Generative KI: Darauf ist zu achten

Ein Artikel von red | 27.07.2022 - 07:00
Fotolia_114545629_Subscription_Monthly_M.jpg

© psdesign1 - Fotolia

Generative künstliche Intelligenz, autonome Systeme sowie datenschutzfreundliche Berechnungsmethoden - das sind Technologie-Trends, die dem Analystenhaus Gartner zufolge 2022 und darüber hinaus im Bank- und Investmentgeschäft an Bedeutung gewinnen werden. Die generative KI wird dabei in Wachstumsbereichen wie der Betrugserkennung, Aktienmarktprognose und der Modellierung von Risikofaktoren zum Einsatz kommen. Die Frage ist allerdings, ob die Geldinstitute wissen, wie sie die Nutzung der Technologie am besten angehen.

“Um mit den neuen Challenger-Banken und Fintech-Konkurrenten mithalten zu können, streben traditionelle Banken danach, Disruptoren zu sein. Sie setzen auf eine Technologie wie generative KI und implementieren sie schnell. Die meisten Unternehmen haben zwar eine Vorstellung davon, wie man KI nutzen kann, aber sie wissen nicht, welche Auswirkungen sie auf das Geschäft hat oder wie man sie erfolgreich implementiert. Tatsächlich sind laut einer aktuellen Studie des Bitkom 9 von 10 Unternehmen in Deutschland auf unerwartete Schwierigkeiten bei der Digitalisierung gestoßen", kommentiert Ash Finnegan, Digital Transformation Officer bei Conga.

Was Unternehmen berücksichtigen sollten

Ash Finnegan.jpg

© White Fox Studios Ltd

Zur Umsetzung gibt Digitalisierungs-Spezialistin Finnegan daher folgende Tipps: "Trotz der Unterschiede in den zugrundeliegenden Algorithmen und Modellen generativer KI, unterscheiden sich die Voraussetzungen für den Einsatz kaum von denen anderer KI-Formen. Um eine erfolgreiche Implementierung jeglicher Art von KI zu gewährleisten, müssen Unternehmen die folgenden drei Schritte berücksichtigen: Erstens, die Aufnahme und Anreicherung von Daten – es muss sichergestellt werden, dass ein einheitliches Datenmodell vorhanden ist und dass alle Daten nahtlos zwischen Teams und verschiedenen Systemen mit einer 365-Grad-Sichtbarkeit ausgetauscht werden. Zweitens, das Trainieren, Testen und Verfolgen von KI- und maschinellen Lernmodellen – dies erfordert die Identifizierung von Trends oder verbesserungswürdigen Bereichen, um sicherzustellen, dass die KI effektiv genutzt werden kann. Schließlich geht es darum, diese Daten oder 'präskriptiven Erkenntnisse' in die Tat umzusetzen – so können die Teams vorausschauend und in Echtzeit ein Profil ihrer Kunden erstellen und Trends erkennen oder sie mit anderen potenziellen Kunden abgleichen."