Im Interview: Dr. Gregor Heinrich, CTO bei creditshelf

Next Big Think Nov. 05, 2020

In unserem Interview berichtet Dr. Gregor Heinrich von den Herausforderungen, mithilfe von künstlicher Intelligenz (KI) manuelle Aufgaben zu unterstützen und aus unstrukturierten Daten relevante Informationen herauszulesen. Darüber hinaus zeigt er, wie der Mittelstand KI in drei praktischen Schritten als digitales Werkzeug zu seinem Vorteil nutzen kann. Dr. Gregor Heinrich ist seit Anfang 2019 Chief Technology Officer von creditshelf. Er hat über zehn Jahre Erfahrung als CTO und war unter anderem für einen mittelständischen Anbieter im Bereich der Automatisierung von IT-Prozessen in der Finanzindustrie tätig. Zuvor arbeitete er unter anderem für die Fraunhofer-Gesellschaft und hat in Informatik zum Thema maschinelles Lernen promoviert.

Was macht Ihre Faszination für KI aus?

KI erlaubt es, dass Maschinen sehr aufwendige Aufgaben erledigen und  Menschen sich zunehmend auf das Komplexe, Kreative und Intuitive fokussieren können. Was mich fasziniert ist, wie schnell sich momentan die Grenze dessen verschiebt, was KI — beziehungsweise im weiteren Sinne auch maschinelles Lernen (ML) —  alles abdecken kann. Besonders spannend finde ich dabei neue Ansätze, die KI und ML nicht mehr als "Black Box" verstehen, sondern ihr Verhalten erklärbar machen — sogenannte "Explainable AI". Je mehr Verantwortung wir in maschinelle Entscheidungen legen, z.B. bei Kreditentscheidungen oder beim autonomen Fahren, desto zentraler wird das Vertrauen in KI.

Was möchten Sie mit KI bewegen?

Mehr Kredite vermitteln und analysieren mit der gleichen Mannschaft. Das zieht sich durch die komplette Wertschöpfungskette: Von der Kreditanalyse über das Middle Office bis hin zu Marketing und Vertrieb sollen Kolleginnen und Kollegen Standardaufgaben zunehmend abgeben können, um sich beispielsweise auf schwierige Einzelfälle zu fokussieren. Neben Geschwindigkeit und Qualität erhöhen wir auch den Detailgrad von Analysen.

Etwas konkreter: Bei creditshelf ziehen wir unter anderem Erkenntnisse aus Daten, die wir zu mittelständischen Unternehmen bekommen.  KI bzw. ML soll dies beschleunigen und zudem tiefere Einblicke geben, als das momentan mit vertretbarem manuellem Aufwand möglich ist. Das bedeutet, dass wir mit maschineller Unterstützung besser und schneller Risikoabschätzungen zu unseren Kreditnehmern abgeben können.

An welchen Challenges wird aktuell gearbeitet?

Kein Mittelständler ist wie der andere, und die Kreditwürdigkeit eines solchen Unternehmens zu bewerten ist ein hochkomplexer, wissensintensiver Prozess. Viele Kreditanalysten lernen die Feinheiten des Geschäfts über Jahrzehnte.  Eine komplette Abdeckung der Mittelstandskreditanalyse durch KI wird es nach meiner Auffassung daher nicht zeitnah geben — anders als das zum Beispiel bei Privatkrediten schon heute gemacht wird. Die Challenge ist daher, einen möglichst großen Teil von manuellen Aufgaben durch KI und ML zu unterstützen.

Dies gilt auch für die Challenge der Datenextraktion: Aus unstrukturierten Daten in einer Vielzahl von Formaten müssen wir die relevanten Informationen strukturiert herauslesen — zum Beispiel aus PDFs mit Jahresabschlüssen oder monatlichen Summen- und Saldenlisten.  Dies muss mit einer so hohen Qualität geschehen, dass eine Kreditentscheidung auf den Ergebnissen getroffen werden kann.  Die Intelligenz steckt in der Art, mit unbekannten Formaten umzugehen und die Maschine daraus lernen zu lassen.

Die Gemeinsamkeit beider Challenges ist, dass wir bei beiden das optimale Zusammenspiel von Maschine und menschlichem Experten finden müssen. Die Maschine lernt in der Interaktion mit dem menschlichen Experten und übernimmt einen immer größeren Anteil der Arbeit, während der Mensch sich weiter um die wissensintensiven Teilarbeiten kümmert, die schwer maschinell abzudecken sind. Es gibt noch eine Vielzahl weiterer Challenges — die aber eigentlich eher Möglichkeiten sind, Dinge für den Menschen zu vereinfachen.

Was macht Ihr Produkt aus?

Unser Produkt ist ein Mittelstandskredit.  Er soll unseren Kunden — also Kreditnehmern und -investoren — sowenig wie möglich Aufwand bereiten und ihnen innerhalb von Tagen zur Verfügung stehen. Weniger Aufwand beim Kunden bedeutet aber mehr Aufwand bei uns, was wiederum die Nutzung von KI und ML antreibt. In Zukunft denken wir auch an ein zweites Produkt, nämlich unsere Services anderen zur Verfügung zu stellen, zum Beispiel FinTechs und Banken.

Wie kann der Mittelstand KI effektiv für sich nutzen?

Mittelständler sollten zunächst KI als digitales Werkzeug verstehen und als Chance sehen, ihre Prozesse, Wertschöpfungsketten und Geschäftsmodelle zu verändern und sich damit im Markt stärker zu positionieren.

KI ist beileibe kein Spielfeld nur für die Großen oder die Techies — genausowenig wie Digitale Transformation, in welche die KI sich zeitlich als logischer Schritt einfügt.

Man kann das als Unternehmen in verschiedenen Phasen angehen. Erst schafft man die digitalen Grundlagen, stellt also Daten und Prozesse digital um. Idealerweise baut sich im beteiligten Team und dann im weiteren Unternehmen zunehmend eine “digitale Kultur” auf. Dann, in der nächsten Phase, kann man verschiedene Prozesse durch KI unterstützen, unter Nutzung der Erfahrungen aus der Digitalisierungsphase. In einigen Anwendungsbereichen kann KI auch ein Mittel zum Zweck sein, um erst einmal digitale Prozesse zu ermöglichen — zum Beispiel wenn KI zur Datenextraktion aus vorhandenen Dokumenten verwendet wird.

Empfehlenswert sind meines Erachtens drei Dinge: Klein anfangen, Skills aufbauen und oben aufhängen.

"Klein anfangen" heisst: Man sucht sich als erstes einen Pilotprozess, wo KI einen guten Nutzen verspricht und recht einfach aufzubauen ist.  Mit klarem Blick auf den Nutzen kann man einfacher die internen Hindernisse überwinden — von fehlenden Daten und Wissen bis hin zu Sicherheitsbedenken.  Mit den Erfolgen und Erfahrungen aus einem solchen Pilotprojekt kann man dann iterativ weitere Prozesse angehen.

"Skills aufbauen" heisst: Praktisch fehlt immer KI-Wissen, und so ist es sinnvoll, sich zeitweise Experten von außen zu holen, die beim Aufbau einer KI-Taskforce von einigen internen Mitarbeitern helfen. Diese Mitarbeiter sollten die Prozesse kennen, lernen die KI-Methodik und können das Thema dann im Unternehmen vorantreiben.

"Oben aufhängen" heisst schließlich: Die Geschäftsführung sollte das Thema KI sichtbar treiben — wie immer, wenn es um einen kulturellen Wandel geht. Sinnvoll ist es, wenn das Management eng mit der KI-Taskforce zusammenarbeitet. So kann eine KI-Roadmap erarbeitet werden, und die Geschäftsführung bekommt wichtige Anhaltspunkte, wie sich Produkte und Prozesse mit KI neu denken lassen. Für viele Mittelständler ist KI eine Riesenchance — gegebenenfalls aber auch eine Bedrohung. Das Thema gehört daher in die Chefetage.

Beim Newsletter anmelden und keinen Artikel mehr verpassen

Die spannendsten Artikel der Woche jeden Freitag direkt in Ihr Postfach

* Pflichtfeld

Gregor Puchalla

Gregor Puchalla ist Gründer und Geschäftsführer von fintechcube. Zukunftstrends sind seine Leidenschaft. Gregor hat 15 Jahre Erfahrung auf operativer und strategischer Ebene im Bereich Digitalisierung