Ein KI-Assistent im Bankservice kommt mit erstaunlich wenig Kundendaten aus. Die meisten Fragen beantwortet er aus öffentlichen Produktinformationen, Konditionen und Anleitungen. Kundenbezogene Daten wie der Stand eines Antrags braucht er nur, wenn der Kunde angemeldet ist und der Assistent an das passende System angebunden wurde. Zugangsdaten sieht er nie: keine PIN, keine TAN, kein Passwort, keine vollständige Kartennummer. Wer die Daten so in drei Klassen teilt, hat die wichtigsten Entscheidungen für Datenschutz und Informationssicherheit schon getroffen.
Drei Datenklassen
Frei verwendbar. Produktinformationen, Konditionen, Gebühren, Anleitungen für Online-Banking und App, Öffnungszeiten, Formulare. Diese Inhalte sind öffentlich oder für alle Kunden gleich. Sie bilden die Wissensbasis und tragen den größten Teil der Gespräche.
Nur nach Anmeldung und über eine Anbindung. Der Stand eines Antrags, der eigene Produktbestand, ein Termin in der Filiale. Diese Daten gehören einer Person. Der Assistent darf sie nur zeigen, wenn die Person sicher angemeldet ist, und er liest sie im Moment der Frage aus dem führenden System.
Nie im Chat. PIN, TAN, Passwörter, Sicherheitsfragen, vollständige Kartennummern. Diese Daten gibt kein Kunde in einen Chat ein, und kein Assistent fragt danach. Fragt ein Kunde dennoch, ob er sie eintippen soll, ist die richtige Antwort ein klares Nein mit dem Hinweis, wo der sichere Weg ist.
Helfen beim Zugang, ohne Zugangsdaten zu sehen
Ein großer Teil der Fragen im Bankservice dreht sich um den Zugang: erste Anmeldung im Online-Banking, Einrichtung des TAN-Verfahrens, gesperrter Zugang. Ein Assistent kann diese Fragen beantworten, ohne je ein Zugangsdatum zu sehen. Er erklärt die Schritte, verweist auf die richtige Stelle in der App und übergibt an einen Menschen, wenn eine Entsperrung nötig ist.
Gerade hier zeigt sich, ob ein Assistent an geprüfte Inhalte gebunden ist. Ein Sprachmodell ohne Quellen könnte hilfsbereit nach der TAN fragen, weil es das Muster aus anderen Gesprächen kennt. Ein Assistent, der nur aus freigegebenen Anleitungen antwortet, folgt dem Verfahren der Bank.
Was mit Gesprächsdaten passiert
Auch wenn der Assistent nur frei verwendbare Inhalte nutzt, schreiben Kunden Persönliches in den Chat. Für diese Gesprächsdaten gelten vier Fragen:
Wie lange werden Verläufe gespeichert? Die Frist legt die Bank fest, von sofort nach dem Gespräch bis zu einem festen Zeitraum für die Nachvollziehbarkeit.
Wer sieht sie? Rollen bestimmen, welche Mitarbeitenden Verläufe einsehen, ein Audit-Log hält jeden Zugriff fest.
Wohin gehen sie? Laufen Anfragen an einen externen KI-Anbieter, verlassen die Daten den Kontrollbereich der Bank.
Wofür werden sie verwendet? Werden Gespräche zum Training von Modellen genutzt, verlassen sie ihren Zweck.
Für Banken kommen die Anforderungen der Aufsicht an ausgelagerte IT-Dienstleistungen dazu, die der Anbieter mit Dokumentation und Prüfrechten unterstützen sollte. Welche Unterlagen ein Anbieter dafür liefern sollte, zeigt die Compliance-Checkliste für Chatbot-Anbieter.
Wie Mercury.ai die Datenklassen umsetzt
Mercury.ai antwortet aus freigegebenen Quellen wie Produktinformationen, Konditionen und Anleitungen. Kundenbezogene Daten liest der Assistent über Integrationen im laufenden Gespräch, wenn der Kunde im Portal angemeldet ist. Wissensinhalte lassen sich nach Berechtigung filtern, sodass sie nur unter festgelegten Bedingungen erscheinen. Die Löschfrist für Gesprächsverläufe stellt die Bank selbst ein, Rollen und ein vollständiges Audit-Log regeln den Zugriff.
Die Sprachmodelle betreibt Mercury.ai selbst auf Basis lizenzierter Mistral-Modelle. Anfragen gehen an keinen externen KI-Anbieter, Gespräche werden nicht zum Training verwendet, verarbeitet wird ausschließlich in Frankfurt. Bei Themen, die eine Person entscheiden muss, übergibt der Assistent im Agent Desk mit dem bisherigen Verlauf. Wie das bei der Volkswagen Bank seit 2018 im Einsatz ist, zeigt die Case Study, die Anwendungsfälle im Überblick der Beitrag zum KI-Chatbot für Banken.
Sie möchten die Datenklassen für Ihren Bankservice festlegen? Sprechen Sie mit uns.
Über den Autor
Dr. Hendrik ter Horst
Chief Product Officer @Mercury.ai
Dr. Hendrik ter Horst ist Chief Product Officer bei Mercury.ai. Er hat am CITEC-Institut der Universität Bielefeld in Informatik promoviert, mit Schwerpunkt auf maschineller Informationsextraktion und Datenverarbeitung. Seit zehn Jahren arbeitet er an dialogbasierten KI-Systemen und verantwortet die Konzeption, Umsetzung und Validierung KI-gestützter Anwendungen von der Idee bis zur produktiven Nutzung.
