Eine Finanzlösung zur Kontrolle und Erleichterung der Kreditvergabe

Dieses IT-Projekt wurde für eine der größten Bankenholdings in Osteuropa umgesetzt. Dort ist man ständig mit unzähligen Prozessen rund um die Erstellung von Kreditangeboten und die Bearbeitung von Kreditanträgen beschäftigt. Diese Prozesse umfassen typischerweise mehrere wichtige Schritte, wie beispielsweise die Identitätsprüfung, die Kreditwürdigkeitsprüfung, die Prüfung der Produktberechtigung sowie die Festlegung der Konditionen und Beträge.

Vor der Einführung der IT-Lösung waren das Onboarding der Kunden und die Bearbeitung der Anträge manuell und ineffizient. Die Bankangestellten mussten die Kundendaten erfassen und die Systemeinträge von Hand aktualisieren. Auch die Prüfung der Förderkriterien und das anschließende Erstellen der Angebote erfolgte manuell. Dieser zeitaufwendige Verwaltungsprozess schränkte die Möglichkeiten der Banken stark ein.

Die Kreditfabrik sollte nun diesen komplexen und zeitintensiven Entscheidungsprozess automatisieren und vereinfachen. Sie basiert auf einer Microservice-Architektur mit einer zentralen KI-gesteuerten Plattform. Eine solche Technologie ermöglicht es, nicht nur schnell und effektiv auf Kundenanfragen zu reagieren, sondern diese auch vorherzusagen.

Somit kann der Kunde zeitnah Kreditangebote generieren, die bereits im voraus sicher bewilligt werden können.

Diese statistischen Modelle tragen dazu bei, maßgeschneiderte Kreditangebote für Kunden zu erstellen. Dadurch erhalten Kreditnehmer von der Bank rechtzeitig, bequem und über den optimalen Servicekanal vorab genehmigte Kreditprodukte.

Die hochentwickelten analytischen Fähigkeiten sind direkt für die Auswahl spezifischer Kreditangebote verantwortlich. Das bedeutet, es handelt sich um eine KI-gesteuerte Plattform zur Anwendung und Verwaltung der im Prozess verwendeten Modelle. Diese Plattform kombiniert die Leistungsfähigkeit innovativer Modellierungs- und maschinelles Lernen-Methoden, einschließlich NLP, Graphenanalyse, Geoanalyse usw., und nutzt dabei eine breite Palette von internen und externen Daten.

Noch wichtiger ist, dass diese Modelle, die mithilfe der verfügbaren Algorithmen erstellt wurden, eigenständig lernen, während sie neue Daten verarbeiten, und somit aktiv und äußerst hilfreich sind. Zum Beispiel konnten mithilfe von ihnen Bewertungsmodelle für die Abwanderungsraten verschiedener Kunden- und Antwortgruppen auf Kreditprodukte in der gesamten Kundenbasis entwickelt und implementiert werden.

Schließlich haben wir erfolgreich Graphenanalysen, Beziehungsanalysen und Widerspruchsverfahren in die resultierende IT-Lösung integriert, um die Identifizierung, Untersuchung und Bekämpfung von Kreditbetrug zu unterstützen.

Die Kreditfabrik verwendet eine Plattform auf Basis von Mikroservices, um Modelle auszuführen. Damit kann die Bank verschiedenen Kunden ein Modell-als-Service (MaaS) anbieten, das unterschiedliche Datenverarbeitungsframeworks nutzt. Dies geschieht sowohl online mit schneller Reaktionszeit und hoher Datenlast als auch im Batch-Modus, der praktisch jede Datenmenge verarbeiten kann.

Die Modelle, die den Geschäftsprozess des Kunden beschreiben, sind in einer zentralen Plattform integriert. Hier erfolgen die erforderlichen Berechnungen, und die Ergebnisse stehen für die weitere Verwendung zur Verfügung.

Die Plattform ist über eine Vielzahl von Integrationsadaptern mit der Kreditfabrik-Lösung verbunden. Dies ermöglicht eine flexible Konfiguration der Kreditfabrikprozesse und eine effektive Interaktion in verschiedenen Phasen der Antragsbearbeitung.

Während die Plattform aktiv ist, speichert sie alle Betriebsdaten des Systems, was eine spätere Verwendung zur Überwachung des Systembetriebs und des Modelltrainingssystems ermöglicht.

Wir beabsichtigen, dem System ein zentrales Modellverwaltungssystem hinzuzufügen. Dies ermöglicht es dem Kunden, ein umfassendes und eigenständiges Register aller verwendeten Modelle und ihrer Versionen zu führen. Dadurch kann der Kunde aktualisierte Modelle schnell nutzen und sie sogar automatisch neu trainieren, ohne menschliche Beteiligung.

Abschließend erfolgt die Erweiterung der Ausführungsplattform um neue spezialisierte Komponenten, darunter eine Graphenplattform und eine Geo-Plattform.

Die Graphenplattform wird zur Aufdeckung und Verhinderung von Betrug eingesetzt. Sie besteht aus einem Graph-Datenbank-Management-System und einer benutzerfreundlichen Schnittstelle. Das DBMS ist in die Hadoop-basierte Datenspeicherung integriert. Es wird verwendet, um Verbindungen zwischen verschiedenen Eckpunkten herzustellen.

Potenzieller Kreditbetrug kann sowohl in Echtzeit als auch über die Offline-Überwachung (Erkennung und Untersuchung von Kreditbetrug, Analyse der Risikostufen für möglichen Kreditbetrug usw.) erkannt werden.

Kreditbetrug wird über Graphenanalyse, Verknüpfungsanalyse und aufgedeckte Widersprüche identifiziert und untersucht. Die Ergebnisse jeder Untersuchung von Kreditbetrug können Einfluss auf die Bearbeitung eines Kreditantrags und die Ebene haben, auf der die endgültige Entscheidung getroffen wird.

Die Geo-Plattform fungiert als praktisches Tool zur Analyse der Bedürfnisse und Interessen während des gesamten Bankprozesses. Sie wirkt wie eine Sammlung von Geo-Schichten verschiedener anonymisierter Daten. Die Analyse dieser Daten mithilfe automatischer Machine-Learning-Methoden (Auto-ML) ermöglicht die Vorhersage der Nachfrage, der Kundenströme und anderer entscheidungsrelevanter Faktoren. Die Produkte der Geo-Plattform werden zur Bewertung und Vorhersage des Zustroms von Kreditnehmern sowie für gezielte Werbung eingesetzt.

Die in einem einzigen Geo-Raster gesammelten Daten ermöglichen die Anwendung von Auto-ML-Methoden, um die Einführung neuer Produkte auf dem Markt zu erleichtern. Diese Geo-Plattform umfasst Dutzende von Schichten anonymisierter Daten aus den Bereichen Bankwesen, Telekommunikation und anderen digitalen Diensten. Ein solches Modul ermöglicht es, eine breite Palette geografischer Eigenschaften bei der Anwendung von Kundenbewertungsmodellen zu berücksichtigen: angefangen von der regionalen Ebene und der Standortbestimmung von Büros in bestimmten Situationen bis hin zum Wohnsitz und zur Beschäftigung eines individuellen Kunden.