Trends und Erkenntnisse vom größten Bank- und Zahlungsereignis des Jahres

In diesem Herbst versammelten sich Tausende führende Finanzdienstleister zur jährlichen Money 20/20 Konferenz, um über Trends in den Bereichen Zahlungen, Compliance, Betrugsbekämpfung, Treasury und Transaktionen und mehr zu sprechen. Die Gespräche drehten sich um das Thema „Human x Machine“, und während KI im Mittelpunkt stand, gab es viele weitere Erkenntnisse rund um Echtzeit-Datenanalytik, Sicherheitsüberlegungen und Kundenstrategien, die die Zukunft des Geldes bestimmen. 

Wir haben uns mit einigen Snowflake-Expert:innen und -Partnern getroffen, um zu erfahren, was sie aus ihrer Zeit dort mitgenommen haben, welche angesagten Anwendungsfälle sie bemerkt haben und worauf sie bei der Weiterentwicklung von Bankwesen und Zahlungen für den Rest des Jahres 2024 und darüber hinaus achten sollten.

Daten- und KI-Architektur sind wichtig 

„Bevor wir uns auf KI/ML-Anwendungsfälle wie Hyperpersonalisierung und Betrugsprävention konzentrieren, ist es wichtig, dass die Daten- und Datenarchitektur so organisiert und strukturiert sind, dass sie die Anforderungen und Standards der lokalen Behörden auf der ganzen Welt erfüllen. Diese Anforderungen können durch den Einsatz von Cloud-Infrastruktur und -Services erfüllt werden. Es ist wichtig, dass die Payment-Community die offenen Dateiformate und offenen Tabellenformate versteht und versteht, wie die neuesten Cloud-Technologien, die GPUs nutzen, Innovationen in Daten und Datenprozessen ermöglichen werden.“ –Paul Chang, Head of Payment Networks, AWS

„Data Warehouses gewinnen derzeit stark an Dynamik, und Snowflake liegt bei diesem Trend an der Spitze. Dies ist nicht überraschend, wenn man alle Vorteile berücksichtigt, wie z. B. die Verringerung der Komplexität [und] der Kosten und die Ermöglichung eines Zero-Copy Data Access (ideal für die Zentralisierung der Data Governance). Viele Menschen waren fasziniert davon, wie sich diese Vorteile auch in der Kundenerfahrung niederschlagen. Ein Best-in-Breed-Tech-Stack, der Zero-Copy-Datenzugriff auf eine Kundenengagement-Lösung ermöglicht, ermöglicht Marketingexpert:innen, Marketingworkflows zu optimieren und unabhängig voneinander Segmentierungs- oder ereignisgesteuerte Erfahrungen zu schaffen – und das alles auf eine effiziente, skalierbare und sichere Weise.“ –Erin Bankaitis, Director, Industry Marketing, Braze

„Das Tempo, in dem FinTech-Startups skalieren oder scheitern, nimmt mit dem Fortschritt der KI immer weiter zu. Für sie ist es entscheidender geworden, frühzeitig die Datenstrategie und die Arbeitsweise mit anderen Unternehmensapplikationen zu berücksichtigen. Sowohl VCs als auch Unternehmen drängen auf mehr Disziplin bei ihren Investitionen, mit einem Fokus auf einem kürzeren Weg zu Wachstum und ROI. Sowohl für Start-ups als auch für Unternehmen müssen die Dateninfrastruktur und die Datenquellen, die sie einsetzen möchten, einen klaren Wertpfad aufweisen und gleichzeitig kosteneffizient skaliert werden können.“ –Sam Shapiro-Kline, Director of Product Marketing, TransUnion TruAudience Marketing Solutions

Auch Ökosysteme sind wichtig

„Ich sehe Chancen, die Zusammenarbeit im gesamten Ökosystem zu fördern, auch im Handel. Derzeit wird so viel Zusammenarbeit durch ein fehlendes gemeinsames Verständnis der Anforderungen und einen Mangel an gemeinsamer Data Collaboration behindert. Einige der in der Medien- und Marketingbranche üblichen Techniken wie Identity Resolution könnten neue Anwendungsfälle und neue Einnahmequellen unter Finanzdienstleistern beschleunigen.“ –Prabhath Nanisetty, Industry Lead, Retail Data and Q-Commerce, Snowflake

„Datenverantwortliche in der Finanzdienstleistungsbranche müssen Interoperabilität und Datenkonnektivität priorisieren. Angesichts der zunehmenden Vernetzung des Finanzökosystems benötigen Institutionen sichere, skalierbare Möglichkeiten, Daten zwischen Plattformen und mit Drittanbietern zu teilen und dabei hohe Standards für Datenschutz und Compliance einzuhalten. Interoperabilität ist unerlässlich, um eine kohäsive, kanalübergreifende Erfahrung zu bieten, die den Kundenerwartungen an sofortige, nahtlose Transaktionen entspricht.“ –Richard Winston, Global Financial Services Leader, Slalom

KI-ROI hat oberste Priorität

„KI hat bei Money 20/20 das Gespräch dominiert. Es zeigt sich, dass viele Unternehmen dieses Jahr weg vom Proof of Concept hin zur realen KI-Implementierung gegangen sind. Doch KI kann ohne nachgewiesenen ROI teuer und ressourcenintensiv sein. Deshalb gibt es Diskussionen darüber, welche Anwendungsfälle für Finanzdienstleistungen am relevantesten waren. Auf höchster Ebene gab es zwei klare Themen: interne KI-Anwendungsfälle, die die Effizienz steigerten und gleichzeitig die Kosten senkten, und kommerzielle KI-Anwendungsfälle, die die Benutzererfahrung verbesserten. Intern setzen Banken auf KI, um das Datenmanagement, einschließlich Datenherkunfts- und Datenqualitätskontrollen, zu entlasten oder die Effizienz mit Business Intelligence insbesondere in Callcentern zu steigern. Kommerziell haben wir KI-Anwendungsfälle rund um Treasury Services, Betrugserkennung und Risikoanalyse gehört. Was haben die beiden gemeinsam? Kunden können in natürlicher Sprache Einblicke und Analysen zu Bankdaten gewinnen.“ –James McGeehan, Head of Banking and Payments, Snowflake

Neue Chancen durch neue Technologien lohnt sich

„Eine überraschende Erkenntnis war das Interesse an der Überschneidung von KI und digitaler Währung (digitale Währungen der Zentralbanken und Stablecoins) als Lösungen für kostengünstige grenzüberschreitende Echtzeitzahlungen. Das zeigte eine starke Verschiebung hin zu digitalen Währungen, die traditionelle Finanzen und moderne digitale Plattformen verbinden. Ein weiteres wichtiges Thema war die Rolle von Embedded Finance: Marken loten zunehmend aus, wie sie Finanzdienstleistungen direkt in ihr Ökosystem integrieren können, um reibungslose und maßgeschneiderte Erfahrungen zu schaffen.

„Einer der wichtigsten, aber noch nicht diskutierten Bereiche ist das Potenzial der autonomen Finanzen, wo Systeme nicht nur Zahlungen automatisieren, sondern Konten und Finanzprozesse mit minimalem menschlichen Eingriff verwalten. Über die reine Automatisierung hinaus haben autonome Finanzen das Potenzial, die Art und Weise, wie Personen und Unternehmen mit ihren Finanzen interagieren, zu transformieren. Sie bieten einen hochgradig personalisierten und dynamischen Ansatz, der Nutzerbedürfnisse antizipiert. Diese Veränderung erfordert jedoch neue Standards in den Bereichen Cybersicherheit, Datenschutz und Einhaltung gesetzlicher Vorschriften, um das Vertrauen der Benutzer:innen zu fördern und die Anpassung gesetzlicher Vorschriften zu gewährleisten.“ – Richard Winston

Die Expert:innen bemerkten auch, dass bestimmte Anwendungsfälle in Gesprächen auftauchten. Unten finden Sie drei der beliebtesten Angebote.

Trendanwendungsfall 1: Customer 360 und Marketing Analytics

„Die Finanzdienstleistungsbranche ist bestrebt, die Personalisierung ihrer Messaging-Erfahrungen zu verbessern. Im Idealfall wird diese Personalisierung mithilfe der minimalen Menge an Kundendaten maximiert, um diese Erfahrungen zu unterstützen. Diese Priorität ist schon seit vielen Jahren ein Thema, doch viele fehlen aufgrund der Einschränkungen des MarTech-Stacks, ein Thema, das an Dringlichkeit und Bedeutung gewinnt. Daher setzen sich Datenverantwortliche damit auseinander, wie MarTech-Stack-Beschränkungen nicht nur die Kundenerfahrung beeinflussen, sondern auch Risiken aus Sicht der Data Governance schaffen. Daher bevorzugen Datenverantwortliche einen Best-in-Breed-Ansatz, der einen nahtlosen und sicheren Datenzugriff, Aktivierung und Verteilung ermöglicht.“ –Erin Bankaitis

„Datenverantwortliche im Finanzdienstleistungsbereich wollen den Zugang zu skalierten Datasets für das Marketing ausweiten. Sie denken zunehmend darüber nach, wie Datasets wirklich Assets sind, die sowohl für verschiedene Anwendungsfälle im Marketing als auch für Teams außerhalb des Marketings einen Mehrwert liefern können. Führungskräfte brauchen einen Ansatz, um ihre Daten über verschiedene Marketingtechnologien hinweg zu verbinden, wie z. B. eine einheitliche Identity Resolution.“ – Sam Shapiro-Kline

„Händler und Konsumgüterhersteller wollen ständig mehr über ihre Kund:innen erfahren, nicht nur zu Werbezwecken, sondern auch um Innovationen voranzutreiben und neue Produkte und Dienstleistungen zu entwickeln. Indem sie besser verstehen, wie ihre Kund:innen in der Finanzdienstleistungsbranche agieren – wie z. B. Bankwesen, Investitionen oder Kredite –, können sie die Ziele, die Faktoren und die Hindernisse für die verschiedenen Verbrauchergruppen besser verstehen. Das könnte zu neuen Ideen für die Beseitigung urbaner Lebensmittelwüsten oder die Ausweitung ihrer Marken auf verschiedene Preisstufen führen.“ – Prabhath Nanisetty

Trendanwendungsfall 2: Treasury Services

„Angesichts der Datenmengen, die sich auf verschiedenen Systemen und Plattformen befinden, ist der Anwendungsfall der Treasury Services einer der besten Voraussetzungen für die Transformation mit KI. Die Möglichkeit, KI in Liquiditäts- und Kapitalanalysen einzubetten, z. B. Cashflow-Prognosen und -Abstimmungen zu optimieren sowie Betrugserkennung zu ermöglichen, trennt die Branchensieger von den Nachzüglern. KI wird die Erfahrung von Unternehmensschatzmeistern transformieren und die Macht der Daten demokratisieren, sodass sie in natürlicher Sprache ihr ERP und andere Buchhaltungssysteme abfragen können.“ –James McGeehan

Trendanwendungsfall 3: Betrugserkennung 

„Ein weiteres wiederkehrendes Thema war der dringende Bedarf für einen solideren, branchenweiten Austausch von Betrugsdaten und -infrastrukturen zwischen den Beteiligten des Zahlungssystems. KI und agentische KI bringen doppelte Chancen und Herausforderungen mit sich: Zwar versprechen sie effizientere und sicherere Zahlungsmöglichkeiten, doch Cyberkriminelle nutzen KI auch auf immer ausgefeiltere Weise, um schwerer zu erkennende Formen von Transaktionsbetrug zu schaffen. 

Diese Entwicklung unterstreicht die Bedeutung der kollektiven Verteidigung: Indem die Branche Erkenntnisse über Betrugsversuche und Transaktionsanomalien in einem breiten Netzwerk von Beteiligten bündelt, kann sie ihre Resilienz gegen KI-basierte Bedrohungen erhöhen. Ein solches kollaboratives Data Sharing würde ein stärkeres Ökosystem schaffen, in dem die kollektive Intelligenz der Vielen eine stärkere Verteidigungslinie bietet als jede einzelne Institution oder kleine Gruppe allein.“ – Richard Winston

Möchten Sie mehr darüber erfahren, was für Finanzdienstleistungen ansteht? Melden Sie sich für unser Webinar 2025 „KI und Datenprognosen für Finanzdienstleistungen“ an oder erhalten Sie Ihr Exemplar von „AI Blueprint for Financial Services: How to Get Your Organization Enterprise AI-Ready.”