Customer Journey im Forderungsmanagement im Zeitalter von KI und Digitalisierung

Wir bei Intrum sind der Meinung, dass auch Kunden, die ihren Zahlungsverpflichtungen nicht fristgerecht oder vollständig nachgekommen sind, trotzdem wertvolle Kunden sind und entsprechend behandelt werden sollten. Der Leitgedanke von Intrum lautet „Supporting you. All the way.“, denn die Customer Journey Ihrer Kunden wird bei Intrum fortgesetzt und unser Ziel ist eine konsistente und positive Kundenerfahrung.

Zweifellos haben Ihre Kunden unterschiedliche Beweggründe für ihr Verhalten: Einige Kunden haben einfach vergessen eine Rechnung zu bezahlen, andere haben Schwierigkeiten Finanzpläne zu erstellen (zum Teil aufgrund ihres jungen Alters), wiederum andere befinden sich in einer finanziellen Notlage, und es gibt noch weitere Motive für ein nicht-vertragskonformes Zahlungsverhalten.

Intrum verfolgt deshalb den Ansatz, Kundengruppen mit ähnlichen Verhaltensmustern mithilfe von KI (Künstlicher Intelligenz) zu identifizieren. Präferenzen der verschiedenen Gruppen, z. B. hinsichtlich des geeigneten Kommunikationskanals, des Angebots und des Zeitpunkts der Kontaktaufnahme lassen sich dadurch optimieren. Im Ergebnis erfolgt eine Rückzahlung von offenen Forderungen auf eine kosteneffiziente Weise sowie eine positive Customer Experience.

KI und Digitalisierung verändern alle Branchen – auch das Forderungsmanagement

Zwei Schlagworte sind aktuell in aller Munde: Künstliche Intelligenz (KI) und Digitalisierung. Beides wird unseren Alltag massiv verändern. Das Forderungsmanagement bildet dabei keine Ausnahme.

Doch was hat sich bereits schon jetzt verändert und in welche Richtung wird es weiter gehen?

KI wird oft als Teilgebiet der Informatik gesehen, in dem versucht wird, Maschinen bzw. Algorithmen so zu gestalten, dass diese Situationen in der Praxis, welche menschliches Denken erfordern, eigenständig bearbeiten können.

Dieser Ansatz ist nicht neu. Die Informatikerin Elaine Rich hat bereits 1983 in ihrem Buch “Artificial Intelligence” formuliert: „Artificial Intelligence is the study of how to make computers do things at which, at the moment, people are better.” („Künstliche Intelligenz ist die Lehre davon, wie Computer Dinge tun können, in denen Menschen besser sind – wenigstens im Moment noch.“)

Man unterscheidet zwischen starker und schwacher KI. Die Berichterstattung der letzten 5 Jahre in den Medien dreht sich fast ausschließlich um letzteres, d.h. eng begrenzten Anwendungen wie z. B. autonomes Fahren, Erkennen von Bildern und Sprache, oder (komplexe) Spiele wie Go oder StarCraft, bei denen Computer gegen Menschen gewinnen.[1]

Bei all diesen Beispielen hat sich gegenüber früher eines verändert: Die Methode. Es geht nicht mehr um ein Suchproblem. Stattdessen orientieren sich moderne KI-Ansätze an den Strukturen des menschlichen Gehirns, wodurch eine Software oder ein Roboter mit Sensoren selbstständig eine Strategie erlernt und diese eigenständig verbessert.

Das Grundprinzip des Lernens ist vergleichbar mit den Entwicklungen von Kleinkindern: In vielen Versuchen wird mittels Trial-and-Error-Verfahren der Fortschritt in „erfolgreich” oder „nicht erfolgreich” kategorisiert und so lernen kleine Kinder beispielsweise das Laufen. Das Lernen resultiert aus positivem Feedback, z. B. durch die Eltern und das Erreichen von Gegenständen oder anders ausgedrückt: Fortschritte werden als Belohnung wahrgenommen und deshalb verstärkt, wohingegen negative Erfahrungen, z. B. Schmerzen beim Hinfallen unerwünscht sind und deshalb zukünftig vermieden werden.

Computer können durch Methoden wie beispielsweise Deep Reinforcement Learning komplexe Probleme ohne (menschliches) Vorwissen lösen! Ein Ergebnis davon ist, dass Computer bei (komplexen) Spielen gegen Menschen gewinnen, deren Regeln sie nicht kennen oder erst (eigenständig) erlernen.

Je nach Anwendungsfall, unterscheidet sich die Eignung von KI-Methoden. Im Gegensatz zu Kleinkindern, welche anhand weniger Beispiele lernen, was einen Hund von einer Katze unterscheidet, benötigen bestimmte KI-Methoden eine Vielzahl an Daten, beispielsweise beim Erkennen von Mustern, in Form von Bildern (von Hunden und Katzen) oder Versuchen beim Erlernen von Spielregeln.

Da einige KI-Methoden eine umfangreiche Datengrundlage erfordern, um diese sinnvoll anwenden zu können, bildet die Digitalisierung eine wesentliche Voraussetzung für deren sinnvolle Anwendung.

So auch im Forderungsmanagement. Denn dort ist im Gegensatz zur Bild- oder Spracherkennung (mit unzähligen Testdatensätzen) eine sehr eingeschränkte Datenbasis vorhanden:

Wie soll KI mittels Name, Adresse(n), forderungsbezogener Daten und Daten zum (bisherigen) Zahlungsverhalten zur Ergebnisverbesserung beitragen?

Auf den zweiten Blick ergeben sich auch im Forderungsmanagement, durch die zunehmende Digitalisierung, Möglichkeiten die Datenbasis so zu erweitern, dass KI sinnvoll angewendet werden kann. Vor allem die Kommunikation zwischen Kunden und Unternehmen über digitale Kanäle mittels Chatbots, 2-way SMS, E-Mail und Apps ermöglicht die Generierung von „digitalen Touchpoints“ bei denen KI helfen kann, (Verhaltens-) Muster zu erkennen, um so die Customer Journey im Forderungsmanagement und damit das Beitreibungsergebnis zu optimieren.

Tipps