Das Center for Financial Studies an der Goethe-Uni Frankfurt befragte im November deutsche Finanzinstitute nach der Relevanz von Künstlicher Intelligenz (KI): 90 Prozent der Befragten erwarten demnach, dass KI-Technologien zu einem Kernthema der Finanzindustrie werden. Gleichzeitig bezweifeln 83 Prozent, dass die meisten Entscheidungsträger aus Wirtschaft und Politik die Bedeutung von KI präzise kennen. Doch was sollte man wissen, um mitreden zu können?
In der Finanzbranche ist heute bereits sogenannte schwache KI im Einsatz. Starker KI, also einer Maschine mit einem menschenähnlichen Bewusstsein, werden wir in den nächsten Jahren nicht begegnen. Ein eigenes Bewusstsein spielt bei schwacher KI keine Rolle. Vielmehr geht es darum, Algorithmen zu entwickeln, die den Menschen bei konkreten Problemen unterstützen oder Aufgaben automatisiert erledigen. Dabei ist es essenziell, dass der Algorithmus lernfähig ist. Um dies zu schaffen, ist eine ausreichend große Menge an Daten und eine starke Rechenleistung vonnöten. Zentrale Begriffe sind:
Machine Learning: die Fähigkeit eines Algorithmus, zu lernen, ohne explizit dafür programmiert zu werden. Dabei wird unterschieden zwischen überwachtem und unüberwachtem Lernen (supervised/unsupervised learning).
Künstliche neuronale Netze: miteinander verbundene Knoten, welche Verbindungen zwischen eingehenden Daten erkennen.
Deep Learning: nutzt neuronale Netze, um komplexe Muster zu erkennen und wird z.B. bei der Spracherkennung eingesetzt.
Natürliche Sprachverarbeitung (NLP): soll eine barrierefreie Mensch-Maschine-Kommunikation ermöglichen, indem ein Computer Sprache (auch gesprochene) verstehen und erzeugen kann.
Mehr zum Thema erfahren Sie bei unserem Kongress „Mensch. Maschine. Bank. | KI in der Finanzbranche“.
