Dialogforum Künstliche Intelligenz / Machine Learning
Gastbeitrag von Dr. Felix Pfeiffer
Der Frühling steht vor der Tür und erweckt die müden Lebensgeister. Gleichsam – so möchte man meinen – verhält es sich mit dem Thema „Künstliche Intelligenz“. Das Themenfeld „weckt auf“, macht wie der Frühling Lust auf das, was kommen wird, und regt in jedem Fall zu Diskussionen an. Das zeigte sich auch auf dem ersten von drei Dialogforen des Corporate Campus für Management & Strategie, welches pünktlich zum Frühlingsbeginn am 21.03.2018 im Tech Quartier in Frankfurt stattfand.
Fokus der dreistündigen Veranstaltung war die Präsentation von drei realen (Test-)Anwendungsfällen aus den DZ BANK Gruppenunternehmen, die im Kontext künstlicher Intelligenz bzw. „Machine Learning“ stehen. Ganz im Sinne des Veranstaltungstitels „Dialogforum“ stand dabei der Dialog und der gruppenübergreifende Austausch im Vordergrund, den die ca. 60 Teilnehmer rege nutzten. Der Corporate Campus, der originär Veranstaltungen für das Top Management der Gruppe umsetzt und deren Innovationsaktivitäten unterstützt, öffnete dieses Format bewusst für Teilnehmer unterhalb der Bereichsleiter-Ebene, um bei diesem zentralen und für die Gruppe relevanten Arbeitsgebiet einen hierarchieübergreifenden Dialog zu ermöglichen.
Der Ablauf sah eine Einführung und Keynote von Prof. Roßbach von der Frankfurt School of Finance & Management vor, bevor drei Kollegen aus den Gruppenunternehmen ihre Anwendungsfälle vorstellten. Im Anschluss folgte der weitere Austausch in Form eines „World Cafes“ mit vier unterschiedlichen Ständen, an denen Prof. Roßbach und die Kollegen für den weiteren Dialog zur Verfügung standen. Sie diskutierten mit den Teilnehmern ihren jeweiligen Fall sowie mögliche weitere Anwendungsfälle für die DZ BANK Gruppe als auch Hürden und Risiken in der Umsetzung. Das Publikum teilte sich in 4 Gruppen auf und wechselte von Stand zu Stand, sodass jede Gruppe ausführlich jedes Thema im Nachgang besprechen konnte.
[sc_gallery gallery_gallery=“8396″ gallery_type=“slider“ gallery_slider_layout=“fullwidth“ gallery_layout=“4x“ gallery_style=“justified“ gallery_hover=“default“]
In seinem Einführungsvortrag zeigte Prof. Roßbach den historischen Kontext und den rasanten Fortschritt der Thematik auf – bedingt vor allem durch die Möglichkeit, stetig höhere Datenvolumina aufgrund immer besserer Rechenleistungen und -kapazitäten verarbeiten zu können. Prof. Roßbach zeigte Beispiele aus unterschiedlichen Anwendungsfällen. Die Potentiale der Künstlichen Intelligenz sind enorm, gehen aber auch mit einer kritischen Diskussion der ethischen und moralischen Implikationen einher.
Benedikt Höck von der Union Investment stellte das Thema „Textanalyse / Natural Language Processing (NLP)“ vor. NLP versucht natürliche Sprache zu erfassen und mithilfe von Regeln und Modellen computerbasiert zu verarbeiten. Dabei können sowohl externe Daten, z.B. aus Social Media, Nachrichten-Kanälen oder Blogs als auch interne Daten, z.B. aus dem Kundenservice oder Research-Datenbanken verarbeitet werden. Relevante Signale, die Auswirkungen auf das Geschäft von Union Investment haben, sollen identifiziert und nutzbringend interpretiert werden. Mögliche Anwendungsfälle sind z.B. die Sprach- und Textanalyse im Kundenservice, Chatbots und Feedback zu Produkten, Shopping-Centern oder Union Investment als Arbeitgeber, um daraus Optimierungspotenziale zu identifizieren.
Dr. Patrick Noll von der R+V Versicherung präsentierte das Thema „Bilderkennung in der Schadenbearbeitung im Kontext von KFZ Sachschäden“. Ziel ist es, die Schadenbearbeitung effizienter zu gestalten, indem große Schäden direkt zum Gutachter weitergeleitet und kleinere Schäden vom Sachbearbeiter reguliert werden. Die Höhe des Schadens soll dabei automatisiert auf Basis der Fotos, die von den Versicherten hochgeladenen werden, eingeschätzt werden. Herausfordernd ist dabei vor allem die korrekte Bewertung eines Schadens durch die Software. So macht es für die Kalkulation der Schadensumme z. B. einen Unterschied, ob das Foto einen Kratzer auf einem neuen Oberklassenwagen oder auf einem alten, insgesamt schon beschädigten Kleinwagen abbildet. All das muss die Software erkennen und bewerten können.
Thomas Berg von der DZ BANK stellte am Beispiel des Kreditkartenvertriebs die Nutzung von Machine Learning für die Bestimmung von Produktaffinitäten vor. Ziel ist es hier, die Kreditkartenaffinität eines potentiellen Kunden anhand charakterisierender Eigenschaften wie z.B. Konsumverhalten, Einkommen etc. vorherzusagen, um somit passgenaue Produkte und Kampagnen anbieten zu können. Ein wesentlicher Auslöser für diese Bemühungen ist der Wettbewerbsdruck durch die großen Internetkonzerne wie z.B. Google und Amazon, die führend in der intelligenten Auswertung und Nutzbarmachung von Kundendaten sind. Hier müssen die Banken gute Antworten finden, um dem Wettbewerbsdruck standhalten zu können.
Fazit: Das Thema „Künstliche Intelligenz“ wurde mit viel Interesse und z.T. auch kontrovers diskutiert. Im Ergebnis sehen die Teilnehmer ein großes Potential für die DZ BANK Gruppe, wobei sich so mancher erstaunt darüber zeigte, wie umfangreich man sich in der Gruppe mit dem Thema bereits auseinandersetzt und dass bereits an konkreten Anwendungsfällen gearbeitet wird.
Diese Themen interessieren uns
Learnings from ECB Exploratory Phase – Part 1
Lean and Secure Decentralized Delivery-versus-Payment (DvP) for Securities Settlement
22. Dezember 2023