Markt News

istock.com/https://www.facebook.com/PlargueDoctor/

ML-gesteuerte Modelle: DK sieht nur geringe Erklärungskraft für Kreditrisiken  

Generell seien die den ML-Modellen zugrunde liegenden Algorithmen und die verwendeten Daten nicht per se komplexer als bei traditionellen Verfahren, teilte die DK am Montag mit. Maßgeblich sei immer der jeweilige Anwendungsfall. Derzeit würden komplexe ML-Modelle nur selten zur Bewertung des Kreditrisikos verwendet, hieß es in der Stellungnahme. Dies liege häufig daran, dass für bestehende Portfolios (z. B. High-Default-Portfolios) ausreichend Daten verfügbar seien.

ML werde zwar in gewissem Umfang in IRBA-Modellen verwendet, und neue Anwendungen für verschiedene Zwecke würden in Betracht gezogen. Die insgesamt jedoch nur geringe Erklärungskraft von ML-gesteuerten Modellen für das Kreditrisiko bleibe ihr größter Nachteil, so die DK weiter. Beim Internal Ratings-Based Approach (IRBA, IRB-Ansatz) handelt es sich um ein Verfahren nach Basel II für das Kreditrisiko. Hierdurch werden die Geldhäuser dazu ermächtigt, bei der Bestimmung der Eigenkapitalunterlegung eigene interne Schätzungen von Risikokomponenten heranzuziehen. Die Verwendung des IRB-Ansatzes muss von der Finanzaufsicht BaFin genehmigt werden.

Schnellere Reaktion auf Kundenanfragen
Fachleute aus der Finanzbranche sind sich derweil sicher: Der Einsatz von Künstlicher Intelligenz (KI) und Maschine Learning (ML) werde die Prozesse in Banken massiv beschleunigen. 77 Prozent erwarteten eine schnellere Reaktion auf Kundenanfragen mithilfe der Technologien, so eine aktuelle Studie. Auch die Prognose künftiger Kundenbedürfnisse (71 Prozent), ein frühzeitiges Erkennen finanzieller Schwierigkeiten der KundInnen (71 Prozent) sowie passgenauere Angebote (65 Prozent) werden den Angaben zufolge erleichtert, hieß es weiter. 61 Prozent sagten zudem, KI ermögliche individuelle Angebote jenseits klassischer Bankprodukte (z.B. Versicherungswechsel). 35 Prozent erwarteten den Einsatz von Avataren bzw. das Verschwinden von Menschen als Kontaktpersonen in der Bank.

KI und ML könnten zudem zu besseren Konditionen bzw. Angeboten führen (33 Prozent) bzw. zu einer besseren Beratung, hieß es in der Bankenstudie von ti&m. Befragt wurden mehr als 200 Fachleute aus dem Finanzsektor. (ud)

Infos zur Fachtagung „Data Science und Machine Learning in Kreditinstituten“

 

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge