Für Banken hat die Verbesserung ihrer Kreditprozesse und -risikomodelle, auch mittels künstlicher Intelligenz (KI), hohe Bedeutung. Sie seien damit schon vorangekommen, stießen aber noch auf allerlei Hürden, zeigt eine nun veröffentlichte Studie von SAS und der Global Association of Risk Professionals (GARP), für die im Juli rund 300 Kreditrisiko-Führungskräfte aus Finanzinstituten weltweit befragt wurden. SAS ist ein US-amerikanischer IT-Konzern, der etwa KI- und Analytics-Dienste anbietet.

Banken drohten ins Hintertreffen gegenüber Fintechs zu geraten, die in der Bonitätsbewertung und Kreditentscheidung meist schneller seien, warnen die Studienautoren. Technologie zur Optimierung von Kreditentscheidungen sei als Bereich zu bewerten, in dem die Banken tendenziell hinterherhinken – „eine potenziell erhebliche Schwäche im digitalen Zeitalter, in dem zunehmend wankelmütige Kunden leicht zu schnelleren und wendigeren Wettbewerbern wechseln können“. Insbesondere in diesem Feld und bei der Integration von KI und Machine Learning bestehe Verbesserungsbedarf. Um aufzuholen, verfolgten viele Banken Digitalisierungsprozesse mit erhöhtem Tempo. 55% der Befragten gaben an, dass sie ihre entsprechenden Prozesse in weniger als zwei Jahren abschließen würden. „Eine solche Geschwindigkeit ist für traditionell pragmatische und vorsichtige Banken überraschend“, heißt es in dem Papier. 31% brauchen jedoch drei bis fünf Jahre, und 14% wollen sich mehr als fünf Jahre Zeit lassen. Viele Banken gäben im Prozess zur Verbesserung ihrer kreditbezogenen Fähigkeiten Schnelligkeit den Vorrang vor den eher methodischen Ansätzen, die sie üblicherweise bei größeren Technologievorhaben an den Tag legten. Dabei handelt es sich laut Troy Haines, Senior Vice President bei SAS, um ein komplexes Unterfangen: „Die erfolgreiche Umsetzung von Kreditrisikotransformation ist ein bisschen so, als würde man ein Flugzeug umbauen, während es gerade fliegt.“

Mehr als die Hälfte der Umfrageteilnehmer erklärt, bereits KI und maschinelles Lernen einzusetzen oder innerhalb der nächsten zwölf Monate damit beginnen zu wollen. Diese Technologien kämen in einer Vielzahl von Funktionen zum Tragen, so etwa zur Kreditbepreisung, bei Rückstellungen, in der Risikoeinstufung, im Inkasso und in verschiedenen modellbezogenen Bereichen.