Für die Finanzindustrie hat Künstliche Intelligenz (KI oder auch Artificial Intelligence AI) ein immenses Potenzial. Es gibt jedoch keinen Konsens, worin Intelligenz genau besteht. Vor allem entwickelt der Mensch sein individuelles Verständnis im Lauf der Zeit mit seinen Erfahrungen immer weiter. Intelligenz und Lernen sind eng miteinander verbunden.

Bild eines Gehirns umfasst von zwei Händen

Seit vielen Jahren versuchen Wissenschaftler, Vorgänge wie Denken und Lernen maschinell zu replizieren und Computer für Aufgaben zu programmieren, deren Ausführung menschlicher Intelligenz bedarf. Diese Computer-generierten Ergebnisse werden als künstliche Intelligenz definiert. Mittlerweile gelingt es Software, sich selbstständig der besten Lösung für eine Fragestellung zu nähern. Es gibt also lernfähige Systeme, die im Rahmen von isolierten Fragestellungen herausragende Ergebnisse erzielen. Doch bis zu einer multidimensionalen menschenähnlichen künstlichen Intelligenz ist es noch ein sehr weiter Weg

Verschiedene Einsatzszenarien für künstliche Intelligenz

Zweifellos kann künstliche Intelligenz zu mehr Effizienz und Produktivität beitragen. Sie ist im Grunde genommen der nächsthöhere Gang im Wirtschaftsmotor. Allerdings verändert sich das Risikoprofil von Prozessen, wenn sie unter Einbezug künstlicher Intelligenz ablaufen.

Im Folgenden möchte ich einige Spekulationen über die Nutzung künstlicher Intelligenz in der Finanzindustrie machen:

1. Unter Nutzung von Quant-Modellen, wie sie im Trading bekannt sind, werden Systeme immer grössere Datenvolumen aus verschiedenen Quellen für Modellierungszwecke integrieren und Trading-Empfehlungen aussprechen (oder Börsengeschäfte direkt abwickeln).

2. Künstliche Assistenten – etwa wie Siri von Apple, Google Assistant oder Alexa von Amazon – bzw. automatisierte Finanzberater und -planer werden weltweite Ereignisse nahezu in Echtzeit mit den Positionen des Kundenportfolios in Verbindung bringen.

3. Doppelte Auswirkung auf das Finanz-Research: Auf künstlicher Intelligenz basierende Prognose-Modelle werden präzisere makroökonomische Prognosen erstellen können. Analysten erhalten Konkurrenz, wenn automatisch erstellte Unternehmensanalysen entstehen. Diese Systeme berücksichtigen die jüngsten Fortschritte in der maschinellen Generierung von natürlicher Sprache, die es dem Computer zunehmend erlauben, Daten wie ein Mensch zu interpretieren und den Kunden leicht verständlich zu kommunizieren.

4. Im Kontext von RegTech (Technologie für aufsichtsrechtliche Zwecke) dürften verbesserte Systeme die Entdeckung betrügerischer Handlungen und das Treffen besserer Kreditrisikoentscheidungen, aber auch die Automatisierung und Optimierung von KYC-Daten unterstützen.

Neben diesen Kernfunktionen eignet sich künstliche Intelligenz auch zur Erschaffung natürlicher Benutzer-Schnittstellen zwischen System und Unternehmen/Kunde. Sie könnte eines Tages mit Kunden interagieren und deren Leben einfacher machen.

Mensch-Maschine-Interaktionen

Wenn künstliche Intelligenz hält, was sich Zukunftsforscher von ihr versprechen, wird sie in allen Branchen grossflächige Anwendung finden und wohl auch menschliche Arbeitskräfte verdrängen. Wie bei vielen umwälzenden Kräften kann ein zunächst abstraktes technologisches Konzept plötzlich riesige Fortschritte erzielen. Und zwar nicht nur in Bezug auf die praktische Anwendung, sondern auch in der Art und Weise, wie wir mit der Technologie interagieren.

Als Zukunftsoptimist sehe ich vor allem die Möglichkeit, dass die Verknüpfung von Alleinstellungsmerkmalen von uns Menschen mit Möglichkeiten der AI zu neuen Einsichten und Möglichkeiten führt. Aber wir müssen sehr verantwortungsvoll mit den viele Fragen auf moralischer, ethischer, sozialer und rechtlicher Ebene umgehen und diese aktiv klären. Potenziell führt dies zu neuen Wirtschaftsordnungen (Stichwort Umverteilung). Umso mehr müssen wir uns mit den Potenzialen und Risiken transparent und sachlich auseinandersetzen.

Mehr Beiträge von mir finden Sie auf dieser Webseite der UBS.

Facebook Twitter Xing LinkedIn Whatsapp E-Mail