Generative KI im Banking: Chancen ergreifen, Risiken meistern

GenAI revolutioniert die Arbeitsweise von Analysten im Investmentbanking. Es beschleunigt Recherchen, verbessert Pitchbooks und macht Due-Diligence-Prüfungen effizienter. Laut der LexisNexis-Studie "GenAI in Financial Services: The Rise of the Creative Professional" nutzen bereits 81 % der Finanzexperten genAI-basierte Tools im täglichen Geschäft.

Doch je schneller generative KI in der Finanzwelt Einzug hält, desto wichtiger wird das Risikomanagement. Im Investmentbanking stehen Präzision, Verantwortlichkeit und Vertrauen im Mittelpunkt – das gilt auch für die Integration neuer Technologien in bestehende Arbeitsabläufe.

Aufgrund der strengen behördlichen und internen Vorgaben unterscheidet sich das Investmentbanking deutlich von anderen Branchen. Analysten sind oft die Ersten, die generative KI in ihrem täglichen Geschäft einsetzen. Damit dieses Tool zuverlässig und regelkonform in alle Bankprozesse integriert werden kann, kommt diesen eine zentrale Rolle zu. Die Herausforderung liegt darin, generative KI effizient zu nutzen und gleichzeitig Compliance, Rückverfolgbarkeit, Richtigkeit und Genauigkeit zu gewährleisten.

Risiken, die Analysten erkennen und bewältigen müssen

Der oben genannte Bericht hebt drei wichtige Bedenken hervor, die Finanzexperten beim Einsatz von GenAI-Tools haben:

• 52 %: Datenschutz- und Sicherheitsrisiken
• 43 %: Befürchtung einer zu großen Abhängigkeit von Technologie
• 34 %: Sorgen bezüglich Ungenauigkeit und Fehlinformationen

Diese Bedenken sind besonders plausibel, wenn generative AI dazu verwendet wird, Kundendokumente bereitzustellen, Finanzberichte zusammenzufassen oder Wettbewerbsinformationen zu erstellen.

So können Analysten Risiken minimieren:

• Verwenden Sie KI-Tools für das Finanzwesen (z. B. Nexis+ AI), die sicheren Datenzugriff, transparente Zuordnung und eine unternehmensweite Prüfbarkeit umfassen.
• Verifizieren Sie immer die Ergebnisse und zwar anhand von zuverlässigen Quellen wie Nexis, Nexis Diligence+ und ihren firmeneigenen Daten.
• Erkennen Sie frühzeitig Lücken oder Widersprüche und eskalieren Sie unklare Ergebnisse. Verlassen Sie sich nicht darauf, dass generative KI etwas ergänzt, was Sie manuell nicht präsentieren würden.
• Dokumentieren Sie Prompts und stellen Sie damit sicher, dass Sie die Ergebnisse reproduzieren und verteidigen können, wenn diese von Prüfern, Compliance-Teams oder Kunden angefochten werden.

Warum Rückverfolgbarkeit wichtig ist

Im Investmentbanking zählt nicht nur das Ergebnis, sondern auch dessen Ursprung – also die zugrunde liegenden Überlegungen und Recherchen. Analysten müssen nachvollziehbar darlegen, wie sie zu ihren Schlussfolgerungen und Antworten kommen. Der Prozess, der zu einer Erkenntnis führt, hat denselben Stellenwert wie die Erkenntnis selbst – sei es in Kundenpräsentationen oder in internen Besprechungen. Deshalb ist Rückverfolgbarkeit in dieser Branche unerlässlich.

Der Bericht weist darauf hin, dass 70 % der Experten im Finanzdienstleistungsbereich Transparenz und Rückverfolgbarkeit als entscheidend für das Vertrauen in generative KI ansehen.

In der Praxis sollte Rückverfolgbarkeit folgende Aspekte umfassen:

• Überprüfbarkeit der Quellen: Analysten müssen auf die Originaldokumente, Akten oder Datensätze, die den Ergebnissen generativer KI zugrunde liegen, direkt verweisen können.
• Transparenz von Prompts: Teams sollten die wichtigsten Prompts zur Erstellung von Kundenmaterial dokumentieren, um Wiederholbarkeit und Überprüfbarkeit zu gewährleisten.
• Verlässliche Nachweise: Ganz gleich, ob Kunden die Herkunft von Daten wissen wollen oder ein leitender Bankmanager Annahmen in Frage stellt: Analysten müssen in der Lage sein, das KI-Verfahren Schritt für Schritt reproduzierend nachzuweisen.

Tools wie Nexis+ AI bieten in Bezug auf  Rückverfolgbarkeit Funktionen wie vollständige Rückverfolgbarkeit, Nennung von Zitatquellen und Verlaufsprotokollierung von Prompts. So können Analysten die GenKI-Ergebnisse verlässlich verteidigen, verifizieren und ausfeilen.

 MEHR DAZU: Intelligenter recherchieren, mehr erreichen: Wie führende Finanzdienstleister Risiko und Due Diligence neu definieren

Analysten ebnen den Weg für den verantwortungsvollen Einsatz generativer KI

Der Bericht zeigt, dass alle Befragten im Finanzsektor ethische Sorgen hinsichtlich GenAI haben – insbesondere in Bezug auf Präzision, Transparenz und Verantwortlichkeit. Dennoch bieten lediglich 14 % der Unternehmen weiterführende KI-Schulungen an. Analysten, die eine Vorreiterrolle bei der verantwortungsvollen Nutzung von KI einnehmen, können sich schnell als vertrauenswürdige Experten etablieren.So sieht die verantwortungsvolle Nutzung in der Praxis aus:

• Beurteilen Sie Ihre KI-Ergebnisse genauso streng wie die Leistung eines Junior-Analysten.
• Sie müssen gut unterscheiden, wann GenAI eingesetzt werden sollte (z. B. bei Zusammenfassungen oder der Inhaltserstellung) und wann nicht (z. B. bei definitiven Modellierungsannahmen).
• Sprechen Sie eventuelle Risiken an und sorgen Sie so dafür, dass geteilte Verantwortung entsteht.

So werden Sie zum Experten für ethisch einwandfreie Prompts:

• Formulieren Sie Prompts neutral, um Ergebnisverzerrung zu vermeiden. (Es ist z. B. besser, nach Risikozusammenfassungen anstatt nach Schlussfolgerungen zu fragen.)
• Formulieren Sie Prompts so, dass diese überprüfbare Fakten liefern anstatt Spekulationen.
• Lenken Sie GenAI wenn möglich zu vertrauenswürdigen, überprüfbaren Quellen (z. B. Nexis und offizielle Dokumente).
• Fragen Sie ausgewogene Perspektiven ab, insbesondere bei komplexen oder strategischen Analysen.
• Kennzeichnen Sie mit generativer KI generierte Entwürfe intern mit dem deutlichen Hinweis, dass eine manuelle Validierung noch aussteht.
• Sprechen Sie eventuelle Risiken an, damit eine Kultur der Verantwortlichkeit und nicht der blinden Automatisierung entsteht.

Durch den gezielten, verantwortungsvollen Einsatz von generativer KI können Analysten Prozesse optimieren, zusätzlichen Mehrwert schaffen und zugleich das Vertrauen im Team und bei Kunden stärken.

MEHR DAZU: Datenanalyse 2.0: Wie LLMs und generative KI unseren Zugang zu Informationen neu definieren

Wer Innovation und Risiko gut abwägt, hat als Analyst die Nase vorn

Unternehmen suchen nach Experten, die nicht nur wissen, wie man generative KI einsetzt, sondern auch, wie man sie richtig einsetzt. Analysten, die Risiken erkennen, Ergebnisse validieren und bewährte Verfahren in ihre Arbeitsabläufe integriert haben, haben einen Vorsprung, wenn es darum geht, Hochleistung in einer technologiegestützten Zukunft zu erbringen.