SlideShare ist ein Scribd-Unternehmen logo
Stefanie Auge-Dickhut
Thomas Zerndt
Bern, 8. Juni 2018
Artificial Intelligence an der Kundenschnittstelle
Berner Architekten Treffen
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 2
Was ist der Stellenwert von AI / KI / AR / BD?
… am Beispiel der Finanzindustrie
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 3
Unterschiedliche Innovationskategorien -
Beschreibung des Veränderungsgrades (1/2)
Inkrementelle und radikale Innovation
BEI AG – St. Gallen, 2016 | CC Sourcing | 4
Zahlen Anlegen Finanzieren
Retail
Banking
Private
Banking
Corporate
Banking
Weitere
Innovationen in der Kundeninteraktion
und potentielle Einsatzbereich von künstlicher Intelligenz
Robo
Advisory
Digital
Onboarding
Online
Buchhaltungs-
dienst
Value-added
services
Bedürfnis-
orient.
Anlegen
Kredit-Score-
Plattform
Anlage-
plattform
Zertifiz.
plattform
Finanzierungs-
plattform
PFM
Kreditplattform
zum Austausch
von Zinsen
Virtueller
Assistent
Prozesse
Planung, Steuerung
und Kontrolle
Führungs-
prozesse
Kanalmanagement
Retail/ Private/
Corporate Banking
Vertriebs-
prozesse
Ausführung/
Abwicklung
Initialisierung
Erfassung
Prüfung
Freigabe
Verarbeitung
Transaktions-
bezogene
Prozesse
Überwachung / Monitoring
Bewirtschaftung
Transaktionen
Behandlung Ausnahmen
Transaktions-
übergreifende
Prozesse
Produktentwicklung
Interne Überwachung
Kundenberichte
Kompetenz-
zentrumsprozesse
Kundenprozesse
Zahlen Anlegen Finanzieren
Unter-
stützungs-
prozesse
Personalwesen (HR)
Rechnungswesen
Marketing
Dokumenten-Management
Management-Information
Legal Reporting
Beschaffung
Informatik
Sicherheit logisch/physisch
Akquisition / Beratung / Betreuung
Produkte & Dienstleistungen
ZV-Produktentwicklung Wertpapier-Produktentwicklung Kredit-Produktentwicklung
Kredit-GebührenpflegeZahlungsverkehr-Gebührenpflege Wertpapier-Gebührenpflege
Gesamtobligo-Überwachung Kreditrisiken & notl. Kredite (CWO)
Liquiditäts-Management (Liquiditätsplanung, Repo-Geschäft, Refinanzierung, SL&B, ALM, etc.)
Bankeigene, gesetzliche und aufsichtsrechtliche Weisungen / Compliance
Kundenoutput (Depot-, Kontoauszüge, Performanceausweise, etc.)
Partneradministration (Depotstellen, Finanzdatenanbieter, Korrespondenzbanken, Gegenparteien)
Administration, Lohnbuchhaltung, Arbeitszeitverwaltung, Mitarbeiterentwicklung etc.
Erfolgsrechnung, Buchhaltung, Eigenhandel (Nostro, Market Maker), Besteuerung/Gebühren, etc.
Berechtigungen, Infrastrukturüberwachung
Vorlagen, Archivierung, etc.
Finanzplanung, Steuerberatung, usw. für natürliche Personen
Büromaterial, Software, Hardware, etc.
Aussenauftritt (Broschüren, Muster, Kampagnen, etc.)
Kennzahlen, Auswertungen, internes Reporting
Externes Berichtswesen (Nationalbank, Börsen, Aufsicht, EU-Zinsbesteuerung, etc.)
Unternehmensbewertung, Nachfolgeregelungen, Finanzplanung, usw. für juristische Personen
Kreditüberwachung
Berichtigungen / Investigations
Wertpapier-Überwachung
Berichtigungen / Investigations
Rückzahlung
Kommission / ZinsbelastungBestandsabgleich / ReconciliationBestandsabgleich / Reconciliation
Berichtigungen / Investigations
Wert-
schöpfungskette
Eröffnung, Bewirtschaftung, Saldierung, Research (z.B. nachrichtenlose Vermögen)
Zahlungsverkehr-Überwachung
Verwaltungshandlungen
Titeltransfer
Valorenstammpflege
Betrieb und Entwicklung IT-Infrastruktur und Applikationen
Privatfinanzierungen
undLeasing
Hypotheken
Lombardkredite
Unternehmens-
finanzierung
Betriebs-und
Investitionskredite
Baukredite
Verpflichtungs-
kredite
Zahlungsauftrag
(BarundGiro)
Dauerauftrag&
Stammliste
Datenträger-
austausch
Lastschrift-verfahren
ElectroincBillPre-
sentment&Payment
Karten
(KreditundDebit)
Scheck
Analyse und Research (Wertschriften, Branchen, Volkswirtschaften, Finanzmärkte)
Beteiligungs-
papiere
Zinspapiere
Derivate,struk-
turierteProdukte
Edelmetalle
Geldmarkt
Devisen
Fonds
(eigene&fremde)
Akquisition / Beratung / Betreuung
Produkte & Dienstleistungen
Akquisition / Beratung / Betreuung
Produkte & Dienstleistungen
Planung und Unternehmenssteuerung
Risikomanagement und Controlling
Partner- und Servicemanagement, Architektur- und Transformationsmanagement
Problem- und Ausnahmemanagement
Portfoliomanagement Kredit-Portfoliomanagement
Bewirtschaften Sicherheiten
persönlich schriftlich elektr. persönlich schriftlich elektr. persönlich schriftlich elektr.
Produktstammpflege
Risikomanagement
Kd. / Kto. / Depotführung
Beispielhafte Einsatzbereiche in der Finanzindustrie Verständnis des Gesamtunternehmens
(Beispiel Bankmodell)
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 5
Wir gestalten die Ecosysteme der Zukunft
Kunden-
bedürfnisse
Privatpersonen
Freizeit
AI
Life Management
Technologie
Evaluation
Digitale
Transformation
InnovativeBusiness
Models
AR
Big Data
DLT
VR
IoT
Biometrics
Innovations- und technologiegetriebene Veränderungen
eröffnen neue Möglichkeiten für Geschäftsmodelle
Daraus resultierende neue Kundenbedürfnisse gehen weit über
heutige Industriegrenzen hinaus
Die kundenzentrierte Kooperation über heutige Grenzen hinweg
ist der Schlüssel künftig erfolgreicher Unternehmen
Wir glauben daran, dass innovative Geschäftsmodelle in
branchenübergreifenden Netzwerken entstehen – wir treiben
und gestalten diese
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 6
Forschung, Anwendung und Beratung
mit Ecosystem-Partnern aus Forschung und Praxis
Angewandte Wissenschaft Transfer Consulting
Entwicklung Anwendung Umsetzung
Themenidentifikation
Lösungen
Standardisierung
Basis-Management-Service (BMS)
Strategie | Organisation | Marktentwicklung| Marketing | Human Resources | Financial Controlling | IT |
Angewandte Forschung für innovative
Lösungen in der Praxis
Forschungsnahe Beratung mit bewährten
Methoden und Referenzmodellen
Ausgründung per 1.1.15
Unsere Themen:
• Geschäfstmodelle & Ecosysteme
• Datengetriebene Customer Experience
• Transformation in der Digitalisierung
• Innovationen & Trends
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 8
◼ Entwicklung und Techniken von AI
◼ AI als Enabler an der Kundenschnittstelle in der Finanzindustrie
Agenda
◼ Anwendungsmöglichkeiten von AI
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 9
Beschreibung von Artificial Intelligence (AI) nicht einheitlich
“Artificial Intelligence is the science
of making machines do things that
would require human intelligence if
done by men”
Marvin Minsky (Founder of the MIT Artificial
Intelligence Laboratory)
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 10
Beispiel Turing-Test: Was macht eine Maschine intelligent?
Der Turing-Test misst die Intelligenz einer Maschine pragmatisch daran, ob sie sich wie ein Mensch
verhält.
Das ist der Fall, wenn ein Mensch
• In einer schriftlichen Konversation
• mit zwei Konversationspartnern (ein Mensch, eine Maschine)
• nicht unterscheiden kann, wer der Mensch und wer die Maschine ist.
Die erweiterte Version umfasst darüber hinaus
• die Überprüfung der visuellen Wahrnehmungsfähigkeit sowie
• die Fähigkeit, Objekte zu manipulieren
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 11
Teilfähigkeiten menschlicher Intelligenz und wichtigste
Forschungsbereiche von AI
Hinweis: Die einzelnen Forschungsbereiche sind unter sich nicht überschneidungsfrei und nicht deckungsgleich mit den ihnen zugeordneten Fähigkeiten
Teilfähigkeiten menschlicher Intelligenz
(Copeland 2000)
Vom erweiterten Turing Test betroffene
Forschungsbereiche (Russel & Norvis, 2010)
Sprachverständnis
Eine Sprache Ihrer Konventionen gerecht anwenden
Natural Language Processing (NLP)
In natürliche Sprache kommunizieren
Logisches Denken
Aus einer Reihe von Annahmen und Beobachtungen
kontextgerechte Schlussfolgerungen ziehen
Automated Reasoning
Gespeichertes Wissen nutzen, um Fragen zu beantworten und
Schlussfolgerungen zu ziehen
Lernen
Wissen akkumulieren und auf neue Kontexte übertragen
Machine Learning
Muster erkennen und Wissen auf neue Situationen übertragen
Wahrnehmung
Die Umwelt über (echte oder künstliche) Sinnesorgane
wahrnehmen und ihre Objekte und deren Merkmale und
Beziehungen untereinander analysieren
Computer Vision
Objekte wahrnehmen
Problemlösung
Mit Hilfe von Daten die Lösung für ein Problem finden
Robotics
Objekte manipulieren und sich bewegen
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 12
Entwicklung von AI – Wann wurden diese Zitate formuliert?
«Machines will be capable, within twenty years, of doing any work a man can do.»
Herbert A. Simon (CMU)
«Within a generation . . . the problem of creating artificial intelligence will substantially be solved»
Marvin Minsky (MIT)
1956
1957
→ AI gibt es schon recht lange, aber es gab Probleme bei der Anwendung
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 13
AI in den 50ern != AI im 21. Jhd.
Artificial Intelligence
Erste Ansätze von AI mit
grossen Erwartungen
Machine Learning
Deep Learning
Quelle: Basierend auf Stanford (2017), Nvidia (2016), Moujahid (2015)
1950s 1960s 1970s 1980s 1990s 2000s 2010s 2020s
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 14
Zeitliche und thematische Verordnung von Deep Learning
Artificial Intelligence
Machine Learning
Deep Learning
Quelle: Basierend auf Stanford (2017), Nvidia (2016)
Natural Language
Processing
Speech Recognition
Image Recognition
1950s 1960s 1970s 1980s 1990s 2000s 2010s 2020s
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 16
Ausblick: Erwartete Zeit, bis AI menschliche Intelligenz erreicht
Quelle: Grace et al. 2018
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 17
◼ Entwicklung und Techniken von AI
◼ AI als Enabler an der Kundenschnittstelle in der Finanzindustrie
Agenda
◼ Anwendungsmöglichkeiten von AI
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 18
AI – Technologien und Anwendungsgebiete
Robotic Process (RPA)
Simple Events
Deep Q&A System
Image to Text
Image Recognition
Classification, Clustering)
Analytics
(Predictive Recomm-
endations,Actions,
Ranking, Forecasts)
AI
| Basierend auf vincejeffs.com
Translation
Automated
Repetitive Tasks
Alerts
Likely Answers
Automated Writing
Sub-Technologie Fähigkeit Anwendungsgebiet
Rules Engines & BPM
Chat Bots / Virtual Assist
Complex Events
Speech (other) to Text
Text (other) to Speech
Automated Speech
Machine
Learning
Robotics
Predictive Knowledge
Management
Event Processing
Deterministic Rules &
Processes & Decisions
Natural Language Processing
(NLP)
Supervised
Learning
Reinforced
Learning
Unsupervised
Learning Deep Learning
Classic Models
(Bayes, Regression,
Trees, etc.)
Numeric Prediction
Probability Assessment
Optimization (LP, etc)
Automated Grouping
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 19
Drei Arten des Machine Learning –
Supervised, Unsupervised und Reinforcement Learning
Supervised Learning Ziel ist die Prognose eines Zielmerkmals anhand erklärender
Merkmale (Klassifikation, Regression: z.B.
Zukunftsprognosen wie Wetter)Input Output
Unsupervised Learning
(deep learning)
Ziel ist das Verständnis vorhandener Daten
(Mustererkennung, Clustering z.B. Bilderkennung)
Reinforcement Learning
(deep learning)
Ziel ist das Lernen der besten Aktion durch Interaktion mit
der Umgebung (Trial-and-Error-Strategie z.B. Alpha Go)
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 20
Exkurs: AI setzt Big Data voraus
Transaktionen sind traditionell
Kern der Kundenbeziehung
Hohe Informationsdichte in
near-time wurde bisher jedoch
häufig nicht umfassend genutzt
Telematics
IoT
Integrierterr Blick
auf den Kunden
Unternehmens-
interne Daten:
Transaktionsdaten
Externe Daten:
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 21
AI Use Cases – Fokus Prozessautomatisierung
Anwendungsgebiete
◼ Frontoffice:
– Chatbots zur Beantwortung von Kundenanfragen
– Sichere Identifikation (z. B. durch Stimmerkennung)
– Robo Advisory / Ausführen von Trades
◼ Middle Office / Backoffice:
– Chatbots zur Unterstützung von Mitarbeitern
▪ Als Berater
▪ Zum Support bei einfachen IT-Anfragen (z. B. Passwort rücksetzen)
– Prozessautomation
▪ z.B. Bildererkennung und Machince Learning zum Scannen von
Dokumenten
– Controlling & Compliance
▪ Audits durchführen
▪ Berichte verfassen
◼ → AI eignet sich generell zu Automatisierung regelbasierter Aufgaben
Intelligente
Automatisierung
von Prozessen
Generieren neuer
Erkenntnisse
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 22
AI Use Cases – Fokus Erkenntnisgenerierung
Generieren neuer
Erkenntnisse
Intelligente
Automatisierung
von Prozessen
◼ Kunden:
– Personalisierung der Kundeninteraktion (Empfehlungen;
personalisierte, kontextabhängige Produkte, setzt Profiling
der Kunden voraus)
– Betrugserkennung durch Analyse von Verhaltensmustern
– Risikoevaluierung (z.B. Kreditwürdigkeit)
◼ Unternehmen / Mitarbeiter:
– Optimierter Einsatz von Ressourcen
▪ Automatenbefüllung
▪ Filialplanung
▪ Korrektur irrationaler Verhaltensmuster bei Tradern
– Identifikation und Bekämpfung von Malware
◼ Markt:
– Verbesserte Vorhersage der Marktentwicklung
– Risikoevaluierung
Anwendungsgebiete
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 23
Daten
Einsatz von AI in Abhängigkeit vom Prozess-Attributen
AI
Attribut Beschreibung Ausprägung
Flexibilität
Ist der Prozess flexible oder folgt er einem fixen
Vorgehen?
Flexibel Hybrid Fix
Prozess-
sensitivität
Ist der Prozess sensitive und teil des
Wettbewerbsvorteils der Unternehmung?
Sensitiv Nicht sensitiv
Daten-sensitivität
Sind die Daten, die in dem Prozess verarbeitet
werden (teilweise) sensitiv?
Sensitiv Nicht sensitiv
Standardisierung Ist der Prozess standardisiert? Standardisiert Nicht standardisiert
Automatisierung Ist der Prozess Automatisiert? Automatisiert Teilautomatisiert Manuell
Entität Mit welchen Entitäten wird interagiert? Mensch - Mensch Mensch - Maschine
Maschine -
Maschine
Marktbereich
In welchem Marktbereich ist der Prozess
positioniert?
Front Back Inter Entity
Status
Zu welchem Status kann der Prozess zugeordnet
werden?
Input Engine Output
Wertschöpfung
Wird Wertschöpfung durch die Aufgabe im
Prozess selbst erzeugt.
Interaktion Aufgabe
Monitoring
Kann der Prozess überwacht und analysiert
werden?
Aktivitätsmonitoring Ex-post Data Warehousing
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 24
◼ Entwicklung und Techniken von AI
◼ AI als Enabler an der Kundenschnittstelle in der Finanzindustrie
Agenda
◼ Anwendungsmöglichkeiten von AI
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 25
Aktuelle AI-Projekte amerikanischer Grossbanken
Bank Name + Funktionen Für
JP Morgan Contract Intelligence (COiN) -Plattform
• Analyse von 120.000 kommerziellen juristische Dokumente extrahieren von wichtigen Datenpunkte und
Klauseln zu extrahieren
Virtual Assistant-Technologie
• Sprachschnittstelle, um auf Anfragen von Mitarbeitern im Technologie-Service-Desk zu reagieren
Emerging Opportunities Engine
• automatisierte Analysen zur Analyse von Aktienangeboten
• Ausweitung auf Debt Capital Markets geplant
Intern
Mitarbeiter
Kunden
Wells Fargo Chatbot via Facebook Messengger:
• Kommunikation mit Benutzern, um Kontoinformationen bereitzustellen und Kunden dabei zu helfen, ihre
Passwörter zurückzusetzen
Kunden
Bank of
America
Chatbot Erica:
• Integrieter Teil des mobile Bankings, der "Predictive Analytics und kognitive Messaging" nutzt, um den Kunden
des Unternehmens finanzielle Unterstützung zu bieten.
Kunden
Citibank) Fraud Detection:
• Beteiligung an Feedzai, in Echtzeit arbeitendes Data-Science-Unternehmen, um Betrug in allen
Handelsbereichen, einschließlich Online- und Präsenz-Banking, zu identifizieren und zu beseitigen.
Kunden
Bank of NY
Mellon
Corp
Robo Process Automation (RPA)
• RPA integriert künstliche Intelligenz und wird von Softwareanwendungen (Internet Bots)
• Bisher 220 bots für repetitive Aufgaben entwickelt
Intern
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 26
AI-Projekte Schweizer Finanzinstitute – Conversational Interfaces
„CIs sind innovative Interfaces, die Sprache, d.h. Dialog in
geschriebener oder gesprochener Form, zur Kommunikation
zwischen Menschen und Maschinen (Computer) verwenden .“
„CIs lassen sich in zwei Kategorien aufteilen: 1) Chatbots,
die auf einem Textdialog, d.h. geschriebenen Dialog,
basieren, und 2) Voice Assistants, die auf gesprochenen
Dialog, d.h. auf Sprache als Input und Output, beruhen.“
Quelle: Alder et al. (2018). Studie über Einsatzpotenziale und Beispiele für Conversational Interfaces
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 27
AI-Projekte Schweizer Finanzinstitute – Conversational Interfaces
Bank Name + Funktionen Für Integration Im Einsatz seit
Swissquote Chatbot:
• Beantwortung von Standardanfragen
• Auskunft zum Wert von Aktien und Titelsuche nach bestimmten
Kriterien
Kunden Website Oktober 2017
PostFinance Digitaler Assistent:
• Beantwortung von Standardfragen
Kunden Website November 2017
Credit Suisse Credit Suisse:
• Information und Navigation zu Geldautomaten und
Geschäftsstellen
• Beantwortung von Fragen zu Bankprodukten
Kunden Facebook-
Messenger
November 2017
Amelia:
• Beantwortung und Bearbeitung einfacher IT-Supportanfragen
Mitarbeiter - Februar 2018
Zak
(Bank Cler)
Carl:
• Beantwortung von Standardfragen zur App und zur Bank Cler
Kunden App Februar 2018
UBS (Ask UBS:
• Beantwortung von Fragen rund um Finanzthemen)
- (Alexa) (3-monatiger Test Ende
2017, in Entwicklung)
(Rose:
• Beantwortung von Fragen, Themen nicht eingeschränkt)
(Website der
New York Times)
(Test im Sommer 2016)
Raiffeisen - - (in Entwicklung)
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 28
AI-Projekte Schweizer Finanzinstitute – Robo Advisors
„Unter einem Robo-Advisor versteht man ein intelligentes System, das
unter Einsatz von Algorithmen und regelmäßig ohne menschliche
Beteiligung Anlageempfehlungen für ein optimiertes
Portfoliomanagement gibt. Ein solches System kann die
entsprechenden Empfehlungen oftmals auch direkt und automatisiert
für den Kunden umsetzen.“
Quelle: Gabler Wirtschaftslexikon
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 29
AI-Projekte Schweizer Finanzinstitute – Robo Advisors
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 30
AI-Projekte Schweizer Finanzinstitute – Robo Advisors
Anbieter Mutter-
gesellschaft
Depotbank Mindestbetrag
(Fr.)
Gebühren/Jahr Zusätzliche
Kosten/
Gebühren
Truewealth BLKB Saxo Bank CH 8500 0,5% TER
Elvia eInvest Allianz Suisse Saxo Bank CH 5000 0,55% TER
Investomat GLKB Glarner KB Glarner KB 5000 0,6% TER/Manuelle
Eingriffe
Swissquote
ePrivate Banking
Swissquote Swissquote 10'000 0,5%* Manuelle Eingriffe
VZ Finanzportal VZ Holding VZ Depotbank Je nach Anlage 0,55 -1,25% TER/Börsengebühr
SaxoSelect Saxo Bank Saxo Bank CH 20'000 0,85% Produktkosten
Digifolio BLKB BLKB 5000 0,75% Produktkosten
Descartes Finance - UBS / Vontobel 20'000 0,3 - 0,8% Fonds/Depot
Simplewealth - Interactive
Brokers (USA)
5000 0,5% Fonds
Selma Finance - Saxo Bank CH 5000 0,72% TER
Whitebox - FinTech Group AG 5000 0,35 – 0,95 % TER
Yova - Interactive Brokers 1000 1,5 % -
Quelle: basierend auf der Darstellung von cash.ch (03.2018)
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 31
Name Beschreibung Status
- Ausgabe von relevanten Regulationen
bei Fragen zur Compliance
Im Einsatz
James
the
Robot
Durchführen von Eignungs- und
Angemessenheitsprüfungen im
Investmentbanking
Im Einsatz
- Aufdeckung von Geldwäscherei Im Einsatz
- Überwachung von Transaktionen zur
Aufdeckung von Betrug
Unbekannt
(Dezember
2017: in
Entwicklung)
Name Beschreibung Status
HIRO Selbstlernende AI-Plattform, die IT-
Wissen speichert und Routineaufgaben
ausführt (z. B. Erstellen neuer
Passwörter
Im Einsatz
- Überwachung von Transaktionen zur
Aufdeckung von Betrug
Im Einsatz
- Automatisches Ausführen von in E-
Mails an Händler enthaltenen
Anweisungen zu Blocktrades
Im Einsatz
- Analysieren von Marktdaten und
Herleiten von Strategien für volatile
Märkte – werden noch von Menschen
kontrolliert
Im Einsatz
- Aufdecken von irrationalen
Verhaltensmustern im
Investmentbanking
Experiment
AI-Projekte Schweizer Finanzinstitute - Sonstiges
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 33
Ausblick: Konvergenz der innovativen Technologien
https://singularitynet.io/
Singularity-Net: KI, Blockchain
• Blockchain-KI soll KIs über das Netzwerk zum
Einkauf anbieten (z.B. Bilderkennung)
• Programmierer erhalten die Möglichkeit. viele
solcher KIs für viele Spezialaufgaben in dem
Netzwerk gegen Geld bereitzustellen
• Aufgaben, für die eine KI nicht ausgelegt ist, sollen
sie so an andere KIs in dem Blockchain-Netzwerk
abgeben können – und zwar selbstständig
(Management über Smart Contracts)
Cortex: KI, Blockchain
• Cortex ist ein dezentrales autonomes KI -System.
• Möchte das Handling von komplexen Kontrakten
auf der Blockchain vereinfachen
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 34
◼ Die Analyse der Sinnhaftigkeit innovativer Technologien wie AI für das eigen Unternehmen setzt voraus:
– Sense of Urgency Erkennen und Mitarbeiter mitnehmen
– Die Auswahl geeigneter Prozesse für die jeweilige Technologie
– Die Anpassung geeigneter Strukturen
… und das Knowhow von innovativen Technologien im eigenen Unternehmen vorzuhalten
… und den eigenen Handlungsspielraum als Unternehmen zu bewahren
◼ Die innovative Technologie „AI“ besteht aus einer Vielzahl von verschiedenen „Subtechnologien“, die einzeln oder auch
kombiniert angewandt werden
◼ Zwei Ziele werden mit AI verfolgt: Intelligente Automatisierung von Prozessen oder Gewinnung neuer Erkenntnisse
– Häufig werden Chatbots an der Kundenschnittstellte oder auch intern verwendet, um Kunden oder auch Mitarbeitende zu
beraten. Prozesse werden intelligent automatisiert z.B. auch im Bereich Controlling und Compliance
– Gewinnung neuer Erkenntnisse zielt darauf ab, im Kundenbereich die Kundeninteraktion zu personalisieren, Betrug zu
erkennen und Risiken zu evaluieren. Intern wird der Einsatz von Ressourcen optimiert. Die Vorhersage von
Marktentwicklungen und eventuellen Risiken wird optimiert.
◼ AI verändert (noch) nicht angestammte Geschäftsmodelle in der Finanzindustrie, sondern unterstützt Bestehende
Fazit
Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 35
Kontakt
Bild durch
Klicken auf
Symbol
hinzufügen
Business Engineering Institute St. Gallen AG
thomas.zerndt@bei-sg.ch
CEO BEI
Tel.: +41 79 233 58 83
Thomas Zerndt
www.bei-sg.ch
BEI AG
www.ccsourcing.org
CC Sourcing
www.banking-innovation.org
Banking Innovations
Business Engineering Institute St. Gallen AG
Stefanie.auge-dickhut@bei-sg.ch
Head CC Ecosystems
Tel.: +41 79 619 1404
Prof. Dr. Stefanie Auge-Dickhut

Weitere ähnliche Inhalte

Ähnlich wie BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle

Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdeckenXing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Digicomp Academy AG
 
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
Jan Rodig
 
Namics Walk-in Lab Smart Services 05.10.2016
Namics Walk-in Lab Smart Services 05.10.2016Namics Walk-in Lab Smart Services 05.10.2016
Namics Walk-in Lab Smart Services 05.10.2016
Namics – A Merkle Company
 
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Praxistage
 
Agilität - Mythen, Trens, best Practices
Agilität - Mythen, Trens, best PracticesAgilität - Mythen, Trens, best Practices
Agilität - Mythen, Trens, best Practices
Agilität - Mythen, Trens, best PracticesAgilität - Mythen, Trens, best Practices
Service Design - Gestaltung der Digitalen Transformation
Service Design - Gestaltung der Digitalen TransformationService Design - Gestaltung der Digitalen Transformation
Service Design - Gestaltung der Digitalen Transformation
Prof. Dr. Alexander Maedche
 
Round Table: Durchgängige Geschäftsprozesse mit mobilen Endgeräten
Round Table: Durchgängige Geschäftsprozesse mit mobilen EndgerätenRound Table: Durchgängige Geschäftsprozesse mit mobilen Endgeräten
Round Table: Durchgängige Geschäftsprozesse mit mobilen Endgeräten
mediencampus (h_da Darmstadt University of Applied Sciences)
 
Predictive Analytics World Deutschland 2016
Predictive Analytics World Deutschland 2016Predictive Analytics World Deutschland 2016
Predictive Analytics World Deutschland 2016
Rising Media Ltd.
 
Diskussion mit einer KI ? - Projekt Debater ! Beschleunigte Digitalisierung m...
Diskussion mit einer KI ? - Projekt Debater ! Beschleunigte Digitalisierung m...Diskussion mit einer KI ? - Projekt Debater ! Beschleunigte Digitalisierung m...
Diskussion mit einer KI ? - Projekt Debater ! Beschleunigte Digitalisierung m...
ADTELLIGENCE GmbH
 
Wirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Wirtschaftsinformatik Basics für Betriebswirte und IngenieureWirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Wirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Claus Brell
 
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier - Bot Advisory - Businessmodelle, Nutzen und PraxisbeispieleAllgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier (Schweiz) AG
 
Creating the bigger picture - Die Designvision in agilen Projekten
Creating the bigger picture - Die Designvision in agilen ProjektenCreating the bigger picture - Die Designvision in agilen Projekten
Creating the bigger picture - Die Designvision in agilen Projekten
Silke Kreiling
 
To Be or Not to Be - Die Digitalisierung und ihre Folgen
To Be or Not to Be - Die Digitalisierung und ihre FolgenTo Be or Not to Be - Die Digitalisierung und ihre Folgen
To Be or Not to Be - Die Digitalisierung und ihre Folgen
Martin Runde
 
Rethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event ReportRethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event Report
Ramona Kohrs
 
Predictive Analytics World for Business Deutschland 2017
Predictive Analytics World for Business Deutschland 2017Predictive Analytics World for Business Deutschland 2017
Predictive Analytics World for Business Deutschland 2017
Rising Media Ltd.
 
Künstliche intelligenz in der Organisation - Change Congress 2017
Künstliche intelligenz in der Organisation - Change Congress 2017Künstliche intelligenz in der Organisation - Change Congress 2017
Künstliche intelligenz in der Organisation - Change Congress 2017
Patrick Bartl
 
Bitkom Auszug - Mensch-Zentrierung in Zeiten der Digitalisierung - Auf Interv...
Bitkom Auszug - Mensch-Zentrierung in Zeiten der Digitalisierung - Auf Interv...Bitkom Auszug - Mensch-Zentrierung in Zeiten der Digitalisierung - Auf Interv...
Bitkom Auszug - Mensch-Zentrierung in Zeiten der Digitalisierung - Auf Interv...
Jan Groenefeld
 
Webinar - Maschine kaputt - finde den Fehler!
Webinar - Maschine kaputt - finde den Fehler!Webinar - Maschine kaputt - finde den Fehler!
Webinar - Maschine kaputt - finde den Fehler!
Trebing & Himstedt Prozeßautomation GmbH & Co. KG
 
Social Media im Unternehmen
Social Media im UnternehmenSocial Media im Unternehmen
Social Media im Unternehmen
Hellmuth Broda
 

Ähnlich wie BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle (20)

Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdeckenXing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
 
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
Herausforderungen & Erfolgsfaktoren bei der Konzeption und Implementierung vo...
 
Namics Walk-in Lab Smart Services 05.10.2016
Namics Walk-in Lab Smart Services 05.10.2016Namics Walk-in Lab Smart Services 05.10.2016
Namics Walk-in Lab Smart Services 05.10.2016
 
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
 
Agilität - Mythen, Trens, best Practices
Agilität - Mythen, Trens, best PracticesAgilität - Mythen, Trens, best Practices
Agilität - Mythen, Trens, best Practices
 
Agilität - Mythen, Trens, best Practices
Agilität - Mythen, Trens, best PracticesAgilität - Mythen, Trens, best Practices
Agilität - Mythen, Trens, best Practices
 
Service Design - Gestaltung der Digitalen Transformation
Service Design - Gestaltung der Digitalen TransformationService Design - Gestaltung der Digitalen Transformation
Service Design - Gestaltung der Digitalen Transformation
 
Round Table: Durchgängige Geschäftsprozesse mit mobilen Endgeräten
Round Table: Durchgängige Geschäftsprozesse mit mobilen EndgerätenRound Table: Durchgängige Geschäftsprozesse mit mobilen Endgeräten
Round Table: Durchgängige Geschäftsprozesse mit mobilen Endgeräten
 
Predictive Analytics World Deutschland 2016
Predictive Analytics World Deutschland 2016Predictive Analytics World Deutschland 2016
Predictive Analytics World Deutschland 2016
 
Diskussion mit einer KI ? - Projekt Debater ! Beschleunigte Digitalisierung m...
Diskussion mit einer KI ? - Projekt Debater ! Beschleunigte Digitalisierung m...Diskussion mit einer KI ? - Projekt Debater ! Beschleunigte Digitalisierung m...
Diskussion mit einer KI ? - Projekt Debater ! Beschleunigte Digitalisierung m...
 
Wirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Wirtschaftsinformatik Basics für Betriebswirte und IngenieureWirtschaftsinformatik Basics für Betriebswirte und Ingenieure
Wirtschaftsinformatik Basics für Betriebswirte und Ingenieure
 
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier - Bot Advisory - Businessmodelle, Nutzen und PraxisbeispieleAllgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
 
Creating the bigger picture - Die Designvision in agilen Projekten
Creating the bigger picture - Die Designvision in agilen ProjektenCreating the bigger picture - Die Designvision in agilen Projekten
Creating the bigger picture - Die Designvision in agilen Projekten
 
To Be or Not to Be - Die Digitalisierung und ihre Folgen
To Be or Not to Be - Die Digitalisierung und ihre FolgenTo Be or Not to Be - Die Digitalisierung und ihre Folgen
To Be or Not to Be - Die Digitalisierung und ihre Folgen
 
Rethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event ReportRethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event Report
 
Predictive Analytics World for Business Deutschland 2017
Predictive Analytics World for Business Deutschland 2017Predictive Analytics World for Business Deutschland 2017
Predictive Analytics World for Business Deutschland 2017
 
Künstliche intelligenz in der Organisation - Change Congress 2017
Künstliche intelligenz in der Organisation - Change Congress 2017Künstliche intelligenz in der Organisation - Change Congress 2017
Künstliche intelligenz in der Organisation - Change Congress 2017
 
Bitkom Auszug - Mensch-Zentrierung in Zeiten der Digitalisierung - Auf Interv...
Bitkom Auszug - Mensch-Zentrierung in Zeiten der Digitalisierung - Auf Interv...Bitkom Auszug - Mensch-Zentrierung in Zeiten der Digitalisierung - Auf Interv...
Bitkom Auszug - Mensch-Zentrierung in Zeiten der Digitalisierung - Auf Interv...
 
Webinar - Maschine kaputt - finde den Fehler!
Webinar - Maschine kaputt - finde den Fehler!Webinar - Maschine kaputt - finde den Fehler!
Webinar - Maschine kaputt - finde den Fehler!
 
Social Media im Unternehmen
Social Media im UnternehmenSocial Media im Unternehmen
Social Media im Unternehmen
 

Mehr von BATbern

BATbern53 Post Data persistence in the business-critical and event driven env...
BATbern53 Post Data persistence in the business-critical and event driven env...BATbern53 Post Data persistence in the business-critical and event driven env...
BATbern53 Post Data persistence in the business-critical and event driven env...
BATbern
 
BATbern53 BKW Easy Migration through Clean Architecture
BATbern53 BKW Easy Migration through Clean ArchitectureBATbern53 BKW Easy Migration through Clean Architecture
BATbern53 BKW Easy Migration through Clean Architecture
BATbern
 
BATbern53 ETHZ Rethinking Cluster State Management for Lightweight Function a...
BATbern53 ETHZ Rethinking Cluster State Management for Lightweight Function a...BATbern53 ETHZ Rethinking Cluster State Management for Lightweight Function a...
BATbern53 ETHZ Rethinking Cluster State Management for Lightweight Function a...
BATbern
 
BATbern53 SBB Wieso in jeder Zugfahrt der SBB ein Stück MongoDB drinsteckt
BATbern53 SBB Wieso in jeder Zugfahrt der SBB ein Stück MongoDB drinstecktBATbern53 SBB Wieso in jeder Zugfahrt der SBB ein Stück MongoDB drinsteckt
BATbern53 SBB Wieso in jeder Zugfahrt der SBB ein Stück MongoDB drinsteckt
BATbern
 
BATBern53 - EPFL - Blue Brain and related technical challenges
BATBern53  - EPFL - Blue Brain and related technical challengesBATBern53  - EPFL - Blue Brain and related technical challenges
BATBern53 - EPFL - Blue Brain and related technical challenges
BATbern
 
BATbern53 Die Mobiliar Bring die Algorithmen zu den Daten – nicht umgekehrt
BATbern53 Die Mobiliar Bring die Algorithmen zu den Daten – nicht umgekehrtBATbern53 Die Mobiliar Bring die Algorithmen zu den Daten – nicht umgekehrt
BATbern53 Die Mobiliar Bring die Algorithmen zu den Daten – nicht umgekehrt
BATbern
 
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der CloudBATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern
 
BATber53 AWS Modernize your applications with purpose-built AWS databases
BATber53 AWS Modernize your applications with purpose-built AWS databasesBATber53 AWS Modernize your applications with purpose-built AWS databases
BATber53 AWS Modernize your applications with purpose-built AWS databases
BATbern
 
BATbern52 Moderation Berner Architekten Treffen zu Data Mesh
BATbern52 Moderation Berner Architekten Treffen zu Data MeshBATbern52 Moderation Berner Architekten Treffen zu Data Mesh
BATbern52 Moderation Berner Architekten Treffen zu Data Mesh
BATbern
 
BATbern52 Swisscom's Journey into Data Mesh
BATbern52 Swisscom's Journey into Data MeshBATbern52 Swisscom's Journey into Data Mesh
BATbern52 Swisscom's Journey into Data Mesh
BATbern
 
BATbern52 SBB zu Data Products und Knacknüsse
BATbern52 SBB zu Data Products und KnacknüsseBATbern52 SBB zu Data Products und Knacknüsse
BATbern52 SBB zu Data Products und Knacknüsse
BATbern
 
BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data MeshBATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
BATbern
 
BATbern52 InnoQ on Data Mesh 2019 2023 2024++
BATbern52 InnoQ on Data Mesh 2019 2023 2024++BATbern52 InnoQ on Data Mesh 2019 2023 2024++
BATbern52 InnoQ on Data Mesh 2019 2023 2024++
BATbern
 
Embracing Serverless: reengineering a real-estate digital marketplace
Embracing Serverless: reengineering a real-estate digital marketplaceEmbracing Serverless: reengineering a real-estate digital marketplace
Embracing Serverless: reengineering a real-estate digital marketplace
BATbern
 
Serverless und Event-Driven Architecture
Serverless und Event-Driven ArchitectureServerless und Event-Driven Architecture
Serverless und Event-Driven Architecture
BATbern
 
Serverless Dev(Ops) in der Praxis
Serverless Dev(Ops) in der PraxisServerless Dev(Ops) in der Praxis
Serverless Dev(Ops) in der Praxis
BATbern
 
Serverless at Lifestage
Serverless at LifestageServerless at Lifestage
Serverless at Lifestage
BATbern
 
Keynote Gregor Hohpe - Serverless Architectures
Keynote Gregor Hohpe - Serverless ArchitecturesKeynote Gregor Hohpe - Serverless Architectures
Keynote Gregor Hohpe - Serverless Architectures
BATbern
 
BATbern51 Serverless?!
BATbern51 Serverless?!BATbern51 Serverless?!
BATbern51 Serverless?!
BATbern
 
Ein Rückblick anlässlich des 50. BAT aus Sicht eines treuen Partners
Ein Rückblick anlässlich des 50. BAT aus Sicht eines treuen PartnersEin Rückblick anlässlich des 50. BAT aus Sicht eines treuen Partners
Ein Rückblick anlässlich des 50. BAT aus Sicht eines treuen Partners
BATbern
 

Mehr von BATbern (20)

BATbern53 Post Data persistence in the business-critical and event driven env...
BATbern53 Post Data persistence in the business-critical and event driven env...BATbern53 Post Data persistence in the business-critical and event driven env...
BATbern53 Post Data persistence in the business-critical and event driven env...
 
BATbern53 BKW Easy Migration through Clean Architecture
BATbern53 BKW Easy Migration through Clean ArchitectureBATbern53 BKW Easy Migration through Clean Architecture
BATbern53 BKW Easy Migration through Clean Architecture
 
BATbern53 ETHZ Rethinking Cluster State Management for Lightweight Function a...
BATbern53 ETHZ Rethinking Cluster State Management for Lightweight Function a...BATbern53 ETHZ Rethinking Cluster State Management for Lightweight Function a...
BATbern53 ETHZ Rethinking Cluster State Management for Lightweight Function a...
 
BATbern53 SBB Wieso in jeder Zugfahrt der SBB ein Stück MongoDB drinsteckt
BATbern53 SBB Wieso in jeder Zugfahrt der SBB ein Stück MongoDB drinstecktBATbern53 SBB Wieso in jeder Zugfahrt der SBB ein Stück MongoDB drinsteckt
BATbern53 SBB Wieso in jeder Zugfahrt der SBB ein Stück MongoDB drinsteckt
 
BATBern53 - EPFL - Blue Brain and related technical challenges
BATBern53  - EPFL - Blue Brain and related technical challengesBATBern53  - EPFL - Blue Brain and related technical challenges
BATBern53 - EPFL - Blue Brain and related technical challenges
 
BATbern53 Die Mobiliar Bring die Algorithmen zu den Daten – nicht umgekehrt
BATbern53 Die Mobiliar Bring die Algorithmen zu den Daten – nicht umgekehrtBATbern53 Die Mobiliar Bring die Algorithmen zu den Daten – nicht umgekehrt
BATbern53 Die Mobiliar Bring die Algorithmen zu den Daten – nicht umgekehrt
 
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der CloudBATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
 
BATber53 AWS Modernize your applications with purpose-built AWS databases
BATber53 AWS Modernize your applications with purpose-built AWS databasesBATber53 AWS Modernize your applications with purpose-built AWS databases
BATber53 AWS Modernize your applications with purpose-built AWS databases
 
BATbern52 Moderation Berner Architekten Treffen zu Data Mesh
BATbern52 Moderation Berner Architekten Treffen zu Data MeshBATbern52 Moderation Berner Architekten Treffen zu Data Mesh
BATbern52 Moderation Berner Architekten Treffen zu Data Mesh
 
BATbern52 Swisscom's Journey into Data Mesh
BATbern52 Swisscom's Journey into Data MeshBATbern52 Swisscom's Journey into Data Mesh
BATbern52 Swisscom's Journey into Data Mesh
 
BATbern52 SBB zu Data Products und Knacknüsse
BATbern52 SBB zu Data Products und KnacknüsseBATbern52 SBB zu Data Products und Knacknüsse
BATbern52 SBB zu Data Products und Knacknüsse
 
BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data MeshBATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
 
BATbern52 InnoQ on Data Mesh 2019 2023 2024++
BATbern52 InnoQ on Data Mesh 2019 2023 2024++BATbern52 InnoQ on Data Mesh 2019 2023 2024++
BATbern52 InnoQ on Data Mesh 2019 2023 2024++
 
Embracing Serverless: reengineering a real-estate digital marketplace
Embracing Serverless: reengineering a real-estate digital marketplaceEmbracing Serverless: reengineering a real-estate digital marketplace
Embracing Serverless: reengineering a real-estate digital marketplace
 
Serverless und Event-Driven Architecture
Serverless und Event-Driven ArchitectureServerless und Event-Driven Architecture
Serverless und Event-Driven Architecture
 
Serverless Dev(Ops) in der Praxis
Serverless Dev(Ops) in der PraxisServerless Dev(Ops) in der Praxis
Serverless Dev(Ops) in der Praxis
 
Serverless at Lifestage
Serverless at LifestageServerless at Lifestage
Serverless at Lifestage
 
Keynote Gregor Hohpe - Serverless Architectures
Keynote Gregor Hohpe - Serverless ArchitecturesKeynote Gregor Hohpe - Serverless Architectures
Keynote Gregor Hohpe - Serverless Architectures
 
BATbern51 Serverless?!
BATbern51 Serverless?!BATbern51 Serverless?!
BATbern51 Serverless?!
 
Ein Rückblick anlässlich des 50. BAT aus Sicht eines treuen Partners
Ein Rückblick anlässlich des 50. BAT aus Sicht eines treuen PartnersEin Rückblick anlässlich des 50. BAT aus Sicht eines treuen Partners
Ein Rückblick anlässlich des 50. BAT aus Sicht eines treuen Partners
 

BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle

  • 1. Stefanie Auge-Dickhut Thomas Zerndt Bern, 8. Juni 2018 Artificial Intelligence an der Kundenschnittstelle Berner Architekten Treffen
  • 2. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 2 Was ist der Stellenwert von AI / KI / AR / BD? … am Beispiel der Finanzindustrie
  • 3. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 3 Unterschiedliche Innovationskategorien - Beschreibung des Veränderungsgrades (1/2) Inkrementelle und radikale Innovation
  • 4. BEI AG – St. Gallen, 2016 | CC Sourcing | 4 Zahlen Anlegen Finanzieren Retail Banking Private Banking Corporate Banking Weitere Innovationen in der Kundeninteraktion und potentielle Einsatzbereich von künstlicher Intelligenz Robo Advisory Digital Onboarding Online Buchhaltungs- dienst Value-added services Bedürfnis- orient. Anlegen Kredit-Score- Plattform Anlage- plattform Zertifiz. plattform Finanzierungs- plattform PFM Kreditplattform zum Austausch von Zinsen Virtueller Assistent Prozesse Planung, Steuerung und Kontrolle Führungs- prozesse Kanalmanagement Retail/ Private/ Corporate Banking Vertriebs- prozesse Ausführung/ Abwicklung Initialisierung Erfassung Prüfung Freigabe Verarbeitung Transaktions- bezogene Prozesse Überwachung / Monitoring Bewirtschaftung Transaktionen Behandlung Ausnahmen Transaktions- übergreifende Prozesse Produktentwicklung Interne Überwachung Kundenberichte Kompetenz- zentrumsprozesse Kundenprozesse Zahlen Anlegen Finanzieren Unter- stützungs- prozesse Personalwesen (HR) Rechnungswesen Marketing Dokumenten-Management Management-Information Legal Reporting Beschaffung Informatik Sicherheit logisch/physisch Akquisition / Beratung / Betreuung Produkte & Dienstleistungen ZV-Produktentwicklung Wertpapier-Produktentwicklung Kredit-Produktentwicklung Kredit-GebührenpflegeZahlungsverkehr-Gebührenpflege Wertpapier-Gebührenpflege Gesamtobligo-Überwachung Kreditrisiken & notl. Kredite (CWO) Liquiditäts-Management (Liquiditätsplanung, Repo-Geschäft, Refinanzierung, SL&B, ALM, etc.) Bankeigene, gesetzliche und aufsichtsrechtliche Weisungen / Compliance Kundenoutput (Depot-, Kontoauszüge, Performanceausweise, etc.) Partneradministration (Depotstellen, Finanzdatenanbieter, Korrespondenzbanken, Gegenparteien) Administration, Lohnbuchhaltung, Arbeitszeitverwaltung, Mitarbeiterentwicklung etc. Erfolgsrechnung, Buchhaltung, Eigenhandel (Nostro, Market Maker), Besteuerung/Gebühren, etc. Berechtigungen, Infrastrukturüberwachung Vorlagen, Archivierung, etc. Finanzplanung, Steuerberatung, usw. für natürliche Personen Büromaterial, Software, Hardware, etc. Aussenauftritt (Broschüren, Muster, Kampagnen, etc.) Kennzahlen, Auswertungen, internes Reporting Externes Berichtswesen (Nationalbank, Börsen, Aufsicht, EU-Zinsbesteuerung, etc.) Unternehmensbewertung, Nachfolgeregelungen, Finanzplanung, usw. für juristische Personen Kreditüberwachung Berichtigungen / Investigations Wertpapier-Überwachung Berichtigungen / Investigations Rückzahlung Kommission / ZinsbelastungBestandsabgleich / ReconciliationBestandsabgleich / Reconciliation Berichtigungen / Investigations Wert- schöpfungskette Eröffnung, Bewirtschaftung, Saldierung, Research (z.B. nachrichtenlose Vermögen) Zahlungsverkehr-Überwachung Verwaltungshandlungen Titeltransfer Valorenstammpflege Betrieb und Entwicklung IT-Infrastruktur und Applikationen Privatfinanzierungen undLeasing Hypotheken Lombardkredite Unternehmens- finanzierung Betriebs-und Investitionskredite Baukredite Verpflichtungs- kredite Zahlungsauftrag (BarundGiro) Dauerauftrag& Stammliste Datenträger- austausch Lastschrift-verfahren ElectroincBillPre- sentment&Payment Karten (KreditundDebit) Scheck Analyse und Research (Wertschriften, Branchen, Volkswirtschaften, Finanzmärkte) Beteiligungs- papiere Zinspapiere Derivate,struk- turierteProdukte Edelmetalle Geldmarkt Devisen Fonds (eigene&fremde) Akquisition / Beratung / Betreuung Produkte & Dienstleistungen Akquisition / Beratung / Betreuung Produkte & Dienstleistungen Planung und Unternehmenssteuerung Risikomanagement und Controlling Partner- und Servicemanagement, Architektur- und Transformationsmanagement Problem- und Ausnahmemanagement Portfoliomanagement Kredit-Portfoliomanagement Bewirtschaften Sicherheiten persönlich schriftlich elektr. persönlich schriftlich elektr. persönlich schriftlich elektr. Produktstammpflege Risikomanagement Kd. / Kto. / Depotführung Beispielhafte Einsatzbereiche in der Finanzindustrie Verständnis des Gesamtunternehmens (Beispiel Bankmodell)
  • 5. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 5 Wir gestalten die Ecosysteme der Zukunft Kunden- bedürfnisse Privatpersonen Freizeit AI Life Management Technologie Evaluation Digitale Transformation InnovativeBusiness Models AR Big Data DLT VR IoT Biometrics Innovations- und technologiegetriebene Veränderungen eröffnen neue Möglichkeiten für Geschäftsmodelle Daraus resultierende neue Kundenbedürfnisse gehen weit über heutige Industriegrenzen hinaus Die kundenzentrierte Kooperation über heutige Grenzen hinweg ist der Schlüssel künftig erfolgreicher Unternehmen Wir glauben daran, dass innovative Geschäftsmodelle in branchenübergreifenden Netzwerken entstehen – wir treiben und gestalten diese
  • 6. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 6 Forschung, Anwendung und Beratung mit Ecosystem-Partnern aus Forschung und Praxis Angewandte Wissenschaft Transfer Consulting Entwicklung Anwendung Umsetzung Themenidentifikation Lösungen Standardisierung Basis-Management-Service (BMS) Strategie | Organisation | Marktentwicklung| Marketing | Human Resources | Financial Controlling | IT | Angewandte Forschung für innovative Lösungen in der Praxis Forschungsnahe Beratung mit bewährten Methoden und Referenzmodellen Ausgründung per 1.1.15 Unsere Themen: • Geschäfstmodelle & Ecosysteme • Datengetriebene Customer Experience • Transformation in der Digitalisierung • Innovationen & Trends
  • 7. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 8 ◼ Entwicklung und Techniken von AI ◼ AI als Enabler an der Kundenschnittstelle in der Finanzindustrie Agenda ◼ Anwendungsmöglichkeiten von AI
  • 8. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 9 Beschreibung von Artificial Intelligence (AI) nicht einheitlich “Artificial Intelligence is the science of making machines do things that would require human intelligence if done by men” Marvin Minsky (Founder of the MIT Artificial Intelligence Laboratory)
  • 9. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 10 Beispiel Turing-Test: Was macht eine Maschine intelligent? Der Turing-Test misst die Intelligenz einer Maschine pragmatisch daran, ob sie sich wie ein Mensch verhält. Das ist der Fall, wenn ein Mensch • In einer schriftlichen Konversation • mit zwei Konversationspartnern (ein Mensch, eine Maschine) • nicht unterscheiden kann, wer der Mensch und wer die Maschine ist. Die erweiterte Version umfasst darüber hinaus • die Überprüfung der visuellen Wahrnehmungsfähigkeit sowie • die Fähigkeit, Objekte zu manipulieren
  • 10. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 11 Teilfähigkeiten menschlicher Intelligenz und wichtigste Forschungsbereiche von AI Hinweis: Die einzelnen Forschungsbereiche sind unter sich nicht überschneidungsfrei und nicht deckungsgleich mit den ihnen zugeordneten Fähigkeiten Teilfähigkeiten menschlicher Intelligenz (Copeland 2000) Vom erweiterten Turing Test betroffene Forschungsbereiche (Russel & Norvis, 2010) Sprachverständnis Eine Sprache Ihrer Konventionen gerecht anwenden Natural Language Processing (NLP) In natürliche Sprache kommunizieren Logisches Denken Aus einer Reihe von Annahmen und Beobachtungen kontextgerechte Schlussfolgerungen ziehen Automated Reasoning Gespeichertes Wissen nutzen, um Fragen zu beantworten und Schlussfolgerungen zu ziehen Lernen Wissen akkumulieren und auf neue Kontexte übertragen Machine Learning Muster erkennen und Wissen auf neue Situationen übertragen Wahrnehmung Die Umwelt über (echte oder künstliche) Sinnesorgane wahrnehmen und ihre Objekte und deren Merkmale und Beziehungen untereinander analysieren Computer Vision Objekte wahrnehmen Problemlösung Mit Hilfe von Daten die Lösung für ein Problem finden Robotics Objekte manipulieren und sich bewegen
  • 11. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 12 Entwicklung von AI – Wann wurden diese Zitate formuliert? «Machines will be capable, within twenty years, of doing any work a man can do.» Herbert A. Simon (CMU) «Within a generation . . . the problem of creating artificial intelligence will substantially be solved» Marvin Minsky (MIT) 1956 1957 → AI gibt es schon recht lange, aber es gab Probleme bei der Anwendung
  • 12. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 13 AI in den 50ern != AI im 21. Jhd. Artificial Intelligence Erste Ansätze von AI mit grossen Erwartungen Machine Learning Deep Learning Quelle: Basierend auf Stanford (2017), Nvidia (2016), Moujahid (2015) 1950s 1960s 1970s 1980s 1990s 2000s 2010s 2020s
  • 13. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 14 Zeitliche und thematische Verordnung von Deep Learning Artificial Intelligence Machine Learning Deep Learning Quelle: Basierend auf Stanford (2017), Nvidia (2016) Natural Language Processing Speech Recognition Image Recognition 1950s 1960s 1970s 1980s 1990s 2000s 2010s 2020s
  • 14. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 16 Ausblick: Erwartete Zeit, bis AI menschliche Intelligenz erreicht Quelle: Grace et al. 2018
  • 15. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 17 ◼ Entwicklung und Techniken von AI ◼ AI als Enabler an der Kundenschnittstelle in der Finanzindustrie Agenda ◼ Anwendungsmöglichkeiten von AI
  • 16. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 18 AI – Technologien und Anwendungsgebiete Robotic Process (RPA) Simple Events Deep Q&A System Image to Text Image Recognition Classification, Clustering) Analytics (Predictive Recomm- endations,Actions, Ranking, Forecasts) AI | Basierend auf vincejeffs.com Translation Automated Repetitive Tasks Alerts Likely Answers Automated Writing Sub-Technologie Fähigkeit Anwendungsgebiet Rules Engines & BPM Chat Bots / Virtual Assist Complex Events Speech (other) to Text Text (other) to Speech Automated Speech Machine Learning Robotics Predictive Knowledge Management Event Processing Deterministic Rules & Processes & Decisions Natural Language Processing (NLP) Supervised Learning Reinforced Learning Unsupervised Learning Deep Learning Classic Models (Bayes, Regression, Trees, etc.) Numeric Prediction Probability Assessment Optimization (LP, etc) Automated Grouping
  • 17. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 19 Drei Arten des Machine Learning – Supervised, Unsupervised und Reinforcement Learning Supervised Learning Ziel ist die Prognose eines Zielmerkmals anhand erklärender Merkmale (Klassifikation, Regression: z.B. Zukunftsprognosen wie Wetter)Input Output Unsupervised Learning (deep learning) Ziel ist das Verständnis vorhandener Daten (Mustererkennung, Clustering z.B. Bilderkennung) Reinforcement Learning (deep learning) Ziel ist das Lernen der besten Aktion durch Interaktion mit der Umgebung (Trial-and-Error-Strategie z.B. Alpha Go)
  • 18. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 20 Exkurs: AI setzt Big Data voraus Transaktionen sind traditionell Kern der Kundenbeziehung Hohe Informationsdichte in near-time wurde bisher jedoch häufig nicht umfassend genutzt Telematics IoT Integrierterr Blick auf den Kunden Unternehmens- interne Daten: Transaktionsdaten Externe Daten:
  • 19. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 21 AI Use Cases – Fokus Prozessautomatisierung Anwendungsgebiete ◼ Frontoffice: – Chatbots zur Beantwortung von Kundenanfragen – Sichere Identifikation (z. B. durch Stimmerkennung) – Robo Advisory / Ausführen von Trades ◼ Middle Office / Backoffice: – Chatbots zur Unterstützung von Mitarbeitern ▪ Als Berater ▪ Zum Support bei einfachen IT-Anfragen (z. B. Passwort rücksetzen) – Prozessautomation ▪ z.B. Bildererkennung und Machince Learning zum Scannen von Dokumenten – Controlling & Compliance ▪ Audits durchführen ▪ Berichte verfassen ◼ → AI eignet sich generell zu Automatisierung regelbasierter Aufgaben Intelligente Automatisierung von Prozessen Generieren neuer Erkenntnisse
  • 20. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 22 AI Use Cases – Fokus Erkenntnisgenerierung Generieren neuer Erkenntnisse Intelligente Automatisierung von Prozessen ◼ Kunden: – Personalisierung der Kundeninteraktion (Empfehlungen; personalisierte, kontextabhängige Produkte, setzt Profiling der Kunden voraus) – Betrugserkennung durch Analyse von Verhaltensmustern – Risikoevaluierung (z.B. Kreditwürdigkeit) ◼ Unternehmen / Mitarbeiter: – Optimierter Einsatz von Ressourcen ▪ Automatenbefüllung ▪ Filialplanung ▪ Korrektur irrationaler Verhaltensmuster bei Tradern – Identifikation und Bekämpfung von Malware ◼ Markt: – Verbesserte Vorhersage der Marktentwicklung – Risikoevaluierung Anwendungsgebiete
  • 21. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 23 Daten Einsatz von AI in Abhängigkeit vom Prozess-Attributen AI Attribut Beschreibung Ausprägung Flexibilität Ist der Prozess flexible oder folgt er einem fixen Vorgehen? Flexibel Hybrid Fix Prozess- sensitivität Ist der Prozess sensitive und teil des Wettbewerbsvorteils der Unternehmung? Sensitiv Nicht sensitiv Daten-sensitivität Sind die Daten, die in dem Prozess verarbeitet werden (teilweise) sensitiv? Sensitiv Nicht sensitiv Standardisierung Ist der Prozess standardisiert? Standardisiert Nicht standardisiert Automatisierung Ist der Prozess Automatisiert? Automatisiert Teilautomatisiert Manuell Entität Mit welchen Entitäten wird interagiert? Mensch - Mensch Mensch - Maschine Maschine - Maschine Marktbereich In welchem Marktbereich ist der Prozess positioniert? Front Back Inter Entity Status Zu welchem Status kann der Prozess zugeordnet werden? Input Engine Output Wertschöpfung Wird Wertschöpfung durch die Aufgabe im Prozess selbst erzeugt. Interaktion Aufgabe Monitoring Kann der Prozess überwacht und analysiert werden? Aktivitätsmonitoring Ex-post Data Warehousing
  • 22. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 24 ◼ Entwicklung und Techniken von AI ◼ AI als Enabler an der Kundenschnittstelle in der Finanzindustrie Agenda ◼ Anwendungsmöglichkeiten von AI
  • 23. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 25 Aktuelle AI-Projekte amerikanischer Grossbanken Bank Name + Funktionen Für JP Morgan Contract Intelligence (COiN) -Plattform • Analyse von 120.000 kommerziellen juristische Dokumente extrahieren von wichtigen Datenpunkte und Klauseln zu extrahieren Virtual Assistant-Technologie • Sprachschnittstelle, um auf Anfragen von Mitarbeitern im Technologie-Service-Desk zu reagieren Emerging Opportunities Engine • automatisierte Analysen zur Analyse von Aktienangeboten • Ausweitung auf Debt Capital Markets geplant Intern Mitarbeiter Kunden Wells Fargo Chatbot via Facebook Messengger: • Kommunikation mit Benutzern, um Kontoinformationen bereitzustellen und Kunden dabei zu helfen, ihre Passwörter zurückzusetzen Kunden Bank of America Chatbot Erica: • Integrieter Teil des mobile Bankings, der "Predictive Analytics und kognitive Messaging" nutzt, um den Kunden des Unternehmens finanzielle Unterstützung zu bieten. Kunden Citibank) Fraud Detection: • Beteiligung an Feedzai, in Echtzeit arbeitendes Data-Science-Unternehmen, um Betrug in allen Handelsbereichen, einschließlich Online- und Präsenz-Banking, zu identifizieren und zu beseitigen. Kunden Bank of NY Mellon Corp Robo Process Automation (RPA) • RPA integriert künstliche Intelligenz und wird von Softwareanwendungen (Internet Bots) • Bisher 220 bots für repetitive Aufgaben entwickelt Intern
  • 24. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 26 AI-Projekte Schweizer Finanzinstitute – Conversational Interfaces „CIs sind innovative Interfaces, die Sprache, d.h. Dialog in geschriebener oder gesprochener Form, zur Kommunikation zwischen Menschen und Maschinen (Computer) verwenden .“ „CIs lassen sich in zwei Kategorien aufteilen: 1) Chatbots, die auf einem Textdialog, d.h. geschriebenen Dialog, basieren, und 2) Voice Assistants, die auf gesprochenen Dialog, d.h. auf Sprache als Input und Output, beruhen.“ Quelle: Alder et al. (2018). Studie über Einsatzpotenziale und Beispiele für Conversational Interfaces
  • 25. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 27 AI-Projekte Schweizer Finanzinstitute – Conversational Interfaces Bank Name + Funktionen Für Integration Im Einsatz seit Swissquote Chatbot: • Beantwortung von Standardanfragen • Auskunft zum Wert von Aktien und Titelsuche nach bestimmten Kriterien Kunden Website Oktober 2017 PostFinance Digitaler Assistent: • Beantwortung von Standardfragen Kunden Website November 2017 Credit Suisse Credit Suisse: • Information und Navigation zu Geldautomaten und Geschäftsstellen • Beantwortung von Fragen zu Bankprodukten Kunden Facebook- Messenger November 2017 Amelia: • Beantwortung und Bearbeitung einfacher IT-Supportanfragen Mitarbeiter - Februar 2018 Zak (Bank Cler) Carl: • Beantwortung von Standardfragen zur App und zur Bank Cler Kunden App Februar 2018 UBS (Ask UBS: • Beantwortung von Fragen rund um Finanzthemen) - (Alexa) (3-monatiger Test Ende 2017, in Entwicklung) (Rose: • Beantwortung von Fragen, Themen nicht eingeschränkt) (Website der New York Times) (Test im Sommer 2016) Raiffeisen - - (in Entwicklung)
  • 26. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 28 AI-Projekte Schweizer Finanzinstitute – Robo Advisors „Unter einem Robo-Advisor versteht man ein intelligentes System, das unter Einsatz von Algorithmen und regelmäßig ohne menschliche Beteiligung Anlageempfehlungen für ein optimiertes Portfoliomanagement gibt. Ein solches System kann die entsprechenden Empfehlungen oftmals auch direkt und automatisiert für den Kunden umsetzen.“ Quelle: Gabler Wirtschaftslexikon
  • 27. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 29 AI-Projekte Schweizer Finanzinstitute – Robo Advisors
  • 28. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 30 AI-Projekte Schweizer Finanzinstitute – Robo Advisors Anbieter Mutter- gesellschaft Depotbank Mindestbetrag (Fr.) Gebühren/Jahr Zusätzliche Kosten/ Gebühren Truewealth BLKB Saxo Bank CH 8500 0,5% TER Elvia eInvest Allianz Suisse Saxo Bank CH 5000 0,55% TER Investomat GLKB Glarner KB Glarner KB 5000 0,6% TER/Manuelle Eingriffe Swissquote ePrivate Banking Swissquote Swissquote 10'000 0,5%* Manuelle Eingriffe VZ Finanzportal VZ Holding VZ Depotbank Je nach Anlage 0,55 -1,25% TER/Börsengebühr SaxoSelect Saxo Bank Saxo Bank CH 20'000 0,85% Produktkosten Digifolio BLKB BLKB 5000 0,75% Produktkosten Descartes Finance - UBS / Vontobel 20'000 0,3 - 0,8% Fonds/Depot Simplewealth - Interactive Brokers (USA) 5000 0,5% Fonds Selma Finance - Saxo Bank CH 5000 0,72% TER Whitebox - FinTech Group AG 5000 0,35 – 0,95 % TER Yova - Interactive Brokers 1000 1,5 % - Quelle: basierend auf der Darstellung von cash.ch (03.2018)
  • 29. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 31 Name Beschreibung Status - Ausgabe von relevanten Regulationen bei Fragen zur Compliance Im Einsatz James the Robot Durchführen von Eignungs- und Angemessenheitsprüfungen im Investmentbanking Im Einsatz - Aufdeckung von Geldwäscherei Im Einsatz - Überwachung von Transaktionen zur Aufdeckung von Betrug Unbekannt (Dezember 2017: in Entwicklung) Name Beschreibung Status HIRO Selbstlernende AI-Plattform, die IT- Wissen speichert und Routineaufgaben ausführt (z. B. Erstellen neuer Passwörter Im Einsatz - Überwachung von Transaktionen zur Aufdeckung von Betrug Im Einsatz - Automatisches Ausführen von in E- Mails an Händler enthaltenen Anweisungen zu Blocktrades Im Einsatz - Analysieren von Marktdaten und Herleiten von Strategien für volatile Märkte – werden noch von Menschen kontrolliert Im Einsatz - Aufdecken von irrationalen Verhaltensmustern im Investmentbanking Experiment AI-Projekte Schweizer Finanzinstitute - Sonstiges
  • 30. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 33 Ausblick: Konvergenz der innovativen Technologien https://singularitynet.io/ Singularity-Net: KI, Blockchain • Blockchain-KI soll KIs über das Netzwerk zum Einkauf anbieten (z.B. Bilderkennung) • Programmierer erhalten die Möglichkeit. viele solcher KIs für viele Spezialaufgaben in dem Netzwerk gegen Geld bereitzustellen • Aufgaben, für die eine KI nicht ausgelegt ist, sollen sie so an andere KIs in dem Blockchain-Netzwerk abgeben können – und zwar selbstständig (Management über Smart Contracts) Cortex: KI, Blockchain • Cortex ist ein dezentrales autonomes KI -System. • Möchte das Handling von komplexen Kontrakten auf der Blockchain vereinfachen
  • 31. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 34 ◼ Die Analyse der Sinnhaftigkeit innovativer Technologien wie AI für das eigen Unternehmen setzt voraus: – Sense of Urgency Erkennen und Mitarbeiter mitnehmen – Die Auswahl geeigneter Prozesse für die jeweilige Technologie – Die Anpassung geeigneter Strukturen … und das Knowhow von innovativen Technologien im eigenen Unternehmen vorzuhalten … und den eigenen Handlungsspielraum als Unternehmen zu bewahren ◼ Die innovative Technologie „AI“ besteht aus einer Vielzahl von verschiedenen „Subtechnologien“, die einzeln oder auch kombiniert angewandt werden ◼ Zwei Ziele werden mit AI verfolgt: Intelligente Automatisierung von Prozessen oder Gewinnung neuer Erkenntnisse – Häufig werden Chatbots an der Kundenschnittstellte oder auch intern verwendet, um Kunden oder auch Mitarbeitende zu beraten. Prozesse werden intelligent automatisiert z.B. auch im Bereich Controlling und Compliance – Gewinnung neuer Erkenntnisse zielt darauf ab, im Kundenbereich die Kundeninteraktion zu personalisieren, Betrug zu erkennen und Risiken zu evaluieren. Intern wird der Einsatz von Ressourcen optimiert. Die Vorhersage von Marktentwicklungen und eventuellen Risiken wird optimiert. ◼ AI verändert (noch) nicht angestammte Geschäftsmodelle in der Finanzindustrie, sondern unterstützt Bestehende Fazit
  • 32. Business Engineering Institute St.Gallen AG | Competence Center Ecosystems | 35 Kontakt Bild durch Klicken auf Symbol hinzufügen Business Engineering Institute St. Gallen AG thomas.zerndt@bei-sg.ch CEO BEI Tel.: +41 79 233 58 83 Thomas Zerndt www.bei-sg.ch BEI AG www.ccsourcing.org CC Sourcing www.banking-innovation.org Banking Innovations Business Engineering Institute St. Gallen AG Stefanie.auge-dickhut@bei-sg.ch Head CC Ecosystems Tel.: +41 79 619 1404 Prof. Dr. Stefanie Auge-Dickhut