K\u00fcnstliche Intelligenz bestimmt zunehmend unser aller Alltag und revolutioniert auch die Banken- und Finanzbranche. Ob Kundenservice, Verm\u00f6gensverwaltung oder Risikomanagement \u2013 maschinelles Lernen ver\u00e4ndert die Art und Weise, wie Banken ihre Dienstleistungen anbieten und Gesch\u00e4fte f\u00fchren. Von Chatbots \u00fcber Robo-Advisors bis hin zu automatisiertem Handel sind die Anwendungsbereiche vielf\u00e4ltig und bieten enormes Potenzial, die Kundenerfahrung zu verbessern und Prozesse zu optimieren. Gleichzeitig werfen diese Entwicklungen aber auch Fragen zu Datenschutz und ethischer Nutzung auf.<\/p>\n
Zur sachlichen Beurteilung aktueller Entwicklungen mag es helfen, den Bogen etwas weiter zu spannen. Beginnen wir also mit einer kurzen Einf\u00fchrung in die derzeit h\u00e4ufig verwendete Unterscheidung zwischen \u201eschwacher KI\u201c und \u201estarker KI\u201c mit Beispielen aus der Finanzwelt, gefolgt von einer Betrachtung kommender, regulatorischer Rahmenbedingungen und einer allgemeinen Handlungsempfehlung.<\/p>\n
Grunds\u00e4tzlich ist der Einsatz \u201eschwacher KI\u201c zur Unterst\u00fctzung des Menschen schon l\u00e4ngst State of the Art, auch im Finanzwesen. Dennoch kann schon von ihr eine Gefahr ausgehen. Dann n\u00e4mlich, wenn man sich allzu sehr oder gar blind auf sie verl\u00e4sst.<\/p>\n
Als \u201eSchwache KI\u201c werden all jene Systeme bezeichnet, die konkrete, klar definierte Aufgaben bew\u00e4ltigen k\u00f6nnen und hierzu auf eine festgelegte Methodik zur\u00fcckgreifen. Ihr Ziel ist vor allem, den Menschen in seinem (Arbeits-)Alltag zu unterst\u00fctzen. Dies kann sowohl die \u00dcbernahme immer wiederkehrende T\u00e4tigkeiten sein, aber z. B. auch die Unterbreitung von Vorschl\u00e4gen bei der Erstellung von Texten und Vertr\u00e4gen.<\/p>\n
Ein prominentes Beispiel f\u00fcr \u201eschwache KI\u201c in der Bankenwelt sind sogenannte Robo-Advisors zur kosteng\u00fcnstigen, personalisierten Anlagenberatung. Sie analysieren Marktdaten und Kundenprofile, um ma\u00dfgeschneiderte Empfehlungen zu geben, die sonst nur wohlhabenden Kunden mit Zugang zu klassischen Verm\u00f6gensberatern vorbehalten sind.<\/p>\n
Ein weiteres Beispiel f\u00fcr den Einsatz von KI ist die Betrugserkennung. KI-Systeme k\u00f6nnen eingesetzt werden, um ungew\u00f6hnliche Muster in Transaktionsdaten zu erkennen, die auf betr\u00fcgerische Aktivit\u00e4ten hinweisen. Durch kontinuierliches Hinzulernen k\u00f6nnen diese Systeme stetig verbessert werden, um immer subtilere Betrugsmethoden zu erkennen und zu verhindern.<\/p>\n
Einen Schritt weiter als \u201eschwache KI\u201c geht \u201estarke KI\u201c. Sie zielt darauf ab, mit dem Menschen auf Augenh\u00f6he zu kooperieren oder ihn gegebenenfalls auch komplett zu ersetzen und zu \u00fcbertreffen. Ihr wesentliches Merkmal ist die F\u00e4higkeit zum selbst\u00e4ndigen Lernen, strategischen Planen, vorausschauenden Handeln und kritischen Reflektieren. Dies kann jedoch \u2013 wenn \u00fcberhaupt \u2013 bisher nur ansatzweise erreicht werden.<\/p>\n
Ein Beispiel f\u00fcr den Beginn \u201estarker KI\u201c im Finanzsektor ist der automatisierte bzw. algorithmische Handel mit Wertpapieren. Grunds\u00e4tzlich ist algorithmischer Handel nicht neu, und die Bedingungen f\u00fcr seinen Einsatz sind im Wertpapierhandelsgesetz klar geregelt. Neu ist dabei jedoch der Einsatz maschinellen Lernens, um Markttrends zu analysieren und Handelsentscheidungen zu treffen. Dabei k\u00f6nnen eine Vielzahl an Datenquellen in Millisekunden verarbeitet werden, darunter historische Kursdaten und Nachrichtenfeeds. So kann ein geradezu \u00fcbermenschlicher Wettbewerbsvorteil entstehen, der sich jedoch mit steigender Verbreitung dieser Technologie wieder relativiert.<\/p>\n
Von der Erschaffung einer generellen \u201estarken KI\u201c, die dem menschlichen Gehirn und seinen mannigfaltigen F\u00e4higkeiten tats\u00e4chlich nahekommt, ist die Wissenschaft \u00fcbrigens noch weit entfernt. Dies liegt vor allem daran, dass die Funktionsweise des biologischen Vorbilds noch l\u00e4ngst nicht umfassend verstanden ist.<\/p>\n
Grunds\u00e4tzlich ist zu bemerken, dass es durch maschinelles Lernen unter Einsatz von vergleichsweise wenig eigener Kompetenz m\u00f6glich ist, leistungsf\u00e4hige Systeme zu entwickeln. Diese sind f\u00fcr den Menschen jedoch aufgrund ihrer Komplexit\u00e4t allenfalls eingeschr\u00e4nkt durchschaubar. Insofern ist bei ihrer Erzeugung und ihrem Einsatz ein hohes Ma\u00df an Sachverstand, Erfahrung und vor allem Verantwortungsbewusstsein erforderlich.<\/p>\n
Die Europ\u00e4ische Union hat erkannt, dass es notwendig ist, klare Regeln f\u00fcr den Einsatz von KI zu etablieren, insbesondere in sensiblen Bereichen wie der Finanzwirtschaft. Aus diesem Grund wurde im Jahr 2019 mit der Ausarbeitung einer risikobasierten Verordnung \u00fcber k\u00fcnstliche Intelligenz<\/a> begonnen, die am 21. Mai 2024 von den 27 EU-Mitgliedstaaten in ihrer endg\u00fcltigen Form verabschiedet wurde und am 1. August 2024 in Kraft trat. Diese unterscheidet zwischen KI-Systemen mit<\/p>\n Die Einhaltung dieser Vorschriften soll von einem Europ\u00e4ischen Ausschuss f\u00fcr k\u00fcnstliche Intelligenz \u00fcberwacht werden, der in Zusammenarbeit mit nationalen Beh\u00f6rden agiert. W\u00e4hrend diese Regulierungen die Sicherheit der Verbraucher erh\u00f6hen sollen, gibt es allerdings auch Bedenken, dass sie die Innovationskraft europ\u00e4ischer Unternehmen beeintr\u00e4chtigen k\u00f6nnten.<\/p>\n Nicht zu vernachl\u00e4ssigen ist auch der f\u00fcr maschinelles Lernen hohe und weiter steigende Bedarf an Energie und die damit verbundenen Konsequenzen f\u00fcr das globale Klima. F\u00fcr Banken und Unternehmen, die auf nachhaltige Gesch\u00e4ftspraktiken setzen, stellt dies eine zus\u00e4tzliche Herausforderung dar.<\/p>\n Aufgrund ihrer Leistungsf\u00e4higkeit und ihres breiten Einsatzspektrums wird der Einsatz von KI in vielen Bereichen des Arbeitslebens bald zum Standard werden, so dass ihre Beherrschung und effektiver Einsatz von ausschlaggebender Bedeutung f\u00fcr die Konkurrenz- und Zukunftsf\u00e4higkeit jedes Einzelnen sein wird.<\/p>\n F\u00fcr Vorst\u00e4nde und F\u00fchrungskr\u00e4fte ist es daher unerl\u00e4sslich, sich fr\u00fchzeitig mit den M\u00f6glichkeiten und Herausforderungen heutiger KI-Systeme auseinanderzusetzen. Eine proaktive Herangehensweise<\/a>, die sowohl die Potenziale als auch die Risiken ber\u00fccksichtigt, wird entscheidend sein, um in einer zunehmend digitalen Welt wettbewerbsf\u00e4hig zu bleiben.<\/p>\n —————————————————————————————-<\/p>\n\n
Was ist zu tun?<\/h2>\n