Künstliche Intelligenz ist ein Thema, bei dem zurzeit alle mitmischen wollen. Digitalisierung, Blockchain und Künstliche Intelligenz ziehen aktuell viel Aufmerksamkeit auf sich – auch die Aufmerksamkeit der Aufsichtsbehörden.
Talena Wahl, Bankenaufseherin, Deutsche Bundesbank (Dieser Beitrag gibt die eigene Meinung der Autorin wieder und stellt nicht notwendigerweise den Standpunkt der Deutschen Bundesbank dar.)
Das Jahr 2019 soll keine Neuauflage von George Orwells „1984“ werden. Die Dystopie von Orwell zeichnet einen Überwachungsstaat ohne jegliche Privatsphäre ab. Durch Künstliche Intelligenz wäre das sicherlich möglich. Doch durch ethische Mindeststandards und eine Partizipation der EU an der weiteren Entwicklung lassen sich solche Horrorvorstellungen abwenden und man kann die Vorteile von Künstlicher Intelligenz effizient nutzen.
Entwicklung des Forschungsgebietes Künstliche Intelligenz
Die Bundesregierung hat bereits erkannt, dass sie an Künstlicher Intelligenz nicht vorbeikommt und hat dementsprechend im November 2018 in Nürnberg einen Digitalgipfel abgehalten. Im Jahr 2019 will die Bundesregierung 142 Mio. € für Künstliche Intelligenz ausgeben, während der Bundesetat insgesamt 356 Mrd. € umfasst. Trotzdem träumt die Bundesregierung davon eine Qualitätsmarke „KI made in Germany“ zu etablieren. Dieser Aspekt ist vielerorts die Basis für Kritik geworden, denn es ist unwahrscheinlich, dass Deutschland allein Treiber der Entwicklungen werden kann. Vielmehr sollte eine Orientierung in Richtung „KI made in Europe“ erfolgen, um im internationalen Wettbewerb konkurrenzfähig zu bleiben und erheblichen Einfluss auf die Gestaltung der ethischen Mindeststandards von Künstlicher Intelligenz nehmen zu können. Doch selbst wenn man die gesamten Investitionen der EU in Künstliche Intelligenz summiert, steht die EU im Vergleich zum amerikanischen und asiatischen Raum immer noch schlecht dar. So investierte Asien mehr als das Doppelte und Amerika mehr als das Dreifache.
SEMINARTIPPS
IT-Sicherheit Kompakt, 24.09.2019, Frankfurt/M.
Hackerangriffe & Cyber-Attacken: Reaktion und Prävention, 25.09.2019, Frankfurt/M.
Digitalisierung im Konten-/Zahlungsverkehr: Praxis & Prüfung, 26.09.2019, Frankfurt/M.
Prozess- & Datenorientierte Schutzbedarfsanalyse, 04.11.2019, Wiesbaden.
Prüfung (BA)IT im Fokus der Bankenaufsicht, 06.–07.11.2019, Wiesbaden.
Künstliche Intelligenz in der Praxis
Die Qualität von Künstlicher Intelligenz hängt sehr stark von den Daten ab, die verarbeitet werden. Das Wissen steckt in den Daten und muss hieraus extrahiert werden. Daten sind dementsprechend in der heutigen Zeit als Wettbewerbsvorteil zu identifizieren. Analysiert man die Daten adäquat, kann man z. B. auf das Kaufverhalten von Personen schließen und deren Alltag analysieren. Folglich lassen sich Produkte für bestimmte Zielgruppen kreieren oder bestehende Produkte besser zuschneiden. Durch eine effiziente Datenanalyse sind Unternehmen und Banken in der Lage ihre Position am Markt zu stärken und neue Geschäftsfelder auszuloten.
Die technische Entwicklung aus Sicht der Bankenaufsichtsbehörden
Wenn Banken sich im Bereich IT für einen kommenden Tapetenwechsel durch Künstliche Intelligenz richten, müssen auch die Bankenaufsichtsbehörden nachziehen. Es ist ein Muss, dass auch in der Bankenaufsicht gezielt IT-Ressourcen und Kenntnisse aufgebaut werden, um die technologischen Innovationen im Finanzsektor zu analysieren und zu hinterfragen. Wird Künstliche Intelligenz flächendeckend eingesetzt, bedarf es mehr und mehr Spezialisten, die komplizierte Programmiercodes verstehen können. Ein wesentliches Ziel der Bankenaufsicht ist es, die Bank zu verstehen. Aufseher wollen die Prozesse innerhalb der Bank nachvollziehen, um Gaps zu den aufsichtlichen Anforderungen identifizieren zu können. Im Falle der Künstlichen Intelligenz ist es für Bankenaufseher schwierig, den Lernprozess des Computers verfolgen zu können, was eine aufsichtliche Beurteilung erschwert. Man könnte hier den Begriff „Blackbox“ verwenden. Das heißt, man kennt Input und Output und kann sich ausmalen, was dazwischen passiert. Klare Evidenz hierfür gibt es nicht.
Regulatorik, Aufsicht und Technologie
Regtech ist eine Kombination der Begriffe Regulatorik und Technologie und ist eine Technologie, die primär auf Big Data, Künstlicher Intelligenz und der Distributed Ledger Technology beruht. Anwendungsbereiche von Regtech in Banken sind Risikomanagement, Compliance und Betrugserkennung. Die regulatorischen Anforderungen an Banken werden in der Zukunft eher zu- als abnehmen. Das hat direkte Auswirkungen auf die Kreditinstitute, die beispielsweise mehr Ressourcen aufbringen müssen, um diesen Anforderungen zu genügen. Wenn Technologie dabei helfen kann, umso besser. Genau an dieser Stelle greift Regtech, welche die Erfüllung und Dokumentationen der Vorgaben der Aufsicht unterstützen soll. Regtech kann auch in anderen stark regulierten Bereichen zur Anwendung kommen.
Der Basler Ausschuss für Bankenaufsicht z. B. hat Regtech als eine Möglichkeit der Banken identifiziert und untersucht aktuell die Erscheinungsformen, Ausprägungen und Anwendungsgebiete. Wichtig ist auf jeden Fall, dass Regtech nicht die Aufsichtsexperten in den Banken ersetzen kann, die sich mit den aufsichtlichen Anforderungen auskennen. Bei der Verwendung von Regtech ist ebenfalls klar, dass die letztliche Verantwortung beim Menschen verbleibt. Nichtsdestotrotz steht Regtech in den Startlöchern und hat enormes Entwicklungspotenzial.
Interessant in Bezug auf die Bankenaufsicht ist Suptech, was ein zusammengesetztes Wort aus Supervision und Technology ist. Der Unterschied zwischen Regtech und Suptech ist, dass Suptech für die Zielgruppe der Aufsichtsbehörden kreiert wurde. Das heißt, dass auch die Arbeit der Bankenaufsicht z. B. durch innovative Technologien unterstützt werden kann.
PRAXISTIPPS
- Notwendige Voraussetzungen für den Gebrauch von Künstlicher Intelligenz sind Geld, Daten und Vertrauen. Das Vertrauen in Künstliche Intelligenz kann man nur stärken, wenn dadurch nicht zahlreiche Menschen ihre Jobs verlieren.
- Algorithmen müssen verständlich bleiben.
- „Ich war es nicht, es war die Maschine“ zählt nicht. Der Mensch bleibt verantwortlich.
- Wenn es so stark auf die Qualität der Daten und eventuell auch auf die Menge der Daten ankommt, muss eine viel stärker datengetriebene Kultur etabliert werden. Heutzutage werden große Datenmengen meist noch als Belastung wahrgenommen.
Beitragsnummer: 2282