Aufrufe
vor 11 Monaten

die bank 09 // 2018

die bank gehört zu den bedeutendsten Publikationen der gesamten Kreditwirtschaft. Die Autoren sind ausnahmslos Experten von hohem Rang. Das Themenspektrum ist weit gefächert und umfasst fachlich fundierte Informationen. Seit 1961 ist die bank die meinungsbildende Fachzeitschrift für Entscheider in privaten Banken, Sparkassen und kreditgenossenschaftlichen Instituten. Mit Themen aus den Bereichen Bankmanagement, Regulatorik, Risikomanagement, Compliance, Zahlungsverkehr, Bankorganisation & Prozessoptimierung und Digitalisierung & Finanzinnovationen vermittelt die bank ihren Lesern Strategien, Technologien, Trends und Managementideen der gesamten Kreditwirtschaft.

DIGITALISIERUNG

DIGITALISIERUNG KÜNSTLICHE INTELLIGENZ IN DER FINANZDIENSTLEISTUNG Ein Drei-Ebenen-Modell für den ziel gerichteten Einsatz von KI Der Einsatz Künstlicher Intelligenz bei Finanzdienstleistern birgt enorme Potenziale. Mangelndes fachliches Wissen und unzureichende Erfahrung schaffen jedoch hohe Unsicherheiten und Risiken bei Auswahl und Umsetzung. Notwendig ist deshalb die Entwicklung eines systematischen Vorgehens. Der vorliegende Beitrag beschreibt dafür einen strukturellen Rahmen und unterstützt den zielgerichteten Einsatz und die effiziente Umsetzung von Vorhaben der Künstlichen Intelligenz. Künstliche Intelligenz (KI) ist kein Hype, sondern ermöglicht Lösungen, die im täglichen Betrieb mit zunehmendem Nutzen eingesetzt werden. Denn drei Entwicklungen verbinden sich aktuell und ermöglichen den produktiven Einsatz: Erstens haben Methoden, Techniken und Verfahren (im Folgenden kurz „Verfahren“) die nötige Reife erreicht. Marvin Minsky hat beispielsweise das erste neuronale Netz bereits im Jahr 1954 realisiert, es folgte ein jahrzehntelanger Entwicklungs- und Reifeprozess der KI-Verfahren. 1 Zweitens gibt es eine große Bandbreite von Einsatzszenarien, die mit solchen Verfahren unterstützt werden können: Sprach- und Bilderkennung, Kundensegmentierung, Robo Advice, Chatbots, automatisiertes Beantworten von Kundenbriefen und Betrugserkennung. Und nun tritt der dritte Punkt hinzu: Die IT erreicht die nötige technische Leistungsfähigkeit und generiert genügend digitalisierte Daten, um die notwendige Basis für KI zur Verfügung zu stellen. Mit dieser IT können ausgereifte Verfahren auf vorhandene Praxisprobleme erfolgreich angewandt werden. Eine zielgerichtete Anwendung von KI erfordert allerdings analytische Tiefe sowie Erfahrung im Einsatzfeld. Beides ist noch nicht ausreichend vorhanden. Die folgenden Ausführungen beschreiben eine strukturierte Vorgehensweise, um die zielgerichtete Anwendung der KI sicherzustellen. Das dafür entwickelte Drei-Ebenen-Modell wird zunächst im Überblick vorgestellt, danach wird jede Ebene detailliert betrachtet. Schließlich werden die Erkenntnisse in einem kurzen Fazit zusammengeführt. Die Definition Künstlicher Intelligenz Vor dieser Betrachtung steht allerdings die Antwort auf die Frage: Wie ist KI definiert? Ein aktuell intensiv verfolgter Strang der KI adressiert Verfahren des Deep Learning auf Basis neuronaler Netze. Dies ist der „datenbasierte Ansatz“, auch als sub-symbolische oder nummerische Abbildung bezeichnet. Er geht davon aus, dass das Wissen in den Input-Daten steckt, dass die Nutzer selbst nur relativ wenig oder gar nichts über die Lösungsmuster wissen und dass diese durch das Lernen im neuronalen Netz herausgearbeitet werden müssen. Genauso wichtig ist aber der zweite – zeitlich gesehen frühere – Strang der KI, in dem das menschliche Wissen als Input in die Algorithmen einfließt. Beispiele dafür sind Prädikatenlogik, Strukturgleichungs- und Regressionsmodelle, Entscheidungsbäume, -tabellen und Bayes‘sche Netze sowie Monte-Carlo-Simulation. Auch Robotic Process Automation kann man unter diesen Strang subsumieren, denn dort sind Entscheidungstabellen und diverse Erkennungsmuster hinterlegt. In vielen Fällen werden beide Stränge kombiniert (z. B. in Tree Based Neuronal Networks und Random Forests). Dies kann die Schlagkraft der Lösungen weiter erhöhen. Im Rahmen des vorliegenden Beitrags wird KI demnach weit definiert; es subsumieren sich darunter sowohl datenbasierte als auch Algorithmus-basierte sowie kombinierte Verfahren. KI ist das, was bei einem Menschen als intelligentes Verhalten bezeichnen werden würde – egal, auf welcher Methode es basiert. Somit lehnt sich diese Sichtweise nahe an die Definition des Turing-Tests an. 2 Strukturmodell des KI-Einsatzes mit drei Ebenen Wie kommt man von einer Anforderung „ganz oben“, das heißt im fachlichen Geschäftsprozess, zur gezielten Lösung „ganz unten“, d. h. zum Einsatz der bestgeeigneten KI-Methode? In der Literatur existiert dazu eine Vielzahl empirischer Betrachtungen: In welchen Branchen oder in welchen Geschäftsprozessen werden welche Typen von Problemen mit KI angegangen, welche Funktionen mit KI hinterlegt, welche Arten von Daten bearbeitet, welche Verfahren eingesetzt? 3 Enttäuschend ist dabei, dass eher Korrelationen betrachtet werden (wenn sie denn existieren), nicht aber Kausalitäten und Wirkmechanismen hinterfragt werden. Das hier vorgestellte Drei-Ebenen-Modell geht den nächsten Schritt und arbeitet solche Kausalitäten heraus. Im vorliegenden Beitrag wird die Grundstruktur vorgestellt; eine ausführliche Darstellung findet sich in einem Whitepaper. 4 46 09 // 2018

DIGITALISIERUNG 1 | Drei-Ebenen-Modell der KI Auswahl Nutzer-Portfolio: Geschäftsprozesse mit „KI-Potenzial” Lerneffekte Zuordnung Transfer: Anwendungsklassen der KI Lerneffekte Zuordnung IT-Basis: Methoden und Verfahren der KI Der Kern des Modells besteht aus drei Ebenen. ÿ 1 1. Die obere Ebene beschreibt den Geschäftsprozess: Wie sieht der zu adressierende, fachliche Geschäftsprozess aus, und wie lässt sich die Betrachtung auf die relevanten Schritte eingrenzen? 2. Die mittlere Ebene beschreibt Anwendungsklassen, d. h. standardisierte Aufgabentypen, die sich hinter den relevanten Schritten des Geschäftsprozesses mit seinen Funktionen und Daten verbergen und durch KI unterstützt werden können. 3. Die untere Ebene beschreibt das Spektrum der Verfahren der KI. Hier wird herausgearbeitet, für welche Anwendungsklasse welches Verfahren – gegebenenfalls auch in welcher Ausprägung – geeignet ist. Mit diesen drei Ebenen eröffnet sich die Möglichkeit, systematisch vom Geschäftsprozess über definierte Anwendungsklassen bis zum geeigneten Verfahren vorzustoßen. In den folgenden Abschnitten wird jede der drei Ebenen und die Verbindung zur jeweils höheren Ebene beschrieben. Die obere Ebene: Geschäftsprozesse Startpunkt ist ein Geschäftsprozess, den man mit einem KI-Verfahren optimieren will. Sinnvollerweise greift man hier einen Prozess heraus, in dem Verbesserungsbedarf besteht und der – wenn man nicht als Pionier Neuland betreten will – von anderen Akteuren bereits adressiert wurde. Eine aktuelle wissenschaftliche Arbeit zeigt, dass fast jedem Teilprozess im Banking Verbesserungspotenzial durch KI zugebilligt wird. Der Schwerpunkt des heutigen Einsatzes liegt zwar im Marketing und Vertrieb sowie in der Risiko- und Betrugserkennung. Systeme, die bereits in Entwicklung bzw. für die nächsten zwei bis fünf Jahre in Planung oder Prüfung sind, lassen aber einen flächendeckenden Einsatz erwarten. 5 Entscheidend ist die korrekte Prozessabgrenzung: Es muss jeweils ein voller menschlicher Verantwortungszyklus abgebildet werden. Der Prozess läuft von der Auftragserteilung, die von einem Menschen (Kunde oder interner Bankmitarbeiter) zu verantworten ist, bis zur Auftragserfüllung, die vom Menschen gegen den erteilten Auftrag geprüft werden kann. Dass die Verantwortung für die Aufgabenerfüllung beim Menschen verbleibt, steht auch in Übereinstimmung mit den Überlegungen der BaFin. 6 Die mittlere Ebene: Anwendungsklassen In den Funktionen des Geschäftsprozesses sollte man zwischen fünf Anwendungsklassen unterscheiden, die eine sehr unterschiedliche Charakteristik aufweisen. ÿ 2: (1) Input-Transformation, (2) Prüfung des Aufgaben-Kontexts, (3) Präzisierung der Aufgabe, (4) Lösung des Aufgabenkerns und (5) Output-Transformation. Diese Funktionen müssen konzeptionell separiert werden, da sie unterschiedliche Anforderungen an KI-Verfahren stellen und gegebenenfalls auch von unterschiedlichen KI-Anbietern bedient werden müssen. 1. Die Input-Transformation übersetzt die anstehende Aufgabe von der Sprachebene des Auftraggebers (eines Kunden oder internen Bearbeiters) in die Sprachebene der Maschine. Dies kann ein sehr 09 // 2018 47

die bank

die bank 01 // 2019
die bank 02 // 2019
die bank 03 // 2019
die bank 04 // 2019
die bank 05 // 2019
KINOTE 01.2019
die bank 06 // 2019
diebank 07 // 2019
diebank 08 // 2019
die bank 01 // 2018
die bank 02 // 2018
die bank 03 // 2018
die bank 04 // 2018
die bank 05 // 2018
die bank 06 // 2018
die bank 07 // 2018
die bank 08 // 2018
die bank 09 // 2018
die bank 10 // 2018
die bank 01 // 2017
die bank 02 // 2017
die bank 03 // 2017
die Bank 04 // 2017
die bank 05 // 2017
die bank 06 // 2017
die bank 07 // 2017
die bank 08 // 2017
die Bank 09 // 2017
die bank 10 // 2017
die bank 01 // 2016
die bank 02 // 2016
die bank 03 // 2016
die bank 04 // 2016
die bank 05 // 2016
die bank 06 // 2016
die bank 07 // 2016
die bank 08 // 2016
die bank 09 // 2016
die bank 10 // 2016
die bank 11 // 2016
die bank 12 // 2016
die bank 01 // 2015
die bank 02 // 2015
die bank 03 // 2015
die bank 04 // 2015
die bank 05 // 2015
die bank 06 // 2015
die bank 07 // 2015
die bank 08 // 2015
die bank 09 // 2015
die bank 10 // 2015
die bank 11 // 2015
die bank 12 // 2015

© die bank 2014-2018