Plumery AI führt Standardintegration für Bankgeschäfte ein

Plumery AI, eine digitale Banking-Plattform, hat eine neue Technologie eingeführt, die eine zentrale Herausforderung für Finanzinstitute lösen soll: Über Pilotprojekte hinauszugehen und künstliche Intelligenz in den täglichen Bankbetrieb zu integrieren, ohne dabei Abstriche bei Governance, Sicherheit oder der Einhaltung gesetzlicher Vorschriften zu machen.

Die Lösung von Plumery mit dem Namen „AI Fabric” bietet einen standardisierten Rahmen für die Verbindung generativer KI-Tools und -Modelle mit zentralen Bankdaten und -dienstleistungen. Das Unternehmen gibt an, dass das Produkt den Bedarf an kundenspezifischen Integrationen minimiert und eine ereignisgesteuerte, API-orientierte Architektur fördert, die mit dem Wachstum eines Instituts mitwächst.

Diese Herausforderung ist im gesamten Bankensektor weithin anerkannt. Trotz erheblicher Investitionen in KI-Experimente in den letzten zehn Jahren haben viele Banken Schwierigkeiten, KI in großem Maßstab zu implementieren. Laut einer Studie von McKinsey hat generative KI zwar das Potenzial, die Produktivität erheblich zu steigern und das Kundenerlebnis im Finanzdienstleistungsbereich zu verbessern, doch fällt es den meisten Banken aufgrund fragmentierter Datensysteme und veralteter Betriebsmodelle schwer, den Übergang von Pilotprojekten zur Produktion zu vollziehen. Das Beratungsunternehmen betont, dass die unternehmensweite Einführung von KI von einer gemeinsamen Infrastruktur, einer starken Governance und wiederverwendbaren Datenprodukten abhängt.

In seinem Kommentar zur Markteinführung stellte Ben Goldin, Gründer und CEO von Plumery, fest, dass Finanzinstitute klare Erwartungen an KI haben.

„Sie wollen Anwendungsfälle aus der Praxis, die das Kundenerlebnis verbessern und die Abläufe rationalisieren, aber sie weigern sich, Kompromisse bei Governance, Sicherheit oder Kontrolle einzugehen“, erklärte er. „Eine ereignisgesteuerte Data-Mesh-Architektur verändert die Art und Weise, wie Bankdaten erstellt, geteilt und genutzt werden – sie legt nicht einfach ein weiteres KI-System über unverbundene Legacy-Plattformen.“

Fragmentierte Daten bleiben ein Hindernis

Die Fragmentierung von Daten behindert weiterhin den effektiven Einsatz von KI im Bankwesen. Viele Institute verlassen sich nach wie vor auf veraltete Kernsysteme, die parallel zu neueren digitalen Kanälen betrieben werden, was zu isolierten Produkt- und Kundendaten führt. Jedes neue KI-Projekt erfordert zusätzliche Integrationsbemühungen, Sicherheitsbewertungen und Genehmigungen durch die Governance – was die Kosten erhöht und die Umsetzung verzögert.

Diese Diagnose wird sowohl durch akademische als auch durch Branchenstudien gestützt. Untersuchungen zu erklärbarer KI im Finanzwesen zeigen, dass fragmentierte Datenpipelines die Nachverfolgung von Entscheidungen erschweren und regulatorische Risiken erhöhen, insbesondere bei der Bonitätsprüfung und der Bekämpfung von Geldwäsche. Die Aufsichtsbehörden haben betont, dass Banken in der Lage sein müssen, KI-gesteuerte Ergebnisse zu erklären und zu überprüfen, unabhängig davon, woher die zugrunde liegenden Modelle stammen.

Plumery behauptet, dass seine KI-Fabric diese Probleme löst, indem sie Bankdaten in kontrollierte, domänenspezifische Ströme organisiert, die mehrere Anwendungsfälle unterstützen können. Das Unternehmen behauptet, dass die Trennung von Aufzeichnungssystemen und Interaktions- und Informationssystemen es Banken ermöglicht, sicherer zu innovieren.

Beweise für den bereits bestehenden Einsatz von KI

Trotz dieser Hindernisse wird KI bereits in verschiedenen Bereichen der Finanzbranche eingesetzt. Branchenanalystenberichte heben die breite Einführung von maschinellem Lernen und natürlicher Sprachverarbeitung im Kundenservice, Risikomanagement und Compliance hervor.

Citibank beispielsweise nutzt KI-gesteuerte Chatbots, um routinemäßige Kundenanfragen zu bearbeiten, wodurch Callcenter entlastet und Antwortzeiten verkürzt werden. Andere große Banken setzen Predictive Analytics ein, um Kreditportfolios zu überwachen und Ausfälle vorherzusagen. Santander hat öffentlich über den Einsatz von maschinellen Lernmodellen zur Bewertung des Kreditrisikos und zur Verbesserung des Portfoliomanagements gesprochen.

Die Betrugserkennung ist ein weiterer ausgereifter Anwendungsbereich. Banken setzen zunehmend auf KI-Systeme, um Transaktionsmuster zu analysieren und verdächtige Aktivitäten genauer zu identifizieren als mit herkömmlichen regelbasierten Methoden. Laut Technologieberatungsunternehmen basieren diese Modelle auf konsistenten, hochwertigen Datenströmen, wobei die Komplexität der Integration für kleinere Institute nach wie vor eine Hürde darstellt.

Es entstehen auch immer mehr fortgeschrittene Anwendungen. Wissenschaftliche Studien zu großen Sprachmodellen legen nahe, dass dialogorientierte KI bei angemessener Steuerung letztendlich Transaktions- und Beratungsfunktionen im Privatkundengeschäft unterstützen könnte. Derartige Implementierungen befinden sich jedoch noch im Versuchsstadium und unterliegen einer strengen behördlichen Aufsicht.

Plattformanbieter und Ökosystemansätze

Plumery konkurriert auf einem Markt für digitale Banking-Plattformen, auf dem sich Anbieter eher als Orchestrierungsschichten denn als Ersatz für Kernsysteme positionieren. Das Unternehmen hat Partnerschaften geschlossen, um sich in größere Fintech-Ökosysteme zu integrieren. Die Zusammenarbeit mit Ozone API, einem Anbieter von Open-Banking-Infrastruktur, zielt darauf ab, Banken dabei zu helfen, konforme Dienste schneller und ohne umfangreiche kundenspezifische Entwicklungen auf den Markt zu bringen.

Diese Strategie spiegelt einen breiteren Wandel in der Branche hin zu komponierbaren Architekturen wider. Anbieter wie Backbase fördern API-zentrierte Plattformen, die es Banken ermöglichen, KI, Analysen und Dienste von Drittanbietern in ihre bestehenden Kernsysteme zu integrieren. Analysten sind sich im Allgemeinen einig, dass solche Architekturen schrittweise Innovationen effektiver unterstützen als vollständige Systemersetzungen.

Die Bereitschaft ist nach wie vor uneinheitlich

Die Bereitschaft der Branche zur Einführung von KI ist sehr unterschiedlich. Ein Bericht der Boston Consulting Group ergab, dass sich weniger als ein Viertel der Banken für eine groß angelegte KI-Implementierung bereit fühlen. Die Lücke, so das Fazit, ist auf Schwächen in den Bereichen Governance, Dateninfrastruktur und operative Disziplin zurückzuführen.

Als Reaktion darauf haben die Regulierungsbehörden kontrollierte Testumgebungen geschaffen. In Großbritannien ermöglichen regulatorische Sandbox-Programme den Banken, neue Technologien – einschließlich KI – unter Aufsicht zu testen. Diese Initiativen sollen Innovationen fördern und gleichzeitig die Rechenschaftspflicht und das Risikomanagement gewährleisten.

Für Anbieter wie Plumery liegt die Chance darin, eine Infrastruktur bereitzustellen, die technologische Ambitionen mit regulatorischen Anforderungen in Einklang bringt. AI Fabric betritt einen Markt mit klarer Nachfrage nach operativer KI, aber der Erfolg wird davon abhängen, ob sich die neuen Tools als sicher und transparent erweisen.

Es bleibt abzuwarten, ob sich der Ansatz von Plumery als Industriestandard durchsetzen wird. Da Banken zunehmend von der Experimentierphase zur Produktionsphase übergehen, richtet sich der Fokus nun auf die zugrunde liegenden Architekturen, die KI unterstützen. In diesem Zusammenhang dürften Plattformen, die technische Flexibilität und robuste Governance bieten, in der nächsten Phase des digitalen Bankwesens eine Schlüsselrolle spielen.

Möchten Sie mehr über KI und Big Data von Branchenexperten erfahren? Besuchen Sie die AI & Big Data Expo in Amsterdam, Kalifornien oder London. Diese umfassende Veranstaltung ist Teil der TechEx und findet parallel zu anderen führenden Technologiekonferenzen statt. Klicken Sie hier für weitere Details.

AI News wird Ihnen von TechForge Media präsentiert. Entdecken Sie hier weitere bevorstehende Veranstaltungen und Webinare zum Thema Unternehmenstechnologie.