Wichtige Einblicke vom Runden Tisch der Führungskräfte bei Ecosystm x Digital Realty

Im gesamten asiatisch-pazifischen Raum beschleunigen Finanzdienstleistungsunternehmen die Einführung von künstlicher Intelligenz (KI) in den Bereichen Betrugsbekämpfung, Risikomanagement, Kundenservice und operative Abläufe. Systeme zu entwickeln, denen Regulierungsbehörden, Gremien und Kunden vertrauen können, ist weitaus schwieriger, als ein Modell einfach zum Laufen zu bringen. Datenhoheit, Datenschutz, Verpflichtungen zur Bekämpfung von Geldwäsche (AML) und zur Kundenidentifizierung (KYC) – all dies, gepaart mit fragmentierten Altsystemen und komplexen grenzüberschreitenden Abläufen, verlangsamt den gesamten Prozess. Das Potenzial der KI ist nach wie vor vorhanden, doch diese Einschränkungen erklären, warum Fortschritte oft ungleichmäßig stattfinden sowie kostspielig und schwer skalierbar sind.

Im Dezember veranstaltete Ecosystm in Partnerschaft mit Digital Realty eine geschlossene Diskussionsrunde mit leitenden Technologie-, Infrastruktur-, Daten- und Risikoverantwortlichen aus dem gesamten Finanzdienstleistungssektor. Die Diskussion drehte sich um eine gemeinsame Herausforderung: Wie kann man den Datenaustausch und die Infrastruktur zur Unterstützung von KI-Initiativen optimieren und gleichzeitig die Anforderungen von Regulierungsbehörden wie der Monetary Authority of Singapore (MAS) und anderen regionalen Behörden erfüllen?

Es entstanden praxisnahe, erfahrungsbasierte Erkenntnisse von Führungskräften, die KI im großen Maßstab in stark regulierten Umgebungen leiten.

1. Der Datenaustausch ist mittlerweile zum größten Hindernis für den Einsatz von KI im Finanzdienstleistungssektor geworden

KI im Finanzdienstleistungssektor ist auf schnellen Zugriff auf große, hochwertige Datensätze angewiesen – Transaktions-, Kunden-, Risiko- und Marktdaten –, die oft auf Altsystemen, in privaten Umgebungen und mehreren Clouds verteilt sind.

Die Teilnehmer des Runden Tisches waren sich einig, dass der Datenaustausch und nicht die Modellierbarkeit den größten Engpass darstellt. Regulatorische Anforderungen in Bezug auf den Ort der Datenspeicherung, Vertraulichkeit und grenzüberschreitende Datenübertragung – verstärkt durch die MAS-Richtlinien zum Technologierisikomanagement – machen groß angelegte Datenmigrationen sowohl riskant als auch teuer.

Angesichts wachsender Datenmengen und einer zunehmenden Ausrichtung auf Echtzeitanwendungen verlagern sich Unternehmen zunehmend von der Herangehensweise „Daten transportieren“ hin zu einem Ansatz, der die „Rechenleistung zu den Daten bringt“. Die Reduzierung unnötiger Datenbewegungen und die Verbesserung der Konnektivität zwischen Umgebungen tragen zur Leistungssteigerung bei, senken das Risiko und sorgen dafür, dass Unternehmen die regulatorischen Anforderungen erfüllen.

2. Hybride Infrastruktur ist die regulatorische Realität für KI

Für die meisten Finanzdienstleistungsunternehmen ist eine vollständig auf der Public-Cloud basierende KI-Strategie weder realistisch noch wünschenswert. Cloud-Plattformen sind für Innovation, Experimente und Skalierbarkeit unerlässlich, doch viele KI-Workloads in der Produktion stoßen an Grenzen hinsichtlich Kostenvorhersagbarkeit, Latenz und regulatorischer Aufsicht.

Die Leiter der Gesprächsrunden wiesen einhellig auf die hybride Infrastruktur als bevorzugten Ansatz hin:

Public Cloud für Entwicklung, Tests und unkritische Workloads
Private oder Colocation-Umgebungen für regulierte Daten, latenzempfindliche Inferenz und stationäre KI-Operationen

Dieser Ansatz unterstützt die MAS-Erwartungen in Bezug auf Resilienz, Risikomanagement und Datensouveränität, und ermöglicht es Institutionen, weiterhin zu innovieren, ohne kritische Systeme oder Daten unnötig zu gefährden.

3. Governance muss in die KI-Infrastruktur integriert werden

Im Finanzdienstleistungssektor ist die KI-Governance eng mit dem Infrastrukturdesign verknüpft. Die Teilnehmer stellten fest, dass der Versuch, nachträglich Erklärbarkeit, Prüfprotokolle und Kontrollen hinzuzufügen, häufig zu Verzögerungen, Nacharbeiten und regulatorischen Reibungspunkten führt.

Führende Unternehmen integrieren jetzt Governance in ihre Datenaustausch- und Infrastrukturebenen und konzentrieren sich dabei auf Folgendes:

Klare Datenherkunft in hybriden Umgebungen
Erklärbare und nachvollziehbare KI-Workflows
Einheitliche Zugriffskontrollen, die mit internen Risikorichtlinien abgestimmt sind
Operative Resilienz gemäß den MAS-Richtlinien für Technologierisikomanagement (TRM)

Wenn Governance von Anfang an integriert wird, können KI-Teams schneller und mit größerem Vertrauen agieren, wodurch Reibungsverluste zwischen Innovation, Risiko und Compliance reduziert werden.

4. Standardisierung ermöglicht skalierbare und robuste KI

Ein weiteres klares Thema war die Notwendigkeit der Standardisierung von Datendefinitionen, Metriken und Governance-Rahmenwerken. In großen Finanzinstituten können inkonsistente Standards das Vertrauen in KI-Ergebnisse untergraben – insbesondere bei Risiko-, Kredit- und Betrugsanwendungsfällen.

Ohne gemeinsame Datenmodelle und KPIs sind KI-Systeme schwieriger zu validieren, zu erklären und gegenüber Regulierungsbehörden zu rechtfertigen. Standardisierung unterstützt die Wiederverwendung von Modellen und Datensätzen, gewährleistet eine einheitliche Aufsicht und stärkt die Fähigkeit eines Unternehmens, Kontrolle und Verantwortlichkeit nachzuweisen, während die KI-Nutzung zunimmt.

Da Unternehmen zunehmend auf automatisierte Echtzeit-Entscheidungsfindung setzen, sind diese Standards unerlässlich, um Vertrauen und regulatorische Übereinstimmung zu gewährleisten.

5. Colocation entwickelt sich zu einem strategischen Wegbereiter für regulierte KI

KI-Workloads stellen neue Anforderungen an die Infrastruktur: hohe Rechenleistung, fortschrittliche Kühlung, zuverlässige Stromversorgung und Verbindungen mit geringer Latenz. Viele herkömmliche Rechenzentren in Unternehmen sind nicht darauf ausgelegt, diese Anforderungen in großem Maßstab zu bewältigen.

Die Teilnehmer des Runden Tisches hoben Colocation als praktischen Ansatz für KI in regulierten Finanzumgebungen hervor. Durch Colocation KI-fähiger Infrastruktur in der Nähe von sensiblen Daten können Unternehmen Folgendes erreichen:

Reduzierung von Latenzzeiten und Steigerung der Leistung bei zeitkritischen Workloads
Vereinfachung des Datenaustauschs zwischen hybriden Architekturen
Kontrolle über den Datenspeicherort und den Zugriff
Stärkung von Resilienz und Geschäftskontinuität

Mit Colocation können Finanzdienstleister schrittweise modernisieren und sowohl Altsysteme als auch KI-Plattformen der nächsten Generation unterstützen, ohne dabei ein regulatorisches Risiko einzugehen.

Von KI-Experimenten zu KI-Plattformen in der Finanzdienstleistungsbranche

Die Diskussion verdeutlichte einen umfassenderen Wandel im Finanzdienstleistungssektor. Der Erfolg von KI hängt jetzt vom Aufbau von Plattformen ab, die einen effizienten Datenaustausch, eine robuste Infrastruktur und eine integrierte Governance umfassen - und nicht von isolierten Pilotprojekten.

Unternehmen, die in diese Grundlagen investieren, sind besser in der Lage:

Skalieren Sie KI mit Zuversicht und Kontrolle
Kosten und Komplexität in hybriden Umgebungen verwalten
Halten Sie sich an die MAS- und regionalen Vorschriften
schnell zuverlässige und nachvollziehbare Erkenntnisse zu gewinnen

Fahren Sie mit einem Expertengespräch fort

Wenn Ihr Unternehmen untersucht, wie der Datenaustausch und die Infrastruktur optimiert werden können, um den Erfolg von KI im Finanzwesen zu unterstützen, kann ein Austausch mit Branchenkollegen dazu beitragen, die nächsten Schritte zu klären.

Die Expertengespräche von Digital Realty verbinden Finanzdienstleister mit Spezialisten, die Erfahrung im Design sicherer, konformer und belastbarer KI-Umgebungen im gesamten asiatisch-pazifischen Raum haben.

Optimierung des Datenaustauschs und der Infrastruktur für den Erfolg von KI im Bereich der Finanzdienstleistungen