Datenplattform-Wette: Warum Finanz-KI-Initiativen stocken und wie Gewinner skalieren

Für Finanzdienstleistungsunternehmen ist KI zwar nichts Neues, doch die Anforderungen generativer und agentenbasierter KI legen gravierende Schwächen der traditionellen Infrastruktur offen. Die heutigen Marktführer haben bereits vor Jahren begonnen, ihre Datenarchitektur zu optimieren. Organisationen, die auf Batch-Verarbeitung und fragmentierte Datenspeicher setzen, geraten ins Hintertreffen.

„Mehr als 40 % der Finanzdienstleister verwalten ihre Daten immer noch in Tabellenkalkulationen“, erklärt Pylarinou. „Mehr als 50 % verfügen über Daten, die in Systemen gespeichert sind, welche diese Daten generieren.“

Wenn Daten in Datensilos gefangen bleiben, fehlt KI-Modellen der Kontext, der für präzise Entscheidungen notwendig ist. Dies zwingt Teams, übermäßig viel Zeit mit der manuellen Datenbereinigung und -weiterleitung zu verbringen. Die Folgen für das Unternehmen sind gravierend. Langsamer Datenzugriff verhindert Betrugserkennung in Echtzeit, verzögert die Reaktion des Kundenservice und birgt erhebliche Compliance-Risiken.

Viele Organisationen gehen davon aus, dass ihre bestehenden Data Lakes oder Workflow-Automatisierungstools für KI ausreichen. Diese Systeme dienen der Analyse und Berichterstattung, aber sie wurden nicht für die sofortigen Anforderungen moderner KI-Agenten entwickelt. Data Lakes enthalten historische Informationen, während KI einen unmittelbaren Kontext benötigt.

Pylarinou merkt an, dass diese Systeme das Kernproblem – die richtigen Daten auf konforme Weise an das richtige Modell zu liefern – nicht lösen. Um fortschrittliche KI zu unterstützen, muss eine einheitliche Datenplattform folgende Funktionen bieten:

• Schneller Datenzugriff in Millisekunden statt in Sekunden

• Kontextuelle Abfragen, die zu jeder Abfrage relevanten Hintergrund einbringen

• Fähigkeit zur bereichsübergreifenden Nutzung verschiedener Legacy-Schemas

• Integrierte Governance-Funktionen zur Aufrechterhaltung eines Audit-Protokolls und zur Sicherstellung korrekter Zugriffskontrollen

Wenn eine Plattform Einblicke aus Onboarding, Transaktionen und Verhaltenssignalen vereint, ermöglicht sie es dem Unternehmen, sofort auf Marktveränderungen zu reagieren. Dieser Wandel führt das Unternehmen von reaktiver Berichterstattung zu proaktiven Entscheidungen in maschineller Geschwindigkeit.

„Daten sind das Rückgrat jedes KI-Erfolgs“, ergänzt Sisk. „Ohne eine solide Infrastruktur können selbst die besten Modelle keine Ergebnisse liefern.“

Legacy-Systeme weisen über Jahrzehnte hinweg unterschiedliche Datenstrukturen auf. Für große Organisationen ist ein kompletter Austausch dieser Kernsysteme nur selten praktikabel. Stattdessen müssen Organisationen eine erweiterte Schicht einführen, die Daten aus verschiedenen Quellen vereinheitlicht.

Ein einheitliches Schema muss die Bedeutung des Kontextes berücksichtigen. Metadaten helfen Nutzern nicht nur zu verstehen, wofür die Daten bestimmt sind, sondern sie bieten auch den Kontext, der für die Entscheidung eines Agenten oder großen Sprachmodells (LLM) erforderlich ist.

Um diese Vereinheitlichung ohne Betriebsunterbrechung zu erreichen, sollten sich Führungskräfte auf Folgendes konzentrieren:

1. Erweiterung bestehender Systeme anstelle von vollständigen Ersatzversuchen

2. Erstellung eines gemeinsamen Schemas, das sowohl von Menschen als auch von großen Sprachmodellen lesbar ist

3. Priorisierung von Suchmaschinen, die extrem schnellen Datenabruf ermöglichen

Durch die Anwendung dieses Ansatzes können Finanzdienstleistungsunternehmen Transaktionseinträge aus Mainframes extrahieren und sie mit Kontext anreichern. Diese angereicherten Daten ermöglichen sofortige Einblicke für Betrugsprävention und die Analyse von Kundenverhalten.

Mit zunehmender Autonomie von KI-Modellen werden traditionelle Risikomanagement-Frameworks überflüssig. Organisationen können sich bei nicht deterministischen Modellen nicht auf regelbasierte Überwachung verlassen. Das Vertrauen muss direkt in die Datenplattform integriert werden.

„Die größte Lücke im Markt ist eindeutig die Governance“, erklärt Pylarinou.

Dieser Punkt unterstreicht, wie wichtig es ist, dass Unternehmen bei jedem Schritt Logging implementieren. Dieses macht jede KI-Aktion überprüfbar und erklärbar. Wenn ein Unternehmen genau nachweisen kann, wie ein KI-Modell zu einer Entscheidung gekommen ist, gewinnt es das Vertrauen der Aufsichtsbehörden und Kunden. Die Unternehmensführung wandelt sich von einer Compliance-Belastung in einen Wettbewerbsvorteil um. Die Grundlage für zukünftige Skalierung wird gelegt.

Die Unternehmen, die mit KI gewinnen, setzen nicht einfach nur auf bessere Modelle: Sie treffen bessere langfristige Entscheidungen hinsichtlich Platform- und Datenarchitektur. Eine einheitliche, flexible Datenplattform in Echtzeit ist die einzige Möglichkeit, dem Fegefeuer der Piloten zu entkommen.

Durch die Priorisierung von Datenvereinheitlichung, offenen Standards und strenger Governance können Finanzdienstleister KI sicher operationalisieren. Der Fokus muss weiterhin darauf liegen, zunächst das Datenproblem zu lösen.