Natural Language Generation im Finanzsektor

Bereits vor der Corona-Pandemie war der Druck auf die Finanzinstitute enorm: sinkende Renditen, steigende regulatorische Anforderungen und wachsende Ansprüche multioptionaler Kunden. Die Notwendigkeit eines verschärften Transformationstempos ist im letzten Jahr noch einmal deutlich angestiegen. Optionen sind gegeben, der Finanzsektor gehört nach wie vor zu den Branchen mit dem höchsten Digitalisierungspotenzial. Das Sammeln, Sortieren und Verarbeiten von Daten ist Teil des Kerngeschäfts. Um den hohen Anteil an manuellen Prozessen zunehmend zu digitalisieren, bedarf es der kombinierten Nutzung regelgebundener Automatisierungstools. Hyperautomation ist das Gebot der Stunde. Sie schafft die Basis für effizientere Prozesse: menschliches Handeln wird unterstützt oder entfällt, wodurch Ressourcen freigesetzt werden, die für andere Aufgaben zur Verfügung stehen. Hinzu kommt, dass automatisierte Lösungen weniger fehleranfällig sind und sich schneller abrufen lassen.

von Mario Smeets, DCP Deutsche Consulting Partner und Heinz-Georg Tebrake, DCP Deutsche Consulting Partner

Neben der robotergestützten Prozessautomatisierung (RPA), bei der Software-Roboter die Bearbeitung regelbasierter Geschäftsprozesse übernehmen, rücken auch immer mehr die Potenziale KI-basierter Sprachtechnologien in den Focus der Finanzbranche.

Als Natural Language Generation (NLG) bezeichnet man die automatische Produktion von Texten durch die Umwandlung von Daten. Derart von der Maschine generierte Narrative reichen von Finanznachrichten, über Unternehmensreportings bis hin zu Sport-News. In vielen Einsatzfeldern ist NLG bereits etabliert und führt auf Grund von Kostenersparnis und massiven Geschwindigkeitsvorteilen bei höherer Qualität kein Weg mehr am zunehmend flächendeckenden Einsatz der Technologie vorbei. Zumal sich die Szenarien rapide weiterentwickeln. Mittlerweile werden auch komplexe Sachverhalte mit mehrdimensionalen Zusammenhängen in wenigen Millisekunden zu Text. Daher durchdringt NLG nun auch zunehmend die IT und Prozesse im Finanzsektor.

Automatisierter Umgang mit Sprache

In der automatisierten Sprachverarbeitung werden mehrere Teilbereiche unterschieden. Natural Language Understanding (NLU) konzentriert sich darauf, einer Maschine das Verständnis eines Textes oder von gesprochenem Wort also der menschlichen Sprache zu ermöglichen, so wie bei der Analyse eines Finanzberichts z. B. in Hinblick auf Aussagen über erwähnte Unternehmen.

NLG bezeichnet die Produktion von Text durch einen Algorithmus. Voraussetzung dafür sind Daten, wie sie etwa in Form von Börseninformationen oder Unternehmenskennzahlen vorliegen. Automatische Textgenerierung macht daraus dann in Echtzeit und beliebiger Anzahl Inhalte.

Für Finanzinstitute umfasst der automatisierte Umgang mit menschlicher Sprache zwei grundsätzliche Aspekte: das Analysieren („Verstehen“) von Texten sowie die Extraktion von Daten einerseits, das Erzeugen von hochwertigen Texten und Berichten („Produzieren“) auf der Grundlage von Daten andererseits.

NLG nutzt Datensätze, die in den Unternehmen in großer Menge in digitaler Form vorliegen, als Ausgangsmaterial. Diese werden durch die Software analysiert, um relevante Aussagen und Informationen zu ermitteln. Darauf basierend werden dann grammatisch korrekte Texte erstellt.”

Die KI ist dabei darauf ausgerichtet, die Variabilität natürlicher Sprache zu imitieren, um so perfekte Texte zu produzieren, die in dieser Form auch von Menschen verfasst sein könnten.

Der NLG-Prozess besteht typischerweise aus fünf Schritten:

1. Datenaggregation aus unterschiedlichen Quellen (meist aus sogenannten Data Lakes)
2. Maschinelle Aufbereitung der Daten
3. Berechnung von relevanten Aussagen
4. Text- und Satzplanung, einschließlich Extraktion linguistischer Informationen, Textstrukturierung und grammatikalischer Korrektheit
5. Textgenerierung

Konkrete Potenziale für Finanzinstitute

Für Banken und Sparkassen hält NLG zahlreiche Potenziale bereit. Die automatisierte Textgenerierung kann in verschiedenen Anwendungsfällen in nahezu allen Unternehmenteilen zur Unterstützung von CIOs, Analysten, Service-Mitarbeitern, Compliance-Beauftragten, Portfoliomanagern oder Marketing-/PR-Fachleuten eingesetzt werden (vgl. zu den Beispielen im Folgenden insbesondere das Whitepaper der Retresco GmbH: https://www.retresco.de/white-paper-nlg-finance/):

1. Finanz- und Tätigkeitsberichte

Häufig stellt sich insbesondere die Arbeit mit textuellen Inhalten als zeitaufwändig, komplex und kostenintensiv dar. Die Erstellung regelmäßiger Finanz- und Tätigkeitsberichte (Fondmanagement/ Asset Performance Reporting) kann durch NLG von Stunden oder Tagen auf Sekunden reduziert werden. Gleiches gilt für das Analysieren von Kundenrisikoprofilen und das Erstellen von Risiko- und Underwriting-Berichten.

2. Regulatorisches Meldewesen

In den letzten Jahren haben die regulatorischen Anforderungen an Banken stetig zugenommen. Die Flut neuer Vorschriften stellt eine große Belastung dar und der Aufwand und die Kosten eines funktionierenden Berichtswesens sind enorm.  Um hier die Effizienz im Erstellungsprozess von Berichten zu steigern, können diese Dokumenttypen mit Hilfe von NLG automatisiert werden. Die Software generiert aus Rohdaten Compliance-konforme Berichtstexte.

Das Melden von Verdachtsmomenten gehört zu den Kernanforderungen des Geldwäschegesetzes. Das Gebot der unverzüglichen Fallbearbeitung und ein hohes Meldeaufkommen binden massive Ressourcen.  NLG-Lösungen ermöglichen es, richtlinienkonforme Meldungen auf Knopfdruck zu erstellen. Natürlich bleibt die letztendliche Entscheidung über die Abgabe einer Meldung im Rahmen eines risikobasierten Vorgehens weiterhin bei den Spezialisten.

3. Internes Berichtswesen

Die Datenmengen, die in Banken und Sparkassen aggregiert werden, sind weitaus größer, als eine einzelne Person oder Organisation verarbeiten und interpretieren kann. Eine maschinelle Unterstützung in der Datenanalyse und -interpretation ist daher per se geboten. Das Zusammenfassen eines langen Berichts, eines Vorschlags oder eines gruppenbezogenen Projekts ist in der Regel die Aufgabe einer oder mehrerer Personen und erfordert oft das Sammeln von vielen Datenpunkten.

Mit NLG werden diese Zusammenfassungen schnell und einfach generiert.”

4. Finanznachrichten und Börsenberichterstattung

Einerseits gibt es in Finanzinstituten viele wirtschaftsspezifische Informationen mit Nachrichtenwert, andererseits nehmen die meisten Menschen nur die Schlagzeilen und den ersten Absatz einer Nachricht wahr. Um bei dieser Problemlage die richtige Balance zwischen Aufwand und Ertrag zu erzielen, macht es Sinn, die redaktionellen Kapazitäten der Mitarbeiter durch NLG zu ergänzen. Eine Textautomatisierung ist sehr gut darin, umfangreiche, standardisierte Datensätze in einen schriftlichen Inhalt zu kontextualisieren. Dies gilt besonders für eilige Finanznachrichten wie z. B. Gewinnmeldungen, Zinsänderungen oder Preisschwankungen. In einem exemplarischen NLG-Workflow werden zunächst die Daten gesammelt und aufbereitet. Hierbei können auch Methoden wie RPA zur Anwendung kommen.

Beispiel anhand der Analyse von Quartals-Erträgen für den Vorstand eines Unternehmens:

1. Das Ziel des Berichts ist die Darstellung, ob die Gewinne wachsen oder sinken.
2. Die zu berechnende Information ist der Vergleich der Quartalsgewinne.
3. Die zu wählende Analysemethode besteht in einem Zeitreihenvergleich und die zu berücksichtigenden Daten sind die Gewinnsummen der jeweiligen Quartale
4. Des Weiteren müssen maschinell Sonder- und Einmaleffekte berücksichtigt werden.

Diese gesammelten und berechneten Informationen und Aussagen werden nach festgelegten Relevanzkriterien priorisiert, strukturiert und bearbeitet und dann in einen Textentwurf prozessiert. Der ausformulierte Text wird abschließend z. B. als Entscheidungsvorlage für den Mitarbeiter ausgegeben oder direkt weiter verarbeitet.

NLG in der Umsetzung

Die Vorteile einer NLG-Automatisierung sind umfangreich.

Gegenüber einer manuellen Abarbeitung lassen sich je nach Use Case die Durchlaufzeit und die Kosten fast halbieren.”

Große Potenziale für die Finanzbranche sieht der führende NLG-Anbieter im deutschen Markt, die Retresco GmbH, zudem in einer weitergehenden Personalisierung der Kundenkommunikation. Weiterführende Einsichten bietet hier das Retresco-Whitepaper „Smart Banking – KI-basierte Sprachtechnologien in der Finanzbranche“ (https://www.retresco.de/white-paper-nlg-finance/).

Spannend sind hier auch Hyperautomation-Kooperationen diverser NLG-Anbieter. So arbeitet Yseop, ein führender französischer Anbieter von KI-Software und ebenso ein NLG-Vorreiter, mit Automation Anywhere, einem Marktführer für RPA, zusammen. Ebenfalls frisch ist die strategische Partnerschaft zwischen Arria NLG aus Großbritannien und UiPath, dem führenden Softwareunternehmen für Enterprise-RPA. Durch die Kooperation verspricht UiPath Kunden Zugang zu zwei Technologien auf einer einzigen Plattform. Die Zusammenführung von Workflow und sprachbasierter Analytik soll die Automatisierung von Wissensprozessen zukünftig effizienter gestalten.Mario Smeets und Heinz-Georg Tebrake, DCP Deutsche Consulting Partner und Alexander Siebert, Retresco