Künstliche Intelligenz in der Finanzbranche – Chance oder Risiko? Und wie Katzen zum Projekterfolg führen können

Im vergangenen Jahr haben wir bereits vom Wissenschaftsdialog der Union Investment zu „Leadership und Umgang mit Disruption“ berichtet (Artikel hier). In diesem Jahr stand der Austausch zwischen Wissenschaft und Praxis unter dem Thema „Künstliche Intelligenz in der Finanzbranche“ – und erreichte mit über 110 Teilnehmern einen neuen Rekord.

Gastautorinnen: Gonca Cun und Vera Betz, Deutsche Apotheker- und Ärztebank eG

Ein Rückblick auf den fünften Wissenschaftsdialog der Union Investment:

Nach einer Begrüßung durch Dr. Steffi Lorenz (Union Investment), leitet Prof. Frank Piller (RWTH Aachen) den diesjährigen Dialog am 13. Mai 2019 zum Thema „Künstliche Intelligenz in der Finanzbranche – Chancen und Herausforderungen“ mit einem KI-Beispiel aus der Bekleidungsindustrie ein. Der Onlineshop „Choosy“ ist ein Paradebeispiel dafür, wie mit Hilfe von Algorithmen Modetrends auf Social Media gescannt und Kundenbedürfnisse schneller erkannt werden. Prof. Piller beendet seine Einführung mit der offenen Frage, ob der kreative Prozess auch durch KI ersetzt werden kann.

Moral und Maschine. Wie passt das zusammen?

Prof. Kristian Kersting (Technische Universität Darmstadt) geht in seinem Vortrag zunächst auf die Herkunft und Definition von KI ein. Wussten Sie, dass künstliche Intelligenz bis in die griechische Mythologie zurückverfolgt werden kann? Talos und Pandora von Hephaistos zeigen, dass es ein alter Menschheitstraum ist, künstliche Kreaturen zu erschaffen. Doch können wir KI moralisieren? Versuche einer Maschine moralische Regeln beizubringen gibt es mit „The Moral Choice Machine“, einer Software, die Prof. Kersting mit seinem Team entwickelt hat. Die Arbeit der Wissenschaftler streift auch die philosophische Frage, was überhaupt moralische Regeln sind und wer diese definiert. Fazit: Maschinen können Moral lernen, aber wir stehen noch ganz am Anfang.

 

Menschen können von Maschinen lernen.

Alle Welt redet von Machine Learning, beispielsweise von selbstlernenden Maschinen, die die weltbesten Schach- und Go-Spieler schlagen können. Prof. Oliver Hinz (Goethe Universität Frankfurt) hebt in seinem Vortrag die Disziplin des Machine Teaching hervor. Statt Entscheidungen vollständig einer KI zu überlassen, wird die KI genutzt, um den Menschen bei der Entscheidungsfindung zu unterstützen. Beim Human-in-the-loop-Modell klassifiziert eine Maschine Daten vor und gibt Entscheidungsempfehlungen ab, denen der Mensch folgen kann, aber nicht muss. Kommt ein Experte zu einer abweichenden Einschätzung als der Algorithmus, kann er die konträren Ergebnisse in einer Expertenrunde diskutieren. So ist der Mensch in den Entscheidungsprozess eingebunden, lernt von der Maschine und mit anderen Menschen.

 

 

 

Der „bessere“ Venture-Capital-Investor.

Der Vortrag von Dr. Jermain Kaminski (Maastricht University) verdeutlicht, wie KI im Investitionsprozess eingesetzt werden kann. Dr. Kaminski zeigt zunächst auf, dass Crowdfunding-Investitionen als Prädikator für Venture-Capital-Investitionen dienen können. Daran anknüpfend geht Dr. Kaminski der Frage nach, welche Crowdfunding-Projekte besonders erfolgreich sind. Hierzu wurden Text-, Sprach- und Videoinformationen auf Crowdfunding Plattformen mit Hilfe von KI analysiert. Besonders erfolgreich sind demnach Crowdfunding-Projekte, die die Stadtkultur ihrer Region reflektieren. Beispielsweise fließen Investments in Los Angeles bevorzugt in Film- und Unterhaltungsprojekte. Zusätzlich stellte Dr. Kaminski fest, dass bestimmte Objekte oder Sprachstile in Startup-Pitches den Finanzierungserfolg direkt beeinflussen: Pitches mit Studenten führen zu deutlich besseren Erfolgen als diejenigen mit Managern. Und Katzen ziehen signifikant mehr Investitionsvolumen an als Hunde.

 

Wie KI hilft Insights für Innovationen herauszufinden.

Dr. Volker Bilgram (RWTH Aachen) stellt die Methode Netnography vor, bei der maschinelles Lernen das Screenen von Konsumentenbedürfnissen unterstützt. Diese Insights helfen Innovationen für Konsumentengruppen zu entwickeln. Bei der Netnography wird die Datensammlung, -verarbeitung und -analyse von Maschinen übernommen. Hierbei werden riesige Mengen an Onlinequellen, beispielsweise Foren, nach Konsumenten-Statements durchforstet, identifiziert und geclustert. Das kreative Interpretieren der Daten wird anschließend von Menschen vorgenommen und führt – hoffentlich – zu tollen Innovationen. Prominentes Erfolgsbeispiel der Methode ist u.a. das „black & white“-Deodorant von Beiersdorf, das lästige Deoflecken auf der Kleidung verhindert.

 

Unsere zusammenfassende Erkenntnis des Wissenschaftsdialogs: Es gibt viele spannende Einsatzgebiete von künstlicher Intelligenz, in denen menschliche Arbeit erleichtert werden kann. Jedoch steckt KI noch in den Kinderschuhen. Es ist also eher eine Evolution statt eine Revolution.

 

Die Union Investment Gruppe befasst sich schon seit längerer Zeit mit Künstlicher Intelligenz. Mehrere Teams in den Segmenten Privatkunden, Portfoliomanagement und Infrastruktur verantworten die Themen Smart Data und KI. Der Wissenschaftsdialog gibt wertvolle Impulse für die interne Weiterentwicklung der Disziplin und die Exploration neuer Einsatzfelder.

[KGVID]https://innovationsblog.dzbank.de/wp-content/uploads/2019/05/Professoren_720p.mp4[/KGVID]
[KGVID]https://innovationsblog.dzbank.de/wp-content/uploads/2019/05/Mitarbeiterstimmen_720p.mp4[/KGVID]