{"id":3637,"date":"2023-08-09T08:29:27","date_gmt":"2023-08-09T08:29:27","guid":{"rendered":"http:\/\/the-codest.localhost\/blog\/the-age-of-ml-driven-financial-solutions-a-new-era-in-fintech\/"},"modified":"2024-08-09T11:21:45","modified_gmt":"2024-08-09T11:21:45","slug":"das-zeitalter-der-ml-gesteuerten-finanzlosungen-eine-neue-ara-der-fintech","status":"publish","type":"post","link":"https:\/\/thecodest.co\/de\/blog\/the-age-of-ml-driven-financial-solutions-a-new-era-in-fintech\/","title":{"rendered":"Das Zeitalter der ML-gesteuerten Finanzl\u00f6sungen: Eine neue \u00c4ra der Fintech"},"content":{"rendered":"

In meinem j\u00fcngsten Gespr\u00e4ch \u00fcber die Fusion von k\u00fcnstliche Intelligenz <\/strong> (AI<\/a>) und maschinelles Lernen<\/a> <\/strong> im Finanzen<\/a> Sektor hatte ich das Privileg, den Dialog mit gezielten Fragen zu steuern. Geleitet wurde unser Deep Dive von Sebastian Niehaus, einem Machine Learning Ingenieur <\/strong> spezialisiert auf Quantitative Finance und die CTO<\/a> unter SEKASA Technologien <\/a>. Sebastians umfassendes Fachwissen vermittelte aufschlussreiche Einblicke in die wachsende Symbiose von KI und fintech<\/a> <\/strong>.<\/p>\n

W\u00e4hrend unseres CTO-Chats tauchten Sebastian und ich in die Welt der KI und der Finanzen ein. Obwohl wir meilenweit voneinander entfernt sind, verlief das Gespr\u00e4ch m\u00fchelos! <\/p>\n

\"treffen<em>Bildschirm<\/em>two_people"us<\/a> warum sollte ein Finanzunternehmen die Integration von KI in sein Tagesgesch\u00e4ft in Betracht ziehen?<\/b><\/p>\n

Sebastian<\/b>: Ganz einfach, es erm\u00f6glicht die Analyse gro\u00dfer Mengen von Daten<\/a> die auf keine andere Weise analysiert werden k\u00f6nnen, was zu erheblichen Markt<\/a> Vorteile.<\/p>\n

Bei Finance dreht sich alles um die Analyse und Verarbeitung von Daten. Unabh\u00e4ngig davon, ob es sich um Zahlungsdienstleister oder Wertpapierfirmen handelt, Banken<\/a> oder Marktmacher. Jeder Marktteilnehmer, und sei er noch so klein, f\u00fchrt Analysen mit vorhandenen Daten durch, vielleicht nicht mit ausgefallenen Algorithmen, aber mit anderen Formen der Analyse.<\/p>\n

Das Problem mit den Daten ist jedoch, dass unabh\u00e4ngige Datenpunkte in der Regel nutzlos sind, sie werden erst interessant, wenn ein Kontext hinzugef\u00fcgt wird. Dieser Kontext kann hinzugef\u00fcgt werden, indem die Daten des aktuellen Falles mit \u00e4hnlichen F\u00e4llen verglichen oder weitere verwandte und nicht verwandte Daten hinzugef\u00fcgt werden. Dies k\u00f6nnte zum Beispiel die Einbeziehung anderer M\u00e4rkte oder Umweltdaten in Investitionsentscheidungen oder eine breitere Palette von Transaktionen bei der Betrugserkennung sein. <\/p>\n

Jakub: Was sind KI und maschinelles Lernen unter diesem Gesichtspunkt \u00fcberhaupt? <\/b><\/p>\n

Sebastian<\/b>: K\u00fcnstliche Intelligenz (KI) ist die Entwicklung von Computersystemen, die in der Lage sind, Aufgaben auszuf\u00fchren, f\u00fcr die normalerweise menschliche Intelligenz erforderlich ist, z. B. Lernen, logisches Denken, Probleml\u00f6sung und Entscheidungsfindung. <\/p>\n

Machine Learning<\/strong> ist ein Teilbereich der KI, der sich auf das Training von Algorithmen konzentriert, um Muster zu lernen und Vorhersagen aus retrospektiven Daten zu treffen, um eine bestimmte Aufgabe zu erf\u00fcllen. Auf diese Weise werden Muster und Mechanismen aufgedeckt, um Aufgaben zu automatisieren oder neues Wissen \u00fcber sie zu generieren. <\/p>\n

Methoden der k\u00fcnstlichen Intelligenz oder des maschinellen Lernens sind in den letzten Jahren so popul\u00e4r geworden, weil sie in der Lage sind, eine gro\u00dfe Menge verschiedener Datenmerkmale zu verarbeiten. Das ist ein gro\u00dfer Unterschied zu den klassischen statistischen Modellen, die wir seit den 80er Jahren im Finanzwesen verwenden. <\/p>\n

Jakub: Das ist eine interessante Erkenntnis! Was sind die Vorteile des maschinellen Lernens f\u00fcr FinTech Unternehmen<\/a>?<\/b><\/p>\n

Sebastian:<\/b> In einem Satz: Sie nutzen ihr volles Potenzial! <\/p>\n

FinTechs sind reine Datenproduzenten und m\u00fcssen mit gro\u00dfen Mengen an Finanz- und Alternativdaten umgehen. Aus diesen Daten k\u00f6nnen sie neue Gesch\u00e4ftspotenziale entdecken, aktuelle Prozesse sichern, ihre Entscheidungen transparenter machen und die Qualit\u00e4t ihrer Entscheidungen verbessern. <\/p>\n

Selbst wenn Prozesse oder insbesondere Entscheidungsprozesse klar definiert sind und gut funktionieren, ist es oft sinnvoll, Algorithmen des maschinellen Lernens hinzuzuf\u00fcgen, um eine zweite Sichtweise zu erm\u00f6glichen und den subjektiven Fehler des Menschen zu reduzieren. Dies k\u00f6nnte z. B. verhindern, dass Investmentgesellschaften FOMO-Investitionen t\u00e4tigen.<\/p>\n

Jakub: Was ist die Motivation und der Business Case f\u00fcr die Integration von KI?<\/b><\/p>\n

Sebastian<\/b>: Oft geht es um die Sicherung von Wettbewerbsvorteilen, um Prozessoptimierung oder einfach um die Beantwortung konkreter Fragen. Hinzu kommen Themen wie die Zukunftsf\u00e4higkeit, die zum Beispiel f\u00fcr sehr etablierte Finanzunternehmen ein Thema ist. Diese Unternehmen wissen oft gar nicht, welches Potenzial in ihren Daten steckt und kommen mit einer einfachen Anfrage: \"Wir w\u00fcrden gerne ausprobieren, was sich mit Machine Learning in unserem Unternehmen verbessern l\u00e4sst\".<\/p>\n

Lassen Sie mich die Antwort mit einigen Beispielen greifbarer machen: <\/p>\n