Anwendungen in der Finanzindustrie

Diese Seite beschreibt exemplarisch die wichtigsten Anwendungsfelder Künstlicher Intelligenz für die Finanzindustrie

• Kreditvergabe Hypothekarkredite für Privatpersonen

Bei Hypothekarkrediten müssen Banken gleichzeitig Kundeninteressen, Kreditrisiko und regulatorische Anforderungen berücksichtigen.

Ein Prompt könnte die KI beispielsweise anweisen, einen Kreditantrag systematisch zu analysieren:

Analysiere die finanzielle Situation des Kunden anhand von Einkommen, bestehenden Verpflichtungen, Eigenmitteln, gewünschter Kreditsumme und Laufzeit. Berechne die monatliche Belastung und prüfe die Tragbarkeit unter verschiedenen Zinsszenarien. Weise ausdrücklich auf mögliche Überschuldungsrisiken hin. Wenn wesentliche Informationen fehlen oder ein definierter Schwellenwert überschritten wird, gib keine Kreditempfehlung ab, sondern markiere den Fall für eine manuelle Prüfung.

Nutzen für das Management

1. Einheitlichere Kreditvorprüfung:
Alle Kundenfälle können nach derselben Logik analysiert werden. Dadurch hängt die Qualität der Vorprüfung weniger davon ab, welcher Mitarbeiter den Fall bearbeitet.

2. Früheres Erkennen von Überschuldung:
Der Prompt kann ausdrücklich Stressszenarien verlangen – etwa steigende Zinsen, sinkendes Einkommen oder zusätzliche finanzielle Belastungen. Das ist wesentlich sinnvoller als lediglich zu prüfen, ob der Kunde die aktuelle Rate bezahlen kann.

3. Bessere Kundenberatung:
Die KI kann verschiedene Finanzierungsvarianten verständlich gegenüberstellen: höhere Eigenmittel, längere Laufzeit, geringerer Kreditbetrag oder unterschiedliche Zinsmodelle.

4. Kontrollierbarkeit:
Entscheidend ist, dass der Prompt nicht einfach „Genehmige oder lehne ab“ verlangt. Besser ist eine Entscheidungsvorbereitung mit Begründung, Kennzahlen, Risiken und Eskalationsfällen.

Damit wird Prompt Engineering zu einem Bestandteil des Risikomanagements, nicht nur zu einem Produktivitätstool.

 

• Financial Advisor - Vermögensaufbau für gutverdienende Angestellte

Bei gutverdienenden Angestellten ist die Herausforderung häufig nicht das fehlende Einkommen, sondern die Frage:

"Wie wird aus hohem laufendem Einkommen langfristig Vermögen?"

Ein KI-System kann beispielsweise Einkommen, Sparquote, bestehende Anlagen, Immobilien, Verbindlichkeiten, Anlagehorizont und Risikobereitschaft strukturiert analysieren. Ein guter Prompt würde dabei nicht einfach nach dem „besten Investment“ fragen, sondern beispielsweise verlangen:

• finanzielle Ausgangssituation analysieren,

• Ziele und Zeithorizonte unterscheiden,

• Liquiditätsreserve berücksichtigen,

• Diversifikation prüfen,

• Konzentrationsrisiken identifizieren,

• steuerliche und regulatorische Rahmenbedingungen berücksichtigen,

• verschiedene Szenarien vergleichen.

Wirtschaftlicher Nutzen

Der große Vorteil liegt in der Skalierbarkeit individueller Beratung. Ein Berater kann beispielsweise mit Unterstützung der KI schneller erkennen:

„Der Kunde verdient sehr gut, besitzt aber bereits einen hohen Anteil seines Vermögens in einer einzigen Immobilie und hat gleichzeitig nur geringe liquide Reserven.“

Das ist eine wesentlich wertvollere Erkenntnis als eine allgemeine Empfehlung wie „mehr Aktien kaufen“. Prompt Engineering sorgt hier dafür, dass die KI systematisch nach finanziellen Schwachstellen sucht, anstatt nur attraktive Anlageprodukte vorzuschlagen.

 

• Wertpapierhandel

Im Wertpapierhandel kann Prompt Engineering insbesondere bei der Analyse großer Informationsmengen einen erheblichen Nutzen haben. Beispielsweise können Nachrichten, Unternehmensberichte, Analysteninformationen und Marktinformationen zusammengefasst und nach bestimmten Kriterien bewertet werden.

Ein sinnvoller Prompt könnte verlangen:

Fasse die neuen Informationen zum Unternehmen zusammen. Trenne Fakten, Managementaussagen und eigene Interpretation. Identifiziere Informationen, die den Unternehmenswert beeinflussen könnten. Vergleiche sie mit den bisherigen Erwartungen und nenne Unsicherheiten sowie Gegenargumente.

Nutzen

Schnellere Informationsverarbeitung:
Trader und Analysten müssen nicht mehr jede Information vollständig manuell durchsuchen.

Bessere Strukturierung:
Die KI kann beispielsweise positive und negative Faktoren gegenüberstellen.

Weniger Informationsüberlastung:
Bei tausenden Nachrichten pro Tag kann die KI relevante Informationen priorisieren.

Unterstützung von Szenarioanalysen:
Zum Beispiel:

• Was passiert bei steigenden Zinsen?

• Was passiert bei einem Gewinnrückgang?

• Welche Unternehmen sind besonders abhängig von einem bestimmten Markt?

Wichtig ist allerdings: Ein Prompt sollte nicht als Ersatz für Handelskontrollen dienen. Gerade im Wertpapierhandel müssen Berechtigungen, Compliance, Marktmissbrauchsregeln, Positionslimits und menschliche Kontrolle technisch abgesichert sein.

 

• Erkennung von Geldwäsche und Betrugsversuchen

Hier kann Prompt Engineering besonders interessant sein, weil die KI nicht nur einzelne Transaktionen betrachten muss, sondern Zusammenhänge in Kundenbeziehungen.

Ein Prompt könnte beispielsweise verlangen:

Analysiere die Kundenaktivitäten auf ungewöhnliche Muster. Berücksichtige Transaktionshäufigkeit, Beträge, beteiligte Länder, Gegenparteien, zeitliche Zusammenhänge und Veränderungen gegenüber dem bisherigen Kundenverhalten. Trenne beobachtete Fakten von möglichen Erklärungen. Weise auf Muster hin, die eine weitere Compliance-Prüfung rechtfertigen.

Nutzen

Die KI kann Compliance-Mitarbeiter unterstützen, indem sie aus vielen Einzelinformationen ein verständliches Gesamtbild erstellt.
Beispielsweise könnte sie feststellen:

• ungewöhnliche Änderung des Transaktionsverhaltens,

• zahlreiche Transaktionen kurz nach Kontoeröffnung,

• unerwartete Länderbeziehungen,

• ungewöhnliche Gegenparteien,

• Transaktionen ohne erkennbaren wirtschaftlichen Zusammenhang.

Der wichtige Punkt ist:

Die KI soll einen Verdacht erklären und priorisieren, nicht selbstständig eine Person als Geldwäscher oder Betrüger klassifizieren.

Das reduziert das Risiko falscher Anschuldigungen und ermöglicht eine nachvollziehbare menschliche Prüfung.

 

• Früherkennung von Kreditrisiken

 

Hier kann Prompt Engineering besonders gut mit bestehenden Datenanalysesystemen kombiniert werden.
Ein Unternehmen kann beispielsweise laufend überwacht werden:

• Zahlungsverhalten,

• Umsatzentwicklung,

• Verschuldung,

• Kontobewegungen,

• Branchenentwicklung,

• Ratingveränderungen,

• Nachrichten über den Kunden,

• Veränderungen von Sicherheiten.

Die KI kann daraus eine Frühwarnanalyse erstellen.

Ein geeigneter Prompt könnte lauten:

Vergleiche die aktuelle Situation des Kreditnehmers mit den historischen Daten und den definierten Risikoschwellenwerten. Identifiziere Veränderungen, die auf eine Verschlechterung der Kreditqualität hindeuten könnten. Ordne die Warnsignale nach Bedeutung und erläutere, welche zusätzlichen Informationen zur Beurteilung benötigt werden.

Managementnutzen

Das verschiebt das Kreditmanagement von

„Problem erkennen, wenn die Zahlung ausbleibt“

zu

„Risikosignale erkennen, bevor die Zahlung ausbleibt.“

Das kann wirtschaftlich erheblich sein.

Ein Unternehmen mit beginnenden Liquiditätsproblemen kann beispielsweise früher angesprochen werden. Dadurch entstehen Handlungsmöglichkeiten:

• Finanzierung anpassen,

• Sicherheiten überprüfen,

• Tilgungsstruktur verändern,

• zusätzlichen Informationsbedarf feststellen,

• Kreditlimit überprüfen.

 

• Wertmonitoring von Immobilienportfolios

Bei Immobilienportfolios kann KI verschiedene Informationen zusammenführen:

• Mieterstruktur,

• Mietverträge,

• Leerstände,

• Mieteinnahmen,

• Betriebskosten,

• Instandhaltungsbedarf,

• Lageentwicklung,

• Finanzierungskosten,

• Marktpreise.

Prompt Engineering hilft dabei, aus diesen Daten Managementfragen zu machen.

Beispielsweise:

Analysiere das Immobilienportfolio hinsichtlich Rendite, Leerstandsrisiko, Mietsteigerungspotenzial, Instandhaltungsbedarf und Konzentrationsrisiken. Identifiziere Objekte mit überdurchschnittlichem Wertsteigerungspotenzial und Objekte, bei denen eine Desinvestition wirtschaftlich sinnvoll sein könnte. Begründe jede Empfehlung mit den zugrunde liegenden Kennzahlen.

Möglicher Nutzen

Die KI kann beispielsweise zeigen:

Objekt A:
Hoher Leerstand → Sanierung könnte sinnvoll sein.

Objekt B:
Sehr gute Lage + niedrige Bestandsmieten → Mietsteigerungspotenzial.

Objekt C:
Hohe Instandhaltungskosten + schwache Standortentwicklung → Verkauf prüfen.

Dadurch wird Prompt Engineering zu einem Werkzeug für Portfoliooptimierung und Kapitalallokation.

 

• Erkennen operativer Schwachstellen

Dieser Anwendungsfall wird häufig unterschätzt. Banken und Finanzunternehmen haben sehr viele Prozesse:

• Kontoeröffnung,

• Kreditvergabe,

• Zahlungsverkehr,

• Wertpapierabwicklung,

• Compliance,

• Kundenservice,

• interne Genehmigungen.

In jedem dieser Prozesse können Fehlerquellen entstehen.

Eine KI kann beispielsweise Prozessdaten und Mitarbeiterberichte analysieren und fragen:

Identifiziere wiederkehrende Prozessfehler, ungewöhnlich lange Bearbeitungszeiten, manuelle Arbeitsschritte, häufige Eskalationen und Abweichungen von definierten Prozessstandards. Priorisiere die Schwachstellen nach möglichem finanziellen Schaden, regulatorischem Risiko und Verbesserungspotenzial.

Beispiel

Die KI stellt fest:

„Bei 18 % der Kreditanträge wird dieselbe Information nachträglich manuell ergänzt.“

Das könnte auf einen schlechten digitalen Prozess hinweisen.

Oder:

„Bestimmte Kundenbeschwerden treten überproportional häufig nach einem bestimmten Prozessschritt auf.“

Damit kann das Management gezielt untersuchen, wo operative Kosten und Risiken entstehen.