FinanzevolutionDie Grenzen der Künstlichen Intelligenz

Seite: 2 von 2

Beratung durch Roboter stößt an Grenzen

Sehr gut klappt mittlerweile die Spracherkennung (übrigens auch von Emotionen) mit Hilfe neuronaler Netze. Konkret erkennen die Systeme Geräusche als Sprache und wandeln sie in Text um. Diese Umwandlung bedeutet aber noch lange nicht, dass aus den Inhalten der Texte z.B. der eigentliche Informationswunsch oder ein Befehl abgeleitet werden kann. Einige kennen das vielleicht aus der Nutzung von Amazons „intelligentem Lautsprecher“ Alexa. Der kann mittlerweile sehr gut Sprache erkennen und in Text umwandeln. Häufig kann er aber mit Befehlen oder Fragen nichts anfangen. Fragt man Alexa z.B. was künstliche Intelligenz ist, erhält man darauf eine passende Kurzantwort. Fragt man aber, warum Alexa eine künstliche Intelligenz ist, gibt das System keine sinnvolle Antwort.

Ein freier Dialog, in dem z.B. ein KI-System ein Beratungsgespräch ersetzen soll, endet relativ schnell im Frust. Nur auf relativ einfache Standardfragen können etwa sogenannte Chatbots (Textroboter, die einfach Dialoge führen können) mehr oder weniger sinnvolle Antworten geben, die aber meist aus einer Wissensdatenbank stammen. Wenn es etwas anspruchsvoller wird kommen Chatbots meist an ihre Grenzen.  Das gilt auch für die mit großen finanziellen Ressourcen entwickelten Systeme von Google, Amazon und Co.

Anwendungsfälle, bei denen aus einer Wissensdatenbank bzw. einem Expertensystem oder nach einer Formel Antworten ermittelt werden, zählen nicht zur künstlichen Intelligenz. Zu den formel- oder regelbasierten Anwendungen gehören etwa die meisten Robo-Advisor, also digital automatisierte Anlageberatungen. Sie erstellen auf Basis bestimmter Fragen Vorschläge für die Vermögenszusammensetzung, kaufen und verkaufen die entsprechenden Wertpapiere. Robo-Adivsor sorgen für relativ gute, jedoch selten für überdurchschnittliche Anlageergebnisse.

Auswertung von Dokumenten und Verträgen

Zu den klar umrissenen Problemen gehört auch die Auswertung von Dokumenten, Verträgen und anderen unstrukturierten Daten. So will etwa das Schweizer Legaltech Start-up Legartis auf Basis künstlicher Intelligenz die Erfassung und den Abgleich juristischer Dokumente wie Verträge und Rechtsvorschriften ermöglichen, um so etwa Vertragsprüfungen zu erleichtern. Die US-Großbank JP Morgan Chase hat nach Darstellung der Fachwebseite Emerj eine „Contract Intelligence-Plattform“ (= COiN) eingeführt, die „die Analyse juristischer Dokumente und die Extraktion wichtiger Datenpunkte und Klauseln“ zum Ziel hat. Die manuelle Überprüfung von 12.000 jährlichen Warenkreditverträgen erfordere in der Regel circa 360.000 Stunden.

Die Ergebnisse einer ersten Implementierung dieser maschinellen Lerntechnologie sollen zeigen, dass die gleiche Anzahl von Vereinbarungen in Sekundenschnelle überprüft werden könne. Die Analyse unstrukturierter Rechtsdokumente soll helfen die darin enthaltenen Daten zu strukturieren und in auswertbare Informationen umzuwandeln, um schnelle gezielte Informationen aus Verträgen herauszufiltern. Auch auf die Compliance-Überwachung in Finanzhäusern spezialisieren sich immer mehr Unternehmen, die heute unter der Bezeichnung Regulierungstechnologie (Regtech) laufen, wie z.B. das Frankfurter Start-up Compendor.

Vereinfachtes Modell menschlichen Verhaltens

Wer sich heute mit moderner Hirnforschung beschäftigt, muss zu dem Schluss kommen, dass Maschinen Menschen in ihrer evolutionären Vielfalt selbst mit der 1000-fachen Rechenleistung niemals werden nachbilden können. Die Neurowissenschaft hat zwar in den letzten Jahren große Fortschritte gemacht, übt sich aber weiterhin in Bescheidenheit, was das Verstehen des menschlichen Gehirns ausmacht. Das durch das Gehirn gesteuerte menschliche Verhalten wird u.a. durch verschiedenste Funktionen, Gehirnzellen und chemische Substanzen, die die Arbeitsweise des Nervensystems beschleunigen oder bremsen, sowie dem (epi-)genetischen System und kulturellen Außeneinflüsse bzw. Lebensbedingungen beeinflusst. Selbst wenn die Wissenschaft die komplexe Arbeitsweise des menschlichen Gehirns entschlüsselt hätte, ließe sich das kaum nachbauen. Das ist freilich auch nicht nötig.

Künstliche Intelligenz muss nicht das menschliche Denken ersetzen. Sie kann aber als mächtiges Werkzeug bei klar umrissenen Probleme unterstützen, wie Auto fahren, Sprache erkennen, Menschen im Schach schlagen, medizinische Diagnosen erstellen, das Klima simulieren oder Risiken aus Millionen von Datensätzen extrahieren. Diese Fortschritte sind aber nicht einem besseren Verständnis der Mechanismen menschlicher Intelligenz zu verdanken, sondern technischen Verbesserungen bei der Rechenpower und der Vernetzung großer Datenmengen.

Mit den verschiedensten Technologien der künstlichen Intelligenz kann man heute schon Bewerber für einen bestimmten Job vorselektieren, Straftaten vorhersehen und Tumore erkennen oder, wie in den Anwendungsbeispielen oben gezeigt, das Finanzwesen unterstützen. Wenn man von der irrigen Annahme absieht, eine „Artificial General Intelligence“ klopfe irgendwann mit einem Bewusstsein an unsere Tür, können wir uns auf die realistischen Anwendungsfälle konzentrieren, die sich für abgegrenzte und standardisierbare Aufgaben eignen.