Der Basler Ausschuss für Bankenaufsicht (BCBS) hat einen Newsletter zu künstlicher Intelligenz (KI) und Maschinellem Lernen veröffentlicht. Darin werden einige Fragen untersucht, die sich angesichts des zunehmenden Interesses der Banken an KI und Maschinellem Lernen (ML) ergeben. Unter anderem werden die Einsatzmöglichkeiten und die potenziellen Auswirkungen der Technologien auf das Bankenwesen und die allgemeine Finanzstabilität analysiert.
Von Chatbots und digitalen Assistenten bis hin zum autonomen Fahren: Immer mehr Abläufe in unserem täglichen Leben werden von KI gesteuert. In vielen Wirtschaftssektoren und der Forschung ist KI bereits nicht mehr wegzudenken und gilt als eine der erfolgversprechendsten Innovationen der Zukunft. Auch der Finanzsektor hat grosses Interesse an der Integration von KI in verschiedene Betriebsabläufe. Die Herausgabe des Newsletters durch den BCBS soll den Aufsichtsbehörden und den Banken als eine nützliche Informationsquelle dienen, um den Umgang mit den komplexen Modellen zu erleichtern, ohne dabei aufsichtsrechtliche Leitlinien aufzustellen.
Was ist Machine Learning?
Künstliche Intelligenz ist bereits seit vielen Jahren ein bekannter Begriff. Maschinelles Lernen stellt dabei ein Teilbereich der KI mit Schwerpunkt auf dem „Trainieren von Computern“ dar. Diese sollen aus bestehenden Daten und Prozessen lernen und sich eigenständig verbessern, ohne dafür erneut programmiert werden zu müssen. Durch erlernte Algorithmen können die Computer ihre Aufgaben selbstständig erfüllen. Dank zunehmender Verfügbarkeit grosser Datenmengen und hoher Rechenleistungen, hat der Bereich des Maschinellen Lernens in den letzten Jahren grosse Fortschritte gemacht.
Künstliche Intelligenz im Finanzsektor
Durch den Einsatz von KI- und ML-Modellen im Finanzsektor soll insbesondere die betriebliche Effizienz der Banken erhöht und eine Verbesserung im Risikomanagement ermöglicht werden.
Die Kundenidentifizierung via Gesichtserkennung über Chatbots, um mit denen Kunden einfache Finanzgeschäfte ganz ohne menschliche Beteiligung abwickeln können, ist dabei nur ein Beispiel. Der Einsatz von KI und ML durch Banken verspricht weitaus mehr: Die Einsatzgebiete reichen über die Entwicklung von Produktempfehlungssystemen für Kunden über die Optimierung von Marketing- und Vertriebssystemen bis hin zur Bekämpfung von Finanzkriminalität. Besonders interessant ist für Banken der Einsatz von Machine Learning bei der Abwicklung von Standardprozessen, die mit Routineabklärungen verbunden sind, z.B. bei Risikomanagement oder bei der Beurteilung der Kreditwürdigkeit. Diese Tätigkeiten vereinen sogleich eine gewisse Vorhersehbarkeit und einen hohen Grad an Automatisierung.
So grosse Chancen der Einsatz von KI und ML durch Banken verspricht, so birgt er auch potenzielle Risiken und Herausforderungen. Diese werden durch die Aufsichtsbehörden und Banken bereits untersucht. So können aufgrund der Komplexität der KI- und ML-Modelle, der Vernetzung mit Daten von Dritten und dem Einsatz von Cloud-Technologien erhöhte Cyberrisiken entstehen. Weitere Problemfelder sind die Datenverwaltung großer Datensätze und die Gewährleistung von Datensicherheit, sowie der Umgang mit eventuellen Fehlern in der Datenverarbeitung. Es ist deshalb von grosser Bedeutung für Finanzinstitute, die KI oder ML einsetzen, die bestehenden Praktiken im Risikomanagement und Governance zu hinterfragen und bei Bedarf zu korrigieren. Insbesondere ist ein Augenmerk darauf zu legen, dass die Verantwortung für die Identifikation von Risiken und deren Steuerung ausreichend wahrgenommen wird. Auch in Bereichen der Transparenz der Prozesse und Fragen der Verantwortung von Banken, zum Beispiel im Fall einer ausgelagerten Entwicklung von KI- und ML-Modellen, werden durch die Aufsichtsbehörden und Banken diskutiert. Wichtig ist dabei vor allem, dass die Banken angemessene Sorgfalt walten lassen und Rechenschaft für die Verwendung der Daten übernehmen. Die Modellgestaltung sollte transparent stattfinden, um später die Resultate korrekt interpretieren zu können.
Die Banken müssen angesichts der ständigen Weiterentwicklung der Einsatzmöglichkeiten von KI und ML angemessen Risikomanagement-Verfahren entwickeln. Zusätzlich sollten sie über qualifizierte Mitarbeiter verfügen, die die KI- und ML-Modelle entwickeln, überwachen und bei Bedarf auch korrigieren können. KI-Modelle sind in der Finanzbranche erfolgreich, sofern sie zwei Grundsätze beherzigen: Es ist eine stabile Infrastruktur, sowohl organisatorisch als auch technisch, zu schaffen und es muss eine umfassende Datengrundlage bestehen. Das bedingt, dass die Banken die Voraussetzungen mithilfe der Implementierung von digitalen Prozessen schaffen, bevor sie KI einsetzen.
Der Newsletter des Basler Ausschusses
Der BCBS greift bestehende Diskussionen auf und macht es sich zur Aufgabe, die Nutzung von KI und ML weiter zu untersuchen.
Die fortlaufenden Diskussionen werden sich besonders auf drei Bereiche konzentrieren:
- Die Auswertung und die Erklärung von Ergebnissen der KI- und ML-Modelle.
- Die Governance-Strukturen für KI- und ML-Modelle einschliesslich der Verantwortlichkeiten und der Rechenschaftspflicht für technologisch gesteuerte Entscheidungen.
- Die potenziellen Auswirkungen einer erhöhten Anwendung von KI und ML durch Banken und Finanzstabilität im Allgemeinen.
Das übergeordnete Ziel des Newsletters des BCBS ist es, eine Erleichterung des kontinuierlichen Erfahrungsaustausches zwischen Aufsichtsbehörden, Fachleuten und der Branche zu erreichen.
Weiterführende Links
Den Newsletter des BCBS finden Sie hier!
Die Vorteile von Machine Learning für Banken
Baum Lothar in: Leupold/Wiebe/Glossner, IT-Recht, Teil 9.1, 4. Auflage 2021