此外，德国银行业还提供自动化数据分析的潜力，以识别和满足个人客户的需求。通过使用基于成功的“下一个最佳报价”概念的产品推荐，可以创造更多的商机。通过使用机器学习，可以识别以前未检测到的交互，以提高推荐质量和转化率。
银行还可以在企业银行业务的客户界面上使用人工智能和机器学习，例如在流动性规划中。一些银行为此开发了所谓的 CashRadar。它涉及使用机器学习分析历史账户数据，以创建未来四个月的未来余额预测。通过这种方式，可以警告可能出现的瓶颈并降低客户的风险。
通过自动化提高后台效率
在银行后台系统中，当前大多数人工智能用例旨在提高自动化水平以提高效率。许多模仿人类流程的机器人流程自动化 (RPA) 解决方案已投入使用。人工智能技术有潜力通过处理以前的非结构化输入来推进 RPA。光学字符识别（OCR）可以识别文本和图像，而自然语言处理（NLP）可以理解和评估它们。这样，扫描文档、工资单、身份证以及其他申请和合同文档就可以分类，以便 RPA 应用程序进一步处理。
当前人工智能发展的另一个重点是改善操作风险管理。金融科技公司 克罗地亚 电话数据 已经提供基于人工智能的解决方案来防止支付交易中的欺诈。通过将收件人、金额和位置与历史交易数据进行比较，实时检查信用卡或网上银行支付订单的合理性。如果人工智能检测到重大偏差或其他风险，可以阻止付款并向银行员工生成检查单。
一个具体的例子是打击洗钱活动。银行有法律义务检查所有支付交易是否存在可疑交易，并向有关当局报告。已经有基于专家设定的预定义检测规则的自动反洗钱检查。然而，其中一些规则仅适用于个别交易特征，这些特征也可能出现在许多无害支付中。这导致报告了许多疑似病例，而这些病例必须在随后的人工检查中被丢弃。与此同时，这些规则也存在被系统性规避的风险，例如故意低于已知阈值或使用其他方法。因此，各银行正在测试机器学习方法，以持续报告当前的识别规则并导出新的、以前未知的识别模式。在人工智能的帮助下，可以减少毫无根据的怀疑和人工操作，同时可以揭露以前隐藏的洗钱案件。
KYC流程优化
此外，人工智能应用程序可以支持“了解你的客户”流程。为了防止洗钱和恐怖主义融资并遵守适用的制裁措施，银行必须不断检查其客户数据的准确性。已经有人工智能应用程序通常会检查报告或维护的客户数据的合理性，并在必要时将其与互联网上的信息进行比较。如果数据明显过时，例如四位数邮政编码或与公开媒体相矛盾的信息，将要求员工单独检查。在进一步扩展阶段，还可以自动纠正不正确的数据或添加丢失的数据。