STRATEGIE9. November 2018

„Das Zeitalter von Daten als neuer Währung hat gerade erst angefangen“ – Interview Dorian Selz, CEO Squirro

Dorian Selz, CEO und Mitgründer Squirro
Dorian Selz, CEO und Mitgründer Squirro Squirro

Squirro (Website) ist Anbieter KI-gesteuerter Cognitive-Insights-Lösungen. Das Unternehmen will per KI kombiniert mit menschlicher Intelligenz unstrukturierte Daten von Finanzdienstleistern aufbereiten. Wir haben Dorian Selz (CEO und Mitgründer Squirro) gefragt, was man sich darunter vorstellen muss.

Herr Selz, wo macht der Einsatz von KI Sinn, wo eher nicht? In welchen Bereichen des Investment Banking können Methoden und Verfahren der Künstlichen Intelligenz wie Machine Learning und Deep Learning nutzbringend eingesetzt werden?

Finanzdienstleister stehen zunehmend unter Wettbewerbsdruck. Gleichzeitig schöpfen besagte Finanzdienstleister das Potenzial unstrukturierter Daten vielfach noch unzureichend aus.

Schätzungen zufolge sind 85 Prozent aller Unternehmensdaten unstrukturiert. Zu solchen unstrukturierten Daten gehören etwa E-Mails, Call-Center-Protokolle, Social-Media-Beiträge. Sie werden in der Regel nicht verwendet, enthalten allerdings wichtige Informationen.

Der Grund für die Nichtnutzung ist, dass die meisten dieser Daten mit herkömmlichen Analyse-Instrumenten schlecht aufbereitet werden können.“

Die technologische Basis für den Zugriff auf unstrukturierte Daten ist die Nutzung von künstlicher Intelligenz. Einige Finanzdienstleister setzen bereits auf KI und maschinelles Lernen im Umfeld der strukturierten Daten, der nächste Schritt muss der Einsatz im Bereich der unstrukturierten Daten sein.

Sehen Sie in dem Bereich KI eher als Machine Learning oder schon als tiefe neuronale Netze?

Der Begriff KI ist ein breiter Begriff, der viele Aspekte von Maschinen-basierter Logik umfasst. Während der Fortschritt im Bereich neuronale Netze beeindruckend ist, gibt es zur Zeit nach wie vor wenige operative Anwendungen. Auch von der Komplexität her empfiehlt es sich, erste Schritte mit erprobten Machine-Learning-Methoden zu unternehmen.

Sie arbeiten mit Thomson Reuters Financial & Risk zusammen. Das bedeutet, dass Sie externe und interne Datenquellen zusammenführen müssen. Wie gehen Sie da vor?

Thomson Reuters bietet die wohl umfassendste Datenbank mit Finanzdaten. Ein schier unerschöpflicher Schatz. Zum Beispiel verfügt Thomson Reuters über sämtliche Earning Reports aller gelisteten Firmen.

In der Regel werden diese Reports von niemandem wirklich gelesen und auf Geschäftschancen abgeklopft. Mittels Squirro lassen sich nun genau diese Reports maschinell auswerten. So können wir sehr zielgenau sagen, welche Unternehmung in naher Zukunft an den Kapitalmarkt gehen wird, um zum Bespiel eine Obligation aufzunehmen.

Dr. Dorian Selz
Dr. Dorian Selz ist Mitgründer und CEO von Squirro. Zuvor gründete er die Schweizer Suchplattform local.ch und machte sie in vier Jahren zum Marktführer. Er war Partner und COO bei Namics, der größten e4business-Beratung in der Schweiz und in Deutschland. Er promovierte an der Universität St. Gallen und absolvierte einen Master in Wirtschaftswissenschaften an der Universität Genf.

Das Vorgehen, um zu dieser Prediction zu kommen, besteht aus drei Schritten: Gather – Analyse – Act.

Schritt 1 – Gather: In einem ersten Teilschritt werden die Daten in Squirro geladen. Nicht besonders interessant. Der nächste Teilschritt ist besonders: Squirro umfasst eine Assembly Line mit verschiedenen Teildiensten, die das Datenset in Teilschritten mit weiteren Informationen anreichern. Das spezielle an der Assembly Line ist die Flexibilität. Es können sowohl von Squirro als auch von Firmen eigene Anreicherungsdienste eingesetzt werden. Am Schluss dieses ersten Schrittes sind die vorgängig unstrukturierten Daten strukturiert.

Schritt 2 – Analyze: Verschiedene Machine-Learning-Ansätze werden zur Anwendung gebracht, um ein konzeptionelles Verständnis der Daten zu erhalten. Wir setzen verschiedene Methoden ein wie Naive Bayes, Random Forest, Deep Leanign, um Events wie z.B. Future-Funding-Anforderungen herauszulesen. Nach dem zweiten Schritt haben wir so etwas wie ‚raw Insights‘ generiert.

Schritt 3 – Act: Der letzte Schritt verknüpft die Erkenntnisse mit dem Kontext einer Person. So werden Erkenntnisse, die ein bestimmtes Portfolio betreffen, dem verantwortlichen Kundenberater über eine Recommendation Engine zugewiesen.

Auf Ihrere Website sprechen Sie von ‚Augmented Intelligence‘? Was ist das nun schon wieder?

Der Hype um KI ist beachtlich und vieles davon ist wenig berechtigt. Richtig ist aber auch, dass …

… Augmented Intelligence, die menschliche Intelligenz mit künstlicher Intelligenz kombiniert, deutlich darüber hinausgeht, was KI leisten kann.“

KI ist heute stark im Bereich Korrelation, nicht Kausalität. KI stößt an Grenzen, wenn die Inputs und Zielvorgaben sehr komplex werden. Die Fähigkeit der menschlichen Intelligenz, die Ergebnisse der KI um Erfahrungswerte und Expertenwissen zu ergänzen, hat zur Herausbildung von Augmented Intelligence geführt.

Während Algorithmen Einsichten liefern, sind es die Menschen, die diese Erkenntnisse aufnehmen, mit ihrem Wissen anreichern und in Aktionen umwandeln, die Geschäftsprozesse optimieren und Unternehmen voranbringen.

Wo genau liegt der Nutzen für einen Investment Banker?

Zu den möglichen Anwendungsszenarien, in denen greifbare Ergebnisse erzielt werden, zählen:
360-Grad-Sicht. Also wenn Leistungsstarke KI-Plattformen strukturierte und unstrukturierte interne und externe Daten aus unterschiedlichen Quellen analysieren und eine vollständige 360-Grad-Sicht auf jeden einzelnen Kunden ermöglichen .
Ein weiteres vielversprechendes Einsatzgebiet für KI-Plattformen ist die Lead-Generierung. Dabei werden Wettbewerber und Märkte detailliert analysiert und Möglichkeiten für eine effizientere und zielgenauere Ansprache von Interessenten aufgezeigt.
Produktvorschläge. Erweiterte Intelligenz identifiziert nicht nur die Katalysatoren, die den Kontakt mit einem Interessenten anregen könnten, sondern gibt auch Empfehlungen für die beste Vorgehensweise und das passende Produkt.

Welchen Aufwand muss die IT für die Investment Bank betreiben, um ihre Lösung zu implementieren? 

Ein erster Pilot lässt sich in der Regel schnell realisieren, besonders wenn von einer Bank nur externe Daten genutzt werden. Beim Einbezug von internen Daten ist Sicherheit der Daten das erste Gebot. In der Regel werden die Piloten deswegen On-Prem umgesetzt.

Die operative Umsetzung erfordert darüber hinaus eine gute Planung des Target-Operating-Models. Kein KI-System funktioniert nach der Erstimplementierung ohne kontinuierliche Pflege. So wie sich das Geschäft einer Bank den Marktbedingungen anpasst, müssen auch die KI-Elemente diesen veränderten Voraussetzungen angepasst werden.

Hier braucht es menschliche Interaktion, denn Model-Drift, dass heißt eine über die Zeit abnehmende Modelqualität, kann das System selber nicht wieder korrigieren.

Wie erfolgt ist die Datenintegration, der Service und die Weiterentwicklung? Wer ist dafür zuständig?

In der Regel arbeiten wir mit Systemintegratoren wie Accenture, PWC, Synpulse, Keyrus und weiteren Dienstleistern zusammen.

Wo sehen Sie Squirro in 5 Jahren?

Das Zeitalter von Daten als neuer Währung hat gerade erst angefangen.“

Mit Squirro setzen wir uns zum Ziel, Firmen dabei zu unterstützen, mit ihrem wertvollsten Rohstoff mehr zu machen. In welcher Form, werden wir sehen.

Herr Selz, vielen Dank für das Interview.

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/80460
 
1 Stern2 Sterne3 Sterne4 Sterne5 Sterne (Noch keine Bewertungen)
Loading...

 

Schreiben Sie einen Kommentar

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

Deep-Learning-Technologie in der Praxis: Effizienzsteigerung durch KI

Dunkelverarbeitung: Rechnungen im Posteingang enthalten neben Beträgen und Gebührenziffern auch...

Schließen