KI für Finanzdienstleistungen: Ergebnisse und Governance in Einklang bringen

Finanzdienstleister agieren heute in einem völlig anderen Umfeld als noch vor 5 Jahren. Eine größere Auswahl, geringere Wechselkosten und der Aufstieg von Herausforderermarken bedeuten, dass es für Marken wichtiger denn je ist, ihre Kundenbeziehungen auszubauen und kontinuierlich zu stärken.

Doch Marketer im Finanzdienstleistungssektor stehen im Spannungsfeld zwischen den Erwartungen der Kund:innen an Relevanz und Personalisierung einerseits und strengen regulatorischen Rahmenbedingungen andererseits. Daher meiden viele fortschrittlichere KI-Anwendungsfälle, die ihre Ziele bei Kundenbindung und Kundenbeziehungen direkt unterstützen könnten.

Treuhänderische Verantwortung und KI-gestütztes Customer-Engagement müssen jedoch nicht im Widerspruch zueinander stehen. Marketer, die diese Lücke schließen, warten nicht darauf, dass KI Governance-Probleme für sie löst. Sie gehen umgekehrt vor: Sie definieren zunächst, wie verantwortungsvolle KI aussieht, und setzen dann Technologien ein, die innerhalb dieser Grenzen agieren.

Das müssen Sie wissen.

Die wachsende Kluft bei der Einführung von KI im Finanzdienstleistungssektor bringt Gewinner und Verlierer hervor

90 % der Führungskräfte im Finanzdienstleistungssektor sind sich einig, dass Unternehmen zu „Technologieunternehmen, die nebenbei Finanzprodukte anbieten“ werden müssen, wenn sie auf dem modernen Markt erfolgreich sein wollen. Doch bei der Umsetzung gibt es große Unterschiede.

Ein Drittel der Finanzdienstleister unternimmt bereits die mutigen Schritte, die dafür erforderlich sind. Mehr als 30 % der Finanzdienstleistungsanbieter gelten inzwischen als „Frontier Firms“. Microsoft definiert diesen Begriff als Unternehmen, in denen KI nicht nur ein Experiment ist, sondern fest in den Betriebsabläufen und der Wertschöpfung verankert ist. Dieser Anteil ist höher als in jeder anderen Branche.

Trotzdem zögern noch viele weitere Unternehmen bei der Implementierung von KI. Doch da Wachstum schwieriger denn je zu erzielen ist, setzen sich Marken, die herausfinden, wie sie KI sicher und in großem Maßstab einsetzen können, von Wettbewerbern ab, die KI lediglich als Produktivitätstool nutzen.

Kund:innen ist es egal, dass es schwierig ist – sie wollen es trotzdem

Das Problem ist: Kundenerwartungen richten sich nicht nach Ihren internen KI-Roadmaps, die für Ihre Kund:innen nicht sichtbar sind. Sie erwarten dieselbe 1:1-Personalisierung und Relevanz, die sie aus weniger stark regulierten Branchen gewohnt sind. Diese Erwartungen sinken nicht, nur weil Sie hinter den Kulissen gewissenhaft daran arbeiten, ihre sensiblen Daten zu schützen und finanziell verantwortungsvolle Empfehlungen auszusprechen.

Obwohl Marketer im Finanzdienstleistungssektor über eine Fülle von Kundendaten und Tools zu deren Auswertung verfügen, sind nur 53 % der Verbraucher:innen der Meinung, dass Marken ihre Bedürfnisse präzise vorhersagen (EN). Es besteht eine klare Lücke, die Finanzdienstleistungsmarken schließen müssen … und die daraus resultierenden Ergebnisse schaffen im gesamten Unternehmen Mehrwert.

Die Herausforderung besteht darin, dass Marketer Erlebnisse bieten müssen, die sich genauso nahtlos und relevant anfühlen wie im Einzelhandel oder in der Gastronomie – jedoch innerhalb eines Rahmens, in dem jede Entscheidung kontrolliert, überprüfbar und begründbar ist. Deshalb gehen viele Marken beim Einsatz von KI zur Steigerung der betrieblichen Effizienz auf Nummer sicher.

In einem wettbewerbsintensiven Markt, in dem Kund:innen Personalisierung erwarten und Frontier Firms mit großen Schritten vorangehen, ist dies jedoch keine sichere Strategie mehr.

Agentische KI bietet Kund:innen und Aufsichtsbehörden, was sie fordern

Um die Erwartungen von Kund:innen und Aufsichtsbehörden zu erfüllen, setzen fortschrittliche Finanzdienstleister inzwischen agentische KI-Systeme ein.

Agentische KI ist die neueste Generation der KI-Technologie. Sie arbeitet vollständig autonom, das heißt, sie unterstützt Entscheidungen nicht nur, sondern trifft sie aktiv. BrazeAI Decisioning Studio nutzt Reinforcement Learning, bei dem Agenten auf definierte Ergebnisse hin optimieren und ihre Leistung im Laufe der Zeit verbessern – je nachdem, ob ihre Aktionen diese Kennzahlen in die richtige Richtung bewegen. Reinforcement Learning wird ausschließlich mit den Daten einer Marke trainiert und ist dadurch auch weniger fehleranfällig.

Agentische KI kann das Kundenverhalten verstehen, indem sie jeden Aspekt einer Marketingkampagne testet, erneut testet und personalisiert. Das bedeutet, über die mittlerweile als selbstverständlich geltende Personalisierung auf Segmentebene hinauszugehen und eine echte individuelle Optimierung zu erreichen, bei der jede Nachricht und jedes Angebot auf jede einzelne Person maßgeschneidert ist – und dabei, was entscheidend ist, verantwortungsvoll und im Einklang mit den einschlägigen Vorschriften gestaltet wird.

Beispielsweise könnte ein agentisches System im Bankwesen erkennen, dass Kund:innen kürzlich eine Kreditkartenzahlung versäumt haben, aber weiterhin aktiv sparen, und die Kommunikation entsprechend anpassen. Dabei würde es Unterstützung bei der Rückzahlung und Nachrichten zum finanziellen Wohlergehen gegenüber Werbeangeboten für Kredite priorisieren und so sowohl Relevanz als auch die Angemessenheit im Sinne der treuhänderischen Verantwortung gewährleisten.

Ein Unternehmen aus dem Kundenkreis von Braze nutzte BrazeAI Decisioning Studio, um die Kartenaktivierungsrate zu steigern. Bevor die Kampagne mithilfe von KI-gestützter Entscheidungsfindung personalisiert wurde, versandte die Bank über einen Zeitraum von 2 Wochen zweimal wöchentlich E-Mails an ihre Kund:innen, wobei vier E-Mail-Varianten zum Einsatz kamen. Durch KI-gestützte Experimente durchliefen neue Kund:innen mit Kreditkarte mehr als 10.000 verschiedene personalisierte Customer Journeys. Dies führte zu einem Anstieg der Klicks um 92 % und einer Steigerung der Kartenaktivierungsrate um 10 %.

Agentische KI-Systeme schaffen ein Gleichgewicht zwischen Automatisierung und Governance

Marketer hatten einst berechtigte Bedenken, KI mit nur geringer Aufsicht auf ihre Daten loszulassen. Heute sind die meisten KI-Modelle ausgereift genug, um innerhalb der Vorgaben des regulatorischen Umfelds und der Guardrails einer Marke zu arbeiten und so ein Höchstmaß an Datenschutz und Sicherheit zu gewährleisten. Nicht alle Systeme sind gleich. Worauf es bei der Implementierung agentischer KI ankommt.

Multi-Agenten-Strukturen

Das bedeutet, dass Entscheidungen unabhängig von mehreren Agenten geprüft und validiert werden, bevor eine Aktion ausgeführt wird. Dies sorgt für zusätzliche Konsistenz und Kontrolle – beispielsweise indem nahezu sofort sichergestellt wird, dass eine Kundennachricht relevant, regelkonform und angemessen ist, bevor sie versendet wird.

Vorab geplante Fallback-Mechanismen

Diese legen fest, wie sich ein System verhalten soll, wenn die Sicherheit einer Entscheidung gering ist oder Daten fehlen. In solchen Fällen greift die KI automatisch auf eine sichere, vorab festgelegte Aktion zurück – zum Beispiel auf ein neutrales Sparangebot anstelle eines risikoreichen Kredits.

Echtzeit-Beobachtbarkeit

Dies bietet kontinuierliche Echtzeit-Einblicke darin, wie Entscheidungen getroffen und umgesetzt werden. So können Menschen die Leistung überwachen, nachvollziehen, warum Entscheidungen getroffen wurden, und bei Bedarf eingreifen. Darüber hinaus entsteht ein Prüfpfad für die Entscheidungsfindung, der sicherstellt, dass die Entscheidungen begründbar und transparent sind.

Das bedeutet, dass Marketer keine Kompromisse bei Relevanz, Geschwindigkeit oder der Einhaltung gesetzlicher Vorschriften eingehen müssen – sie können KI-gestützte Personalisierung einsetzen, die Vertrauen schafft, statt es zu zerstören.

Wir stellen die KI-gestützte Infrastruktur von Braze für Finanzdienstleistungsmarken vor

KI sorgt bereits für Effizienzsteigerungen. Der nächste Schritt besteht für viele Marken darin, autonome Agenten einzusetzen, um die Ergebnisse für Kund:innen zu optimieren. Für aufstrebende Frontier Firms bietet agentische KI eine praktische Möglichkeit, zwei bislang konkurrierende Prioritäten miteinander zu vereinen: umfassende Personalisierung und Governance auf Enterprise-Niveau.

BrazeAI Decisioning Studio und BrazeAI Agent Console (EN) stellen die Infrastruktur bereit, die Marken benötigen, um diesen Wandel in die Praxis umzusetzen. So können Sie mit KI schneller und souveräner agieren.

Mit Braze können Sie dynamische, adaptive Customer Journeys orchestrieren, die in Echtzeit auf das Kundenverhalten reagieren.

Das bedeutet eine relevantere, beziehungsorientierte Kommunikation, die zugleich mit der im Finanzdienstleistungssektor erforderlichen Sorgfalt gesteuert wird – damit das Engagement von Finanzdienstleistungsmarken ebenso vertrauenswürdig wie zeitnah ist.