So gelangen Banken von der Sandbox zur KI-Strategie

Künstliche Intelligenz (KI) ist für die Finanzwelt nichts Neues. Banken und institutionelle Anleger wie Hedge- oder Quant-Fonds gehören zu den frühesten und intensivsten Nutzern. Nun will mit Chat GPT eine weitere Technologie die Finanzbrache erobern. Dabei ist diese gar nicht ganz neu.

Chat GPT basiert auf einer Technologie, die bereits 2017 entwickelt wurde. Das Sprachmodell dahinter war schon beim Live-Gang bereits über drei Jahre alt, wurde aber inzwischen zum Teil durch eine leistungsfähigere Version ersetzt. Trotzdem hat die Veröffentlichung des KI-getriebenen Chatbots die Diskussion über Künstliche Intelligenz und vor allem die strategisch-operative Lage hinsichtlich der Nutzung von Künstlicher Intelligenz aus zwei Gründen grundlegend geändert: 

1. Die App verschafft erstmals einen sehr einfachen, massentauglichen Zugang zu starken KI-Modellen.
2. Viele Millionen Nutzer erfahren erstmals persönlich, wie leistungsfähig diese Modelle sind.

Damit wandelt sich KI von einer Speziallösung für abgegrenzte Anwendungen zu einer allgemeinen Technologie, die alle Fach- und Anwendungsbereiche durchzieht. Dies wiederum hat strategische und operative Konsequenzen für Banken und bringt Chancen und Risiken mit sich, die die Institute verstehen müssen.  

Chat GPT als KI-Sandbox

Glücklicherweise bietet Chat GPT Banken wie jedem anderen Unternehmen auch für das Experimentieren mit generativer KI eine Art sofort verfügbare Sandbox. In die Unternehmenswelt übersetzt ist Chat GPT eine einfache, intuitiv bedienbare Nutzerschnittstelle, die es Fachabteilungen erlaubt, ohne Technikwissen, ohne Unterstützung durch die IT und ohne aufwendige API-Integration mit einem mächtigen KI-Modell in ihrer eigenen Sprache zu arbeiten. Die Fachabteilungen können damit einerseits die Arbeit mit einer KI erlernen, andererseits können sie mit ihrem Prozesswissen austesten, wo der KI-Einsatz durch Prozessoptimierung oder die Entwicklung ganz neuer Prozesse wertschöpfend ist.

Grenzen für den Einsatz von Chat GPT als KI-Sandbox setzen allerdings Restriktionen hinsichtlich Informations- und Datensicherheit, die für regulierte Häuser in besonderem Maße gelten, sowie aufsichtsrechtliche Vorgaben, die bei der Nutzung von externen Software-as-a-Services zu beachten sind. 

Faktenschwäche setzt Chat GPT Grenzen

Funktionelle Grenzen setzt die bekannte Faktenschwäche von ChatGPT: Da die Sprachmodelle nur mit Wahrscheinlichkeiten arbeiten, können sie nicht beurteilen, ob etwas wahr oder falsch ist. Die Social-Media-Plattformen sind voll von Beispielen, in denen Chat GPT im Brustton der Überzeugung faktischen Unsinn erzählt. Außerdem reicht das Weltwissen von Chat GPT sowohl in der Version 3.5 als auch in der neuen Version 4 nur bis 2021. Das bedeutet, Faktenanfragen gehören nicht zu den Anwendungsfeldern, auf denen man Chat GPT einsetzen sollte. Aber auch jenseits dieser Restriktionen ergibt sich ein weites, nicht kritisches Experimentierfeld.  

Wenn die möglichen Einsatzfelder für generative KIs identifiziert sind, können dafür auf der Basis von GPT oder spezieller Foundation-Modelle für Finanzunternehmen, die es auch schon gibt, eigene feingetunte Second-Layer-Lösungen entwickelt werden. So ist es zum Beispiel denkbar, dass eine Banken-eigene Second-Layer-KI mit Organisationshandbuch, Arbeitsanweisungen oder Prozessbeschreibungen trainiert wird, um eine Grundlage für weitere bankeninterne Anwendungen zu schaffen. Ein Startvorteil von Banken ist übrigens, dass ihre Prozesse in der Regel sehr gut dokumentiert sind, so dass es genügend Inhalte gibt, mit denen sich Modelle trainieren lassen. 

Sechs Schritte zur aufsichtsrechtlich konformen KI-Strategie

Standardstrategien für den Einsatz generativer KI für Finanzunternehmen gibt es nicht. Vielmehr muss jedes Unternehmen seinen eigenen Weg finden, nicht den Anschluss bei der Nutzung von Intelligenz-Technologien zu verlieren. Chat GPT kann einen Startpunkt für die Entwicklung einer individuellen KI-Strategie bieten. Exemplarisch können Banken und andere regulierte Unternehmen sich mit den folgenden sechs Schritten in Richtung eines aufsichtsrechtlich konformen Einsatzes von KI bewegen:  

1. Aufsetzen eines strategischen/operativen Frameworks für den potenziellen Einsatz generativer KI (Identifizierung von Einsatzfeldern, strategischer Impact des Einsatzes, Lokalisierung der Einsatzfelder in Fachabteilungen). 
2. Klärung der Möglichkeiten aus den Perspektiven Informationssicherheit, Datenschutz und Aufsichtsrecht für den Einsatz von KI-Modellen von Drittanbietern.
3. Einführung Chat GPT und Basistraining für den Umgang damit.
4. Formulierung der Aufgabenstellungen auf Fachabteilungsebene für den testweisen Umgang mit Chat GPT (Ziele, Testszenarien, Zeitraum, Auswertungs-/Ergebnisreport).
5. Kriterien für eigene Finetuning-Projekte auf Basis der Testszenarien (Business Cases/Wirksamkeit auf Cost-Income-Ratio, Prozessdurchlaufzeiten, Ressourcen-Effizienz etc.).
6. Start von eigenen Finetuning-Projekten (API-Integration, Sammlung und Aufbereitung von Trainingsdaten). 

Einige Anwendungsfälle für generative KI wie GPT liegen auf der Hand: Kundenkommunikation über die verschiedensten Kanäle, Interpretation von Regulierungstexten, Verfassung von Reports und Berichten für Prüfer, Aufsichtsbehörden oder Kunden, die Erzeugung von Computercodes und vieles mehr. Weitere, heute noch nicht immer erkennbare Anwendungsfälle, lassen sich durch diese Strategie identifizieren und umsetzen.