KI-Agenten bei der Independent Bank

Die Inde­pen­dent Bank mit Sitz in Grand Rapids im Bun­desstaat Michi­gan hat KI-Agen­ten mith­il­fe der Snap­Log­ic-Plat­tform für gen­er­a­tive Inte­gra­tion imple­men­tiert, um ihre IT-Oper­a­tio­nen zu mod­ernisieren und ver­schiedene Auf­gaben zu übernehmen.

Die KI-Agen­ten unter­stützen den IT-Helpdesk, indem sie Anfra­gen bear­beit­en und die Anzahl der Tick­ets sig­nifikant reduzieren. Sie assistieren zudem Mitar­beit­ern bei der effizien­teren Erledi­gung ihrer Auf­gaben. Ein weit­er­er wichtiger Bere­ich ist die Verbesserung der Betrugserken­nung, wobei die Bank neue automa­tisierte Prozesse entwick­elt hat, die von KI-Agen­ten unter­stützt wer­den.

Durch den Ein­satz dieser Tech­nolo­gie kon­nte die Bank ihre IT-Ressourcen effizien­ter nutzen und Prozesse opti­mieren. Die Imple­men­tierung führte auch zu schnelleren Bere­it­stel­lungszeit­en für Sys­tem­inte­gra­tio­nen und ermöglichte die Automa­tisierung kom­plex­er Geschäft­sprozesse sowie die Unter­stützung von Entschei­dun­gen in Echtzeit.

Nach eigen­er Aus­sage kon­nte die Bank die KI-Lösun­gen mit ihrem beste­hen­den dreiköp­fi­gen Inte­gra­tionsteam umset­zen, ohne zusät­zlich­es Per­son­al ein­stellen zu müssen. Der Kun­denser­vice und die betriebliche Effizienz wur­den durch den Ein­satz der KI-Agen­ten verbessert.

Tech­nol­o­gis­che Umset­zung

Die GenAI-Agen­ten der Inde­pen­dent Bank nutzen eine Vielzahl fortschrit­tlich­er Tech­nolo­gien, um ihre Auf­gaben effizient zu erfüllen. Grundle­gend sind dabei Large Lan­guage Mod­els (LLMs), die die Basis für die spezial­isierten KI-Agen­ten bilden und die Ver­ar­beitung natür­lich­er Sprache ermöglichen(Von schnellerer Inte­gra­tion bis zu ein­er Armee von KI-Agen­ten bei ein­er unab­hängi­gen Bank).

Im IT-Helpdesk kommt Sprachver­ar­beitungs-KI zum Ein­satz, um das Call-Cen­ter-Aufkom­men zu reduzieren. Für Echtzeit-Analy­sen wird Text-to-SQL-Tech­nolo­gie ver­wen­det, die natür­lich­sprach­liche Fra­gen in SQL-Abfra­gen über­set­zt.

Robot­ic Process Automa­tion (RPA) wird in Kom­bi­na­tion mit Snap­Log­ic-Pipelines für die automa­tisierte Nachricht­en­ver­ar­beitung, Inten­tion­serken­nung und Infor­ma­tion­sex­trak­tion genutzt. Die Bank set­zt zudem auf cloud-basierte Anwen­dun­gen, die kon­tinuier­lich mit GenAI-Funk­tio­nen erweit­ert wer­den.

Als Basis für die Inte­gra­tion und Entwick­lung der GenAI-Agen­ten dient die Snap­Log­ic-Plat­tform, die auch den KI-Co-Piloten SnapG­PT ein­schließt.

Train­ing der KI-Agen­ten

Um die Agen­ten zu trainieren, erfol­gt eine enge Zusam­me­nar­beit zwis­chen den Entwick­lern und den KI-Sys­te­men. Die Agen­ten wer­den mit klar definierten Zie­len und Umge­bun­gen aus­ges­tat­tet, die von Men­schen fest­gelegt wer­den. Dies umfasst die Zer­legung kom­plex­er Auf­gaben in spez­i­fis­che Teilauf­gaben, um die Leis­tung der Agen­ten zu verbessern.

Neben Snap­Log­ic wer­den ver­schiedene Tech­nolo­gien für das Train­ing von KI-Agen­ten in der Inde­pen­dent Bank einge­set­zt. Eine bedeu­tende Meth­ode ist Rein­force­ment Learn­ing from Human Feed­back (RLHF), ein Ansatz, bei dem ein Beloh­nungsmod­ell durch direk­tes men­schlich­es Feed­back trainiert wird. Diese Tech­nik opti­miert die Leis­tung von KI-Agen­ten, indem sie aus den Rück­mel­dun­gen der Benutzer lernt und ihre Entschei­dungs­find­ung im Laufe der Zeit verbessert.

Zusät­zlich durch­laufen die KI-Agen­ten eine Art Probezeit, in der ihre Entschei­dun­gen und Aktio­nen von Fach­ex­perten überwacht wer­den. Diese Über­prü­fung ist beson­ders wichtig, um sicherzustellen, dass die Agen­ten im Ein­klang mit den Unternehmen­srichtlin­ien und ethis­chen Stan­dards arbeit­en. Durch diese umfassenden Train­ings- und Überwachung­sprozesse wird sichergestellt, dass die KI-Agen­ten effizient arbeit­en und gle­ichzeit­ig das Ver­trauen der Mitar­beit­er gewin­nen.

Auswirkun­gen auf die Pro­duk­tiv­ität der Mitar­beit­er

Die Ein­führung von GenAI-Agen­ten hat zu sig­nifikan­ten Verän­derun­gen in den Prozessen der Inde­pen­dent Bank geführt:

Ein KI-gestützter Chat­bot im IT-Helpdesk reduzierte die Anzahl der einge­hen­den Tick­ets erhe­blich, was die Effizienz steigerte. Im Bere­ich der Kred­itver­gabe unter­stützt ein Com­mer­cial Lend­ing Assis­tant neue Mitar­beit­er und set­zt wertvolle Zeit erfahren­er Mitar­beit­er frei.

Die Doku­menten­ver­ar­beitung wurde durch einen PDF-Assis­ten­ten opti­miert, der das inter­ak­tive Extrahieren von Dat­en, Erken­nt­nis­sen und Zusam­men­fas­sun­gen aus hochge­lade­nen Doku­menten ermöglicht. Für Echtzeit-Analy­sen über­set­zt ein Text-to-SQL-Assis­tent natür­lich­sprach­liche Fra­gen in SQL-Abfra­gen.

Die Nachricht­en­ver­ar­beitung wurde durch RPA-Agen­ten in Kom­bi­na­tion mit Snap­Log­ic-Pipelines automa­tisiert, was die Ver­ar­beitung von Nachricht­en, die Inter­pre­ta­tion von Absicht­en und die Infor­ma­tion­sex­trak­tion effizien­ter gestal­tet.

Die Erstel­lung, Prü­fung und Bere­it­stel­lung von Inte­gra­tio­nen wurde von Monat­en auf Tage reduziert, und das Team erstellt nun so viele Inte­gra­tio­nen in einem Monat wie zuvor in einem Jahr, ohne zusät­zlich­es Per­son­al einzustellen.

Neuaus­rich­tung der IT: Das Team hat sich von Ser­vice-Desk-Auf­gaben gelöst und agiert nun als strate­gis­ch­er Geschäftspart­ner, der sich auf Inno­va­tio­nen und die Entwick­lung von KI-ges­teuerten Lösun­gen konzentriert(Vgl. dazu: Wie Banken (Gen)AI ein­set­zen)