Aufrufe
vor 4 Jahren

KINOTE 01.2019

  • Text
  • Methoden
  • Lernverfahren
  • Unternehmen
  • Systeme
  • Modell
  • Beispielsweise
  • Menschen
  • Einsatz
  • Banken
  • Intelligenz
Um einen Wandel der Finanzbranche erfolgreich zu meistern, müssen Kreditinstitute sowohl Chancen als auch Herausforderungen der Künstlichen Intelligenz (KI) erkennen. Unter der neuen Marke KINOTE der Bank-Verlag GmbH finden Sie Meldungen, Studien und Fachartikel zum Themenkomplex KI. Wir beantworten Ihre Fragen rund um KI. Wir berichten über Trends, neue Technologien, Forschungsergebnisse und daraus entstehende Möglichkeiten, die KI Ihrem Unternehmen bietet.

4 01 | 2019

4 01 | 2019 Inhaltsverzeichnis Maschinelles Lernen: 06 Ein Blick hinter die Kulissen Stefan Berlik 12 KI im Wandel der Entwicklung: Wo selbstlernende Systeme an ihre Grenzen stoßen Sascha Dierkes 22 Mehr Effizienz im Kundenservice: Smarte Helfer für Banken Martin Häring 18 Banken in Experimentierphase: „Game Changer” – aber nur mit der richtigen Strategie Gökhan Öztürk | Kolja Dutkowski | Malte Gündling 26 Künstliche Intelligenz im Change Management: Einsatzpotenziale denkender Maschinen Florian Weber Impressum Verlag und Herausgeber: Bank-Verlag GmbH, Wendelinstraße 1, 50933 Köln Tel.: +49/221/5490-0, Fax.: +49/221/5490-315 E-Mail: die-bank@bank-verlag.de Redaktion: Chefredaktion: Wilhelm Niehoff Redaktion: Anja U. Kraus, Tel.: +49/221/5490-542 E-Mail: anja.kraus@bank-verlag.de Mediaberatung: medien@bank-verlag.de Tel.: +49/221/5490-602 oder Tel.: +49/221/5490-327 Produktionsleitung: Armin Denzel Layout: Katrin Frese, Cathrin Schmitz Lektorat: Ulrike Ascheberg-Klever, Köln Druck: ICS Communications-Service GmbH Voiswinkeler Straße 11d, 51467 Bergisch Gladbach Copyright und Haftungsausschluss: Kein Teil dieser Zeitschrift darf ohne schriftliche Genehmigung des Verlags vervielfältigt werden. Unter dieses Verbot fallen insbesondere die gewerbliche Vervielfältigung per Kopie, die Aufnahme in elektronische Datenbanken und die Vervielfältigung auf Datenträgern. Die Beiträge sind mit größtmöglicher Sorgfalt erstellt, die Redaktion übernimmt jedoch keine Gewähr für die Richtigkeit, Vollständigkeit und Aktualität der abgedruckten Inhalte. Mit Namen gekennzeichnete Beiträge geben nicht unbedingt die Meinung des Verlags und Herausgebers wieder. Empfehlungen sind keine Aufforderung zum Kauf oder Verkauf von Wertpapieren sowie anderer Finanz- oder Versicherungsprodukte. Eine Haftung für Vermögensschäden ist ausgeschlossen. Für die Inhalte der Werbeanzeigen ist das jeweilige Unternehmen oder die Gesellschaft verantwortlich. Bildnachweise: iStockphoto.com: © MF3d Titel, Ktsimage S. 2, 6, AlexSava S. 3, gopixa S. 5, themacx S. 5, Goir S. 11, MissTuni S. 12, 15, Phototechno S. 18, iLexx S. 22, 24, guvendemir S. 26–30.

01 | 2019 5 Kurzmeldungen Risikofrüherkennung Der Finanzdienstleister RSU nutzt im Rahmen eines Frühwarnsystems Machine-Learning-Ansätze in einem produktiven Risikomanagementsystem. Das System analysiert Nachrichten aus knapp 300 Zeitungen und Fachzeitschriften, die einen Rückschluss auf eine veränderte Kreditwürdigkeit von deutschen Unternehmen zulassen. Das Modell wurde auf einer Datenbasis von über 3 Mio. Nachrichten zu rund 3.000 Unternehmen entwickelt. óó Periodensystem der KI Dass deutsche Unternehmen beim Einsatz von KI noch zurückhaltend agieren, liegt für den Digitalverband Bitkom auch daran, dass es um den Begriff KI noch viele Unsicherheiten gibt und kaum jemand genau erklären kann, welcher konkrete Nutzen sich hier ziehen lässt. Eine neue Webseite (periodensystem- ki.de) soll für mehr Übersicht sorgen. Analog zum Periodensystem der Elemente aus dem Chemieunterricht gibt es auf dieser Webseite eine übersichtliche Grafik zu den KI-Einsatzszenarien, eben das „Periodensystem der Künstlichen Intelligenz“. Hier öffnet sich z. B. hinter dem Würfel „Sy“ die Erklärung zu Synthetic Reasoning. Nach der reinen Begriffserklärung folgen Erläuterungen zu den Einsatzgebieten, zur wirtschaftlichen Bedeutung, zur Position im „Periodensystem“, zu Anbietern u.v.m. óó KI in der Medizin Auch im Gesundheitswesen ist der Einsatz von KI angekommen. Eine Studie am DIW Berlin zeigt, dass die systematische Analyse umfassender Patientendaten mit einem Algorithmus hilft, Antibiotika gezielter zu verschreiben. Setzt man hierbei Maschinelles Lernen ein, können diese gezielter verschrieben und somit die Verbreitung von Resistenzen eingedämmt werden. Die Studienautoren hatten Zugang zu umfassenden Daten von Patienten aus Dänemark, bei denen eine Harnwegsinfektion vermutet wurde. Die Daten umfassten über 1.200 Variablen, z. B. zu vergangenen Krankheiten und Behandlungen, Krankenhausaufenthalten, Beruf u. v. m. Diese Daten wurden maschinell verarbeitet, um für jeden Patienten das Risiko einer bakteriellen Infektion beim ersten Hausarztbesuch vorherzusagen. Ein Vergleich mit den tatsächlichen Laborergebnissen zeigte, dass die Vorhersage auf Basis der Daten in sehr vielen Fällen richtig lag. Hätte die so erstellte Risikovorhersage – kombiniert mit ärztlicher Expertise – als Grundlage für die Verschreibung gedient, wären insgesamt rund 7,4 Prozent weniger Antibiotika verschrieben worden.

die bank