Aufrufe
vor 1 Jahr

KINOTE 01.2022

  • Text
  • Wwwbankverlagde
  • Digitale
  • Conversational
  • Optimierung
  • Beispielsweise
  • Mining
  • Modelle
  • Intelligenz
  • Einsatz
  • Banken
  • Unternehmen
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.

16 01 | 2022 Neue

16 01 | 2022 Neue Technologien Die Bankenwelt steht noch ganz am Anfang der Reise Künstliche Intelligenz (KI), Machine Learning (ML), Data Science: Wenn es um neue Technologien geht, befindet sich die Bankenwelt offenbar immer noch ganz am Anfang ihres Wegs. Während Firmen wie Amazon und Google Data Science quasi in ihrer DNA hätten, müssten die Kreditinstitute sich erst noch dahin entwickeln, so der Datenspezialist Torsten Nahm. Torsten Nahm leitet das Kompetenzzentrum für Data Science bei der DKB.

01 | 2022 „Data Science und Machine Learning in Kreditinstituten“ I und II 17 Die praktischen Anwendungsmöglichkeiten von Data Science und der darauf basierenden Anwendungen aus dem Bereich der Künstlichen Intelligenz (KI) bergen für den Finanzsektor ein großes Potenzial. Meist geht es darum, Mitarbeitende mithilfe von KI und Machine Learning (ML), einem Teilbereich der KI, von repetitiven Aufgaben zu entlasten. Doch wie sieht es mit der Anwendung der Technologien in der Praxis aus? Zwei Drittel der Finanzverantwortlichen sähen in Automatisierung und Digitalisierung der Kernprozesse zwar Top-Chancen für ihr Unternehmen, so eine Studie der Managementberatung Horváth, für die 200 internationale Finanzverantwortliche zu Entwicklungen im Finanzbereich befragt wurden. Gleichzeitig fehlten jedoch oft konkrete Projekte im Bereich KI: Mehr als die Hälfte der Befragten habe noch keine Projekte zur Einführung von KI, Blockchain oder Machine Learning ins Leben gerufen, hieß es. KI spiele bei 53 Prozent der CFOs weder heute noch in naher Zukunft eine Rolle, die Implementierungsrate liege gerade einmal bei 6 Prozent, so der wenig hoffnungsfroh stimmende Befund. Nur 9 Prozent haben demnach Blockchain-Methoden implementiert, dies werde auch von der Mehrzahl nicht geplant: So hätten 76 Prozent der Finance-Verantwortlichen keinen Blockchain-Piloten auf der Agenda. Ähnlich verhalten äußern sie sich den Angaben zufolge zu Machine Learning – dies werde von 55 Prozent weder umgesetzt noch geplant. Über welche Daten verfügen Unternehmen, und wie können diese analysiert werden? Wie können Banken mit Daten zudem präzisere Prognosen vornehmen oder ihr Marketing gezielter steuern? Das waren nur einige der zentralen Fragestellungen, die auf der Online-Fachtagung „Data Science und Machine Learning in Kreditinstituten“ des Bank-Verlags Ende März in Köln diskutiert wurden. Moderiert wurde die Veranstaltung von Ute Kolck, Leiterin Produktmanagement des Bereichs Medien im Bank-Verlag. Sehr rasch wurde deutlich: Die Thematik ist hochkomplex. Daher gab es von den Referenten zum Beginn einige wichtige Begriffserklärungen. Dr. Thomas Gottron ist Principal Data Science Expert im Data Office der Europäischen Zentralbank. Aus den Daten für die Zukunft lernen Dr. Thomas Gottron, Principal Data Science Expert im Data Office der Europäischen Zentralbank (EZB), ging in seinem Vortrag zunächst auf Advanced Analytics ein. Hierbei handele es sich um die Anwendung moderner Methoden der vorwärts gerichteten Datenana-

die bank