Fachbeitrag von David Sweenor, Senior Director Product Marketing bei Alteryx
Wenn Daten der Treibstoff für digitale Geschäftsmodelle sind, dann ist Künstliche Intelligenz (KI) der Turbomotor, der viel schneller als bisher möglich neue Lösungen und Einblicke liefert. Gerade Finanzinstitute – insbesondere jene mit einer langen Tradition und einem großen Kundenstamm – verfügen per se über einen Berg an wertvollen Daten und sind stark daran interessiert, diese dementsprechend intelligent zu nutzen.
Ohne einen Verantwortlichen für Datenethik bedeutet der Einsatz von KI-Automatisierung in dieser Größenordnung und in einem so stark regulierten Umfeld im Umkehrschluss daher, dass Unternehmen sich auf eine Reise begeben, für die sie keine Karte haben, die weder eine Richtung weist noch bei der die Möglichkeit besteht, den Kurs zu ändern, um auf den richtigen Weg zurückzukehren.
Diese Erkenntnis setzt sich im Finanzwesen zunehmend durch: Erst im Juni gab eine der größten Bankengruppen der Welt – die Lloyds Bank – bekannt, dass sie sich mit der Schaffung einer neuen Führungsposition – dem Group Head of Data Ethics – in eine Reihe mit Google, KPMG und Uber einreiht. Kurz gesagt, handelt es sich dabei um einen digitalen Kartographen, der die ethischen und rechtlichen Verpflichtungen der Bank für den Umgang mit den ihr zur Verfügung stehenden riesigen Datenmengen festlegt.
Rasantes Datenwachstum und Automatisierung
Um zu verstehen, warum Datenethik so wichtig ist, müssen wir zunächst die Rolle betrachten, die Daten in der Finanzbranche spielen. Konsequent und allumfassend angewandte Richtlinien für Audits, Compliance-Kontrollen und erklärbare Prozesse waren hier in der Vergangenheit ein Garant für finanziellen Erfolg – nicht nur, um Bußgelder zu vermeiden, sondern auch, um Klagen aufgrund von Datenfehlern vorzubeugen. Was passiert also, wenn die Geschwindigkeit der Datenerstellung die Fähigkeit, sie effektiv zu verarbeiten, übersteigt?
Wo früher Compliance- und Regulierungsprozesse manuell über Dutzende statischer Tabellenkalkulationen abgewickelt wurden, kommen heute fortschrittliche digitale Technologien zum Einsatz, die viel zugänglicher und einfacher zu handhaben sind. Angesichts der immer rasanter wachsenden Datenströme geht das jedoch nicht ohne Automatisierung – weder bei Geschäftsprozessen noch bei der Datenanalyse. Berichte lassen sich deutlich genauer und schneller bereitstellen, wenn Daten aus verschiedenen Quellen und Bereichen automatisch abgerufen und zusammengeführt werden. Das ermöglicht nicht nur Zeiteinsparungen von bis zu 99 Prozent, auch die Compliance mit Vorschriften und behördlichen Auflagen lässt sich zuverlässig sicherstellen. Grundlegend sind hier wiederholbare, transparente und leicht überprüfbare Schritte, die jedes Mal auf genau dieselbe Weise ausgeführt werden.
Ebenso wichtig ist die zuverlässige Analyse, um das Potenzial riesiger unstrukturierter Datenmengen voll auszuschöpfen. Mithilfe von KI lassen sich Muster in Datensätzen erkennen, um Betrug oder Geldwäsche zu identifizieren oder sogar bestimmte Faktoren hervorzuheben, die sich auf die Fähigkeit eines Kreditnehmenden zur Rückzahlung seiner Hypothek auswirken können. Diese Effizienz- und Geschwindigkeitsvorteile der Automatisierung haben dazu geführt, dass diese Technologie heute ein fester Bestandteil moderner Finanzdienstleistungen ist.
Künstliche und menschliche Intelligenz müssen sich ergänzen
KI verspricht also erhebliche Vorteile – nicht zuletzt, weil sie viele Aufgaben ohne menschliche Interaktion ausführen kann. Die Annahme, dass eine KI automatisch richtige Erkenntnisse liefert, greift hier jedoch deutlich zu kurz. Vielmehr sollten Verantwortliche auch verstehen, wie und warum sie zu ihren Ergebnissen gelangt ist. Hinzu kommt, dass diese Prozesse laut Datenschutzgrundverordnung (DSGVO) heute verpflichtend nachvollziehbar sein müssen – vor allem, wenn es um personenbezogene Daten geht. Angesichts des sensiblen Charakters von Finanzdaten sollten hier zunächst Datenstandards, Governance und ethische Rahmenrichtlinien festgelegt werden.
Zentrale Aufgabe für jeden Ethikverantwortlichen ist es daher, entsprechende Best Practices einzuführen und einen unternehmensweiten Ansatz für Datenkompetenz und Ethik sicherzustellen. Diese beiden Faktoren sollten Hand in Hand gehen, wenn vertrauenswürdige KI entwickelt und eingesetzt werden soll, die die menschlichen Fähigkeiten ergänzen und erweitern kann.
Umfassende Datenkompetenz gefordert
Die Zukunft der ethisch korrekten KI steht vor der Tür, und eine umfassende Datenkompetenz ist die Grundlage für diesen Fortschritt. Häufig wird die Datenethik jedoch noch als „irrelevant“ abgetan. So zeigen Statistiken von GlobalData, dass knapp über die Hälfte der im Mai und Juni 2022 ausgeschriebenen Datenethik-Stellen bei Finanzunternehmen zu finden waren. Angesichts der enormen Vorteile, die sich aus der richtigen KI-Automatisierung ergeben, ist es jedoch höchste Zeit, dass Datenethik in einem so stark regulierten Sektor stärker berücksichtigt wird.
Über der Autor:
David Sweenor ist als Senior Director of Product Marketing bei Alteryx tätig. Im
Bereich Analytik blickt er auf eine 20-jährige Erfahrung zurück, wobei er derzeit
verschiedene globale Initiativen im Bereich Advanced Analytics verantwortet.
Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wider.
