„Der OSTHAVEN-Blick auf die Gegenwart & Zukunft von Künstlicher Intelligenz im Banking & Payment“

Der OSTHAVEN-Blick auf die Gegenwart & Zukunft von Künstlicher Intelligenz im Banking & Payment

POSTED ON 16. APRIL 2019 BY TIM DANKER

Schaffen wir uns wirklich selbst ab?

Das Thema künstliche Intelligenz ist dieser Tage in aller Munde. Die Bundesregierung plant mehrere Milliarden auszugeben, um den Standort Deutschland fit zu machen und um im ausufernden Wettstreit um die Forschung rund um Themen der künstlichen Intelligenz mithalten zu können. Die Unternehmen aus dem Silicon Valley konkurrieren mit Ablösesummen für begehrte Forscher. Man könnte meinen, die künstliche Intelligenz sei dabei die Weltherrschaft an sich zu reißen. Die Mythen und Geschichten zeichnen diverse Horrorszenarien nach und überbieten sich gegenseitig in der Dramatik. Prominente wie Elon Musk und der kürzlich verstorbene Stephen Hawking warn(t)en vor nichts weniger als dem Untergang der Menschheit.

Höchste Zeit sich mit dem Thema auch einmal auf unserem OSTHAVEN Blog auseinander zu setzen – sachlich, differenziert und konkret bezogen auf unsere Branche – Banking & Payment.

Künstlich? Intelligenz?

Lassen Sie uns damit beginnen, zunächst einmal genau unter die Lupe zu nehmen, über was wir eigentlich sprechen. Bevor wir uns mit dem „künstlichen“ Teil der Intelligenz befassen, wollen wir uns zunächst einmal nur dem Thema „Intelligenz“ widmen. Bis heute ist das Gebiet der „Intelligenz“ weitestgehend unerforscht und es mangelt bereits an einer eindeutigen Definition, was genau Intelligenz eigentlich ist. Die bestehenden Definitionen verschwimmen zwischen Biologie, Physik und Philosophie. Auch bis zum heutigen Tage verstehen wir nicht genau, wie wir Menschen eigentlich funktionieren. Laienhaft kann man sagen, dass unser Körper von Nervenbahnen und Muskeln durchzogen ist, wobei in deren Steuerungszentrale, dem Gehirn, alle Fäden zusammenlaufen. In unserem Gehirn und den Nervenbahnen fließen Neuronen hin und her und schalten und walten ganz ähnlich wie in modernen Computerprozessoren unser Denken und Handeln. Ab der Geburt, und genau genommen schon vorher, lernen wir Menschen nach und nach all unsere Fähigkeiten. In unseren ersten Lebenswochen erlernt unser Gehirn beispielsweise, dass das, was wir vor unseren eigenen Augen sehen, unsere eigenen Arme, Hände, Beine und Füße sind und wir diese mit gezielten Muskelkontraktionen steuern können. So wird aus dem süßen tollpatschigen Baby, das sich unbewusst mit der Hand ins Gesicht schlägt, irgendwann das süße Kleinkind, das bewusst seine wackeligen ersten Schritte macht. Hinter diesem Prozess steckt ein uns bisher nicht vollständig verständliches komplexes Zusammenspiel von Nerven, Gehirn und Muskeln. Man könnte sagen – ein Wunder. Je mehr wir das Gebiet erforschen, umso mehr sehen wir aber auch, dass es im Grunde genommen zwar sehr komplex aussieht, im Kleinen aber einfache biologische und physische Prozesse sind, die zusammenwirken. Noch weitaus komplizierter wird es, wenn man einmal darüber nachdenkt, was genau unsere Seele ist, wo unser freier Wille entsteht und einfach gesagt, was uns eigentlich jeden Morgen dazu bringt aus dem Bett aufzustehen und all das zu tun, was wir den ganzen Tag lang so tun.

Der Volksmund würde uns Menschen pauschal als intelligente Wesen deklarieren. Manche sicherlich intelligenter als andere. Der Mensch tut Dinge mit Verstand. Der Mensch wägt ab. Der Mensch plant voraus. Der Mensch agiert basierend auf Erfahrungen und Gelerntem. Der Mensch probiert aus. Der Mensch macht aber auch Fehler. Warum das so ist? Eine Frage, die wir nach heutigem Kenntnisstand nicht vollständig beantworten können. Aber wir sind uns sicher – wir sind intelligent.

Und nun hat der Mensch sich das ehrgeizige Ziel gesetzt diese „Intelligenz“, die er weder genau versteht, noch genau definieren kann, künstlich nachzubauen. Halten wir also schon einmal fest, dass wir das Ziel, was wir verfolgen, nicht genau verstehen oder definieren können.

Wir sind nun angekommen bei den interessanten Aspekten dieses Dilemmas, das dieses Thema unheimlich reizvoll, spannend und vielseitig macht. Die Forschung rund um die künstliche Intelligenz betritt ein neues Feld und treibt die anderen Forschungsrichtungen vor sich her und hat inzwischen sogar dazu beigetragen, dass wir Menschen uns besser verstehen.

Vereinfacht gesagt hat man damit begonnen, die erforschten Bereiche und Funktionsweisen des menschlichen Gehirns mit Computern, die letztlich sehr komplexe elektronische Verschaltungen sind, nachzubilden.

Mensch gegen Maschine – zwei einfache Beispiele

Für das folgende Gedankenexperiment stellen Sie sich ein Foto einer beliebigen Katze vor. Wer kann schneller erkennen, ob es sich bei dem Tier auf dem Foto um eine Katze handelt – Mensch oder Maschine? Die Antwort ist in aller Regel – der Mensch. Für ein weiteres Gedankenexperiment überlegen Sie bitte kurz, wem es leichter fällt die folgende Formel auszurechnen: (2342 * 2345) / 234444 + 23445 * 12499584 – Mensch oder Maschine? Wir geben uns in dieser Disziplin wohl gerne der Maschine geschlagen und nutzen in aller Regel den Taschenrechner für solche Aufgaben.

Eine Forscherin der Stanford University hat gemeinsam mit Google einer künstlichen Intelligenz beigebracht, Katzen auf Bildern zu erkennen. Beliebige Katzen, in beliebigen Farben, Positionen und Ausschnitten. Hierfür musste die künstliche Intelligenz in einem mühsamen Prozess mit über 1 Million Bildern händisch trainiert werden. Legt man dieser künstlichen Intelligenz danach ein Bild eines Hundes vor, ist sie ratlos.

Was wir in diesen beiden Gedankenexperimenten sehen können, ist, dass Computer wahnsinnig gut mit strukturierten, formalisierten Inhalten arbeiten können, wie es beispielsweise Rechenformeln sind. Es gibt hier klar definierte Zahlen, Operatoren und Rechenregeln, die eingehalten werden müssen, um zu einem Ergebnis zu kommen. Computer können dies in Geschwindigkeiten erledigen, die für das menschliche Gehirn nicht denkbar sind.

Wir können ebenfalls erkennen, dass das menschliche Gehirn gemeinsam mit seinen verschiedenen Sinnesorgangen beeindruckend gut mit unstrukturierten und unvollständigen Datensätzen arbeiten kann. Wir lernen als kleines Kind einmal was eine Katze ist und können bis an unser Lebensende Katzen erkennen; auch Katzen in anderen Farben und gänzlich anderen Formen. Wir Menschen sind in der Lage, das Format „Katze“ entsprechend zu abstrahieren und in völlig neuen Gegebenheiten anzuwenden. Der einfachste Weg dies zu verdeutlichen ist, dass jeder Mensch, der weiß wie eine Katze aussieht, in der Regel auch eine Katze zeichnen kann. Diese Zeichnungen haben meist immer mindestens eines gemeinsam – die spitzen Katzenohren. Meist fügen wir außerdem noch einen Schwanz hinzu.

Der beeindruckenden Forschung der Stanford University ist es zu verdanken, dass wir diese Fähigkeiten auch Computern antrainieren können. Gleichzeitig zeigt diese Forschung aber auch die enormen Herausforderungen auf, die ein solches Ziel mit sich bringt und verdeutlich ganz nebenbei, die sehr unterschiedlichen Stärken und Schwächen, die wir Menschen und Computer haben.

Anwendungsfelder künstlicher Intelligenz im Banking & Payment

Im Bereich Payment ist das Thema künstliche Intelligenz, insbesondere der Teilbereich maschinelles Lernen und Mustererkennung, bereits seit langer Zeit fester Bestandteil. Das prominenteste und verbreitetste Beispiel ist die Risikoüberwachung bei Zahlungsdienstleistern und Kreditkartenunternehmen. Durch Systeme, die auf künstlicher Intelligenz aufbauen, wird das Aufdecken von Kreditkartenbetrug heutzutage in aller Regel in Echtzeit unterstützt. Etabliert haben sich in diesem Bereich Unternehmen wie zum Beispiel Risk Ident, Fraugster oder Feedzai, aber auch Unternehmen wie Adyen setzen auf diese Technologien. Im Bereich Forderungsmanagement etabliert sich derzeit das Unternehmen collectAI aus der Otto Gruppe, die eine durch künstliche Intelligenz optimierte, automatisierte und individualisierte Kundenansprache im Forderungsmanagement umsetzt und hiermit Aufwände minimiert, bei gleichzeitig höheren Erfolgsraten im Forderungsprozess.

Etwas differenzierter und noch nicht ganz so verbreitet ist der Einsatz der neuen Technologien im Bereich Banking. Erste Marktteilnehmer etablieren sich im Bereich der Robo Advisor, wie beispielsweise Scalable Capital, die einen value-at-risk Investmentansatz verfolgen und fortschrittliche Risikomanagement- und Simulationsalgorithmen benutzen, die im Kern auf Technologien der künstlichen Intelligenz beruhen. Finale Investmententscheidungen werden aber auch hier interessanterweise immer noch  von  Menschen kontrolliert. Mehr und mehr Anwendungen findet man im Bereich der Auswertungen von Bankkonten, die automatisiert Ausgaben Kategorien zuordnen und Muster in Kontenbewegungen aufspüren, um Budgets und Ausgaben zu planen oder zu kontrollieren. Beispiele auf diesem Gebiet sind die App numbrs, der Kontowecker der Sparkassen oder N26. Noch weiter gehen schließlich Programme, die selbstständig Kontobewegungen auslösen, wie beispielsweise savedroid. Hinzu kommen Applikationen, die Finanztipps auf Basis der vorliegenden Erkenntnisse geben und mehr und mehr Chatbots sowie Self-Service Angebote. Kombiniert man all diese Dinge und denkt sie ein bisschen weiter, wird in Zukunft eine vollautomatisierte, individualisierte und durch künstliche Intelligenz unterstützte vollumfängliche Bankberatung möglich sein.

Das Bankgeschäft erweist sich als prädestiniert für den Einsatz dieser Technologien aus dem einfachen Grund, dass die Datengrundlage von Banken hoch standardisiert und die Prozesse in Banken stark reglementiert und formalisiert sind. Einfach ausgedrückt kann man annehmen, dass Prozesse in Banken insbesondere dann durch künstliche Intelligenz gestützte Technologien ersetzt oder erweitert werden können, wenn sie klaren und formalen Regeln folgen.

Was in der Zukunft mit künstlicher Intelligenz im Banking & Payment wichtig wird

Insbesondere mit dem Blick auf das Payment und Banking Umfeld haben wir einige Aspekte identifiziert, die wir bei den Fortschritten in der künstlichen Intelligenz für die wichtigen Themen der Zukunft halten.

Diese Aspekte sind:

  • Auditierung von Algorithmen und automatisierten Entscheidungsprozessen
    Wenn Algorithmen und KIs wichtige Entscheidungen treffen, dann muss dies nach klaren Regeln und nachvollziehbar erfolgen. Nachvollziehbarkeit ist in den meisten KI-Systemen nur schwer herstellbar. Hierfür muss eine Lösung gefunden werden, so dass Audit-Anforderungen trotzdem erfüllt werden können.
  • Regulierung für algorithmische Entscheidungsprozesse
    Nicht nur unternehmensinterne Audit-Vorgaben werden zu berücksichtigen sein, sondern auch von Seiten der Regulatoren wird es Vorgaben geben und diese müssen nachprüfbar sein. Starre regulatorische Vorgaben und dynamisch mit-wachsende KI-Systeme scheinen nur schwer vereinbar. Dies erfordert auf beiden Seiten neue Wege.
  • Datenqualität
    KI-Systeme basieren in aller Regel auf großen Datenmengen, nur so erzielen sie gute Ergebnisse und produzieren Effizienzgewinne. Sehr einfach und treffend zusammenfassen kann man dies mit dem bekannt IT-Sprichwort: „Garbage in. Garbage out.“ Will man qualitativ hochwertige Entscheidungen, benötigt man qualitativ hochwertige Daten.
  • Raum für Fehler
    Wie in diesem Artikel anfangs ausgeführt wurde, lernen KI-Systeme ganz analog wie wir Menschen. Menschen machen Fehler und genauso machen auch KI-Systeme Fehler, meist durch schlechte Datenqualität oder schlicht falsches Training. In einer Welt mit 0 % Fehlertoleranz, zu der die Banken- und Paymentwelt neigt, bedeutet dies eine neue Herausforderung. Das ist insbesondere von Bedeutung, da es meist um Massentransaktionsgeschäfte geht, bei denen echtes Geld bewegt wird. Hier gilt es solide Testframeworks zu entwerfen, die insbesondere im Hinblick auf die Besonderheiten von selbstlernenden und sich selbst verändernden Systemen konstruiert werden.
  • Risiken der Datenmonopole
    Wie es schon auf der Kinoleinwand Spiderman lernen musste: „mit großer Macht kommt große Verantwortung“. Je größer und bedeutsamer Datenmonopole werden, umso größer wird das Risiko, dass diese missbraucht werden. Politik, Behörden und Gesellschaft werden Wege finden müssen, Datenmonopole zu vermeiden und für einen fairen, gesunden Wettbewerb zu sorgen, um die Risiken der voranschreitenden Machtkonzentrationen einzudämmen.
  • Regulatorische Entscheidungsprozesse
    Wie gibt man regulatorische Freigaben für selbstlernende und sich selbst verändernde Systeme? Lizenzvergabe- und Kontrollprozesse müssen sich mit den technischen Entwicklungen mitentwickeln und neue Wege finden.

Ein Plädoyer für die Zusammenarbeit und das ewige Dilemma von KI

Die Welt wird sich verändern. Computer werden Tätigkeiten übernehmen, die heute von Menschen erledigt werden. Aber bis auf weiteres werden Menschen nicht von Computern verdrängt. Viele Aufgaben werden sich verändern und gänzlich neue werden entstehen. Bis auf weiteres werden vor allem Computer uns Menschen brauchen, die ihnen die Dinge beibringen, die wir gerne automatisieren möchten. Ein Computer kann von alleine erstmal weniger als ein Baby, das auf die Welt kommt und das man vollkommen alleine lassen würde. Wie das Baby benötigt der Computer einen Menschen, der ihm die Welt zeigt, erklärt und ihm beibringt, wie er seine Aufgaben zu erledigen hat.

Menschen sollten sich auf die künstliche Intelligenz einlassen und die jeweiligen Stärken von Mensch und Computer einsetzen, um den Gesamtnutzen zu maximieren.  Wir werden damit kostbare Lebenszeit freisetzen, die wir für neue, kreative und wichtige Dinge werden nutzen können, während wir langweilige, wiederkehrende Tätigkeiten mehr und mehr automatisieren werden.

Das große Dilemma von künstlicher Intelligenz ist gleichzeitig der wichtigste Punkt für die Menschen. Computer sind dumm. Computer arbeiten erst dann, wenn man ihnen ein klares Ziel vorgegeben hat; wenn der Mensch ihnen ein Ziel vorgegeben hat. Darin steckt die große Chance, dass Menschen bis auf weiteres nicht überflüssig werden. Gleichzeitig steckt in diesem feinen Detail auch eine große Gefahr. Denn Computer verfolgen das Ziel, das man ihnen vorgibt, mit aller Kraft. Auch, wenn es das falsche Ziel ist oder ein unmoralisches Ziel ist. Dazu zum Abschluss ein sehr einfaches Beispiel zum Nachdenken: Stellen Sie sich eine vollautomatisierte Bankberatung vor. Die künstliche Intelligenz übernimmt alle ihre Bankgeschäfte vollautomatisch, inklusive ihrer Investmententscheidungen. Der dahinterstehende Computer kann nun zwei ähnliche, aber doch grundlegend verschiedene Ziele vorgegeben bekommen. Er kann zum einen das Ziel vorgegeben bekommen, ihr Investment zu maximieren – das heißt risikooptimiert, kostenoptimiert und renditeoptimiert das Beste für Sie herauszuholen. Er könnte aber zum Anderen auch das Ziel vorgegeben bekommen, ihr Investment zu maximieren, dabei aber gleichzeitig die Erträge der Bank zu optimieren, in dem er zum Beispiel ausschließlich ETF-Produkte der eigenen Bank erwirbt, die vielleicht nicht die kostengünstigsten für den Kunden, aber die ertragsstärksten für die Bank sind. Denken Sie, sie würden den Unterschied bemerken? Und wer überwacht diese Algorithmen? Ihre Bank?

Wir stehen erst ganz am Anfang dieser Geschichte…