STRATEGIE4. März 2018

„Verpassen Sie nicht die Chancen der KI im Finanz­bereich“ – Prof. Wuermeling, Deutsche Bundesbank

Die Bundesbank nutzt bereits Machine Learning und KI
Prof. Dr. Joachim Wuermeling Bert Bostelmann

Am 27. Februar fand in Brüssel die zweite jährliche FinTech- und Digital-Innovationskonferenz statt. Es ging um Schlüsselbereiche der Innovation bei FinTechs und Banken. Prof. Joachim Wuermeling (Mitglied des Vorstands der Deutschen Bundesbank) hielt eine bemerkenswerte Rede zum aktuellen und künftigen Status der KI im Finanzbereich – und wie sich die Bundesbank dazu stellen sollte. Die Übersetzung und Zusammenfassung.

Professor Dr. Joachim Wuermeling

KI im Finanzbereich könnte das Funktionieren unseres Finanzsystems tiefgreifend verändern. Einige schlagen vor, dass KI die Leistung des menschlichen Gehirns in solcher Weise erweitert, wie die Elektrizität vor 150 Jahren die Leistung des Körpers erweitert hat. Somit könnte es ein großes Ding im Finanzbereich werden.

Künstliche Intelligenz und Big Data sind derzeit die stärksten und lebendigsten Innovationsfaktoren im Finanzbereich. Der Einsatz von KI im Finanzbereich könnte dramatische Verbesserungen in vielen Unternehmen auslösen.“

KI erhöht die Bedeutung von Daten als wichtiger Rohstoff. Klug eingesetzt kann Big Data zu mehr Zuverlässigkeit führen und Finanzvermittlung verbessern. Prozessketten können auf neuartige Weise organisiert werden. “Umfang und Art der Bankrisiken und Aktivitäten ändern sich rapide”, wie eine kürzliche Analyse des Baseler Ausschusses besagt.

Diese Evolution hin zu stärkerer Nutzung nicht-menschlicher Intelligenz ist nicht etwas, das gerade in den letzten paar Jahren passiert ist. Die erste Erfindung neuronaler Netzwerke, einem Hauptpfeiler der meisten KI-Systeme, geht auf das Jahr 1943 zurück.

Bis vor ein paar Jahren waren die Hauptnutzer von Big Data und KI im Finanzbereich Hedge-Fonds und Hochfrequenz-Händler. In letzter Zeit hat sich der Einsatz von KI im Finanzbereich begonnen weiter auszubreiten über “normale” Banken, FinTechs und andere Finanzdienstleister bis zur allgemeinen Öffentlichkeit.

Seit 2011 haben HFT etwa 45–50 % des gesamten Handelsvolumens von US-Wertpapieren ausgemacht. Die Zahlen für die wichtigen europäischen Indizes liegen im selben Bereich (mit etwa 40 % für die deutschen DAX-Futures). Zusammengenommen mit allen anderen “normalen” Algorithmen-basierten Handelstätigkeiten schätzen wir derzeit die Menge des Algorithmen-basierten Handelsvolumens im Bereich von 80–90 % des gesamten Handelsvolumens für Aktien (und etwas weniger, aber dennoch sehr hoch in anderen Marktsegmenten).

Ein einzelner normaler Handelstag erzeugt etwa 3–6 Millionen Datenpunkte zu Kursen, Orderstreichungen und Änderungen alleine im DAX-Future. Kein Mensch kann diese Datenmengen analysieren, indem er diese in einer Excel-Tabelle betrachtet. Dafür sind höherentwickelte und mitunter auch von KI getriebene Techniken notwendig.

KI ändert tiefgreifend die Wirkungsweise unseres Finanzsystems in mindestens drei Bereichen: Produkte, Prozesse und Analyse.“

Dies trifft sowohl für Front-Office-Funktionen (z.B. Kundengeschäft, Handel) als auch Back-Office-Funktionen (z.B. Geschäftsabwicklung, Risikomanagement, Marktforschung) zu. Spezialisierte KI kann spezifische Probleme lösen, z.B. bei Kundenengagement, Finanzmanagement oder Cyber-Sicherheit.

Auf Marktabläufe konzentrierte Anwendungen decken verschiedene Bereiche ab wie z.B. Handel, Portfolio-Zusammensetzung, Rückvergleich und Validierung von Modellen, Markteinflussanalysen, Modellierung des Handels großer Positionen und Stress-Tests. Dynamische Portfolio-Anpassung in Abhängigkeit von der Makro-Entwicklung kann durch KI gestärkt werden.

Mit Hilfe von KI können diverse menschliche Defizite beim Umgang mit Finanzinstrumenten gelindert werden. Wie uns Behavioural Finance gelehrt hat, führen Vorurteile, Untätigkeit und Ignoranz zum Versagen der Märkte. KI ermöglicht den Menschen, über ihre intellektuellen Grenzen hinauszuwachsen oder einfache Fehler zu vermeiden.

… aber hüten Sie sich vor den Gefahren

Aber Chancen sind stets auch von Risiken begleitet. Hinsichtlich des Finanzsystems, wenn zuviel Vertrauen in “intelligente” Systeme gesetzt wird, kann die Stabilität der Finanzmärkte auf dem Spiel stehen. Die Arbeiten der KI können ein Geheimnis sein; es kann zum Kontrollverlust kommen, fatale Fehler machen und infolge seiner mechanistischen Funktionen einen prozyklischen Effekt haben. Mustererkennung hat ihre Grenzen. Das kann insbesondere in Krisenzeiten gefährlich sein. Ein Autopilot wäre niemals fähig gewesen, ein Flugzeug auf dem Hudson River zu landen. Ebenso können auch Algorithmen in Zeiten finanzieller Unruhe nicht für Stabilität sorgen.

Beim Blick auf die jüngsten Turbulenzen bei Aktien und dem Markt für VIX-bezogene Finanzprodukte kann geschlussfolgert werden, dass die Ereignisse vom 5. Februar viele Ähnlichkeiten mit einem “Blitz-Crash” haben. Leider haben wir genau wie beim originalen Blitz-Crash vom Mai 2010 nur begrenztes Wissen über die direkten Auslöser des Vorgangs. Es kann angenommen werden, dass algorithmische Marktteilnehmer während des relevanten Zeitraums ziemlich aktiv waren. Aber welche Strategien angewandt wurden und mit welcher Auswirkung, wissen wir bisher nicht. Der Anstieg der Volatilität beim S&P 500 beeinflusste fast sofort den VIX-Bereich und machte ihn zwar nicht zur Ursache, aber zum ersten Opfer dieses Marktereignisses mit Vermögensverlusten von bis zu 95 %. Wir erwarten nicht, dass dieses Phänomen zukünftig verschwindet. Im Gegenteil werden mehr derartiger Blitzereignisse auftreten.

KI steckt noch in der Anfangsphase. Kontinuierliche Prozesse für den gesamten KI-Lebenszyklus müssen noch definiert und für Geschäftsanforderungen skaliert werden.“

Das bedeutet, dass KI in den Prozess der Erfassung und Organisation von Daten, der Modellierung und Analyse sowie dem Liefern von Analyseergebnissen eingebettet werden muss. Die Lücke der Fähigkeiten vor allem hinsichtlich der Expertise für Data Science und Machine Learning ist die vorderste Herausforderung. Auf dieser Stufe ist die nicht-menschliche Intelligenz weit davon entfernt, das menschliche Gehirn in irgendeiner Form zu ersetzen. Computer sind wie Schüler, die Zahlen mechanisch dividieren, ohne zu verstehen, was sie tun.

Verbraucher sollten achtsam sein: sie bleiben die Gefahrenträger

Was diese Entwicklung so wichtig macht, ist die Tatsache, dass sie nicht nur auf Ebene der systemrelevanten Institute, Märkte und Börsen auftritt. Beispielsweise mit Robo Advisern kann KI direkt die täglichen finanziellen Entscheidungen der Kunden und letztendlich deren persönliches Wohlbefinden beeinflussen und steuern. Die Gesellschaft hat kaum begonnen, die wirtschaftlichen, ethischen und sozialen Auswirkungen der KI zu verstehen.

Während die Kundeninteraktion beim mobilen Banking bequemer wird, können Chatbots oder virtuelle Kundenassistenten der Banken mehr über Kundengewohnheiten herausfinden und ihnen maßgeschneiderte Finanzprodukte anbieten.“

Kunden können beim Beantragen einer Hypothek von KI eingeschätzt werden. Die Bündelung von Datenpunkten aus internen Transaktionen, sozialen Netzwerken und anderen Quellen bietet ein aussagekräftigeres Bild des Kreditnehmers. Aber Ablehnungen können schwer nachvollziehbar sein. Es kann noch schwieriger werden, eine Entscheidung von Algorithmen anzufechten.

Die richtige Funktionsweise der Anwendungen ist keine Gegebenheit. Einfache Mängel, Cyber-Angriffe und kriminelles Verhalten machen die Systeme extrem anfällig. Kunden sollten vorsichtig sein. Sie müssen geschützt werden. Gesetze müssen möglicherweise geändert werden, um neue Gefahren zu berücksichtigen. Die Verantwortung und Haftung bei einer Fehlfunktion der Maschinen muss geklärt werden.

FinTechs sollten die berechtigten Bedenken von Gesellschaft und Aufsichtsbehörden nicht ignorieren

Agile Technologieunternehmen sind von bewundernswerter Energie und Inspiration getrieben. Naturgemäß gehen sie Risiken ein. Sie haben eine Idee, bauen einen Prototypen und probieren das sofort in der echten Welt aus. Regulierung, Aufsicht, Pflichten und Anforderungen müssen die extrem nervös machen.

Aber das Wohlergehen der Gesellschaft hängt von Regeln ab. Die Öffentlichkeit verlangt Cyber-Sicherheit, Datenschutz, Verbraucherschutz und Finanzstabilität. FinTechs sollten die Sorgen ihrer Akteure nicht abtun. Das Geschäft kann nur florieren, wenn es von den Bürgern umfangreich akzeptiert ist.

FinTechs greifen sich üblicherweise spezifische Elemente der Arbeitskette im Finanzbereich oder schaffen neue Funktionen. Mittels Technologie modularisieren und verändern sie Produkte als ein Dritter oder als alleiniger Anbieter.

FinTechs sind Teil des Finanzsektors, aber nicht notwendigerweise überwacht. Solange sie Aufgaben für überwachte Institutionen ausführen, sind diese Institutionen für das Verhalten der FinTechs verantwortlich.“

KI braucht neue Formen der Überwachung

“Künstliche Intelligenz” kann aus technologischer Sicht glamourös klingen, aber in der Überwachung von Bankgeschäften hat sich das gut etablierte Prinzip „gleiches Geschäft, gleiches Risiko, gleiche Regeln“ bisher als solider Standard für Innovationen erwiesen.

Egal ob sie KI selbst einsetzen oder zu FinTechs auslagern, aus Sicht der Aufsichtsbehörden verbleibt die Verantwortung dafür vollständig bei der Bank.“

Für deutsche Aufsichtsbehörden sind IT-Governance und Informations-Sicherheit heutzutage gleichwichtig wie Kapital- und Liquiditätsanforderungen.

Alle Finanzinstitutionen sollten die durch neue Technologien verursachten Gefahren angehen. Banken müssen wirksame Kontrollumgebungen einrichten, um wichtige Innovationen richtig zu unterstützen. Dazu gehört die Anforderung, geeignete Prozesse für gebührende Sorgfalt, Risikobewertung und fortlaufende Überwachung aller Abläufe zu haben, die an Dritte ausgelagert sind.

Die europäische MiFID II enthält die Anforderung, dass Firmen, die algorithmische Modelle basierend auf KI und Machine Learning einsetzen, einen robusten Entwicklungsprozess etabliert haben sollten. Die Firmen müssen sicherstellen, dass potenzielle Gefahren in jeder Stufe des Prozesses berücksichtigt werden.

Aufsichtsbehörden müssen zunehmend selbst von KI unterstützte Analysemethoden einsetzen, um Vulnerabilitätsmuster zu erkennen, lange Berichte durchzusehen oder eingehende Daten zu analysieren.“

In jedem Fall müssen wir eine Balance treffen zwischen Finanzstabilität und dem Vermeiden von Barrieren für neue Anbieter, Produkte und Geschäftsmodelle. Neben dem technologischen Fortschritt müssen Aufsichtsbehörden ständig das derzeitige rechtliche Rahmenwerk, Aufsichtsmodelle und Ressourcen neu bewerten.

Zentralbanken sollten KI begrüßen

Zentralbanken haben Zugriff auf riesige Mengen wertvoller Daten aus Marktbetrieb, Überwachung, Zahlungsverkehr und Statistik. Sie sind gut positioniert, um die Vorteile von KI zu erschließen, um ihre Fähigkeit zum Erfüllen ihres Mandats für Preisstabilität und die Stabilität des Finanzsystems  zu verbessern.

Machine Learning wird bei der Bundesbank bereits in verschiedenen eingeschränkten Bereichen eingesetzt.“

Die Erfahrungen aller Anwender waren ausnahmslos gut. Während der Überwachung des technischen Fortschritts entdecken wir derzeit weitere Anwendungsfälle und definieren unsere Grundlage, Strategie, Organisation und Prozesses für KI.

Hier eine Liste mit Beispielen, die keinesfalls erschöpfend ist:

Im Risikomanagement beurteilen und bewerten neuronale Netzwerk die finanzielle Gesundheit der Märkte. Die Marktforschung wird unterstützt durch die Einführung von Web-Mining-Techniken und Machine Learning bei der Inhaltsanalyse, Themenmodellierung und Bündelung relevanter Artikel. In der Statistik ermöglicht Machine Learning neue Methoden des Datenqualitätsmanagements, z.B. im Kontext von Wertpapierbeständen oder der Klassifizierung von Unternehmensdaten. Weiterhin wir der Informationsgehalt von saisonalen Tests durch eine Random-Forest-Technik des Machine Learning beurteilt. Für unseren IT User-Helpdesk könnte die Behandlung von Routineanfragen über automatisierte Chatbot-Antworten eine nützliche Support-Maßnahme sein. Wir nutzen Daten aus sozialen Medien, um Trends, Wendepunkte oder Stimmungen zu erkennen. Methoden des Machine Learning können für verschiedene Auswahlzwecke in ökonometrischen Modellen eingesetzt werden.aj

Die vollständige Rede in englischer Sprache können Sie hier nachlesen.

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/66848 
 
1 Stern2 Sterne3 Sterne4 Sterne5 Sterne (7 Stimmen, Durchschnitt: 4,86 von maximal 5)
Loading...

 

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Chatbots: Das Ende der falschen Antworten durch Hybride Agent + KI-Lösungen

Falsche Antworten beim Chatbots im Kundenservice? Es gibt wohl kaum...

Schließen