 |
| Quelle: Ronny Fuchs, Artikel vom September 2015 |
Kosten reduzieren und Verkauf von Produkten und Dienstleistungen unterstützen. Im Nachhinein ist man bekanntlich immer schlauer. Für einmal würde ich den Artikel aber auch "back to the future" fast identisch schreiben. Die Themen sind meines Erachten alle nach wie vor vorhanden und relevant. Beim Thema Personal Finance Manager (PFM) gibt es wahrscheinlich eine kleine Adaption, weg vom Begriff hin zu den Funktionen. In anderen Worten: Von PFM spricht eigentlich niemand mehr, aber die Funktionen die unter diesem Begriff adressiert waren, sind nach wie vor aktuell, direkt ins jeweilige E-Banking integriert.
Da es bezüglich Themen und Herausforderungen eine gewisse Stabilität zu geben scheint, lohnt sich ein Blick mit der Cloud-Brille auf diese Themen. Wo kann die Google Cloud heute konkret helfen, Anforderungen zu erfüllen? "The new way to cloud" aus einer funktionalen Anforderungsperspektive. Damit sind wir definitiv zurück im Jahr 2024.
Der Fokus liegt dabei klar auf kurz- bis mittelfristig realisierbaren Umsetzungen. Ich gehe nicht davon aus, dass eine Bank in den nächsten 1-2 Jahren selber anfängt, eine komplette Bankensoftware Cloud native zu entwickeln. Dennoch hat eine Bank aus meiner Sicht gute Möglichkeiten, von auserwählten spezifischen Cloud-Lösungen zu profitieren.
Wenn man sich die Anforderungen anschaut liegt der Schluss nahe, dass die Google Cloud mit ihren einzigartigen Kapazitäten in der Poleposition für einzelne Anforderungen ist. Im vorliegenden Artikel möchte ich daher Inputs und Gedankenanstösse liefern, wie man der zukunftsfähigen Banken-IT mit den heutigen Möglichkeiten von Cloud-Services einen weiteren Schritt näher kommen kann. Doch jetzt der Reihe nach.
Die Themen:
Compliance
Das Thema ist nach wie vor aktuell:
 |
| Auszug aus Blog-Artikel 2015 |
Als horizontales Thema können verschiedene GCP-Produkt die Anforderungen und Zielsetzungen von Compliance unterstützen. Konkret zum Thema Bank-Compliance hat Google ein für Finanzinstitute exklusives Anti Money Laundering (AML) API: https://cloud.google.com/anti-money-laundering-ai?hl=en
Vielleicht eine Möglichkeit, das AML auf die nächste Stufe zu heben und besser in eine Microservice-Architektur zu integrieren?
Mobile Banking
Nicht mehr wegzudenken - oder?
 |
| Auszug aus Blog-Artikel 2015 |
Die Google Cloud selber bietet nicht direkt entsprechende App Client-Produkte an. Aber Google stellt mit Flutter und Angular entsprechende Technologien bereit, um (auch) Apps effizient zu entwickeln:
Angular: https://angular.dev/
Flutter: https://flutter.dev/
Personal Finance Manager (PFM)
Der Begriff ist etwas out, aber die Funktionen nach wie vor aktuell.
 |
| Auszug aus Blog-Artikel 2015 |
Hier bietet die Google Cloud ein breites Spektrum an Lösungsmöglichkeiten. Dies insbesondere in den Bereichen der Transaktionsklassifikation und des Vorschlagswesen. Automatische Transaktionsklassierung oder Fragestellungen wie: "Was nutzen vergleichbare Kunden für Produkte und Dienstleistungen" oder "Was bezahlen andere Kunden monatlich für das Mobile-Abo" etc. sind typische Themen des maschinellen Lernens. Dazu bietet Google Cloud mit Vertex AI und BigQuery vielversprechende Möglichkeiten:
Vertex AI: https://cloud.google.com/vertex-ai?hl=en
BigQuery: https://cloud.google.com/bigquery?hl=en
Das Thema ist natürlich eng verwandt mit der Anforderung "Daten-Analyse", siehe weiter unten.
Self Service
Um echten Self Service anbieten zu können, müssen die internen Prozesse in Workflows automatisiert sein. Heute ist Self-Service bei Banken teilweise immer noch ein Potemkinsches Dorf wo die Mitarbeiter wie bei Optimus manuell die Fäden im Hintergrund ziehen:
 |
| Auszug aus Blog-Artikel 2015 |
Google Cloud kann hier etwas Abhilfe schaffen. Wenn auch durch AI Agents die kompletten Prozesse nicht vollständig abgedeckt werden können, wenn die dafür notwendigen technischen Schnittstellen fehlen, so können mit AI Agents doch partiell Self-Service-Angebote realisiert werden. Oder die E-Banking Hotline kann bspw. entlastet werden in dem AI Agents für Kunden direkt oder für Mitarbeiter Standardabklärungen vornehmen.
Customer Engagement Suite: https://cloud.google.com/solutions/customer-engagement-ai?hl=en
Agent Builder: https://cloud.google.com/products/agent-builder?hl=en
Customer Journey und Multi Channel
Customer Journey und Multi Channel haben aus meiner Sicht in letzter Zeit etwas an Fahrt verloren. Es gibt nicht viele Bank-Prozesse, wo der Kunde im Mobile starten, vor Ort am Schalter nahtlos einen nächsten Schritt ausführen und den Prozess dann bequem zu Hause am Computer abschliessen kann. Aber vielleicht ist auch schlicht die Nachfrage zu klein dafür. Bei der Customer Journey sieht es aus meiner Sicht über einen längeren Horizont vergleichbar aus. Oftmals fehlen der Bank jedoch Informationen oder sie haben diese nicht genügend gut verfügbar. So begleiten die Banken Kunden auf ihrer Reise, bspw. vom Hauskauf über das Wohnen, Vermieten und wieder Verkaufen nur partiell und in der Regel dann, wenn der Kunde selber auf die Bank zu geht:
 |
| Auszug Blog-Artikel 2015 |
Eine fertige Lösung hat die Google Cloud natürlich nicht. Dies müssen die Banken letztlich selber realisieren. Aber eine Customer Data Platform (CDP) könnte je nach konkreter Herausforderung vielleicht eine gute Grundlage für nächste Schritte schaffen. CDP ist eine Kombination von verschiedenen Produkten wie BigQuery/ML, Looker/Looker Studio und Analytics Hub. Im Themenbereich Customer Journey könnte eine CDP bspw. dabei helfen, Daten zusammenzuführen und eine personalisierte Kommunikation zu ermöglichen, basierend auf externen Informationen wie Google Trends oder Wetterdaten etc.
Big Data, Data-Analytics. Machine Learning
Wenn ich 2015 Machine Learning mit AI ersetzt hätte ... Gerade hoch aktuell. Sicher in gewissen Bereichen etwas "Hype", das soll aber nicht vom echten Potential ablenken.
 |
| Auszug Blog-Artikel 2015 |
Hier schöpft Google aus dem vollen. Es gibt fast unzählige Werkzeuge in diesem Themenbereich. Hier die aus meiner Sicht wichtigsten:
Cloud Storage: https://cloud.google.com/storage?hl=en
BigQuery: https://cloud.google.com/bigquery?hl=en
Cloud Composer: https://cloud.google.com/composer?hl=en
Dataform: https://cloud.google.com/dataform?hl=en
Vertex AI: https://cloud.google.com/vertex-ai?hl=en
Looker Studio: https://cloud.google.com/looker-studio?hl=en
Produkt-Innovation
Echte Produktinnovation im Banking ist schwierig. Die eigentlichen Bankprodukte sind alle im Grunde recht alt. Es geht in der Regel mehr um die Einfachheit und den Zugang (bspw. für eine neue Kundengruppe, über einen neuen Kanal, zu einem neuen Instrument etc.), als um das Bankprodukt im finanzmathematischen oder rechtlichen Sinn. Eine Bank bietet neue die Möglichkeit, Bitcoins über das E-Banking zu kaufen und zu verwalten? Keine Bankproduktinnovation, einfach ein Zugang zu einer zusätzlichen Anlageklasse. Das "Münz" aus Kartentransaktionen wird in Aktien investiert? Einfachheit (ich muss es monatlich nicht selber ausrechnen und beauftragen) und vielleicht Zugang (kleine Beträge investieren können). Nicht zu vergessen natürlich die Preiskomponente. Nach einer Phase von hohen Kontoführungsgebühren, schon fast vor Jahrzehnten von der UBS eingeführt und dann Schritt für Schritt von anderen übernommen, geht der Trend aktuell wieder hin zu Kostenlos. Normale Zyklen:
 |
| Auszug Blog-Artikel 2015 |
Zugegeben schwierig, hier ein Cloud-Produkt zu finden, das unterstützen könnte. Aber es gibt sie. Vielleicht helfen Ihnen A/B-Tests herauszufinden, welche Anpassungen an Produkten die Kunden schätzen. Dadurch können Sie die Produkt-Innovation mindestens im funktionalen Bereich von Zugang und Einfachheit mit kleinen Schritten beschleunigen. Die nachfolgenden Quellen können als nützliche Inspiration dienen:
Banksteuerung
Nach wie vor unabdinglich für eine Bank:
 |
| Auszug Blog-Artikel 2015 |
Direkte Lösungen für die Bankensteuerung bietet die Google Cloud nicht. Und dennoch gibt es Werkzeuge, welche unterstützen können.
Riskmanagement: https://cloud.google.com/blog/products/data-analytics/bigquery-ml-unsupervised-anomaly-detection?hl=en
Reporting: https://cloud.google.com/solutions/financial-services/regulatory-reporting-platform?hl=en
Stärken und Funktionen:
Prozess-Engine
Mehr und mehr Banken setzen Prozess-Werkzeuge ein. Bei der Durchgängigkeit und auch beim Thema einfaches Outsourcing von einzelnen Schritten besteht sicher noch Verbesserungspotential.
 |
| Auszug Blog-Artikel 2015 |
Google Cloud kann hier mit mehreren Werkzeugen unterstützten. Erwähnenswert sind sicher die beiden Produkte Cloud Composer und Dataflow.
Cloud Composer: https://cloud.google.com/composer?hl=en
Als managed Apache Airflow bietet es volle Flexibilität und eine grafische Darstellung der Prozesse. Geeignete vor allem für etwas länger dauernde Prozesse.
Als Apache Beam Executor bietet Dataflow eine hoch skalierbare performante Streaming-Plattform. Mit Apache Beam lassen sich auch zeitkritische Order-Prozesse effizient umsetzen.
Nicht immer hat man strukturierte Daten in einem Prozess. Nach wie vor gibt es mehr oder weniger unstrukturierte Daten wie PDF. Hier könnte bspw. Document AI als Prozess-AddIn dienen um solche Dokumente in einem automatisierten Prozess verfügbar zu machen: https://cloud.google.com/document-ai?hl=de
Wizard-Engine
Da besteht noch Luft nach oben, aus meiner Sicht:
 |
| Auszug Blog-Artikel 2015 |
Die Google Cloud selber, bietet da nicht direkt Werkzeuge für Endkunden-Wizards. Mit der Kombination der Werkzeuge von "Prozess Engine" und "Client-Unabhängigkeit", lässt sich dies aber gut realisieren. Gerade Flutter bietet dazu bspw. mit dem Stepper Widget ein gutes Werkzeug an.
Flutter: https://flutter.dev/
Client-Unabhängigkeit
Die breite Nutzung des TV zur Freigabe von E-Rechnungen ist mir heute nicht bekannt. Aber die Gerätevielfalt ist eine Tatsache. Wenn auch bspw. Tablets vermehrt durch Foldable-Smartphones abgelöst werden:
 |
| Auszug Blog-Artikel 2015 |
Die Google Cloud bietet für die Clients selber nicht direkt Lösungen an. Google aber schon. So haben sich Angular und Flutter rasant weiterentwickelt. Mit beiden ist es möglich, verschiedene Geräte mit einer Source zu bedienen.
Angular: https://angular.dev/
Flutter: https://flutter.dev/
Berechtigungen & Kompetenzen
Bei diesem Thema sind wir noch nicht da, wo wir sein könnten. Die Kompetenzordnungen sind vielfach nach wie vor unnötig kompliziert und nicht durchgängig bis zum Kunden automatisiert anwendbar:
 |
| Auszug Blog-Artikel 2015 |
Es gibt verschiedene Produkte, die hier unterstützen können. Für die Daten-Analyse als Input, siehe weiter unten bei der Funktion "Daten-Analyse". Da die effektiven Berechtigungen und Kompetenzen in der Regel im Kernbankensystem gepflegt werden, konzentrieren wir uns an dieser Stelle auf die real-time Berechnung von Berechtigungen und Kompetenzen, insb. im Zusammenhang mit Ergebnissen aus einer Daten-Analyse.
Hierzu bietet sich Dataflow als skalierbarer Streaming-Lösung an: https://cloud.google.com/products/dataflow?hl=en
Mehr zum Thema Dataflow und Apache Beam finden Sie hier: https://ronnyfuchs.blogspot.com/2024/05/cloud-serie-streaming-mit-apache-beam.html
Offene Schnittstellen
OpenBanking ist nach wie vor aktuell. Die damals propagierte Erweiterung von einfachen Rest-API hin zu ganzen Workflow-API ist noch nicht ganz soweit. Vereinzelt gibt es Onboarding-Schnittstellen in diese Richtung. Aber da besteht noch Potential. Bevor aber die internen Workflows nicht vollständig digitalisiert sind, können sie auch nicht als offene Schnittstelle angeboten werden. Für diesen Punkt braucht es also noch etwas mehr Zeit.
 |
| Auszug Blog-Artikel 2015 |
Für das Management und die Orchestrierung von API hat Google mit Apigee ein Spitzenprodukt im Sortiment: https://cloud.google.com/apigee?hl=en
Daten-Analyse
Aktueller könnte das Thema fast nicht sein, die Daten-Analyse:
 |
| Auszug Blog-Artikel 2015 |
Als Input für Workflows wird sie meiner Meinung nach nach wie vor nicht oft verwendet. Aber bei diesem Thema entfaltet sich die geballte Innovation von Google im Bereich Datenspeicherung, Verarbeitung und Analyse. Es gibt zahlreiche Produkte, welche hier aufgeführt werden könnten. Eine kleine Auswahl davon:
BigQuery: Ein Data Warehouse, in Kombination mit weiteren Produkten ein Data Lakehouse. Hochintegriert in die AI/ML-Produkte von Google bietet es unglaublich viele Möglichkeiten der Datenanalyse: https://cloud.google.com/bigquery?hl=en
Erwähnenswert in diesem Zusammenhang sind sicher auch die Möglichkeiten der integrierten Vektor-Suche: https://ronnyfuchs.blogspot.com/2024/09/bigquery-vektor-suche.html
Wenn es darum geht, Daten visuell zu analysieren und aufzubereiten, stehen mit Looker und Looker Studio leistungsstarke Werkzeuge zur Verfügung: https://cloud.google.com/looker?hl=en / https://cloud.google.com/looker-studio?hl=en
Last but not least: Vertex AI. Die wohl aktuell leistungsstärkste AI-Plattform auf dem Markt: https://cloud.google.com/vertex-ai?hl=en
Vertrex AI ist hoch integriert. Sie können aus verschiedenen Google-Produkte wie bspw. BigQuery Vertex AI verwenden, ohne die Applikation (in dem Fall BigQuery) verlassen zu müssen.
Konklusion
AI ist, nicht nur aber auch, im Zusammenhang mit Cloud in aller Munde. Dabei ist AI eigentlich kein Thema für sich, es spielt nur (fast) überall mit. Dabei geht es nicht um AI in der Form von "wir haben AI", es geht darum, dass die Funktion besser wird. Besser im Kontext von Kosten reduzieren und/oder Verkauf von Produkten und Dienstleistungen unterstützen. Kein Kunde denkt sich, ah, die Bank Abc hat AI, dann eröffne ich ein Konto. Und genau so sollten IT-Lösungen nicht einfach "powered by AI" sein, sie müssen gut sein. Ob mit oder ohne AI. Wenn man sich die Werkzeugvorschläge ansieht stellt man fest, es geht hauptsächlich um Daten. Und gute Daten sind die Grundlage von maschinellem Lernen und AI. Und um mit den Daten arbeiten zu können, braucht es Prozesse. Workflows. Data Pipelines. Datenbanken. Und natürlich effizienter Speicher. Erst diese robuste Foundation macht es möglich, darauf aufbauend mit AI gezielt weitere Verbesserungen zu erzielen. Und genau bei dieser Foundation kann Ihnen die Google Cloud helfen. Denn sie ist in vielerlei Hinsicht mit unter das Herzstück von Google selbst. Gehen Sie also in erster Linie den Schritt in die Cloud, um ihre Daten (-Prozesse) zu verbessern. Der Rest ergibt sich Schritt für Schritt.
Für den Weg in die Cloud empfiehlt sich eine fundierte interne Cloud Foundation. Um aus den hunderten und tausenden Produkten und Möglichkeiten einen passenden ersten Setup und ein adäquates Vorgehen zu definieren, ist es allenfalls ratsame, einen (externen) Spezialisten beizuziehen.
Keine Kommentare:
Kommentar veröffentlichen