Trends Magazin

istock.com/Olemedia

Bundesbank-Vorstand Wuermeling: Banken sollten die Möglichkeiten von ML nutzen  

„Auch wir als Aufsicht können profitieren, wenn Banken die Möglichkeiten von ML nutzen. Denn effiziente Banken sind langfristig stabile Banken“, erklärte Prof. Dr. Joachim Wuermeling, Mitglied im Vorstand der Bundesbank, in einem Beitrag für das BaFin-Journal vom April 2022. Wuermeling fragte, wie Banken die Chancen von ML nutzen könnten, ohne dass die Risiken sich verselbstständigen – und wie die Bankenaufsicht diese Risiken eindämmen könnte, ohne Innovationen zu behindern.

Zunächst gehe es darum, ML überhaupt zu erkennen und die Unterschiede zu den Modellen und Prozessen herauszustellen, die die Bundesbank seit Jahrzehnten beaufsichtige. Diese Unterschiede zeigten, an welchen Stellen die Aufsichtspraxis eventuell angepasst werden müsse: „Dafür brauchen wir nicht unbedingt eine allgemeingültige Definition von ML. Vielmehr richten wir unsere Aufsichtspraxis, Prüfungstechnik und -intensität darauf aus, ob und welche ML-Charakteristika bei einer Methodik vorliegen und wie stark diese ausgeprägt sind“, so Wuermeling. Dieser Ansatz helfe der Bundesbank dabei, ML-Innovationen und ihre Risiken zu erkennen, angemessen zu behandeln, und neue Anwendungen bei Banken nicht über einen Kamm zu scheren.

Risiken im Vergleich zu bisherigen Modellen
Wenn Banken zum Beispiel eine Vielzahl neuer Daten verknüpften und mittels neuronaler Netze Kreditentscheidungen treffen würden, seien viele Charakteristika von ML erfüllt. Daraus ergeben sich laut Wuermeling Risiken im Vergleich zu bisherigen Modellen, insbesondere bei der Erklärbarkeit. Wenn jedoch nur zusätzliche Datenquellen wie Zeitungsberichte in der Kreditvergabe oder Risikofrüherkennung neben klassischen Kennzahlen mittels ML angeliefert würden, „zeigt das Gesamtmodell weniger Charakteristika von ML. Entsprechend wären die aufsichtlichen Anforderungen dann auch geringer“, so der Bundesbank-Vorstand.

ML werde gerne als Black Box bezeichnet, in die man nicht hineinschauen könne. Wuermeling: „Wir verstehen oft nicht auf Anhieb, welche Zusammenhänge solche Methoden als Entscheidungsgrundlage nutzen.“ Es gelte jedoch auch hier, den Einzelfall abzuwägen. Häufig werde es der goldene Mittelweg der Grey Box sein, zwischen Erklärungsbedürftigkeit einerseits und Modellfreiheit andererseits. Es gehe darum, die jeweilige Methodik nachzuvollziehen und kritisch zu hinterfragen und nicht darum, dass jeder Einzelvorgang vom Menschen freigezeichnet werden müsse.

Die Charakteristika von ML seien der Kompass für Banken und Aufsicht. „Und hier schauen wir genau hin – mit einem Blick für Risiken und Chancen gleichermaßen“, so Wuermelings Fazit. (ud)

+++

Melden Sie sich bei Interesse zu unserem Online-Zertifikatslehrgang „Data Scientist in Kreditinstituten: Einsatzfelder, Methoden und Umsetzung“ an.

 

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge