Jeden Dienstag ist die Vorstandssitzung einer der wichtigsten Veranstaltungen für Neulinge und jene, die in der Bank aufsteigen möchten. Hier werden Entscheidungen von höchster Relevanz getroffen. Die versiertesten Köpfe haben Transaktionen mit akribischer Kleinstarbeit und dem besten Interesse für das Geldhaus – und ihre individuelle Bonusberechnung – aufbereitet. Nun gilt es, die Früchte zu ernten. In den meisten Fällen gibt der Vorstand grünes Licht. Die Basis für die Entscheidungen: eine 52-seitige Beschlussvorlage, die acht Vorteile und zwei vernachlässigbare Nachteile in drei ausufernden Sätzen behandelt.
In einer Ära der Digitalisierung, in der Maschinen mit algorithmischer Intelligenz repetitive Aufgaben bereits effizienter als ihre menschlichen Pendants erledigen, erscheint es erstaunlich, dass milliardenschweren Finanzinstitute immer noch auf Systeme aus den 1970er-Jahren vertrauen. Viele juristische Banksysteme nutzen dafür zum Beispiel Pascal – ein moderner Name für eine veraltete Programmiersprache. Pascal ist so flexibel anpassbar an zeitgemäße IT-Lösungen wie der Berliner Verwaltungsapparat an die Bedürfnisse der Einwohnerinnen und Einwohner.
Warum nutzen große Kreditinstitute immer noch solche veralteten Systeme? Die Arbeit damit und die Aufrechterhaltung der damit einhergehenden denkmalgeschützten Infrastruktur kosten einerseits Ressourcen, andererseits bergen sie ein hohes operatives Fehlerrisiko; vor allem beim Datentransfer von einem inkompatiblen System ins nächste. Dabei liegt die Lösung auf der Hand: computerbasierte Applikationen, die den Akteuren in der Finanzindustrie und besonders in der Immobilienbranche das Leben erleichtern. Eine solche Applikation ist das bevorzugte Programm von Zahlenjongleuren, es ist die Wunderwaffe der generellen und spezifischen Analyse: Microsoft Excel.
Excell-Illusion: Grenzen der traditionellen Datenanalyse
Excel hat sich seit der Einführung im Jahr 1985 zu einem scheinbar unverzichtbaren Werkzeug in der Datenverarbeitung entwickelt. Während zuvor noch die Kundenorientierung in Verbindung mit dem richtigen Bauchgefühl erfahrener Marktakteure entscheidend war, trieb Excel die qualitative Kundenorientierung in quantitative, oft unbekannte Höhen. Die voranschreitende Globalisierung des Marktes wurde durch die verbesserte Datenverarbeitung befeuert, die Investoren, Kapitalquellen und Beratungsleistungen weltweit miteinander verknüpfte.
Excel habe dazu beigetragen, eine forschungsorientierte Vorgehensweise zu etablieren, heißt es. Allerdings wird diese in manchen Kreisen schmerzlich vermisst. In vielen großen Geldinstituten funktionieren ganze Bereiche ausschließlich auf eigens entwickelten Excel-Tabellen. Die Kunst besteht darin, die Excel-Vorlage zu finden, die den Vorstellungen von mindestens zwei Mitarbeitenden eines Fachbereichs genügt. So greift das Vier-Augen-Prinzip in der Realität.
Doch je komplexer die Daten werden und je anspruchsvoller die Analyse ist, desto deutlicher treten die Grenzen dieser Software zutage. Laut einer Studie von Aras gaben 74 Prozent der Unternehmen mit einem Umsatz über 100 Millionen Euro an, immer noch übermäßig stark auf Excel angewiesen zu sein. Dies ist besonders bedenklich, wenn 73 Prozent dieser Unternehmen gleichzeitig angeben, das volle Potenzial ihrer Daten nicht auszuschöpfen.
Besonders in der Immobilienbranche, in der Daten eine entscheidende Rolle spielen, hat sich Excel als unverzichtbares Hilfsmittel etabliert. Jedoch stoßen umfassendere Analysen schnell an die Grenzen der Logik: Für große Datensätze ist umfangreiche Erfahrung in Verbindung mit leistungsstarken Werkzeugen erforderlich, um die Datenmengen in angemessener Zeit zu verarbeiten. Fehlen diese Voraussetzungen, führt der Einsatz von Excel oft zu technischen Fehlern und Verzögerungen. Menschliches Handeln und die daraus resultierenden Fehler sind unvermeidlich, mit dem Grad der Komplexität korreliert auch deren Risiko.
Maschinelles Lernen: Die Basis für fundierte Entscheidungsfindung
Im Wesentlichen liegt der Fokus auf der Qualifizierung strukturierter Datensätze, nicht auf der bloßen Sammlung. Das technologische Zeitalter hat hier große Fortschritte zugelassen. Es ist längst wesentlich effektiver, über Auswertungen und Ergebnisse zu diskutieren und ein konstruktives Fazit zu ziehen, anstatt dass sich acht mehr oder weniger intelligente Köpfe mit den verschiedensten Analyseergebnissen aus Dutzenden Excel-Silos einzeln oder in konsolidierter Manier auseinandersetzen. Damit wäre allen geholfen: Kundinnen und Kunden, Mitarbeitenden, den Portemonnaies und Nerven aller Beteiligten.
Die Verbindung von maschinellem Lernen mit Big Data und Künstliche Intelligenz ermöglicht die Identifizierung von Mustern, Vorhersagen von zukünftigen Entwicklungen sowie die Aufdeckung komplexer Zusammenhänge, was sich mit herkömmlichen Methoden schwierig gestaltet.
Nehmen wir folgendes Szenario: Das Ratio der Analyseergebnisse in Kombination mit den kurzen und langfristigen - natürlich ausschließlich ESG-konformen - Risikostrategie bestimmen die Entscheidungswelt der großen Finanzhäuser. Manche sarkastische Stimme mag da denken, dass es nur noch abzuwarten gilt, ob die generative Künstliche Intelligenz mit grünem Gewissen oder die Ratio der kapitalistischen Entscheidungsfindung die Oberhand gewinnt. Es gibt viel Potenzial in alle Richtungen. Wir sind zumindest guter Dinge, dass es genug Grundlagen gibt, den Status quo in sinnvollere Datenverarbeitung zu leiten. Allerdings gibt es dafür noch viel zu tun.
