Unabhängige News und Infos

Biometrie und KI für Finanzdienstleistungen

Biometrie und KI für Finanzdienstleistungen

Nvidia äußert sich optimistisch über Biometrie und KI für Finanzdienstleistungen

Betrugsmanagement und Sicherheit sind zwei wichtige Säulen, um das Vertrauen in Finanzdienstleistungen zu erhalten. Unternehmen wie Nvidia haben aus diesen Gründen bereits künstliche Intelligenz in der Branche eingesetzt, doch nun bietet sich die Gelegenheit, eine wichtige Rolle dabei zu spielen, den Kunden von Finanzdienstleistungen zu helfen, ihre Konkurrenten zu übertreffen. Sprachbasierte Anwendungen, die von Authentifizierung bis hin zu Konversations-KI reichen, sind einer der wichtigsten Bereiche von Interesse. Führungskräfte von Nvidia sprachen mit Biometric Update über die Nutzung von KI und Biometrie zur Bereitstellung von Lösungen, die Unternehmen bei der Sicherung von Finanzanlagen helfen.

Nvidia kann auf eine lange Erfahrung im Ökosystem der Finanzdienstleistungen zurückblicken, zu dem Banken, Handels-, Zahlungs-, Versicherungs- und Fintech-Unternehmen gehören. Bei den ersten Vorstößen in die Branche wurden die Hochleistungsrechenfähigkeiten der Nvidia-GPUs für Risikosimulationen und die Preisgestaltung von Derivaten genutzt. In den letzten mehr als fünf Jahren hat sich das Unternehmen auf die Entwicklung von KI- und maschinellen Lernfähigkeiten konzentriert, so Kevin Levitt, Director of Financial Services bei Nvidia.

Levitt sagte, dass Nvidia 350 Anwendungsfälle für KI skizziert hat, um zu verstehen, wo das Unternehmen in den Aufbau von KI-Fähigkeiten in einer seiner am schnellsten wachsenden vertikalen Branchen investieren sollte. Auf dieser Liste: konversationelle KI für Call Center. Er wies darauf hin, dass die Coronavirus-Hilfsprogramme der Bundesregierung zu einem hohen Call-Center-Aufkommen bei Banken und anderen Institutionen geführt haben. Um Unternehmen dabei zu helfen, in der Zeit, in der diese Programme auslaufen, effizient zu arbeiten, investiert Nvidia „in erheblichem Umfang“ in Anwendungs-Frameworks für Erkennungssysteme.

Eine weitere Anwendung: Empfehlungsmaschinen, die auf dem Merlin-Framework aufbauen. Diese Anwendungen sind vergleichbar mit den Empfehlungsmaschinen, die zum Beispiel auf Netflix Filme vorschlagen. Im Falle von Banken und Versicherungen wären das Empfehlungen für alles Mögliche, von der Frage, welche Kreditkartenschulden zuerst abbezahlt werden sollten, bis hin zu personalisierten E-Mails oder Werbung, die auf den Kunden zugeschnitten ist.

Levitt zufolge hat Nvidia zahlreiche Kunden bei der Entwicklung dieser Art von Anwendungen unterstützt, doch handelte es sich dabei in der Regel um „isolierte“ Anwendungen von KI. Um KI auf Hunderte von Anwendungsfällen in jeder beliebigen Kundenumgebung – ob vor Ort oder in der Cloud – anwenden zu können, sollte es eine KI-Plattform für Unternehmen geben, schlägt Levitt vor. Eine Plattformstrategie bietet nicht nur die Möglichkeit, Anwendungen schneller zu entwickeln, sondern ermöglicht es Unternehmen auch, KI auf neue Weise und an neuen Orten einzusetzen.
Wo KI, Edge Computing und biometrische Identifizierung zusammenkommen

In der Branche wird die biometrische Identifizierung in erster Linie zur Betrugsprävention eingesetzt. Die Benutzerauthentifizierung ist bei Kassensystemen, aber auch bei neuen Formen des virtuellen Handels von entscheidender Bedeutung, ganz zu schweigen von Systemen wie Geldautomaten. In Bezug auf die biometrische Identifizierung sieht Nvidia die Stimmerkennung als einen Bereich von wachsendem Interesse an. So betrachten Banken beispielsweise virtuelle Assistenten und Chatbots als Schlüssel zur Entlastung des Kundendienstes, die jedoch eine lebensnahe Konversation ermöglichen müssen. Diese Anwendungen nutzen konversationelle KI, um auf Deep-Learning-Modellen aufzubauen. Große, ausgefeilte Modelle erfordern ein umfangreiches Training, was wiederum eine erhebliche Rechenleistung erfordert. Die Ressourcen für die Modellschulung sind in der Regel zentral bei einem Cloud-Anbieter angesiedelt. Wenn es um Inferenzen geht – bei denen ein natürliches Sprachmodell verwendet wird, um z. B. Sprachbefehle zu „verstehen“ – ermöglichen Fortschritte bei der Rechenleistung, dass verschiedene Arten von Geräten jetzt KI ausführen können.

„Es gibt eine bedeutende Rolle für KI am Rande, sei es durch intelligente Geräte und Telefone oder durch Geldautomaten und andere Interaktionsmodelle, bei denen KI traditionell nicht verwendet wurde“, sagte Levitt. Intelligente Videoanalyse und Geldautomaten, die mit KI für den Kundenservice und die Sicherheit aktiviert werden, sind nur zwei Beispiele für den Einsatz von KI in Edge-Geräten, fügte er hinzu.

„Wenn man mit einem Geldautomaten interagiert [und] 10-30 Sekunden auf eine Schlussfolgerung warten muss, fällt das Kundenerlebnis auseinander. Aus diesem Grund müssen virtuelle Assistenten, Chatbots und die Verwendung von Spracherkennung am Rande und im Callcenter nahezu sofort erfolgen. Andernfalls gibt es keine echte menschliche Interaktion“, so Levitt. Dies lässt sich durch den Einsatz einer beschleunigten Rechenplattform erreichen, die (im Falle von Nvidia) GPUs verwendet.
Biometrie über Betrugsprävention hinaus

Levitt wies darauf hin, dass HSBC mit Hilfe der Stimmbiometrie jährlich Hunderte von Millionen Dollar einspart.

Laut Levitt sieht Nvidia auch ein wachsendes Interesse an der Verwendung von Sprache in Anwendungen, die über Betrugsbekämpfung und Authentifizierung hinausgehen. Stimmungserkennung ist ein Anwendungsfall, bei dem die Stimme die Stimmung des Benutzers erkennen kann, um Personalisierung und Empfehlungen zu geben, was eine bessere Kundenbindung ermöglichen wird.

„Wir wissen, dass Banken viele Möglichkeiten sehen, Kunden dort zu treffen, wo sie sich engagieren, anstatt den Kunden zu zwingen, die bankeigenen Kanäle aufzusuchen“, sagte Levitt. Es gibt eine starke Nachfrage in den westlichen Ländern, aber auch im asiatisch-pazifischen Raum, wo die Smartphone-Penetration in der breiten Bevölkerung noch höher ist, stellte er fest. „Die Wachstumsrate in Afrika macht diesen Markt dynamisch und opportun für Banken, um die Stimme aus biometrischer Sicht zu nutzen, um Betrug zu verhindern und Kunden zu verifizieren.

Levitt merkte an: „Es gibt eine Vielzahl von Lösungen und Anwendungsfällen, in die Banken weiterhin investieren und die sie auf unserer Accelerated-Computing-Plattform entwickeln, um die Kundenbindung und -treue zu verbessern, die Betriebskosten zu senken und die Erträge zu verfolgen.“