Künstliche Intelligenz und die Zukunft des Bezahlens

KI und das Ende der manuellen Prozesse

22.10.2018
Von   IDG ExpertenNetzwerk


Ralf Ohlhausen, Diplom-Mathematiker und Master of Telecommunications Business, verfügt über 25 Jahre Berufserfahrung in den Bereichen E-Commerce, Financial Services, mobile Telekommunikation und IT. Zuletzt war er als President Europe bei SafetyPay tätig. Weitere Stationen seiner internationalen Karriere waren Führungspositionen bei Digicel, O2, British Telecom und Mannesmann-Kienzle. Aktuell verantwortet er bei PPRO die weltweite Expansionsstrategie des Payment-Lösungsanbieters.
Dieser Artikel wirft einen Blick in die Zukunft und beleuchtet, ob und wie die Bezahlindustrie durch KI gesteuert sein wird und welche Folgen das auch für die Menschen haben wird.

Nach den Angaben des World Payments Reports 2017 von Capgemini und BNP Paribas wird das Online-Bezahlvolumen zwischen 2015 und 2020 global jährlich um fast elf Prozent zunehmen. In den aufstrebenden asiatischen Märkten wird das künftige Wachstum des Bezahlvolumens auf 30,9 Prozent geschätzt.

Wie wird die Zukunft des Bezahlens aussehen?
Wie wird die Zukunft des Bezahlens aussehen?
Foto: Green Apple - shutterstock.com

In Europa werden Banken mit der Verabschiedung der überarbeiteten Zahlungsdienstrichtlinie (PSD2) und mit der Einführung von Open Banking dazu verpflichtet, regulierten Fintechs den Zugriff auf ihre Online-Banking-Systeme zu erlauben. Damit erhalten Fintechs die Möglichkeit, neue Bezahlprodukte für ihre Bankkunden zu entwickeln. Und es wird erwartet, dass dadurch auch das Volumen der elektronischen Bezahlvorgänge innerhalb der EU deutlich in die Höhe gehen wird.

Lesetipp: Fintech in Deutschland: Was andere Länder besser machen

Mit der Zunahme des Bezahlvolumens werden sich Zahlungsdienstleister nicht mehr in dem Maße wie bisher auf manuelle Prozesse verlassen können. Egal, worum es geht, ob um Betrugserkennung oder Leadgenerierung - die Branche wird sich mehr und mehr auf künstliche Intelligenz verlegen müssen.

Der Wettstreit um den Kunden

Neigungsmodellierung ist eine statistische Modellierungstechnik, die vergangenes Verhalten berücksichtigt, um vorherzusagen, wie wahrscheinlich es ist, dass ein Verbraucher – oder ein Verbrauchersegment – eine bestimmte Handlung vollziehen wird. Im Marketing und im Customer-Relationship-Management wird es eingesetzt, um die Effizienz von Produkten und Werbung einzuschätzen und die Reaktionen der Verbraucher auf die Veränderungen im Geschäftsmodell eines Unternehmens vorherzusagen.

Im Zeitalter des Open Bankings steht zu erwarten, dass der Wettbewerb zwischen und unter Banken und Drittanbietern (TPPs) ein erbitterter werden wird, wenn es darum geht, den Verbrauchern neue Dienstleistungen anzubieten. Die Banken, die nun nicht mehr auf eine abgeschottete Beziehung zum Verbraucher bauen können, werden schneller handeln und mehr Gewicht auf das Customer-Relationship-Management legen müssen.
Die Zahlungsdienstleister wiederum werden sich schnell bewegen müssen, um sich zu etablieren. Oder aber sie riskieren, den Kampf um die Marktanteile zu verlieren.

Dieser Wettbewerb wird aller Wahrscheinlichkeit nach über das reine Vermarkten von Bezahldienstleistungen hinausgehen. Die enge Beziehung, die ein Drittanbieter zu seinen Kunden pflegt, und die Daten, die dabei abfallen, machen ihn zu einem äußerst wertvollen Mittler für andere Werber in anderen Bereichen. Das stimmt umso mehr, als dass sich die Werbebranche selbst immer weiter in eine KI-gesteuerte und programmatische Zukunft bewegt. Wenn die Verordnung diese Flexibilität erlaubt, so könnte das für viele Drittanbieter eine profitable Erweiterung des Geschäftsfeldes bedeuten.

Doch um diese Vorteile zu erkennen, muss die Bezahlindustrie in der Lage sein, maßstabsgetreue Neigungsmodellierung zu leisten, und zwar nahezu in Echtzeit. Und das wird nur mit einer umfassenden Nutzung von künstlicher Intelligenz möglich sein.

KI und Kundenbeziehung

Es ergibt wenig Sinn, KI zu nutzen, um auf der Grundlage des künftigen Verbraucherbedarfs die Absatzmöglichkeiten einzuschätzen, wenn die Beziehungen zu einem Kunden es nicht hergeben, diese Möglichkeit gewinnbringend zu nutzen. Und wieder gilt: Drittanbieter können es sich vor dem Hintergrund der in den nächsten Jahren vermutlich rapide steigenden Zahl von Transaktionen und Kunden nicht leisten, den größten Teil ihrer Kundenbetreuung manuell abzuwickeln. Arbeitskräfte dafür zu bezahlen, auf das erwartete Anfragevolumen zu reagieren, wäre schlicht zu kostenintensiv; menschliche Arbeitskräfte dafür einzusetzen, Routinefragen zu beantworten, wäre reine Verschwendung.

Chatbots werden in der Finanzbranche bereits weitreichend eingesetzt, um Routineanfragen zu beantworten. Aktuell ist die Rolle, die Chatbots im Bereich des Customer-Relationship-Managements spielen können, begrenzt. Sie sind lediglich in der Lage, auf ein relativ simples Spektrum von Anfragen zu einer begrenzten Themenauswahl zu antworten: “Wie ist mein Kontostand?”, “Wie viel kostet diese Transaktion?”.

Natural Language Processing (NLP), zu Deutsch Natürliche Sprachverarbeitung, ist eine Spielart der künstlichen Intelligenz, die auf Maschinenlernen basiert. Sie ermöglicht es Computern, die menschliche Rede zu verarbeiten und genau zu verstehen, so wie sie gesprochen wird. Um NLP wird derzeit viel Wirbel gemacht, denn Google, Amazon und andere Technologie-Giganten brauchen eine leistungsstärkere NLP, um ihre digitalen Assistenten zu verbessern.
Die Erfolgsmotivation ist hoch, denn das Unternehmen mit dem digitalen Assistenten, der am besten zu gebrauchen und dem Menschen am ähnlichsten ist, wird vermutlich den Kampf um den Verbraucher gewinnen, wenn sich die Suchfunktionen immer mehr vom Schreiben aufs Sprechen verlagern.

Es wird allerdings auch erwartet, dass NLP die nächste Generation von Kundenservices beeinflussen wird. In dem Maße, in dem die verfügbare Rechenleistung steigt und Bots in der Lage sind, die menschliche Sprache immer umfassender und flexibler zu verstehen, wird sich der Kundenservice der Bezahlindustrie immer stärker auf Bots stützen.