Aufrufe
vor 1 Jahr

RISIKO MANAGER 03.2019

  • Text
  • Risiikomanager
  • Rabbi
  • Teilen
  • Talmud
  • Konzept
  • Diversifizierung
  • Ventures
  • Antoratur
  • Diversifizierte
  • Barreserven
  • Klassischen
RISIKO MANAGER ist das führende Medium für alle Experten des Financial Risk Managements in Banken, Sparkassen und Versicherungen. Mit Themen aus den Bereichen Kreditrisiko, Marktrisiko, OpRisk, ERM und Regulierung vermittelt RISIKO MANAGER seinen Lesern hochkarätige Einschätzungen und umfassendes Wissen für fortschrittliches Risikomanagement.

24

24 RISIKO MANAGER 03|2019 Artifical Intelligence Künstliche Intelligenz und datengetriebene Geschäftsmodelle Im Zuge der fortschreitenden Digitalisierung erfreut sich derzeit kaum ein anderes Thema größerer Beliebtheit als das der künstlichen Intelligenz. In diesem Kontext sind Begriffe wie „Maschinelles Lernen“, „Big Data“, „Data Science“, „Predictive Analytics“, „Advanced Analytics“, „Künstliche Intelligenz (KI)“ und „Artificial Intelligence (AI)“ omnipräsent. Als Data Science (Wissenschaft der Daten) werden Methoden und Verfahren bezeichnet, um Datenmengen zu strukturieren, zu analysieren, und daraus Entscheidungen abzuleiten. Ein Teilbereich von Data Science ist beispielsweise die künstliche Intelligenz und das maschinelle Lernen.

ERM 25 Einleitung Abb. 01 Maschinelles Lernen versus klassische regelbasierte Ansätze Der Einsatz von künstlicher Intelligenz startete seine Erfolgsgeschichte in den Unternehmen der Digital Economy, wie beispielsweise Google, Amazon, Facebook. Auch die Automotive-Branche beschäftigt sich intensiv mit künstlicher Intelligenz, beispielsweise im Zusammenhang mit dem autonomen Fahren. Weiterhin sind digitale Assistenten wie Siri und „Hey Google“ tägliche Alltagsbegleiter, die letztendlich auf Basis künstlicher Intelligenz funktionieren. Doch auch die Finanzbranche hat die Zeichen der Zeit und die Vorteile durch den Einsatz von Systemen des maschinellen Lernens erkannt und beschäftigt sich derzeit mit möglichen Einsatzmöglichkeiten. Beispielsweise können Algorithmen zunehmend zum Erkennen von Betrugsversuchen (Fraud Detection) oder zur Identifikation von Vertriebspotenzialen verwendet werden. Auch die Finanzaufsicht setzt sich derzeit intensiv mit dem Thema künstliche Intelligenz auseinander. So schrieb das Ba- Klassischer regelbasierter Ansatz Maschinelles Lernen Fin-Journal [vgl. BaFin 2018b, S. 9]: „Aus Perspektive des Marktes zeigt die Studie, dass Big Data und künstliche Intelligenz sowohl bestehenden als auch potenziell neuen Marktteilnehmern erhebliche Wettbewerbschancen bieten. Diese resultieren vor allem aus der technisch möglichen verstärkten Entkoppelung der Wertschöpfungsketten.“ Dazu betont BaFin-Präsident Felix Hufeld: „Der Innovationswettlauf um Finanzdaten hat längst begonnen.“ [vgl. BaFin-Journal, Seite 9]. Des Weiteren wird in der BaFin-Studie [vgl. BaFin-Studie, Seite 4] das Potenzial betont: „Es wird deutlich, dass BDAI [Big Data & Artificial Intelligence; Anmerkung des Autors] nicht nur dazu geeignet ist, bestehende Strukturen zu optimieren, sondern grundsätzlich neue Anwendungen, Produkte, Dienstleistungen und Geschäftsmodelle ermöglicht, mit allen Chancen und Risiken.“ Somit steht die Notwendigkeit, sich mit den Thematiken auseinanderzusetzen außer Frage. Diejenigen Marktteilnehmer, die hieraus Vorteile generieren, werden lang- Abb. 02 Kategorisieren des maschinellen Lernens Überwachtes Lernen Verstärkendes Lernen Deep Learning Klassifizierung/ Regression Unüberwachtes Lernen Clusterung, Ausreißererkennung Daten Modelltraining Validierung neuer Daten Feedback KI Aktion System

RISIKO MANAGER

 

Copyright Risiko Manager © 2004-2017. All Rights Reserved.