• Facebook
  • Twitter
  • Google Plus
  • Finanzevolution

Science-Fiction in der Finanzwelt?

, Dirk Elsner

Kommt der Bankberater als Maschine zurück? Bis die Künstliche Intelligenz so weit ist, wird es noch lange dauern. Von Dirk Elsner

Ein Mann schaut auf einen transparenten Bildschirm © Getty Images
KI-Systeme analysieren Daten mit Hilfe von Big Data

Sie hören dem Kunden zu, informieren ihn über seine Kontenstände, gleichen seine Konten aus, überweisen auf Zuruf Geld, treffen selbstständig Anlageentscheidungen und suchen die beste Finanzierung für die Immobilie. Sie kennen das aus den Besuchern der Bankfiliale in den 90er-Jahren des letzten Jahrhunderts. Da halfen freundlichen Berater am Schalter beim Ausfüllen von Überweisungsformularen, nahmen Schecks entgegen und ließen sich Zeit für die Wertpapierberatung. Vielleicht erleben Sie das in nicht mehr ganz so ferner Zukunft von zu Hause aus, nur mit dem Unterschied, dass sie keinen menschlichen Ansprechpartner mehr haben, sondern eine Maschine.

Kommen die alten Zeiten der persönlichen Betreuung in den nächsten Jahren in einer neuen Variante zurück? Werden viele Services künftig nicht mehr von Menschen, sondern von Maschinen erbracht? Das, was vor 30 Jahren als Science-Fiction galt, kommt nun Schritt für Schritt unter dem Schlagwort Künstliche Intelligenz zurück.

Manche verstehen unter Künstlicher Intelligenz (KI) die Wissenschaft, Maschinen und Computer so zu programmieren, dass sie intelligentes Verhalten verstehen und entwickeln können. Eine KI, die beliebige Probleme wie ein Mensch löst oder gar eine Art Persönlichkeit oder Bewusstsein entwickelt, wird starke künstliche Intelligenz genannt. Sie bleibt so lange Science-Fiction bis geklärt ist, wie das menschliche Bewusstsein funktioniert. Fachleute, wie Ray Kurzweil, Leiter der technischen Entwicklung bei Google, erwarten, dass 2029 Computer nahezu alles tun können, was auch Menschen schaffen können (vgl. Finextra, Rise of the robots).

KI - Bündel verschiedener Technologien

Tatsächlich machen Computer große Fortschritte, wenn es um Herausforderungen geht, die bislang die Domäne der Menschen waren. Sie schlagen mittlerweile selbst Großmeister in verschiedenen Spielen. Schon vor über einem Jahrzehnt ist das beim Schach gelungen, im vergangenen Jahr beim japanischen Spiel Go. In diesem Jahr gelang es sogar zwei Bots beim Poker. Anders als beim Schach und Go-Spiel, wird beim Poker mit unvollständigen Information gespielt wird. Der Poker-Bot Libratus wurde zwar mit den Regeln des Pokerspiels programmiert, hat sich dann aber anhand von Milliarden Spielen gegen sich selbst beigebracht, wie man blufft und gewinnt (Details in diesem Paper). Ähnlich arbeitete der Poker-Bot Deep Strack, über den das Wissenschaftsmagazin Science Anfang März berichtete.

Wichtig ist zu verstehen, dass KI nicht eine bestimmte Technologie darstellt, sondern ein Bündel verschiedenster Technologien ist. Die beiden oben genannten Poker-Bots arbeiten im Detail anders, schaffen aber das gleiche Ergebnis, nämlich für Situation mit unvollständigen Informationen die beste Lösung herauszufinden. Diese Technologien haben nichts mit Intelligenz im menschlichen Sinne zu tun, sondern mehr mit der Fähigkeit, große Datenmengen auszuwerten und daraus zu lernen. Das gelingt am ehesten dann, wenn sich die Systeme auf bestimmte Problemlösungen konzentrieren und sich wiederholende Muster aufweisen, aus denen die Maschine lernen kann (man spricht hier auch von machine learning).

[Seitenwechsel]

Dialogsysteme, Entscheidungssysteme und Prozesssysteme

In Unternehmen zeichnen sich verschiedenste Anwendungsfelder für KI-Systeme ab, die ich zur Vereinfachung aufteile in Dialogsysteme, Entscheidungssysteme und Prozesssysteme. Sie arbeiten in der Praxis nicht strikt getrennt voneinander, sondern können beliebig kombiniert werden.

Dialogsysteme sind Anwendungen, die in natürlicher Sprache mit Kunden kommunizieren. Dazu gehören zum Beispiel Chatbots, die derzeit in aller Munde sind und über die ich bereits hier und hier geschrieben habe.

Entscheidungssysteme sind Anwendungen, die auf Basis von Kunden eingegebener und in verteilten Datenbanken gefundener Informationen Entscheidungen treffen oder vorschlagen. Sie verwenden Kundendaten und nutzen verschiedene Datenquellen, um auf dieser Basis einen Vorschlag vorzubereiten und dem Kunden oder Berater zur Entscheidung vorzulegen. Das können beispielsweise Anlage- oder Finanzierungsvorschläge sein. Die Qualität der Vorschläge ist dabei umso größer, je mehr Anlage- und Finanzierungsinstrumente berücksichtigt werden und je mehr persönliche Informationen ausgewertet werden können. Zu den persönlichen Informationen gehören strukturiert abgefragte Daten wie etwa Alter, Adresse, Familienstand und Einkommen. Interessant (manche würde sagen kritisch) wird es aber, wenn Verhaltensinformationen, die zum Beispiel aus sozialen Netzwerken gezogen werden, in die Entscheidungsfindung einfließen. Die Systeme einiger Unternehmen tun dies etwa für die Ermittlung der Risikoneigung für Kredite.

Prozesssysteme unterstützen die Abwicklungsprozesse im Backoffice. Steve Culp wies im Wirtschaftsblatt Forbes darauf hin, dass KI dazu beitragen könne, die Prozesse in Banken zu vereinfachen und verbessern. Große Banken müssen riesige Datenmengen verarbeiten, um Finanzberichte zu erstellen und Regulierungs- und Compliance-Anforderungen zu erfüllen. Diese Prozesse werden zunehmend standardisiert und formelhaft, bedürfen aber immer noch der Unterstützung vieler Personen, die qualitativ hochwertige Aufgaben erledigen und nach Culps Auffassung ideale Kandidaten für die Roboterprozessautomatisierung (RPA) darstellen könnten. Solche Anwendungen können mit Regeln und Ausnahmen umgehen und über maschinelles Lernen komplexere Herausforderungen bewältigen. Culp glaubt, dass in den kommenden Jahren KI dazu genutzt werden könne, um zentrale Stabsfunktionen wie Abstimmung, Geschäftsbestätigungen und die Ergebnisermittlung bis hin zum Jahresabschluss automatisieren werden könne.

Bis zum Durchbruch ist es für KI-Systeme noch ein weiter Weg

Trotz der in vielen Veröffentlichungen verbreiteten Euphorie, wird die Künstliche Intelligenz nicht so schnell in die breite Anwendungspraxis einziehen, wie das manche erwarten. Es wird jede Menge Ernüchterungen in der Praxis geben. Dazu kommt, dass bei einigen KI-Systemen selbst die Entwickler nicht wissen, warum ihr System zu bestimmten Empfehlungen kommt. Das liegt daran, dass KI-Systeme Daten mit Hilfe von Big Data analysieren, ohne ein Modell über die Zusammenhänge zu haben. Je weitreichender die Einsatzgebiete solcher Anwendungen sind, umso risikoreicher können Fehlschlüsse oder Ungenauigkeiten werden.

Das intelligente an der KI-Entwicklung ist freilich, dass nicht nur die Maschinen heute besser lernen als vor 20 Jahren, sondern auch die Menschen, die sie entwickeln, mehr wissen und die Folgen besser abschätzen können. Zumindest hoffe ich das.


Dirk Elsner (Foto: Sebastian Berger, Stuttgart)Dirk Elsner ist bei der DZ Bank Senior Manager Innovation und Digitalisierung. In dieser Kolumne äußert er seine private Meinung. 2008 hat er das private Wirtschaftsblog BlickLog gegründet, das mehrfach ausgezeichnet wurde.



Artikel zum Thema