Unstrukturierte Daten in der Finanzdienstleistungsbranche – und warum sie für eine solide Unternehmens-KI-Strategie wichtig sind

Die Möglichkeit, unstrukturierte Daten zu nutzen, ist ein entscheidender Teil einer effektiven Datenstrategie für 2025 und darüber hinaus. Um mit dem Wettbewerb und dem KI-beschleunigten Innovationstempo Schritt zu halten, müssen Unternehmen in der Lage sein, die Schatzkammer des Wertes zu erschließen, die in den Bergen unstrukturierter Daten vergraben ist, die ungefähr 80 % aller Unternehmensdaten umfassen – von Callcenter-Protokollen, Kundenrezensionen, E-Mails und Schadenberichten bis hin zu Nachrichten, Akten und Mitschriften. Obwohl es so ein riesiger Anteil der Unternehmensdaten ist, wissen viele Finanzdienstleister immer noch nicht, wie sie diese effektiv nutzen können. 

Der Schlüssel? Eine solide Datenstrategie mit einer Plattform, die sowohl strukturierte als auch unstrukturierte Daten unterstützt. Ohne sie haben Datenverantwortliche möglicherweise Schwierigkeiten, generative KI flächendeckend in einem Unternehmen einzusetzen, um den Wert zu optimieren. 

Unternehmen, die ihre unstrukturierten Daten nutzen wollen, müssen herausfinden, wie sie drei oft herausfordernde Dinge erreichen können: 

• Daten erfassen: Was ist das richtige Paradigma für die Erfassung unstrukturierter Daten? 

• Daten parsen: Wie sieht die Analyse unstrukturierter Daten aus? 

• Daten nach ihrer Umwandlung nutzen: Wie können Daten für verschiedene Personen im gesamten Unternehmen zugänglich sein, damit sie die richtigen Einblicke erhalten? 

Wertschöpfung für Kunden – Anwendungsfall für Anwendungsfall

Da sie sich die oben genannten Möglichkeiten zunutze machen können, können Datenverantwortliche konkrete Anwendungsfälle optimieren, von denen echte Kunden profitieren können. Hier einige Beispiele aus dem gesamten Finanzsektor, in denen unstrukturierte Daten Wirkung zeigen können.

• Bearbeitung eines Versicherungsfalls: Die Schadensabwicklung bei Versicherungen ist komplex und entscheidend für die Kundenzufriedenheit. Von dem Moment an, in dem ein Anspruch eingereicht wird – ob online, über ein Callcenter oder per App – durchläuft er mehrere wichtige Schritte. Der Anspruch muss bewertet, je nach Art und Komplexität an die entsprechende Abteilung weitergeleitet, auf Gültigkeit geprüft und schließlich durch einen Vergleich oder eine Zahlung gelöst werden. 

  Bei diesem Prozess müssen Schadenmanager oft eine Vielzahl von Daten überprüfen, darunter Notizen, Verträge, Callcenter-Protokolle und sogar Multimedia wie Videos und Fotos. Die Untersuchung kann auch Betrugserkennungstools, Inspektionen vor Ort und die Zusammenarbeit mit externen Versicherungssachverständigen umfassen.

• Hilfe für Erstkaufende von Eigenheimen: Der Kauf eines Hauses ist für viele Menschen einer der aufregendsten Meilensteine, kann aber auch Kopfzerbrechen bereiten. Der Prozess erfordert eine Menge Dokumentation. Darlehensanträge, Gewinn- und Verlustrechnungen, Steuererklärungen oder Immobiliengutachten enthalten allesamt die nötigen Informationen, lassen sich aber nur schwer flächendeckend verarbeiten. Mit KI-gestützten Textverarbeitungsfunktionen können Mitarbeitende und Underwriter Dokumente schneller und effektiver parsen, Lücken oder Fehler erkennen und das Hauskaufserlebnis für Kund:innen beschleunigen.

• Durchführung von quantitativer Forschung und Investmentanalytik: Die Einbeziehung von strukturierten Daten wie Preisen, Schätzungen oder ESG-Daten (Environmental, Social and Governance) ist nur der Anfang wertvoller quantitativer Forschung und Investmentanalytik. Für clevere Vermögensverwaltende ist das Erschließen unstrukturierter Daten mit LLMs die nächste Stufe bei der Generierung von Alpha. Das Durchsuchen von Posten wie Finanzdokumenten von Unternehmen kann umständlich sein, ebenso wie das Lesen relevanter Nachrichten oder das Verstehen von Social-Media-Stimmungen. All das kann hilfreich sein, um Branchenlandschaften zu verstehen oder Einstellungen zu verändern, die sich auf Märkte auswirken. 

Ohne generative KI erfordert die Nutzung dieser unstrukturierten Datenressourcen für die Marktforschung fortgeschrittene Kenntnisse in der Verarbeitung natürlicher Sprache und große zeitliche Verpflichtungen. Doch mit den richtigen KI-gestützten Tools können Asset Manager und Quants Zusammenfassungen beschleunigen und Asset Manager mit umfassenderen – und einzigartigen – Analysen ausstatten, um letztlich Alpha zu generieren (oder zumindest schnellere Einblicke zu erhalten, die dies tun). 

Wie Snowflake hilft, das Potenzial unstrukturierter Daten zu nutzen

Führende Finanzdienstleister streben danach, ihre KI- und Datenstrategie auf die oben genannten Chancen und Anwendungsfälle abzustimmen und dabei Sicherheit, Skalierbarkeit und Kostenkontrolle zu wahren. Snowflake unterstützt diese Führungskräfte mit einem KI-Stack, der einfach bereitzustellen, effizient zu skalieren und zuverlässig für die Aufrechterhaltung der Sicherheit ist. Dieser Stack heißt Snowflake Cortex AI. 

Cortex AI umfasst „Full-Stack-KI“, d. h. sie beginnt bei der Datenerfassung und reicht bis zur Bereitstellung KI-gestützter Anwendungen. Cortex AI stellt Funktionen zur Verfügung, um unstrukturierte Daten zu verarbeiten, Vektoreinbettungen zu erstellen und Vektorsuche auszuführen, grundlegende LLMs bereitzustellen, RAG-Architekturen (Retrieval-Augmented Generation) zu entwickeln oder mit strukturierten Daten zu chatten – alles in einer einheitlichen Architektur. 

Cortex AI ermöglicht es Entwickler:innen, aktuelle Modelle von Unternehmen wie Google, Anthropic, Meta, Mistral AI und mehr auf Grundlage einer skalierbaren GPU-Infrastruktur auf ihre Daten anzuwenden, anstatt ihre Daten an externe Modelle zu senden. Dies erleichtert die effiziente Bereitstellung von Anwendungen und ermöglicht es, dass eine Governance-/Sicherheitsarchitektur erhalten bleibt, während die Daten von Erfassung über Transformation bis hin zur Unterstützung von GenAI-Anwendungen voranschreiten. 

Dank dieses einheitlichen Stacks können unsere Kunden ihre Zeit damit verbringen, den KI-ROI zu steigern.

Wenn Sie mehr darüber erfahren möchten, wie Sie unstrukturierte Daten nutzen können, laden Sie den AI Blueprint for Financial Services herunter oder registrieren Sie sich jetzt für Accelerate, um reale Demos zu sehen.