Zwischen Tradition und Transformation | Mit Rene und Jonas von der Raiffeisen Südtirol

00:00:00: Zahlen bitte. Der Data Podcast. Hallo und herzlich willkommen beim Podcast Zahlen bitte. Ich bin

00:00:13: Frederik Bauerfeind und Chief Commercial Officer bei TAUT. Ich habe heute zwei spannende Gäste dabei,

00:00:18: direkt eingeflogen aus Citirol. Einmal den René, einmal den Jonas von der Rheifeisenbank Citirol.

00:00:24: Stellt euch doch gerne mal selber vor. Ich starte dann direkt mal erst mal. Vielen Dank für eure

00:00:30: Einladung. Ich bin sehr gefreut heute hier zu sein. Wir sind wirklich erst vorhin von

00:00:36: knapp einer halb Stunden gelandet. Deswegen freut es uns umso mehr, dass alles geklappt hat. René

00:00:42: Grießmar arbeite für die Rheifeisen Information Service in Citirol. Wir beliefern die Rheifeisenbank

00:00:51: in Citirol mit dem notwendigen IT Services, das heißt vom Core Banking bis hin zu den neuesten

00:00:58: digitalen Produkten, sprich KI, Dashboards usw. Ja, Galionas freut mich auch hier zu sein.

00:01:07: Wie René gesagt hat, gerade eingeflogen. Deswegen bringen wir das schnell über die Bühne. Ich bin

00:01:12: Teamleiter im Bereich Data Science in der Rheifeisenlandesbank. Wie René gesagt hat,

00:01:18: das Konstrukt in Citirol in den Rheifeisen besteht aus den einzelnen Rheifeisenkassen

00:01:22: aus der Rheifeisenlandesbank. Dann gibt es noch den Verband und eben das Rechenzentrum. Ich bin

00:01:28: da Teamleiter. Wir haben ein Team von drei Leuten, kümmern uns um Data Science, Auswertungen,

00:01:34: Dashboards im Bereich, also in den verschiedenen Bereichen innerhalb der Bank. Gelernt bin ich gar

00:01:39: nichts in dem Bereich. Ich habe wir und medizinische Informatik studiert und bin dann von da in

00:01:45: der Bank gelandet. Ich weiß immer noch nicht genau, wie. Aber es macht mir Spaß mit Daten zu arbeiten

00:01:51: und deswegen bin ich immer hier. Ja, es ist ein ganz spannendes Konstrukt, weil du bist ja im

00:01:56: Grunde genommen der Kunde von René, wenn man es eigentlich so im übertragenen Sinne nimmt. Und

00:02:02: du bist ein Kunde von mir und jetzt sitzen wir hier in so einem Klumperrat zusammen. Ich glaube,

00:02:07: ihr hattet oder zumindest in meiner gesamten Historie bei Gesamthaut die geilste Reise für mich,

00:02:13: also berufliche Reise. Wir sind in Flieger gestiegen und ich glaube, anderthalb Stunden geht der Flug,

00:02:19: sitzt man im schönen Bozen, bei besten Sonnenschein. Wie seid ihr auf die Idee gekommen? Wir suchen

00:02:25: uns einen deutschen Dienstleister. Sehr spannende Frage. Vor knapp zwei Jahren, bin erst, auch

00:02:35: erst seit zwei Jahren beim RIS abgekürzt und wir haben uns dort, gibt es eine Datenstrategie.

00:02:42: Datenstrategie oder allgemein eine IT-Strategie, die zusammen mit den Banken ausgearbeitet wurde

00:02:48: und darin kam eben auch, gab es einige Punkte Richtung Daten, also Zweckstatenhaltung, Datenpräsentation

00:02:55: und eben den Dashboarding. Das beruht darauf, dass eigentlich bis jetzt viele Daten nur die

00:03:02: Daten dem Banken zur Verfügung gestellt wurden, aber nicht Informationen. Also diesen Schiff

00:03:07: versuchen wir gerade zusammen in diesem einmaligen Team. Wie du ja schon angesprochen hast, zwei

00:03:14: Firmen und ein Team. War auch nicht immer so einfach am Anfang. Bevor es dann zum Team gekommen ist,

00:03:21: gab es da einige Schwierigkeiten. Genau, da wurde uns die Chance gegeben und ich glaube mit uns

00:03:26: zu Hause hat es dann auch super geklappt. Wir haben uns gut verstanden und dadurch haben wir

00:03:31: diese zwei Organisationen, die Leute zusammengewürfelt in ein Team und arbeiten jetzt im Grunde

00:03:38: täglich Hand in Hand an den Sachen. Aber zurück zu kommen, wie wir uns kennengelernt haben. Ich hatte

00:03:44: den Auftrag Richtung Bauer BI und die ersten Dashboards, die zu erstellen. Ich habe früher mit

00:03:51: Klick gearbeitet, Klick Klick Sense und konnte kannte Bauer BI eigentlich von Videos und so weiter.

00:04:00: Wir hatten dann den Auftrag relativ zügig, ein Dashboard zu erstellen und haben uns dann erst

00:04:05: mal umgeguckt, wer kann denn ein Training für uns liefern. Citirol ist ja etwas auch noch mal

00:04:14: speziell. Wir sind ja größtenteils Deutschsprachig, Italienischsprachig, von der Muttersprache her

00:04:21: und dementsprechend haben wir uns an unsere Team orientiert und haben gesagt, wir suchen uns

00:04:26: jemanden, der das auf Deutsch uns beibringt kann, haben dann ein bisschen rumgeguckt und sind dann

00:04:32: auf eure Firma gestoßen. Hat ja auch etwas, sage ich mal, Zeitdruck, einen Angebot anzuholen und

00:04:42: habt dich dann eigentlich, glaubt, direkt angerufen. Ich habe gesagt, hi, hier bin ich. Was würde das

00:04:47: kosten? Und dann am nächsten Tag eigentlich ging es auch schon direkt in die Genehmigung.

00:04:52: Ich glaube, ich kann mich noch ganz gut daran erinnern. Auch die Anfangszeit, wo es erst mal

00:04:58: darum geht, wie startet man. Aber es ist natürlich auch ein relativ schwieriges Konstrukt, würde ich

00:05:03: mal sagen, bei euch ist, weil ihr, wie gesagt, von den Banken getrieben seid, aber die Wege dann

00:05:08: doch auch noch länger sind, teilweise Genehmigung dazwischen hängen. Wie sahen der Weg danach aus?

00:05:14: Wie seid ihr erst mal gestartet? Wir haben bei uns in der Landesbank, als ich angefangen habe vor

00:05:21: drei Jahren, war unsere Challenge, weil unsere Abteilung eben von den reif heißen Kassen auch

00:05:27: mitbezahlt wurde, hatten wir die Herausforderung, denen irgendetwas zu bieten. Und am Anfang waren

00:05:33: wir zu zweit in unserer Abteilung und dann haben wir halt einfach angefangen, irgendetwas zu machen.

00:05:38: Es gab dann irgendwann eine aufsichtsrechtliche Aufgabe, dass wir müssen einen Produktkatalog

00:05:44: zur Verfügung stellen, also welche Produkte wir in der Bank anbieten. So was gab es damals noch nicht.

00:05:50: Und da haben wir angefangen und haben einen Excelfall daraus erstellt, wie man es kennt.

00:05:55: Und am Tag bevor wir damit live gegangen sind, haben wir gesagt, ja, lass uns doch noch ein paar

00:05:59: Visualisierungen dazu machen, sodass man, was man da halt sieht, dass es wie viele Kontokorentz gibt,

00:06:05: wie viele Bankkarten und so weiter Kredite, lass uns doch noch ein paar Auswertungen dazu machen,

00:06:09: das grafisch aufzuarbeiten. Dann haben wir das gestartet, haben uns so HTML-Dashboards

00:06:14: zusammengestellt und die haben wir dann eigentlich, sagen wir, ein Jahr, ein halb, immer weiterentwickelt

00:06:20: zusammen mit den einzelnen Banken uns Feedback angeholt. Wie können wir es verbessern, was können

00:06:24: wir noch dazu machen? Und so sind wir eigentlich, sagen wir mal, bei uns gestartet in der Landesbank.

00:06:29: Sind dann auch irgendwo an unsere Grenzen gekommen, weil wir immer, sagen wir mal, auch ein bisschen

00:06:34: getrennt waren zum Rechenzentrum und hatten da unsere Schwierigkeiten, irgendwo, was wir gemacht

00:06:39: haben, in die Nativensysteme zu bringen. Und da hat sich dann ergeben, dass letztes Jahr ordentlich

00:06:45: viel Geld auch in die Hand genommen wurde und eine Vision, die wir hatten in der Landesbank

00:06:51: und generell in der Reifahrtsorganisation, zu einer Mission zu machen, einfach die gesamte Bank

00:06:57: versuchen neu zu gestalten und neue Wege zu gehen. Und eben ein Teil davon war Dashboarding und da

00:07:03: hat sich dann eigentlich herausgestellt, dass wir gemacht haben, super gut angekommen ist bei unseren

00:07:07: Kunden, aber halt wir noch den nächsten Step gehen müssen, eben das in die Systeme zu integrieren,

00:07:12: Zugriffe besser zu verwalten, den Drill dann auf die Daten zu ermöglichen. Und so hat es eigentlich

00:07:18: gestartet, dass wir dann einfach gesagt haben, Baubjai ist im Moment das Tool, was wir nutzen wollen,

00:07:23: weil es auch schon einige benutzt haben. Und genau, dann hat sich das halt ergeben, dass wir

00:07:28: uns die auch zusammengebildet hatten. Und da sind wir dann gestartet mit einer Schulung,

00:07:34: mit dem ersten Dashboard. Und jetzt sind wir hier. Sehr schön. Vielleicht kannst du nochmal den

00:07:40: Zuhörern und Zuhörenden ein bisschen Kontext geben, wie viele Landesbanken oder Banken habt ihr,

00:07:46: wie groß ist das, von wie vielen Mitarbeitenden sprechen wir da, wie auf die Dashboards am

00:07:50: Ende zugreifen? Also in Südtirol haben wir 39 Reifahrtsenkassen, die sind eigentlich in den

00:07:57: ganzen Dörfen in den größeren Städten überall verteilt. Konkurrenten sind Volkspark und Sparkasse,

00:08:02: wobei die Reifahrt einen Marktanteil von um die 60-70 Prozent hat. Insgesamt ganz Reifahrtsen

00:08:10: hat um die 2000 Mitarbeiter in Südtirol, also schon eigentlich recht viel. Landesbank selber um die

00:08:17: 250 Rechenzentrum, 170 genau. Und das wird zwei Zentralinstitute und Beliefer die Reifahrtsenkassen,

00:08:28: was dann in diesem Fall unsere Kunden sind. Ich bin jetzt mal so ein bisschen outscorbed und

00:08:33: jetzt mal auch von der Kölner Perspektive nach Bozen schaut, was würde die andere im Weg

00:08:39: anders machen? Also ihr habt, sag ich mal, mit Excel angefangen, hatte im L-Dashboards gebaut und

00:08:46: habt ihr gesagt, hey, wir wollen PowerBi einnutzen, haben eine Schulung gemacht. Mittlerweile ist es

00:08:51: ein Mix aus Schulungen und wir haben Dienstleister, der dabei unterstützt, in dem Fall Taut. Aber

00:08:58: wenn ihr mal so rückwirkend auf die Geschichte guckt, habt ihr da irgendwelche Learnings, wo ihr

00:09:03: sagt, boah, das hätte ich anders gemacht? Ich denke, man muss halt mit irgendetwas starten. Wir sind

00:09:11: ein Südtirolinn-Vergleich zu Köln. Südtirol hat 500.000 Einwohner. Köln ist eine Millionestadt,

00:09:16: oder? Ja, definitiv. Ich hatte auch schon den Witz auf den Zungen, das gefühlt

00:09:21: die Reifeisenbank ja dann auch südtirol darstellt. Von 500.000 Kunden haben wir dann so um die

00:09:29: 300.000 Kunden, die bei Reifeisen sind. Das heißt, es ist schon alles klein und das ist halt vielleicht

00:09:34: etwas, was am Anfang auch ein bisschen einschränkt, weil ich meine, das Geschäft ist immer gut

00:09:40: gelaufen und man muss jetzt dann halt irgendwo sich entscheiden, neue Wege zu gehen. Und irgendwo ist

00:09:45: dann immer auch vielleicht eine Ausrede zu sagen, ja, aber es ist ja nur Südtirol, es ist ja nur

00:09:49: kleine, wir sind ja noch ein kleiner Konstrukt. Und das ist etwas, was einen vielleicht auch immer

00:09:56: ein bisschen aufgehalten hat, aber irgendwann muss man einfach starten und das haben wir

00:10:00: ein bisschen in die Hand genommen und haben einfach losgelegt, mit, vor und nach. Wenn man loslegt

00:10:07: und ohne sich jetzt zu große Gedanken zu machen, dann irgendwann muss man halt das Feld von hinten

00:10:11: wieder aufräumen. In der Phase sind wir jetzt, wir sind von ausgepresht und jetzt müssen wir halt das

00:10:16: Feld von hinten wieder ein bisschen aufräumen. Aber mit irgendwas muss man starten. Deswegen,

00:10:20: klar, wenn man von Anfang an weiß, wo man hin will und welche Strategie man verfolgen will,

00:10:27: wird man vielleicht ein bisschen anders angehen. Die Möglichkeiten hatten wir damals vielleicht

00:10:31: nicht. Wir hatten auch ab und zu mal ein paar Schwierigkeiten, sagen wir mal, zu Informationen

00:10:37: zu kommen. Das heißt, wenn man es nochmal machen würde, ja, wenn man vielleicht halt die Strategie

00:10:44: ein bisschen besser ausarbeiten, sich direkt schon Unterstützung holen. Aber ich denke,

00:10:49: wir sind jetzt eigentlich genau da, wo wir sein wollen. Ich glaube auch, ich hoffe zumindest,

00:10:53: dass das Management das genauso sieht. Ich glaube, wir sind gut gestartet. Wir haben uns die

00:10:59: Schulung etwas noch hau geholt. Bauer BI ist relativ mächtig. Haben uns auch selbst dazu entschlossen,

00:11:07: dass wir gewisse Transformationen, also alle unsere Transformationen schon vorher größtenteils

00:11:12: versuchen zu machen, dass wir wirklich die Logik in einem Teil haben und das visualisieren in dem

00:11:17: anderen, also im Bauer BI. Ich glaube, der Start war so, wie wir es gemacht haben, richtig. Wir

00:11:23: mussten natürlich auch den Sprung in die Cloud wagen. Das ist für Banken nicht immer ganz

00:11:30: einfach. Wir sind damit gestartet, dass wir wirklich unsere Daten auch anonymisiert haben,

00:11:35: das zu Anfangs natürlich abgeklärt haben. Und inzwischen sind wir bei den Punkt angekommen,

00:11:41: dass wir das regulatorisch auch so weit bringen können, dass wir auch wirklich die Daten alle

00:11:47: anzeigen können, die wir zur Verfügung haben. Aber ich glaube, sonst hätte uns sehr ausgebremst,

00:11:52: wenn wir das wirklich alles nacheinander abgearbeitet hätten. Ja, es ist ganz spannend,

00:11:59: weil wir haben jetzt schon einige Podcastfolgen aufgenommen und ich fühl es mäßig,

00:12:03: müsste mir einfach den Podcast umeinander von Zahlen bitte zu einfach mal machen,

00:12:07: weil die frage stelle ich ganz gerne. Jeder gibt die Antwort. Ja, wir haben einfach mal gemacht

00:12:12: und es hat sich am Ende ausgezahlt, weil wir konnten super viel lernen. Ich denke mal die

00:12:16: HTML der Sports, die haben auch erstmal ein BI in oder für BI ein gesorgt, weil man natürlich

00:12:23: auch, kann ich mir zumindest vorstellen, Banken hat in einem Land, da sitzen zwei, drei Personen,

00:12:30: die haben sowas noch nie gesehen. Die bekommen das vielleicht in der Tabelle dargestellt und sagen,

00:12:35: okay, ich mache halt meinen Job, den auch gut wahrscheinlich, aber mit einem Dashboard vielleicht

00:12:39: noch viel besser. Und das ist dann, glaube ich, ein erster Schritt, den man da auch hingehen kann,

00:12:43: einfach die User mitzunehmen und ob man dann in zwei Jahren nochmal ein bisschen was aufräumen muss,

00:12:48: erst mal hingestellt, aber dass man zumindest mal startet und ein Gefühl dafür bekommt. Es ist

00:12:54: spannend, dass ihr auf jeden Fall auch eine ähnliche, ähnlichen Blick darauf habt. Du hast

00:12:59: gerade eine Sache angesprochen, das Thema Change Management. Banken, Cloud habt ihr neben

00:13:06: Dashboards auch noch andere Themen, die euch gerade beschäftigen, wo ihr sagt, es könnte

00:13:10: in Zukunft noch Herausforderungen bringen. Ihr habt es angesprochen, auch das Thema der Teamzuordnung

00:13:16: hat sich geändert. Vielleicht könnt ihr da noch ein bisschen Einblick geben. Ich starte mal mit dem

00:13:23: ganzen Clouds Thema. Es ist natürlich eine große Sache und die Cloud kommt man nicht mehr drum

00:13:29: rum. Regulatorisch ist das natürlich eine große Herausforderung für die gesamte Reifeisenwelt,

00:13:35: nicht nur für die IT. Dürfen wir welche Daten dürfen, wohin muss das Europa sein, sollte das

00:13:43: Italien sein, wie ist das mit den Backups geregelt und so weiter und so fort. Und das halt vertraglich

00:13:48: auch so zu sichern, dass das natürlich wasserdich ist. Diesen Schritt sind wir größtenteils bereits

00:13:55: gegangen. Jetzt geht es um den gesamten Aufbau dieser Infrastruktur. Da ist also auch von Security,

00:14:01: Service Operation, also Infrastruktur, alle mit beteiligt. Natürlich der ganze Ausbau des Office 365,

00:14:08: bis hin zu wo unser Team auch sehr stark daran arbeitet, diesen Data Lake mit aufzubauen,

00:14:15: sodass wir wirklich eine wirklich tolle Plattform aufbauen können mit Datenkatalog,

00:14:21: Business-Daten-Katalog und die Möglichkeit haben dort Machine Learning zu betreiben und das

00:14:26: gesamte dann in der Cloud. Vielleicht bevor wir zu den Teamorganisationen kommen und auch

00:14:33: vielleicht eurem Kunden, wie schwer war es auf dem Weg auch bei euch internen Umdenken zu gestalten,

00:14:44: weil ich kann mir das vorstellen in einem sehr konservativen Unternehmen, vorsichtig

00:14:52: gesprochen, du musst schon lachen, da alle mitzunehmen und zu sagen, hey, wir machen in Zukunft

00:14:57: Cloud. Gab es irgendwelche Hürden zu nehmen oder war das wirklich rein regulatorische Hürden?

00:15:02: Ich glaube, die Sache ist die, bisher wurde alles komplett in unseren eigenen Rechenzentren

00:15:11: gehostet. Das hat bisher tipptopp funktioniert. Das muss man einfach sagen, es gab keine Datenleaks,

00:15:18: es hat keine großen Ausfälle gegeben, dementsprechend ist man damit zufrieden und gut gefahren.

00:15:24: Jetzt mit der Cloud öffnet man zum Beispiel für Security, für Legal und alle anderen einfach

00:15:31: eine immens unendliche Welt an Möglichkeiten, was falsch einzustellen. Bestes Beispiel,

00:15:40: als wir den Power-Bio-Eitlernen eingestellt haben, da kommst du auch mal von draußen drauf,

00:15:45: wenn du das falsch konfigurierst, dann habe ich euch auch noch ein paar Settings gemacht.

00:15:49: Das ist einfach, wenn man losstartet, muss man sich dem sicher bewusst sein. Ganz wichtig ist

00:15:55: natürlich, dass das Management das mitträgt, einmal vom IT-Management, das ist also bei uns

00:16:02: die Geschäftsleitung vom RIS, zusammen mit dem Banken das beschlossen hat, dass man diesen Weg

00:16:06: geht, dass dieser Weg wichtig ist, um einfach auch flexibel zu reagieren. Das heißt, wenn ich jetzt

00:16:13: ein Biosy machen will, etwas probieren will, dann komme ich um die Cloud, bin ich einfach 10

00:16:17: Mal schneller. Da gibt es das Produkt, das kann ich austesten oder ich ziehe mir es in den Kubernetes,

00:16:23: Docker Container, was weiß ich hoch, bis ich das in-house installiert habe, die VM hochgezogen

00:16:29: habe. Zum Testen sowas ist man im Entschnell ab. Wenn ich das dann dann produktiv 365

00:16:36: Tage im Jahr, 24/7 muss betreiben, muss man sich natürlich auch sehr stark überlegen, was schiebe

00:16:44: ich dahin, muss die Leute umschulen oder zusätzlich schulen. Wir können ja nicht auf einmal diese

00:16:50: Technologie mitnehmen und das bei uns halt so einfach anfangen und mal probieren. Das sind halt

00:16:55: einfach das ganze Kernbankengeschäft und da kann man nicht einfach mal. Aber Adaption ist wichtig,

00:17:03: Es läuft jetzt.

00:17:06: sehr gut. Danke für den Einblick. Ich bin auch sehr fasziniert, was für eine Geschwindigkeit

00:17:11: im Moment herrscht. Wie man Sachen auch einfach entwickeln kann. Wir waren jetzt gerade beim

00:17:15: zwei-tägigen Hackathon bei Microsoft. Es ist einfach brutal, was man in zwei Tagen erreicht.

00:17:22: Durch perfekte Settings, durch perfekte Vorbereitung, durch die Cloud, durch aber auch dann eben

00:17:27: ja, sage ich mal, vorgefertigte Komponenten, die man eben dann ja, wenn man es selber macht,

00:17:33: nicht hat. Wahrscheinlich 40-50 Prozent der Zeit. Teilweise bei manchen Services auch 70

00:17:40: Prozent der Zeit ausmacht. Nehmen wir mal Power BI, was man den HTML macht und das ganze drum

00:17:45: herum und allen people, wo das überhaupt erstmal läuft, speedy Power BI aus, out of the box und

00:17:50: man macht nur noch die Visualisierung. Zurück zum organisatorischen Change. Wie war deine

00:17:59: Perspektive darauf? Wie hast du das wahrgenommen, Jonas? Wir haben bei uns was so, dass wir

00:18:05: eigentlich wirklich versucht haben, etwas für unsere Kunden zu machen. Wir haben gesehen,

00:18:11: dass es wird Planung gemacht, also Banksteuerungsplanung und Vertriebsplanung. Das wurde 40

00:18:19: Mal gleich, aber anders gemacht. Und da wurden Zeit investiert, um zu den Daten zu gelangen,

00:18:25: die Auswertungen zu machen, wo aber eigentlich genau das Gleiche gemacht wurde. Vielleicht

00:18:29: bei einem werden Bestandszahlen geplant, der andere plant Neuproduktion, die Produkte im

00:18:35: Meer im Detail usw. Da haben wir einfach gemerkt, dass wir Unterstützung bieten können, wenn wir

00:18:40: einfach das nicht mehr auf Axel machen, sondern uns die Daten irgendwie reinladen in Datenbanken,

00:18:46: gut abspeichern, mit beiden signalisieren. Da haben wir einfach gemerkt, dass man den Leuten

00:18:52: helfen kann. Klar gab es am Anfang Schwierigkeiten, weil man muss zu 40 Banken gehen und sagen,

00:18:57: wie macht ihr das? Wie machen die anderen das? Irgendwie will jeder dann mitreden und mitentscheiden,

00:19:03: was zu machen ist. Klar muss man irgendwo auch Kompromisse eingehen und sagen, das schaffen wir,

00:19:08: das schaffen wir nicht. Wenn ihr das weiterhin so machen wollt, müsst ihr so machen, wie

00:19:13: ich es bis jetzt gemacht habe. Wir bieten hier eine Lösung oder wir helfen euch, aber in einem,

00:19:18: sagen wir, geregelten Umfeld, wo es so gemacht wird, wie wir es bis zum Schluss auch vorgeben.

00:19:23: Das ist eigentlich von Anfang an so angekommen und deswegen haben wir auch eigentlich einen recht

00:19:29: guten Stellenwert dann irgendwann auch bekommen, weil wir, weil sie auch gemerkt haben, dass einfach

00:19:34: Sachen weitergehen, dass wir auf Bedürfnisse eingehen und deswegen, ich denke, das ist da extrem gut

00:19:39: angekommen. Also auch die die User nicht verlieren, obwohl man schnell startet und mehr Wertstiften.

00:19:44: Genau, genau. Ich neufig der Turnkey. Vor allem weil es dann auch wirklich eine Zusammenarbeit

00:19:50: auch war. Wir haben Schulungen gemacht, Feedback runden, wir sind auf Bedürfnisse eingegangen,

00:19:56: haben wirklich auch viel uns angeschaut, wie es bis jetzt schon gemacht wurde und aufbauen

00:20:01: darauf, dann versucht, die Sachen zu verbessern. Ja, danke für den Einblick. Super spannend,

00:20:06: ich habe es gerade angesprochen. Wir kommen gerade von oder ich komme gerade von einem Hackathon

00:20:09: mit ein paar Kollegen. Use Case war speziell Gen AI, da schnell mal Ergebnisse zu liefern,

00:20:15: um das Ganze sichtbar zu machen. Jetzt nicht auf Basis von hier ist ein ChatGP Defender und

00:20:20: interagieren wir damit, sondern wirklich einen konkreten Use Case. Inwieweit beschäftigt euch

00:20:25: das? Weil es ist ja schon auch in einer Bank viele Prozesse, die manuell passieren, viele,

00:20:30: viele Personen im Spiel. Denkt ihr darüber nach? In der Tat. Auch diese Herausforderungen wurde

00:20:38: uns gestellt, gerade auch im Zuge dieser Mission, dass wir uns auch damit auseinandersetzen. Wir haben

00:20:45: uns damit beschäftigt und haben gesehen, gerade uns ist auch das Thema natürlich Microsoft und

00:20:50: Azure und haben uns erstmal etwas rangetastet, wie können wir diese ganzen Thematik angehen,

00:20:58: weil wir sind jetzt nicht die Spezialisten, wir müssen uns da auch reinfuchsen, sage ich mal,

00:21:03: und reinknien und haben gesehen, dass das Banken auch bereits ChatGPT benutzen und was wir als

00:21:12: ersten Schritt machen möchten, ist das Ganze compliance technisch auf saubere Füße zu stellen

00:21:16: oder auf ein gutes Fundament zu stellen. Das heißt, dass die Daten nicht das Unternehmen verlassen,

00:21:20: dass ChatGPT oder die Allelams damit nicht trainiert werden, weil wir möchten natürlich diese

00:21:26: Daten, die da hochgeladen würden in Theorie natürlich das unterbinden. Das heißt, wir werden

00:21:32: uns erstmal mit einem Company GPT, also Rifeheißen GPT, starten wollen, aufgesetzt in unserer Azure Cloud

00:21:39: und einfach den Rifeheißen Banken die Möglichkeiten bieten wollen, sicher ihre eigenen Daten hochzuladen,

00:21:47: darauf auf den Dokumenten zum Beispiel die Gespräche zu führen und dann eventuell das Ganze

00:21:54: auszubauen, dass wir irgendwo eine Wissensdatenbank, Vektordatenbank mit aufbauen und sozusagen das

00:22:00: Ganze stückweise aufbauen möchten. Jetzt, das erste Schritt ist das Ganze compliance technisch

00:22:06: aufzubauen. Spannend, also hört sich schon mal nach einem sehr guten Plan an. Der Plan steht. Seid ihr da

00:22:14: anscheinend sehr, sehr gut unterwegs. Inwieweit denkt ihr, dass das auch das Thema Power BI beeinflusst,

00:22:21: weil es die Trends und Ideen gehen auch immer mehr dahin, Anfragen an die Daten direkt dann über

00:22:28: einen Schatz zu lösen? Ich glaube, was da bei uns zu schauen ist, ist einfach mal die so eine gute

00:22:36: Datenstruktur hinkriegen mit Power BI und GenEi, weiß ich jetzt nicht ganz genau, wie das bei uns

00:22:43: dann funktionieren sollte, vor allem weil das ganze Thema Self BI auch noch ein sehr kritisches Thema ist,

00:22:50: weil man einfach, es sind 40 verschiedene Unternehmen und das irgendwie jedem recht zu machen,

00:22:56: da kommt man irgendwann wahrscheinlich gar nicht mehr wieder raus und deswegen, wie René davor

00:23:02: gemeint hat, ist es, müssen wir mal mit etwas anfangen. Im Bereich GenEi, der ganze andere

00:23:08: Bereich ist vielleicht künstliche Intelligenz und Vorhersagen auf Produktabschluss, Wahrscheinlichkeiten

00:23:13: und so weiter, Kreditausfällen und so weiter. GenEi und Power BI, ich denke, wir sind gerade mit

00:23:20: Power BI gestartet, sie müssen vielleicht noch ein paar Schritte davon entfernt. Es ist ganz spannend,

00:23:25: aber vielleicht eine Sache können wir festhalten, wenn ihr es mit 40 Unternehmen aufnehmen könnt,

00:23:30: dann können es wahrscheinlich andere auch mit 4-5 Abteilungen schaffen. In anderen Unternehmen

00:23:36: ist schon, glaube ich, eine sehr, sehr starke Leistung von euch, die wir auf jeden Fall schon

00:23:40: mal hier fest sein können. Da könnt ihr euch gegenseitig mal auf die Schulter zu. Nein,

00:23:44: macht es jetzt kürzlich, das wäre ein bisschen unangenehm, aber gut, komm jetzt zu dem Quizter,

00:23:49: ich glaube, es ist auch gut, mal ein Bier zu trinken, also groß. Die sind ja hier in einem Podcast,

00:23:58: wo es auch um Pub-Situationen geht. Zahlen müsst ihr heute nicht, aber bitte am Ende des Monats.

00:24:04: Vielleicht, um das Quiz ein bisschen zu erklären, wir haben im Grunde genommen zwei Karten,

00:24:11: es kommt die Frage und dann die Antwort. Um einen kleinen Schmankerl einzubauen, wäre es cool,

00:24:19: René, wenn du das auf Dialekt stellen könntest, weil dann habe ich noch eine Zusatzkomponente,

00:24:26: dich überhaupt zu verstehen. Ich finde es sehr, sehr, sehr sympathisch, muss ich sagen, auch

00:24:31: beim Workshop bei euch. Zwischendurch, wenn ihr euch unterhalten habt, es hat sich gefühlt angehört,

00:24:36: wie eine andere Sprache, das war sehr, sehr, sehr schammend. Wer will reinstarten? Ich kann.

00:24:43: Also die Frage ist, wie wirkt hat denn sich da die Nutzung für die Datenanalysen auf

00:24:48: eine Kreditvergabe aus? Weltweit. Ich kann es auch gerne nochmal wiederholen.

00:24:56: Ja, wiederholen Sie nochmal im Dialekt. So, ich mache mal langsam an. Also, wie wirkt hat sich die

00:25:02: Nutzung vor Datenanalysen auf Kreditvergaben aus? Kreditvergaben, okay. Wie wirkt sich

00:25:11: es aus wahrscheinlich wieder ein Prozentsatz immer angeben muss? Was wird zusagen, Jonas?

00:25:17: Die Vergabe ist ein sehr heikles Thema, weil Kreditvergabe ist ein, für die Bank ein sehr

00:25:27: wichtiger Prozess, sich da komplett irgendwo auf Maschinen zu verlassen. Ich meine, man muss

00:25:32: ja am Ende dem Kunden auch irgendwo erklären können. Ich habe die Frage nicht richtig verstanden.

00:25:36: So, das ist noch vor. Wie wirkt sich die Nutzung von Datenanalysen auf die Kreditvergabe aus?

00:25:43: Also, das Problem ist, dass ich hier predictive Analytics bei meiner Frage nicht

00:25:50: stehen hatte, deswegen habe ich den ein bisschen vermisst. Datenanalysen-Kreditvergabe ist,

00:25:54: da denke ich, ich weiß, wie bei uns die Datenanalysen gemacht werden, deswegen,

00:25:58: ich schätze mal, 90 Prozent. Wie sagt 70? Hier gibt es keine Prozent angeben.

00:26:08: Nein, überhaupt nicht. Soll ich euch die Antwort vorlesen? Ja, aber bitte in die

00:26:14: Elite. Für die ganzen Südterone, die ganze Tour. Also, durch ein Einsatz von Datenanalysen und

00:26:22: KI haben die Banken gekenn die Genauigkeit für die Kreditrisik und Bewertung verbessern und damit

00:26:29: sie da Senkung für die Ausfallrate führen. Okay, ein bisschen das, was ich gesagt habe.

00:26:35: Okay, also, gut genommen, das hast du gesagt. Okay, ich lese vor meine Frage. Welche zwei

00:26:42: Vorteile sehen weltweit Finanzinstitute in der Nutzung von KI? Welche zwei Vorteile?

00:26:48: Eine wurde ich ja schon beantwortet. Weniger Kreditausfallraten, in dem man

00:26:58: die Informationen mitnutzt. Ansonsten KI, für was tut man KI, hauptsächlich, um

00:27:05: Effizienz zu steigern, hätte ich jetzt mal gesagt. Deswegen. Prozessoptimierung.

00:27:09: Prozessoptimierung und Effizienzsteigerung, ja. Ja, das ist eine der Hauptgründe,

00:27:14: tatsächlich die betriebliche Effizienz zu steigern und als zweiter Aspekt. Womit verdient

00:27:20: ihr euer Geld? Zinzen, Einlagen, Krediten. Das ist quasi das zweite, den Kunden besser zu

00:27:28: verstehen und die Kundenerfahrung besser zu machen. Sind wir auch schon ein paar, haben

00:27:32: wir ein paar prototypische Analysen gestartet, um Kundenverhalten, weil Bankdaten sind, also

00:27:41: eine Bank hat sehr viele Informationen über einen Kunden und das heißt, die besser zu

00:27:45: analysieren ist, können wir auch noch einiges rausziehen. Mach ich weiter. Wie verbreitet ist

00:27:54: der Einsatz von Predictive Analytics im weltweiten Banksektor, im Prozent? In Prozent. Predictive?

00:28:04: Predictive Analytics im weltweiten Banksektor. Ich würde nicht zu hoch einschätzen, wobei

00:28:13: die globalen Player, ne? Ja, ich würde auch schon sagen, ich meine, bei euch ist ja auch

00:28:18: der Faktor ehe Seite im Grunde genommen eine Genossenschaft. Das ist ja auch nochmal ein

00:28:23: Unterschied. Wenn ich es richtig verstanden habe, ich bin ja selber bei der Reifeisenbank,

00:28:29: habt ihr ja auch gar nicht das Ziel, Geld zu verdienen im Grunde genommen. Das Genossenschaftsbank

00:28:33: nicht. Genau. Das heißt, wahrscheinlich seid ihr auch noch mal in Sonderfall. Ja, mir

00:28:43: wäre fast rausgegutschnarrn nicht mal in Sonderfall, weil ihr so gut aussieht, sondern in Sonderfall

00:28:47: weil ihr eine gesondene Wissenschaft seid. Nee, ich würde sagen 80 Prozent. Ich gehe

00:28:53: tiefer, ich gehe auf 60. Genau, noch mit dann. 70 Prozent der Bank benutzen Predictive Analytics,

00:29:00: um zukünftige Trends prognostizieren und strategische Entscheidungen zu unterstützen.

00:29:04: Geil. Die manche, die da, wo wir davor auch waren. Deswegen braucht man strategische Partner, um auf

00:29:10: die 80 Prozent zu kommen. Das, das immer noch vorne gucken. Aber wir gehören schon zu diesen 70 Prozent.

00:29:16: Sollen wir noch eine Frage machen? Na klar. Wie viele Banken weltweit nutzen Big Data

00:29:26: zur Entscheidungsfindung? Ich hoffe alle. Dann sage ich 7 Prozent, dann sind es 97 Prozent.

00:29:37: 89 Prozent. Also sehr, sehr hoch. Also schon eine Ruhrzahl. Aber ist natürlich auch klar,

00:29:46: ich glaube, im Bankenkontext ist alles Big Data, solange man es sich aggregiert. Oder würdest du

00:29:52: umdurchbauen? Ich war, ich war erstaunt, als ich das erste Mal an meinem ersten Arbeitstag,

00:29:58: nach der ersten Arbeitswoche, wo ich ein bisschen mehr Verständnis hatte, wie in der Bank gearbeitet

00:30:05: wird. Man stellt sich vor, dass das alles total, es ist alles komplett reguliert und alles, aber

00:30:11: dass alles ein super System in Hintergrund liegen und einfach alles genau getaktet ist und jeder

00:30:17: genau weiß, was Sache ist. Aber da ein Partiefreie Einblick zu kriegen ist, hat mich dann echt

00:30:23: ein bisschen erschreckt. Deswegen, ich denke, 90 Prozent werden Big Data nutzen. Die Frage ist,

00:30:28: wie sie strukturiert ist und wie wieder mitgearbeitet wird. Und ich denke, da haben alle noch Potenzialen

00:30:34: nach oben die alten Banken. Ich denke, so die ganzen neuen Banken, die jetzt so von jeder Ecke

00:30:39: raus sprießen, die ihr Business von Null auf aufbauen können, die starten da mit einem komplett

00:30:45: anderen Setup. Deswegen ist es auch so einfach für die, sagen wir, wirklich diese Innovation vorzubringen,

00:30:53: weil sie nichts aufräumen müssen. Die sind so gestartet und die können loslegen und einfach

00:30:59: machen. Wie gesagt, ich glaube, sie haben auch einen anderen Aspekt. In dem Moment, wo ich gar

00:31:04: nicht so getrieben bin auf Umsatz, auf Wachstum, ich muss möglichst viel irgendwie abbilden,

00:31:10: dann bin ich auch gar nicht so getrieben, unbedingt Daten zu nutzen oder meine Effizienz zu

00:31:15: steigern. Ich glaube, das macht dich schon sehr gut und die Initiativen, die ihr treibt. Aber wenn

00:31:20: wir jetzt mal eine ING haben, die völlig neu am Markt aufgetreten ist, sehr, sehr digital war im

00:31:26: Gegensatz zu anderen Banken, die haben natürlich auch einen ganz anderen Druck, weil sie eben auch

00:31:32: nicht die persönlichen Berater oder die persönlichen Beraterin vor Ort haben. Das heißt, ich muss ja

00:31:37: meine digitale Dienstleistung ganz anders ausrichten, als ihr das macht. Und ich glaube, da findet bei

00:31:42: euch jetzt langsam der Umstieg statt, dass ihr sagt, okay, wir haben die Leute vor Ort, aber wollen

00:31:48: zusätzlich auch digital ganz anders auftreten. Und ich glaube, das kann dann auch eine super

00:31:54: Kombination werden. Ich glaube, die letzte Frage sparen wir uns einfach. Ich glaube, das war ein

00:31:59: guter Abschluss zu dem Quiz. Jeder kann von euch beiden nochmal einen Tipp für Unternehmen mitgeben.

00:32:05: Da wir haben jetzt festgehalten, einfach mal machen, auch einfach mal starten. Wenn was irgendwie nicht

00:32:10: funktioniert, kann man das auch immer noch irgendwie lösen. Selbst in einem Bankenkontext mit 40

00:32:15: Kunden. Was habt ihr sonst für Tipps für unsere Zuhörer und Zuhörenden? Auf Dialekt.

00:32:24: Vor allem bei eingesessen Banken oder Instituten, Firmen ist es wichtiger, die Leute die Zeit zu geben,

00:32:43: Innovationen voranzubringen. Also, das Tagesgeschäft läuft und man ist meistens mit

00:32:50: die Samenschutz 100% zu. Oft wird Innovationen in der Freizeit oder nach der Arbeit oder

00:32:57: irgendwo zwischen Ringen in ihn gequetscht. Also, Zeit für Innovationen schaffen. War

00:33:04: verständlich. Zeit für Innovationen schaffen und denen auch die Zeit geben, die Innovation aufzunehmen.

00:33:12: Wir haben davor von Change Management gesprochen, dass man kann viel machen. Es ist auch wirklich

00:33:19: wichtig, dass man schaut, dass es auch angenommen wird. Jede Revolution hat irgendwo Leute, die

00:33:25: bremsten wollen und die sich aber danach auch wieder freuen, wenn etwas gemacht wird. Und wir haben

00:33:30: das auch bei uns gesehen, wenn man im Moment, wo man auf neue Technologien switcht, es wird immer

00:33:35: die geben, die das Alte präferiert haben. Und mit dem muss man leben. Man muss aber auch den Leuten

00:33:42: dann die Zeit geben, die Innovation, die man bringt, aufzunehmen. Cool. Ich glaube, das ist ein sehr,

00:33:48: sehr guter Abschluss. Wir lassen uns noch ein bisschen gut gehen. Danke fürs Zuhören und bis zum

00:33:54: nächsten Mal. Danke, dass ihr euch die Zeit genommen habt und euer Wissen geteilt habt.

00:33:59: Es hat mir sehr, sehr viel Spaß gemacht. Vielen Dank für die Einladung. Man se freut er. Bis bald.

00:34:04: [Musik]

00:34:11: Danke.