Ideation
Überprüfung bestehender Ideen und Entwicklung neuer Anwendungsfälle mit Expert:innen in mehreren Workshops vor Ort.
Banken & Finanzdienstleister
Entwicklung von KI- und ML-Use Cases zur Prozessoptimierung im Risikomanagement.
Künstliche Intelligenz (KI) und Machine Learning (ML) stellen transformative Technologien dar, die erhebliche Möglichkeiten für den Bankensektor bieten. Insbesondere im Risikomanagement ermöglicht der Einsatz von KI eine effizientere und präzisere Risikobewertung, was dazu beiträgt finanzielle Stabilität und Sicherheit zu gewährleisten und gleichzeitig die Effizienz der Bankprozesse zu steigern.
Das Risikomanagement der LBBW befindet sich aktuell einer Frühphase der Einbeziehung von KI und ML – es werden in unterschiedlichen Bereich bereits erste Ideen entwickelt, aber noch keine detaillierten Strategien oder Implementierungspläne auf- und umgesetzt.
Zühlke unterstützt als Innovationspartner bei der Erarbeitung eines Portfolios an relevanten und wertbringenden KI/ML-Anwendungsfällen. Die Entwicklung des Portfolios erfolgt unter Einbindung der relevanten Stakeholder und Fachbereiche der LBBW.
Das gemeinsame Vorgehen findet in drei Schritten statt. Ausgangspunkt bildet dabei eine ausführliche Markt- und Trendrecherche. Es folgen:
Überprüfung bestehender Ideen und Entwicklung neuer Anwendungsfälle mit Expert:innen in mehreren Workshops vor Ort.
Erste Ausarbeitung, Bewertung und Priorisierung von vielversprechenden KI/ML-Anwendungsfällen.
Entwicklung einer ersten Roadmap für das Portfolio.
In nur 8 Wochen entwickelt Zühlke in enger Zusammenarbeit mit den Fachabteilungen auf Basis von zuvor identifizierten Herausforderungen und Painpoints 10 spezifische Anwendungsfällen, in denen KI/ML-Technologien dazu beitragen, Geschäftsprozesse zu verbessern, Risiken zu minimieren oder neue Möglichkeiten zu schaffen.
Die Anwendungsfälle reichen dabei von der (Teil-)Automatisierung elementarer Geschäftsprozesse, hin zur Analyse von komplexen, unstrukturierten Daten in unterschiedlichen Kontexten.
Die gewählte Methode ermöglicht es, Anwendungsfälle eng auf die Herausforderungen und Bedürfnisse der jeweiligen Fachabteilungen abzustimmen.