IoT für das Cash-Center

Angesichts der Schnelllebigkeit der modernen Geschäftswelt spüren auch Cash-Center den Druck, Banknoten und Banknotendaten effizienter zu verarbeiten. Die häufigste Herausforderung des Cash-Center-Managements in Zentral- oder Geschäftsbanken, Cash-in-Transit-Unternehmen (CIT) und Casinos ist die fehlende Transparenz.

Technische Anomalien, Fehler beim Zählen oder Stapeln, Ausfälle in Banknotenbearbeitungssystemen, Zeitverluste aufgrund unvorhergesehener Wartungseinsätze und ein fehlender Gesamtüberblick über den Bargeldfluss – all diese Faktoren können die Abläufe ausbremsen.

„Das Cash-Center-Management hat häufig das Problem, dass es herausfinden muss, ob ein Fehler bei der Maschine, beim Betrieb der Maschine, bei der Banknotenqualität oder beim Prozess an sich zu verorten ist“, sagt Robert Rose, Senior Product Manager Digital Customer Solutions bei G+D im Bereich Currency Technology.

„Die Führungskräfte wollen nicht nur die Performance eines einzelnen Cash-Centers sehen, sondern auch Daten zu verschiedenen Standorten, Bedienern sowie den Service miteinander vergleichen können.“

Integrierte End-to-End-Software-Lösungen können helfen, indem sie die Daten von Maschinen, Standorten und Ressourcen in verbesserte Betriebsabläufe umwandeln. Außer über die Anzahl der Banknoten geben die Daten auch Aufschluss über den Durchsatz, die Zähl- und Stapelleistung, die Anzahl abgelehnter Banknoten und, ganz entscheidend, darüber, wo und warum Materialstaus und Ausfälle passieren.

Eine solche Anwendung zählt zu den integrierten End-to-End-Lösungen und hat dabei unzählige Vorteile für das Bargeldmanagement. Sie erleichtert nicht nur die Prozessoptimierung, die Wartungsvorhersagen und die Personalplanung, sondern ermöglicht auch Testfallsimulationen und Innovationen, ohne den Betrieb zu stören.

„Letztendlich ermöglicht dies dem Cash-Center-Management, Prozesse zu überarbeiten und zu optimieren“, sagt Rose und fügt hinzu, dass digitale Zwillinge durch eine erhöhte Transparenz entlang der gesamten Lieferkette auch bei der Erstellung von Service Level Agreements nützlich sein können.

Werttransportunternehmen könnten effektiver planen, besser abschätzen, wie viele Fahrzeuge oder Mitarbeitende sie zum Zählen und Transportieren von Geld benötigen, und so das Risiko von Vertragsstrafen senken. Rückstände und Ausfälle im Cash-Center könnten ebenfalls verringert und Partner über voraussichtliche Verzögerungen frühzeitig informiert werden.

Neue Erkenntnisse für das Bargeldmanagement

Wenn viele Daten gesammelt, analysiert und in integrierten End-to-End-Lösungen verwendet werden, lohnt sich das für alle Beteiligten: So profitieren sowohl die Cash-Center als auch die Stakeholder von den neuen Erkenntnissen für das Bargeldmanagement.

Anonymisierte technische Daten, wie die Qualität und Fitness von Banknoten sowie die Anzahl der abgelehnten Banknoten oder Anomalien, können an die Partner weitergeleitet werden, ohne die Sicherheit zu gefährden. So könnten sich die Banken auf Belastungsspitzen oder voraussichtliche Qualitätsabweichungen vorbereiten. Und auch Einzelhändler können die Technologie nutzen, um zu sehen, ob ihre täglichen Einzahlungen verarbeitet werden.

„Performance-Daten können Muster aufzeigen, anhand derer sich dann die Prozessplanung und das Benchmarking ausrichten lassen“, so die Einschätzung von Robert Rose dazu, wie sich die Cash-Center-Abläufe durch eine ganzheitliche digitale Lösung verändern könnten.

„Wir entwickeln nachfrageorientierte Ideen, wie das Geld am besten in die Cash-Center gelangt. Aktuell kommt das Bargeld in Säcken an, aus denen es entnommen werden muss. Für Banken wäre es gut, wenn es mehr Datenaustausch gäbe – nicht über den Wert der Banknoten, sondern über die Mengen und die Fitness.“

„Für CITs liegt die Zukunft vor allem in der Ressourcenplanung. Brauchen sie wirklich gepanzerte Fahrzeuge, die so weite Strecken zurücklegen, dass dadurch Service Level Agreements nicht eingehalten werden können, oder brauchen sie eher ein weiteres Cash-Center in der Gegend?“

Künstliche Intelligenz könnte dafür genutzt werden, dass selbstlernende Maschinen sowohl den Betrieb vor Ort als auch ihre eigene Performance überwachen und den Betrieb dann entsprechend anpassen. Das könnte die zentrale Steuerung stellenweise erübrigen und den Weg freimachen für automatische Software-Updates und -Upgrades, was wiederum die Effizienz steigern könnte.

Veröffentlicht: 19.05.2020