Jay Venkateswaran, Leiter der Geschäftseinheit Banking & Financial Services bei WNS – Interviewreihe

Jay Venkateswaran, Business Unit Head für Banking und Finanzdienstleistungen, überwacht Strategie, Wachstum und finanzielle Leistung. Vor seinem Eintritt bei WNS war er Consulting Partner bei AT Kearney. Als vertrauenswürdiger Business‑Transformation‑ und Services‑Partner kombiniert WNS einzigartig Fachwissen mit einem einheitlichen digitalen Ökosystem, das Analytik, Hyperautomation und KI integriert, um für Kunden eine Marktdifferenzierung zu schaffen.

Generative KI transformiert das Bank- und Finanzwesen rasant.  Wie sehen Sie die Entwicklung ihrer Auswirkungen in den nächsten fünf Jahren?

Im Bankwesen sehe ich Generative KI (Gen KI) eine zentrale Rolle bei der Verbesserung der Kundenerfahrung, der Steigerung der operativen Effizienz und der Stärkung des Risikomanagements. Im Back‑Office wird KI‑gesteuerte Automatisierung Aufgaben wie regulatorische Berichterstattung, Compliance‑Prüfungen und Dokumentenverarbeitung rationalisieren und die Betriebskosten erheblich senken. Darüber hinaus wird KI die Kreditrisikobewertung und die Betrugserkennung durch Echtzeit‑Daten‑Insights und prädiktive Analytik verfeinern.

Eine der transformativsten Veränderungen wird die Hyper‑Personalisierung sein, die Finanzinstituten ermöglicht, hochgradig maßgeschneiderte Produkte und Dienstleistungen anzubieten, die auf das Verhalten, die Vorlieben und Bedürfnisse einzelner Kunden zugeschnitten sind. Mit fortschreitenden KI‑Fähigkeiten werden Banken zunehmend KI‑gestützte Chatbots und virtuelle Assistenten integrieren, um Kundeninteraktionen zu verbessern und intuitiver sowie reaktionsschneller zu gestalten. Letztlich wird der Sektor Banking und Finanzdienstleistungen zu einem hochintelligenten, datengetriebenen Ökosystem werden, in dem KI‑gestützte Erkenntnisse smartere Entscheidungen ermöglichen und zu einem nahtlosen und persönlicheren Bankerlebnis führen.

Natürlich sollten wir nicht übersehen, dass weniger als zwei Jahre nachdem Gen KI zum Mainstream wurde, ein ebenso – wenn nicht noch transformierender – Durchbruch aufgetaucht ist: Agentic KI. Diese Innovation kann potenziell einen Paradigmenwechsel im Bankwesen auslösen, indem statische Chatbots und isolierte Automatisierung durch autonome, entscheidungsfähige KI‑Agenten ersetzt werden, die sich anpassen, lernen und Aufgaben mit nahezu menschlicher Intelligenz ausführen.

Viele Finanzinstitute befinden sich noch in den frühen Phasen der KI‑Einführung.  Ist es zu spät für Nachzügler, aufzuholen, oder sehen Sie praktikable Strategien, mit denen sie die Lücke schließen können?

Es ist nicht zu spät für Finanzinstitute, KI zu übernehmen, aber ein strategischer Ansatz ist entscheidend. Nachzügler sollten KI in ihre strategischen Pläne integrieren und sich auf hochwirksame Anwendungsfälle konzentrieren, die sofortigen Mehrwert bieten.

Ein empfohlener erster Schritt besteht darin, „Quick‑Win“-Möglichkeiten zu identifizieren – wie KI‑gestützte Kundenservice‑Chatbots, Dokumentenverarbeitungs‑Automatisierung und Betrugserkennung – bei denen die KI‑Einführung schnell Effizienz und Kundenzufriedenheit steigern kann.

Darüber hinaus können Finanzinstitute, anstatt KI‑Modelle intern zu entwickeln, was ressourcenintensiv und zeitaufwändig sein kann, die KI‑Einführung durch Partnerschaften mit spezialisierten KI‑Anbietern beschleunigen. Diese Partnerschaften ermöglichen es Banken, vorgefertigte KI‑Modelle und cloudbasierte KI‑Lösungen zu nutzen, wodurch Implementierungszeit und Kosten reduziert werden.

Eine weitere Schlüsselstrategie besteht darin, Low‑Code‑ und No‑Code‑KI‑Plattformen zu nutzen. Diese Plattformen ermöglichen es Finanzinstituten, KI‑gestützte Lösungen schnell einzusetzen, ohne umfangreiche technische Expertise. Beispielsweise können KI‑basierte Intelligent Data Processing (IDP)‑Module Daten aus unstrukturierten Quellen wie PDFs und E‑Mails extrahieren, kategorisieren und analysieren, wodurch die operative Effizienz verbessert wird.

Durch die Umsetzung dieser fokussierten Strategien können Nachzügler die KI‑Lücke effizient schließen und gleichzeitig Compliance und Skalierbarkeit sicherstellen.

Was sind die größten Herausforderungen, denen Banken bei der Implementierung von KI‑Lösungen gegenüberstehen, und wie können sie diese überwinden?

Bei der Implementierung von KI‑Lösungen stehen Banken vor drei Hauptproblemen: Datenqualität, Integration von Altsystemen und regulatorische Compliance.

1. Datenqualität & Verfügbarkeit: KI‑Modelle benötigen hochwertige, strukturierte und vielfältige Datensätze für das Training. Viele Banken kämpfen jedoch mit fragmentierten Datenquellen, fehlender Governance und inkonsistenten Datenformaten. Um dies zu überwinden, sollten Finanzinstitute in robuste Daten‑Governance‑Frameworks investieren, Datenrepositorien zentralisieren und KI‑gestützte Datenbereinigungs‑ und Anreicherungstools einsetzen.
2. Integration von Altsystemen: Viele Banken betreiben noch Legacy‑IT‑Infrastrukturen, die nicht für KI‑Implementierungen optimiert sind. Der Einsatz von API‑basierten Integrationsarchitekturen kann die Lücke zwischen KI‑gestützten Lösungen und Altsystemen schließen und einen nahtlosen Datenfluss sowie Prozessautomatisierung ermöglichen, ohne dass ein vollständiger Systemwechsel erforderlich ist.
3. Regulatorische und Compliance‑Bedenken: Das sich wandelnde regulatorische Umfeld verlangt, dass KI‑Modelle transparent, erklärbar und auditierbar sind. Um dem gerecht zu werden, sollten Banken KI‑Governance‑Frameworks implementieren, mit Aufsichtsbehörden zusammenarbeiten und vertrauenswürdige KI‑Lösungen einsetzen, die Transparenz, Bias‑Minderung und Konformität in den Vordergrund stellen.

Durch die proaktive Bewältigung dieser Herausforderungen können Banken eine solide Basis für die KI‑Einführung schaffen und langfristigen Erfolg sichern.

Warum ist es für Banken entscheidend, KI‑Anwendungsfälle vor einer großflächigen Einführung zu testen?

Experimente mit KI‑Anwendungsfällen sind für Banken unerlässlich, um betriebliche Machbarkeit, regulatorische Konformität und eine erfolgreiche Nutzerakzeptanz sicherzustellen, bevor sie sich zu einer großflächigen Einführung verpflichten.

1. Betriebliche Bereitschaft: KI‑gestützte Lösungen können Arbeitsabläufe erheblich verändern, was eine Neugestaltung von Prozessen erfordert, nicht nur ein Re‑Engineering. Durch Experimente können Banken die Auswirkungen auf bestehende Prozesse bewerten und notwendige Anpassungen vor einer breiten Implementierung vornehmen.
2. Nutzerakzeptanz & Schulung: KI‑gestützte Systeme müssen mit den Erwartungen der Endnutzer übereinstimmen. Pilotprojekte im kleinen Maßstab helfen Banken, die Akzeptanz zu messen und KI‑Modelle anhand von Praxis‑Feedback zu verfeinern, was eine reibungslosere Einführung und Vertrauen in KI‑gestützte Entscheidungen gewährleistet.
3. ROI‑Validierung: Banken müssen die finanziellen und operativen Auswirkungen von KI messen, bevor sie großflächige Investitionen tätigen. Das Experimentieren mit KI‑Anwendungsfällen – etwa Verbesserungen bei der Kundengewinnung, Kosteneinsparungen im Betrieb und Optimierungen der Betrugsprävention – liefert greifbare Einblicke in den ROI und ermöglicht datenbasierte Investitionsentscheidungen.

Durch einen iterativen Test‑und‑Lern‑Ansatz können Banken Risiken mindern, ihre KI‑Strategien verfeinern und sicherstellen, dass die KI‑Einführung mit den Geschäfts­zielen übereinstimmt.

Wie sollten Finanzinstitute KI‑Bereitschaft und -Einführung angehen, um den ROI zu maximieren?

Damit KI‑Einführungen den maximalen ROI erzielen, müssen Banken einen strategischen, funktionsübergreifenden Ansatz verfolgen, der KI‑Initiativen mit den Geschäfts­zielen in Einklang bringt.

1. Strategische Ausrichtung: KI sollte in die übergeordneten strategischen Ziele des Finanzinstituts eingebettet werden, wie Kostenreduktion, Prozesseffizienz, Kundengewinnung und verbessertes Risikomanagement.
2. Funktionsübergreifende Zusammenarbeit: KI‑Implementierungen sollten nicht in IT‑Teams isoliert sein. Stattdessen ist eine funktionsübergreifende Zusammenarbeit von Risiko, Compliance, Betrieb, Kundenservice und Geschäftsbereichen entscheidend, um sicherzustellen, dass KI‑Lösungen die Bedürfnisse der gesamten Organisation erfüllen.
3. Mitarbeiterqualifizierung & Change Management: Banken sollten in Schulungsprogramme investieren, um Mitarbeitende mit KI‑bezogenen Fähigkeiten auszustatten. Ein reibungsloser Übergang zu KI‑gesteuerten Prozessen erfordert strukturierte Lernprogramme, praxisnahe Schulungen und die Nutzung externer KI‑Talente über Partnerschaften.
4. Skalierbare KI‑Infrastruktur: Finanzinstitute sollten skalierbare KI‑Plattformen einsetzen, die iterative Verbesserungen und nahtlose Integration in bestehende Banksysteme ermöglichen.

Durch die Priorisierung dieser Elemente können Banken sicherstellen, dass die KI‑Einführung bedeutende Geschäftsergebnisse liefert, Kundenerlebnisse verbessert und messbare finanzielle Erträge erzielt.

Betrug bei digitalen Zahlungen ist ein wachsendes Problem. Wie kann generative KI Finanzinstitute dabei unterstützen, zunehmenden Betrug zu bekämpfen und die Sicherheit zu verbessern?

Die zunehmende Verbreitung digitaler Zahlungen hat zu immer raffinierteren Betrugsmethoden geführt. Generative KI bietet erweiterte Betrugserkennungs‑Fähigkeiten, indem sie riesige Datensätze in Echtzeit analysiert und anomale Transaktionsmuster identifiziert, die traditionelle regelbasierte Systeme übersehen könnten.

Generative KI kann:

1. Betrug mit höherer Genauigkeit erkennen, indem kontinuierlich aus Transaktionsdaten gelernt wird, wodurch Fehlalarme reduziert und die Betrugspräventionsraten verbessert werden.
2. Verhaltensabweichungen auf individueller Kundenniveau identifizieren und verdächtige Aktivitäten basierend auf historischen Trends kennzeichnen.
3. Bedrohungsintelligenz verbessern, indem Branchenberichte, Sicherheitsbulletins und globale Incident‑Datenbanken gescannt werden, um aufkommende Betrugstrends vorherzusagen und sich entsprechend anzupassen.

Durch die Nutzung dieser KI‑gesteuerten Fähigkeiten können Finanzinstitute ihre Betrugspräventionsmaßnahmen erheblich stärken, menschliche Untersuchungen optimieren und sicherere digitale Transaktionen gewährleisten.

WNS hat gemeinsam mit verschiedenen Kunden Lösungen entwickelt, um die Aspekte der Betrugserkennung und -untersuchung mithilfe von Analytik und KI zu adressieren. Diese Lösungen nutzen eine Kombination aus

Predictive Modeling für Betrugserkennung und -klassifizierung.

• IDP für Dokumentendigitalisierung
• Deep‑Learning‑gestützte Lösungen zur Erkennung manipulierten Dokuments

Compliance‑Anforderungen werden in den globalen Märkten immer komplexer. Wie kann KI Banken dabei unterstützen, regulatorische Standards effizienter zu erfüllen?

Regulatorische Compliance war in den letzten Jahrzehnten aufgrund ständiger Änderungen globaler Vorschriften eine dynamische und sich entwickelnde Herausforderung. Dies hat es für Banken unerlässlich gemacht, in Menschen, Prozesse und Technologie zu investieren, um die Einhaltung immer komplexerer Compliance‑Vorgaben sicherzustellen. KI hat sich als leistungsstarkes Werkzeug zur Optimierung der regulatorischen Compliance erwiesen, insbesondere beim Verfolgen von Regulierungsänderungen und der Bewertung ihrer Auswirkungen auf Bankgeschäfte. Durch den Einsatz von KI können Finanzinstitute Echtzeit‑Updates zu Regulierungsänderungen erhalten, sodass sie proaktiv Compliance‑Maßnahmen planen und umsetzen können.

Zusätzlich können KI‑gestützte Lösungen regulatorische Publikationen systematisch organisieren und verwalten, wodurch der manuelle Aufwand für das Verfolgen und Interpretieren dieser Änderungen reduziert wird. Generative KI (Gen KI) erweitert die Compliance‑Fähigkeiten weiter, indem sie neue Vorschriften im Vergleich zu früheren Versionen analysiert und es Institutionen ermöglicht, deren Auswirkungen auf interne Richtlinien und Verfahren schnell zu bewerten. Diese Fähigkeit stärkt Risiko‑ und Kontrollbewertungen und macht Compliance‑Prozesse effektiver und effizienter. Darüber hinaus kann Generative KI beim Erstellen strukturierter Schulungsinhalte helfen, sodass das Personal stets gut über regulatorische Änderungen informiert ist. KI‑gestützte kontinuierliche Überwachungs‑ und Prüfungsfunktionen reduzieren Compliance‑Risiken erheblich und bieten Institutionen einen proaktiven Ansatz für das Regulierungsmanagement, wodurch Überraschungen im gesamten Risiko‑ und Compliance‑Rahmen minimiert werden.

Im Bereich Compliance ist WNS in den letzten Jahren Vorreiter beim Aufbau von Lösungen, die KI & Generative KI nutzen, und zwar:

• Gen KI‑Lösung für die Überprüfung negativer Medien
• KI‑ & Generative KI‑Lösung für AML‑Untersuchungen
• KI‑gestützte Lösung für erweitertes KYC

Was sind einige der vielversprechendsten KI‑gestützten Anwendungsfälle im Bankwesen heute, jenseits von Betrugserkennung und Compliance?

KI entwickelt sich kontinuierlich weiter, wobei Datenwissenschaftler und KI‑Praktiker innovative Lösungen entwickeln, um ein breites Spektrum geschäftlicher Anforderungen im Bankensektor zu adressieren. Jenseits von Betrugserkennung und Compliance treibt KI eine bedeutende Transformation in den Bereichen Kundenerlebnis, operative Effizienz und Entscheidungsprozesse voran.

Einer der prominentesten Anwendungsfälle sind KI‑gestützte Chatbots und durch Generative KI angetriebene Echtzeit‑Agentenunterstützung, die den Kundenservice revolutionieren, indem sie personalisierte, sofortige und effiziente Interaktionen ermöglichen. Dieser Wandel steigert die Kundenzufriedenheit und beschleunigt die Problemlösung.

Im operativen Bereich adressiert KI langjährige Herausforderungen bei Abstimmungsprozessen, die typischerweise mehrere Abteilungen innerhalb von Finanzinstituten umfassen. KI‑gestützte Algorithmen können das Abgleichen nicht übereinstimmender Transaktionen automatisieren, indem sie historische Muster und Trends analysieren, wodurch der Bedarf an manueller Intervention erheblich reduziert wird.

Eine weitere kritische Anwendung ist die Zahlungsabwicklung, insbesondere bei eingehenden Einzahlungen, bei denen unvollständige oder mehrdeutige Zahlungsdetails menschliche Intervention erfordern. KI‑gestützte Propensity‑Modelle können Wahrscheinlichkeitswerte erzeugen, die Institutionen dabei helfen, schnell und präzise die richtigen Gegenparteien zu identifizieren und somit den manuellen Bearbeitungsaufwand zu optimieren.

Dies sind nur einige Beispiele dafür, wie WNS führende Finanzinstitute aktiv dabei unterstützt hat, KI zu nutzen, um Effizienz zu steigern, das Kundenerlebnis zu verbessern und die operative Resilienz zu erhöhen.

KI‑Talente sind in allen Branchen stark nachgefragt. Was können Banken tun, um Top‑KI‑Fachkräfte zu gewinnen und zu halten?

Die zunehmende Verbreitung von KI in allen Branchen hat die Nachfrage nach KI‑Talenten, insbesondere Datenwissenschaftlern und Machine‑Learning‑Experten, stark ansteigen lassen. Top‑KI‑Fachkräfte zu gewinnen und zu halten erfordert einen strategischen Ansatz, der auf sinnvolle Möglichkeiten und die Förderung eines innovativen Umfelds abzielt.

Eine der Hauptmotivationen für KI‑Fachkräfte ist der Zugang zu hochwertigen Daten, die ihnen ermöglichen zu experimentieren, zu innovieren und wirkungsvolle Lösungen zu entwickeln. Unternehmen, die strukturierte, gut organisierte Datenökosysteme anbieten, schaffen ein Umfeld, in dem KI‑Experten gedeihen können. Im Gegenteil ist das Fehlen von Möglichkeiten, bedeutende geschäftliche Auswirkungen zu erzielen, einer der Hauptgründe, warum KI‑Fachkräfte Unternehmen verlassen.

Um Top‑Talente zu gewinnen, müssen Banken starke Partnerschaften mit führenden Ingenieurhochschulen und Universitäten aufbauen, KI‑fokussierte Praktika, Forschungskooperationen und direkte Rekrutierungswege anbieten. Dieser Ansatz ermöglicht es Finanzinstituten, KI‑Fachkräfte früh in ihrer Karriere einzubinden und ihnen einen klaren Entwicklungspfad innerhalb der Organisation zu bieten.

Zusätzlich stärkt die Förderung einer KI‑getriebenen Kultur in Banken – in der KI‑Fachkräfte gemeinsam mit Domänenexperten reale Herausforderungen lösen – die Arbeitszufriedenheit und Bindung. WNS hat ein ähnliches Modell in Zusammenarbeit mit führenden Universitäten in Indien erfolgreich umgesetzt und sorgt so für einen stetigen Zustrom qualifizierter KI‑Talente, die bereit sind, zum Finanzdienstleistungssektor beizutragen.

Wie sehen Sie die Rolle von Bankfachleuten im Zuge der KI‑Integration? Sollten Mitarbeitende sich Sorgen um Arbeitsplatzverlust machen?

Die Diskussion darüber, dass KI menschliche Arbeitsplätze ersetzt, ist seit Jahren präsent. Während KI Routineaufgaben automatisiert, liegt ihr eigentlicher Einfluss darin, menschliche Fähigkeiten zu ergänzen und die Arbeitsqualität von Bankfachleuten zu steigern.

Da repetitive und regelbasierte Aufgaben zunehmend von KI und Robotic Process Automation (RPA) übernommen werden, verlagern sich Bankfachleute hin zu Rollen, die höhere Urteilsfähigkeit, kritisches Denken und Entscheidungsfindung erfordern. Dieser Wandel hat sich im letzten Jahrzehnt vollzogen, wobei digitale Zahlungen zunehmend traditionelle Schecktransaktionen ersetzen. Während dieser Übergang die Besucherzahlen in Filialen und Geldautomaten reduziert hat, hat er gleichzeitig das Filialpersonal in komplexere Rollen wie das Management von Zahlungsausnahmen, Anlageberatung und Betrugsermittlung gebracht.

Im Back‑Office hat KI die operativen Abläufe vereinfacht, indem unstrukturierte Daten aus PDFs und gescannten Dokumenten digitalisiert wurden, die zuvor manuell verarbeitet wurden. Der menschliche Einsatz konzentriert sich nun hauptsächlich auf Ausnahmebehandlungen und komplexe Untersuchungsaufgaben, wodurch Effizienz und Genauigkeit verbessert werden.

Statt Arbeitsplatzverlust zu verursachen, hat die KI‑getriebene Transformation zu einer Qualifizierung des Personals geführt, sodass Fachkräfte neue Kompetenzen entwickeln, die den Branchenanforderungen entsprechen. Dieser Wandel kommt dem Finanzdienstleistungssektor zugute, indem er eine Belegschaft mit fortgeschrittenen analytischen und problemlösenden Fähigkeiten fördert.

Gibt es bewährte Praktiken, die Sie bei der Förderung einer KI‑first‑Kultur in Banken beobachtet haben?

WNS ist Vorreiter bei der Förderung einer KI‑first‑Kultur in seinen vielfältigen Bankengagements und treibt KI‑gesteuerte Transformation durch einen strukturierten, kollaborativen Ansatz voran. Mehrere bewährte Praktiken tragen dazu bei, KI erfolgreich in Banken zu verankern:

1. Co‑Creation‑Modell: Banken müssen Domänenexperten und Datenwissenschaftler in operative Teams integrieren, um sicherzustellen, dass KI‑gestützte Lösungen mit realen Bankherausforderungen abgestimmt sind. Bei WNS hat dieser Ansatz die Identifizierung und Umsetzung von Hyper‑Automation‑Möglichkeiten ermöglicht und kontinuierliche Verbesserungen gesichert.
2. Eingebettete Transformationsteams: KI‑Transformationsbemühungen sollten nicht in IT‑ oder Innovationsabteilungen isoliert sein. Stattdessen sorgt die Einbettung von Transformationsteams in die Kernoperationen für einen nachhaltigen Fokus auf die Identifizierung von KI‑gesteuerten Effizienzpotenzialen und die Skalierung von Lösungen im gesamten Unternehmen.
3. Kulturelles Bewusstsein und Adoption: Organisationen müssen in KI‑Kompetenzprogramme investieren, um Mitarbeitende über die Vorteile, Anwendungsfälle und das Potenzial von KI zur Ergänzung ihrer Rollen zu informieren. Eine gut informierte Belegschaft wird KI‑Lösungen eher übernehmen und zu deren erfolgreicher Implementierung beitragen.
4. Anreize für Innovation: Mitarbeitende zu ermutigen, KI‑gestützte Ideen einzubringen und erfolgreiche Implementierungen zu belohnen, fördert eine Kultur kontinuierlicher Verbesserung und Engagement. Wettbewerbe, Hackathons und Anerkennungsprogramme können die KI‑Adoption auf allen Organisationsebenen vorantreiben.

Durch die Umsetzung dieser bewährten Praktiken können Banken eine nahtlose KI‑Integration sicherstellen, die operative Effizienz maximieren und eine Belegschaft aufbauen, die für die Zukunft der Finanzdienstleistungen gerüstet ist.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten WNS besuchen.