Du hast deinen AdBlocker an?

Es wäre ein Traum, wenn du ihn für t3n.de deaktivierst. Wir zeigen dir gerne, wie das geht. Und natürlich erklären wir dir auch, warum uns das so wichtig ist. Digitales High-five, deine t3n-Redaktion

Feature

Wie künstliche Intelligenz die Finanzmärkte verändern wird

(Foto: everything possible / Shutterstock)

Machine Learning beginnt, zusammen mit anderen Technologien wie Blockchain den Finanzmarkt massiv zu verändern. Doch wie gut sind die Aufsichtsbehörden auf die nächste Fintech-Revolution vorbereitet?

Keine Panikbotschaft, keine Jubelarie, aber ein spannendes Dokument für die Fintech-Szene. Auf 41 Seiten hat das Financial Stability Board (FSB) umrissen, wie Machine Learning und künstliche Intelligenz die Finanzbranche verändern werden. Was den Report dieses internationalen Zusammenschlusses zur Überwachung der Finanzbranche so besonders macht? Er zeigt einerseits einen realistischen Blick auf die Auswirkungen von Machine Learning auf die Branche, fernab von Angst und Euphorie. Und andererseits kann man zwischen den Zeilen lesen, wie schwer sich staatliche Aufsichtsbehörden damit tun, die neuen Produkte zu bewerten und zu kontrollieren.

Machine Learning wird der große Vereinfacher für die Finanzbranchen sein, so der Kern des FSB-Berichts. Will heißen, weil das Sammeln und Verarbeiten von Daten in den vergangenen Jahren billiger geworden ist, werden neue Akteure in die Finanzbranche kommen und alte Unternehmen effizienter arbeiten. Das, an und für sich, könnte erst einmal positive Folgen haben.

Nicht nur Unternehmen können profitieren

Können die Aufsichtsbehörden in dieser schönen, neuen Welt noch nach dem Rechten schauen?

Aufsichtsbehörden und Unternehmen können etwa dank künstlicher Intelligenz Betrugsmaschen künftig schneller erkennen. Alteingesessene Banken können besser das Risiko von Kreditausfällen berechnen. Und neue Firmen werden mit alternativen Machine-Learning-Modellen den Wettbewerb im Devisenhandel oder auch auf dem Kreditmarkt beleben. Ja, tatsächlich könnten so auch Verbraucher vom neuen KI-Boom profitieren. Erste Unternehmen versuchen, über eine Mischung aus Machine-Learning-Ansätzen auch Kleinkunden als Schuldner besser einzuschätzen. So soll es möglich sein in Fällen, in denen es bisher zu wenig Daten für eine gute Analyse gab, durch Hinzunahme anderer Informationen, zum Beispiel aus sozialen Netzwerken, die Kreditsicherheit zu bewerten. Doch können die Aufsichtsbehörden in dieser schönen, neuen Welt noch nach dem Rechten schauen? Nun, da beginnt das Problem.

Zunächst einmal wäre da die Frage, wie man die Daten bewertet, mit denen die Algorithmen gefüttert werden. Wie gut lassen sich Firmen regeln, die ganz anders die Bewertung der Kreditwürdigkeit eines Kunden vornehmen als über klassische Finanzdaten? Denn die neue Offenheit für Kleinkunden mit wenig Finanzhistorie kann bedeuten, dass massiv in die Privatsphäre eingegriffen wird. Darf eine Firma aus dem Facebook-Profil eines Kunden Information lesen, um ihn zu bewerten? Und wenn ja, wie viel?

Und selbst wenn am Ende der Algorithmus „nur“ den Wohnort des Schuldners nutzt, um dessen Kreditwürdigkeit zu bewerten, kann das heißen, dass türkische Gründer aus Berlin-Wedding bald in die Röhre schauen – selbst wenn sie bei einem normalen Verfahren gute Chancen dank eines soliden Konzepts hätten. Zugleich kann das Nutzen neuer Daten unerwartete Abhängigkeiten schaffen.

Anzeige

Künstliche Intelligenz: Noch zu wenig Wissen vorhanden

In einer laufenden Studie, die das FSB erwähnt, versucht die Banco d’Italia zum Beispiel über eine Analyse von Tweets die Marktstimmung bei Verbrauchern zu schätzen. Doch was geschieht, wenn jemand versucht, das soziale Netzwerk zu manipulieren? Tatsächlich ließen sich in einem solchen Szenario wohl die Zinsraten unmerklich zum eigenen Vorteil senken, wenn man die Algorithmen entsprechend mit Bots austrickst.

Die größte Herausforderung für die Aufsichtsbehörden sind wohl aber die Algorithmen selbst. Viele Modelle wie neuronale Netzwerke oder auch Support Vector Machines sind derart komplex, dass es schwierig ist, ja zuweilen unmöglich, zu erkennen, wie sie zu ihren Schlüssen kommen, schreibt das FSB. Es handele sich um regelrechte „Black Boxes“, die nur schwer zu bewerten und zu kontrollieren wären.

Und nicht zuletzt merkten viele Branchenvertreter gegenüber dem FSB an, dass es für Behörden und Firmen schwierig sei, Prüfungen zu erstellen, „weil man dafür genügend Wissen brauche, um KI und Machine-Learning-Modelle zu verstehen und zu überwachen“. Wissen, das – so klingt es durch – offenbar noch rar gesät ist.

Das zeigt auch eine Antwort der Bundesanstalt für Finanzdienstleistungsaufsicht (Bafin) auf eine Anfrage von t3n.de. Seit Sommer dieses Jahres habe man ein Referat für „Finanztechnologische Innovationen“, das auch für Machine-Learning-Fintech zuständig sei. Allerdings beschäftige man sich derzeit vor allem noch mit Kryptowährungen. Erst nach und nach wolle man sich mehr mit Machine Learning beschäftigen. Der Hintergrund der Mitglieder des Referates: Mathematiker, Ökonomen, Juristen. Programmierer und IT-Experten jedoch: Fehlanzeige.

Mehr zum Thema:

Finde einen Job, den du liebst

Bitte beachte unsere Community-Richtlinien

Schreib den ersten Kommentar!

Du musst angemeldet sein, um einen Kommentar schreiben zu können.

Jetzt anmelden