Markt News

istock.com/FinkAvenue

Maschinelles Lernen: Finanzaufsicht legt Ergebnispapier vor  

Kreditinstitute nutzten vermehrt maschinelle Lernverfahren bzw. prüften deren Einsatz, um Prozesse zu beschleunigen, Kosten zu senken und Daten verfügbar und nutzbar zu machen, teilte die Bundesbank mit. Die Nutzung solcher Verfahren gehe jedoch auch mit Risiken einher, an deren Steuerung aufsichtliche Anforderungen gestellt würden. Zugleich wünsche sich die Finanzindustrie eine klare Kommunikation der aufsichtlichen Erwartungshaltung zum Einsatz maschineller Lernverfahren. Es habe sich gezeigt, dass sich auf Techniken des Machine Learning (ML) beruhende Verfahren aktuell schon in vielen Anwendungsbereichen antreffen ließen, hieß es.

Im Fokus der aktuellen Anwendungen stünden laut den Rückmeldungen das Risikomanagement (etwa Geldwäsche- und Betrugserkennung, Analysen im Kreditprozess), Vertriebs- und Anlageprodukte, die Bepreisung von Produkten und einzelne Anwendungen in anderen Risikobereichen. ML-Methoden für Risikomodelle der Säule 1 (interne Modelle zur Berechnung der regulatorischen Eigenmittelanforderungen) finden sich laut Bundesbank bisher nur vereinzelt; sie würden in manchen Rückmeldungen jedoch als vielversprechend eingeschätzt.

Das Konsultationspapier habe keine allgemeingültige Abgrenzung von ML-Methoden entwickelt, sondern Aufsichtspraxis, Prüfungstechnik und -intensität darauf ausgerichtet, ob und welche ML-Charakteristika bei einer konkret zu prüfenden Methodik vorlägen und wie stark diese ausgeprägt seien, so die Bundesbank. Für die Beurteilung von Modellen unter Säule 1 und 2 (Risikomanagement) stelle dies aus Sicht von BaFin und Bundesbank eine für aufsichtliche Zwecke hinreichende Differenzierung dar.

ML-Verfahren und klassische Verfahren nicht klar voneinander abgrenzbar
In den Antworten auf die Konsultation herrsche breite Übereinstimmung darin, keine explizite Definition von ML vorzugeben: Zum einen werde eine Definition der Vielfalt der Verfahren und der stetigen Weiterentwicklung nicht gerecht. Zum anderen ließen sich ML-Verfahren und klassische Verfahren nicht eindeutig abgrenzen. Ebenfalls werde befürwortet, dass sich das Aufsichtshandeln technologieneutral nach den eingesetzten Verfahren richten solle. Im Mittelpunkt sollten nicht pauschale Anforderungen stehen, sondern konkrete Anwendungsfälle.

Vereinzelt würden weitere mögliche Charakteristika genannt. Dazu zählten die Auswirkungen von Modellschwächen und die Performance als Eigenschaft von ML. Einzelne Rückmeldungen führten Charakteristika an, die laut Bundesbank für sich genommen nicht als ML-spezifisch eingeschätzt werden. Dazu zähle die Datengrundlage, die eher durch die Verfügbarkeit der Daten getrieben werde als von der Methode. Genannt wurden demnach auch die Automatisierung, Adaptivität und Komplexität, die mitunter auch bei klassischen Verfahren höher sein können als bei ML, hieß es. (ud)

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge