Veranstaltungsformat
Das Veranstaltungsformat war so einfach wie erfolgsversprechend gestaltet. Den Großteil der Veranstaltung nahmen interessante Vorträge ein. Zu den Vortragenden gehörten zum einen Vertreter verschiedener Industrien, die mit spannenden Einsichten zu bestehenden KI-Potenzialen oder konkreten Anwendungen auftrumpfen konnten.
Zum anderen war mit Vertretern des Max-Planck-Instituts für Innovation und Wettbewerb oder der TU München ebenfalls die Forschung präsent, die neben dem wissenschaftlichen Forschungsstand auch auf Herausforderungen, wie eine notwendige Regulierung von KI oder ethische Fragestellungen, einging. Abgerundet wurde das Programm durch zahlreiche Möglichkeiten zum Austausch mit anderen Tagungsbesuchern und Ausstellern. In dieser Zeit bot sich den Teilnehmern zudem die Möglichkeit, selbst Hand an die von Ausstellern mitgebrachten Showcases zu legen.
BankingHub-Newsletter
Analysen, Artikel sowie Interviews rund um Trends und Innovationen im Banking alle 2-3 Wochen direkt in Ihr Postfach
Einsatz von KI in Unternehmen
Die Vorträge beleuchteten unterschiedliche Facetten der künstlichen Intelligenz. Einige gingen auf die Potenziale von KI und die Implementierung solcher Lösungen in den Unternehmen ein. So präsentierte z. B. Siemens einen KI-Algorithmus zur Optimierung von Gasturbinen – dieser ermöglicht die Reduktion von Stickoxid-Emissionen um bis zu 15%. Werkzeughersteller Trumpf hingegen berichtete von einer KI-Anwendung zur Auswertung von Maschinengeräuschen, um den Wartungszustand von Maschinen einschätzen zu können.
Mit comdirect („KI@comdirect: von der Direktbank zum smarten Wegbegleiter“) und dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI, „KI-Trends in Finance“) waren zudem zwei Referenten vor Ort, die auf Themen aus dem Finanzdienstleistungssektor eingingen. Nach Aussage von Frau Schoon von der comdirect liegen die Vorteile von künstlicher Intelligenz auf der Hand: steigender Absatz, effizientere Arbeitsabläufen und bessere Kundenbeziehungen.[1] Andererseits fällt Banken das Schritthalten mit der digitalen Transformation schwer. Größtes Hindernis bei der Umsetzung von Transformationsstrategien in Banken sei hierbei das Fehlen des notwendigen Know-how.
Die Darstellung des DFKI ging darüber hinaus und gliederte den Nutzen von künstlicher Intelligenz in einen internen (z. B. Produktverbesserung, Automatisierung) oder externen Nutzen (z. B. Erschließung neuer Datenquellen, Beseitigung von Informationsasymmetrien). Herr Dr. Borth des DFKI betonte allerdings, dass KI (noch) manipulierbar sei. Man dürfe KI-Systemen also nicht blind vertrauen. Als Beispiel führte er den Börsen-Flash-Crash an der US-Börse im Februar 2018 an.
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Ethische Aspekte und Risiken
Auch andere Vortragende gingen auf die aktuellen Herausforderungen im Zusammenhang mit künstlicher Intelligenz ein. Eben aufgrund ihres Potenzials dürfe KI nicht ohne vorherige Festlegung von ethischen Grundsätzen oder regulatorischen Vorgaben eingesetzt werden – eine Sicherstellung der einwandfreien Funktionsweise müsse gegeben sein.
Frau Prof. Dr. Spiekermann-Hoff von der WU Wien griff diesen Aspekt auf und gab zu bedenken, dass künstliche Intelligenz mit sogenannten „Second-Hand-Daten“ von Social Media-Anbietern oder Telekommunikations-Providern (Standortdaten, Bewegungsdaten etc.) arbeite. Diese Daten seien aber häufig falsch, nicht vollständig oder können nicht abbilden, was für Menschen von Bedeutung sei. Trotz dieser Defizite werde dieses digitale Bild unseres Selbst wie „Öl“ gehandelt – bester Beleg dafür ist der Werbeumsatz von Google oder Facebook.
Im Unternehmenskontext veranschaulichte Frau Prof. Dr. Zweig von der TU Kaiserslautern diesen kritischen Blick am Beispiel von KI-Algorithmen bei Personalentscheidungen. Kernaussage ihres Vortrags war, dass Ergebnisse von KI-Algorithmen mit Vorsicht zu betrachten seien – Ergebnisse basieren auf Korrelationen von Eigenschaften, erkennen weder Kontext noch Kausalität. Somit erweise sich die Güte von Trainingsdaten als überaus wichtig für den bedenkenlosen Einsatz von KI-Algorithmen. Wurde der Algorithmus nicht mit einem perfekt neutralen, ausgeglichenen Datensatz trainiert, laufe der Anwender Gefahr, die im Trainingsdatensatz enthaltenen Verzerrungen oder Diskriminierungen zu lernen und im produktiven Einsatz anzuwenden. Beispiele zur Veranschaulichung sind Google, das Frauen temporär schlechtere Stellenanzeigen als Männern vorgeschlagen hat, oder Algorithmen zur Bewertung der Rückfälligkeit straffälliger Personen, die unter gewissen Umständen rassistisch urteilen.
Fazit
Im Gespräch mit Vertretern der Finanzdienstleistungsinstitute kristallisierte sich in Bezug auf die Nutzung von KI ein sehr heterogenes Bild heraus. Einig waren sich die Gesprächspartner darin, dass dieses Thema auch für Finanzdienstleister zunehmend an Relevanz gewinnt. Von realen Anwendungsfällen konnten dennoch nur die wenigsten berichten, häufig mit fragwürdigem Reifegrad der KI-Lösung. Zudem erweist sich für Finanzdienstleister die Use-Case-Findung aufgrund umfangreicher regulatorischer Anforderungen als Problem. In vielen Fällen können gewünschte Projekte durch strikte gesetzliche Vorgaben nicht realisiert werden.
Die spannende Veranstaltung bot jedem, der einen ersten Kontakt zu Implementierungsmöglichkeiten von KI im eigenen Unternehmen sucht, eine ansprechende Plattform, um sich zu informieren ohne dabei zu sehr in technische Einzelheiten zu verfallen.
