ständig zunimmt und Fehler schwerwiegende Folgen haben können, scheint es oft sicherer, beim Bewährten zu bleiben.

‍

Furcht vor Misserfolgen

Die Befürchtung vor Misserfolgen ist ebenfalls ein großes Hindernis. In einer so beobachteten Branche wie dem Bankwesen können Fehler zu erheblichen finanziellen Verlusten und einem beschädigten Ruf führen. Daher ist es für viele Manager einfacher und sicherer, den Status quo beizubehalten und das zu verwalten, was bereits vorhanden ist, anstatt Neues zu wagen und zu gestalten.

‍

Wie könnte eine Vorgehensweise aussehen?

Anstatt zu versuchen, KI-Technologien auf einen Schlag zu implementieren, sollten Banken eine schrittweise Herangehensweise verfolgen und modulare KI-Lösungen suchen, die spezifische Produktlösungen oder Prozessverbesserungen ermöglichen. Dazu bietet sich die Nutzung modularer KI-Lösungen an. 

Zudem sollten Partnerschaften mit Technologieunternehmen und Fintechs, die bereits heute Datenbank- und Banksoftware als Service über elektronische Schnittstellen (API) zur Verfügung stellen, gesucht werden. Dadurch erhalten Banken Zugang zu wertvoller Expertise und Technologie, die speziell für den Einsatz in der Finanzindustrie entwickelt wurden. Durch solche Kooperationen können Banken von innovativen Lösungen profitieren, ohne die gesamte Last der Entwicklung und Integration selbst tragen zu müssen.

‍