Zu viele Banken und Versicherungen gehen davon aus, dass ihre KI ein vollständiges Bild vom Kunden hat. Das ist jedoch nicht der Fall. Sie verfügt lediglich über das Bild, das ihr die zugrunde liegenden Systeme liefern konnten.
„Customer 360“ ist eine vollständige, genaue und aktuelle Sicht auf einen Kunden über alle für die Kundenbeziehung relevanten Produkte, Konten, Policen, Kanäle und Kontaktpunkte hinweg. Im Bank-, Finanz- und Versicherungswesen (BFSI) muss diese Sichtweise zudem Rollen, Beziehungen, Hierarchien, die Herkunft der Daten sowie die Kontrollen berücksichtigen, die regeln, wie Daten verwendet werden dürfen. Ohne diesen Kontext arbeitet die KI mit einem Kunden, der nicht vollständig existiert.
Die Etablierung einer vertrauenswürdigen Kundenidentität ist der Ausgangspunkt, nicht das Ziel. KI benötigt zudem den geregelten Kontext rund um diese Identität: Haushalts- und Unternehmenshierarchien, Rollen und Beziehungen, Produkte und Konten sowie Nachweise darüber, woher jede Tatsache stammt und warum sie als vertrauenswürdig gilt.
Im Folgenden werden vier Gründe dargelegt, warum dies darüber entscheidet, wie weit KI gehen kann und wo sie in der Regel scheitert.
1. Kein einzelnes System hat den Kunden im Blick
Eine einzelne Person kann gleichzeitig Privatkunde, Hypothekarkreditnehmer, Vermögenskunde, Versicherungsnehmer und wirtschaftlicher Eigentümer sein.
Jede dieser Beziehungen wird in der Regel in einem eigenen System verwaltet, das zu einem anderen Zeitpunkt und für einen anderen Zweck aufgebaut wurde.
Die Hypothekenplattform wurde nie dafür konzipiert, Informationen über das Vermögenskonto zu erhalten. Und das System zur Policenverwaltung wurde nie dafür entwickelt, zu erkennen, dass sein Versicherungsnehmer an anderer Stelle im Unternehmen auch wirtschaftlicher Eigentümer ist.
Technisch gesehen sind diese Systeme nicht fehlerhaft; sie spiegeln alle genau den Teil des Kunden wider, für dessen Verwaltung sie entwickelt wurden.
Das Problem entsteht, wenn eine Person oder eine KI den Kunden im Kontext verstehen muss – nicht nur die Produkte, die er besitzt, sondern auch die Rollen und Beziehungen, die ihn unternehmensweit verbinden:
- Ein Kundenbetreuer, der die gesamte Kundenbeziehung und das Risiko des Kunden über verschiedene Produkte und juristische Personen hinweg bewertet
- Ein Versicherer, der ermittelt, ob ein Versicherungsnehmer, ein Anspruchsteller, ein Begünstigter, ein Mitglied oder ein Haushaltskontakt dieselbe Person ist
- Ein KI-System, das anhand des relevanten und zulässigen Kunden-, Haushalts- oder Unternehmenskontexts die nächste Maßnahme auswählt
Kein einzelnes Team und kein einzelnes System verfügte jemals über dieses vollständige Bild als Arbeitsgrundlage.
2. Wenn KI auf der Grundlage einer Teilperspektive arbeitet, kann niemand erklären, was sie getan hat
Anstatt sich ein eigenes Bild vom Kunden zu machen, lernt ein KI-Modell aus der Sichtweise, die ihm vorgelegt wird.
Ist diese Sichtweise fragmentiert, spiegelt das Ergebnis des Modells diese Fragmentierung wider – und zwar schnell und in großem Umfang.
Wenn Sie als Versicherer KI einsetzen, um Kundenbindung oder Schadenabwicklung zu priorisieren, kann dieselbe Person als Versicherungsnehmer, Versicherter, Anspruchsteller, Begünstigter, Mitglied oder Haushaltskontakt erscheinen. Diese rollenbasierten Identitäten können in unterschiedlichen Systemen gespeichert sein, ohne dass eine geregelte Verknüpfung zwischen ihnen besteht.
Das Modell empfiehlt die nächstbeste Maßnahme auf der Grundlage einer unvollständigen Beziehung. Das Ergebnis ist schwer zu erklären, noch schwerer zu verteidigen und für den jeweiligen Kunden manchmal falsch.
In einem regulierten Umfeld ist dies der Teil, der auf den Prüfstand gestellt wird. Vollständige Daten allein reichen nicht aus. Sie müssen außerdem Folgendes erklären:
- Welche Identitäts-, Beziehungs- und Quelldaten die Entscheidung beeinflusst haben
- Warum diesen Daten vertraut wurde
- Ob die Informationen aktuell und für diesen Zweck zulässig waren
- Wie ein Datenverantwortlicher, ein Prüfer oder eine Aufsichtsbehörde die Entscheidung und etwaige menschliche Eingriffe überprüfen kann
CRM verwaltet Interaktionen. Data Lakes und Lakehouses speichern, verarbeiten und analysieren Daten in großem Umfang. Kernbank-, Versicherungs- und Schadenbearbeitungsplattformen führen operative Prozesse aus.
Das Stammdatenmanagement (MDM) ergänzt – es ersetzt nicht – diese Systeme, indem es kontrollierte Identitäten, Beziehungen, Hierarchien und Geschäftsdefinitionen festlegt, die sie gemeinsam nutzen und wiederverwenden können. Das macht „Customer 360“ konsistent, nachvollziehbar und entscheidungsrelevant für Menschen, Analysen und KI.
3. Die Kundensicht bricht bei jeder geschäftlichen Veränderung erneut zusammen
Neue Kunden, Produkte und Systemänderungen fügen ständig neue Fragmente hinzu. Selbst ein Unternehmen, das dieses Problem heute löst, steht ihm morgen aufgrund von Faktoren wie den folgenden erneut gegenüber:
- Fusionen und Übernahmen bringen Systeme mit, die von verschiedenen Teams nach unterschiedlichen Standards entwickelt wurden
- Neue Kanäle und Produkte erzeugen Profile, die in der bestehenden Sichtweise nie berücksichtigt wurden
- Systemmigrationen verlagern Daten in neue Strukturen und untergraben die Logik, auf der alte Abgleichregeln beruhten
- Neue KI-Anwendungsfälle kombinieren Kundendaten auf eine Weise, die niemand vorgesehen hat
Diese Veränderungen sind im BFSI-Sektor an der Tagesordnung, und jede einzelne kann erneut zu einer Fragmentierung führen, sofern Identität, Beziehungen und Governance nicht kontinuierlich aufrechterhalten werden. Deshalb benötigen Sie für eine vollständige Kundensicht einen kontinuierlichen, geregelten Ansatz, um auch bei geschäftlichen Veränderungen die Genauigkeit zu gewährleisten. Wenn Sie dies als Projekt mit einer Ziellinie betrachten, ist Ihre gesamte Arbeit in dem Moment zunichte, in dem sich das Geschäft erneut verändert.
4. Der Druck steigt, da KI-Entscheidungen nicht mehr Tage, sondern nur noch Sekunden dauern
Entscheidungen, die früher Tage dauerten, erfolgen nun in Sekundenschnelle. Kreditentscheidungen, Betrugswarnungen, die Einstufung von Schadensfällen, die Weiterleitung von Risikoprüfungen und die Ermittlung der nächstbesten Maßnahmen laufen zunehmend über automatisierte Prozesse ab, sodass weniger Zeit bleibt, um fehlende oder irreführende Zusammenhänge manuell zu erkennen.
Diese Geschwindigkeit verändert den Zweck einer vollständigen Kundensicht.
Früher verlangsamte ein Datenproblem die Entscheidungsfindung. Meistens wurde es von jemandem bemerkt, bevor es weiterverarbeitet wurde.
Heute durchläuft ein Datenproblem denselben automatisierten Prozess wie alles andere und liefert ein Ergebnis, bevor es von jemandem überprüft wird.
Die Geschwindigkeit nimmt das Sicherheitsnetz weg, das langsamere, manuelle Prozesse früher geboten haben.
Eine vollständige, vertrauenswürdige Kundensicht war früher etwas, auf das Unternehmen im Laufe der Zeit hingearbeitet haben. Heute ist sie eine Voraussetzung für sichere KI im BFSI-Sektor.
Wenn die Identitätsauflösung fehlt, taucht der „Frankenstein-Kunde“ auf
In unserem E-Book „Meet Your Frankenstein Customer“ – eine empfehlenswerte Lektüre für alle, die im Bereich des Kundendatenmanagements im BFSI-Sektor tätig sind – werden Sie dieses Muster erkennen: einen Kundendatensatz, der aus Fragmenten, Duplikaten und widersprüchlichen Datenpunkten zusammengesetzt ist.
Die Daten wirken plausibel genug, um eine Schnellprüfung zu bestehen, aber sie versagen in dem Moment, in dem sie für eine wichtige Entscheidung herangezogen werden.
Ohne einen geregelten Prozess zur Identitätsfeststellung und zur Verknüpfung des relevanten Kontexts besteht die Gefahr, dass KI auf der Grundlage desselben zusammengesetzten Kundendatensatzes handelt – unabhängig davon, ob dies sofort bemerkt wird oder erst, nachdem eine Entscheidung getroffen wurde.
Wie STEP dieses Problem angeht
Die vertrauenswürdige Intelligence-Plattform „STEP“ von Stibo Systems bietet Unternehmen aus dem BFSI-Sektor eine unabhängige, geregelte Stammdatenbasis, die nahtlos mit CRM-, Kernbank-, Versicherungs-, Schaden-, Cloud-Daten- und KI-Plattformen zusammenarbeitet. Sie etabliert vertrauenswürdige Identitäten und verknüpft den geschäftlichen Kontext, den die KI benötigt, ohne die Systeme zu ersetzen, über die Transaktionen abgewickelt werden:
- Vertrauenswürdige Identität: Abgleicht, konsolidiert und verwaltet Kunden- und Geschäftspartnerdatensätze unter Beibehaltung von Quelle, Herkunftsnachweis und persistenten Identifikatoren
- Beziehungen und Hierarchien: Verknüpft Haushalte, juristische Personen, wirtschaftliche Eigentümer, Makler und Vermittler, Rollen sowie Organisationsstrukturen
- Semantischer Geschäftskontext: Wendet gemeinsame Definitionen, Klassifikationen und Governance an, damit Menschen und KI verstehen, was die Entitäten und Beziehungen bedeuten
- Unternehmensweite Anbindung und Kontrolle: Stellt geregelte Identitäten und Kontexte für CRM-Systeme, Kernplattformen, Cloud-Daten, Analysen und KI bereit – mit Rückverfolgbarkeit, automatisierten Kontrollen und menschlicher Aufsicht bei Ausnahmen
Zusammen verwandeln diese Funktionen fragmentierte Datensätze in vertrauenswürdige, kontextreiche Informationen, die Menschen und KI mit größerer Sicherheit nutzen können – und die BFSI-Unternehmen erklären, steuern und verteidigen können. Um zu erfahren, wie wir bei Stibo Systems Finanzdienstleistungs- und Versicherungsunternehmen unterstützen, besuchen Sie die Branchenseiten auf unserer Website.
FAQ
Was ist ein vertrauenswürdiges Customer 360?
Ein vertrauenswürdiges Customer 360 ist eine verwaltete, aktuelle Sicht auf eine Person oder Organisation, die Identität mit relevanten Produkten, Konten, Richtlinien, Rollen, Haushalten, juristischen Personen und Beziehungen über Systeme hinweg verbindet. Es bewahrt auch die Herkunft, damit die Benutzer wissen, woher die Informationen stammen und warum sie vertrauenswürdig sind.
Bedeutet Customer 360, mehr Daten zu sammeln?
Nein. Das Ziel ist nicht die wahllose Datensammlung. Es geht darum, Daten, die bereits für einen bestimmten Zweck gehalten werden, zu verbinden und zu verwalten, unter Berücksichtigung angemessener Datenschutz-, Zweck- und Zugriffssteuerungen.
Welche Rolle spielt die Identitätsauflösung bei Customer 360?
Die Identitätsauflösung vergleicht und gleicht Datensätze ab, die sich auf dieselbe Person oder Organisation beziehen könnten, und stellt eine vertrauenswürdige Identität her. Es ist grundlegend, aber es ist nicht das gesamte Customer 360, das auch Beziehungen, Hierarchien, geschäftliche Bedeutung und Governance umfasst.
Wie unterscheidet sich MDM von CRM oder einem Data Lakehouse?
CRM verwaltet Kundeninteraktionen, während Data Lakes und Lakehouses Speicherung, Verarbeitung, Analytik und KI unterstützen. MDM etabliert gemeinsame, verwaltete Identitäten, Beziehungen, Hierarchien und Geschäftsdefinitionen, die diese Systeme konsistent nutzen können.
Gilt das sowohl für Geschäftskunden als auch für Privatkunden?
Ja, Geschäftskunden benötigen oft eine komplexere Beziehungsintelligenz. Ein Unternehmenskunde kann eine Muttergesellschaft oder eine endgültige Muttergesellschaft, Tochtergesellschaften, wirtschaftlich Berechtigte, Makler oder Vermittler, Rollen, Standorte und mehrere Kontakte umfassen. MDM hält juristische Personen getrennt, während sie durch geregelte Hierarchien und Beziehungen verbunden werden.
Was passiert, wenn das Matching falsch läuft?
Ein falsches Match kann zwei verschiedene Parteien zusammenführen, während ein verpasstes Match dieselbe Partei über verschiedene Systeme hinweg fragmentiert lassen kann. Beide können KYC-, Risiko-, Schadens-, Service- und Personalisierungsentscheidungen verzerren. Übereinstimmungs- und Beziehungsentscheidungen sollten geregelt, nachvollziehbar und erklärbar sein, mit Automatisierung für klare Fälle und menschlicher Überprüfung oder Behebung für Ausnahmen.
Wer in einer BFSI-Organisation ist typischerweise für dieses Problem verantwortlich?
Customer 360 ist eine gemeinsame Geschäfts- und Datenverantwortung. Die Geschäftsbereichsinhaber definieren die Ergebnisse und Regeln, die Daten-Governance- und Stewardship-Teams sorgen für Qualität und Verantwortlichkeit, die Technologieteams integrieren die Systeme, und die Funktionen für Datenschutz, Risiko und Compliance etablieren angemessene Kontrollen. AI-Teams nutzen diese vertrauenswürdige Grundlage; sie sollten sie nicht allein besitzen.
