Die Grenzen Künstlicher Intelligenz im Banking

Von Ralf Keuper

Die Forschungen zur Künstlichen Intelligenz mussten in den letzten Jahrzehnten mehrere sog. AI-Winter überstehen. Auf Durchbrüche, die ein neues Zeitalter versprachen, folgte die Ernüchterung. Danach versank die Forschung in eine Art Winterschlaf. Seit einigen Jahren erleben wir nun ein dauerhaftes “Frühlingserwachen”. Ein Rückfall in die alten Muster erscheint immer unwahrscheinlicher. Diesmal ist alles anders (Vgl. dazu: Das neue Versprechen der Künstlichen Intelligenz: Diesmal ist alles anders)

Die Versprechen der Vergangenheit, wonach die Verfahren der Künstlichen Intelligenz aus der einen in eine andere Domäne übertragen werden können, stehen vor der Einlösung. Das Ende der Narrow AI scheint unmittelbar bevorzustehen (Vgl. dazu: Künstliche Intelligenz in all ihren Spielarten (Podcast)).

Die (fundamentalen) Grenzen der Künstlichen Intelligenz

Allein, Stimmen, die auch diesmal zu mehr Zurückhaltung mahnen, wollen einfach nicht verstummen. In der Vergangenheit haben Hubert Dreyfus und Noam Chomsky die Grenzen der Künstlichen Intelligenz thematisiert und problematisiert. Dreyfus schreibt:

Die Notwendigkeit einer Kritik der Künstlichen Vernunft ist nur ein Sonderfall einer generell notwendigen kritischen Vorsicht in den Verhaltenswissenschaften. Chomsky bemerkt, dass es in diesen Wissenschaften “eine natürliche, aber unglückliche Neigung gab, von dem Fingerhut der Erkenntnis, die mit sorgfältiger Experimentierpraxis und strenger Datenverarbeitung gewonnen wurde, zu Sachverhalten von umfassender Bedeutung und erheblicher sozialer Relevanz zu extrapolieren” (in: Die Grenzen der Künstlichen Intelligenz).

Dreyfus bemängelt, dass die führenden Forscher auf dem Gebiet, wie seinerzeit Marvin Minsky, die Tatsache ausblenden, dass die Interpretation eines Teils vom Ganzen abhängt. Die Modelle und Verfahren der Künstlichen Intelligenz beruhen notwendigerweise auf Annahmen. Sie können nicht das Ganze, die Gestalt fassen, es bleiben Lücken der Erkenntnis. Diese Bedeutungsebene fehlt den Modellen der Künstlichen Intelligenz:

Es muss dort fehlen, da für einen Digitalcomputer jedes komplexe Ganze als Kombination von ihm unabhängig definierter Elemente konstruiert werden muss. In Minskys Beispiel haben die Elemente bereits eine präzise Bedeutung, und es geht lediglich um die Frage, welche von beiden Interpretationen angemessener ist. Diese Frage wird dann aufgrund bestimmter lokaler Merkmale der Figur entschieden.

Der zweite Aufguss

Sicher – die neuesten Durchbrüche in der Künstlichen Intelligenz lassen sich nicht von der Hand weisen. So konnten die von Marvin Minsky diagnostizierten fundamentalen Defizite der neuronalen Netze behoben werden. Jedoch verdanken sie ihren Erfolg weniger neuesten theoretischen Erkenntnissen, als vielmehr den Fortschritten in der Verarbeitung und Analyse großer Datenmengen. Darauf weist u.a. August-Wilhelm Scheer in Der zweite Aufguss ist stärker hin.

Gründe für den explosiven Anstieg der Auf­merksamkeit sind, dass höhere Rechenleistun­gen, größere Datenmengen, weiterentwickelte Algorithmen und neue Business-Modelle zur Verfügung stehen.

Mit der ihm eigenen Ironie nimmt Gunter Dueck den derzeitigen KI-Hype in Kaufe Kabel, Gunter aufs Korn.

Aber die Berater hypen KI, damit sie noch ahnungsloseren Unternehmen neue Projekte verkaufen. Das Erfassen und Sammeln von Daten dauert dann schon einmal ein paar Jahre, nun kann losgelegt werden, die Kunden mathematisch-tabellarisch genau zu kennen … Die Presse überschlägt sich mit für sie vorstellbaren Spekulationen, dass die Roboter demnächst schlauer sind als Journalisten zum Beispiel. Es nervt. Noch immer geistert der sprechende Kühlschrank durch die Gazetten, den man längst hätte bauen können. Gibt es ihn? Auf den Konferenzen stellen Firmen KI-Projekte vor, immer mit dem Hinweis: „Wir sind natürlich erst am Anfang. Von unseren Triumphen berichten wir demnächst.“ Sie sind schon ganz lange am Anfang.

Künstliche Intelligenz im Banking

Im Banking hat die Künstliche Intelligenz in Form der Robo Advisor Einzug gehalten. Deren Erfolge sieht Duck zwiespältig:

Wenn nun solche dürftigen Roboter zum Beispiel als Robo-Advisor schon jetzt bei Banken und Sparkassen besser Vermögen anlegen können als die Profis der Publikumsinvestmentfonds, dann ist das kein Loblied auf Roboter. In vielen Berufen leisten Menschen gar nicht viel mehr als Computer – intellektuell gesehen, meine ich.

Gewohnt sachlich-nüchtern geht Dirk Elsner die Thematik in Die Grenzen der Künstlichen Intelligenz an. Elsner veranschaulicht die Defizite u.a. an dem ehemals gehypten Startup Kreditech. Das Problem bei Entscheidungen, die mittels Neuronaler Netze gefällt werden, ist die fehlende Transparenz, d.h. es nicht mehr nachvollziehbar, auf welches Basis, anhand welcher Kriterien und Regeln die Entscheidung getroffen wurde.

Ethik der Algorithmen

Damit stellt sich die Frage der Ethik der Algorithmen. Können wir Fragen von großer Tragweite für das Leben des Einzelnen in die Obhut von Algorithmen geben, welche nach Regeln entscheiden, die wir nicht kennen und auch nicht beeinflussen können? (Vgl. dazu: Nächste Ausfahrt Zukunft…). Wie verhält es sich mit dem Phänomen des Herdentriebs, der durch auf Algorithmen basierende Entscheidungen entstehen kann, wie im Fall des High-Frequecy-Tradings? (Vgl. dazu: Hebelwirkung der Technologie im Banking (Technology Leverage) – Chancen und Risiken).

Brauchen wir entsprechende Institutionen, welche die Überwachung der Algorithmen übernehmen – wie Banken für Digitale Ethik? (Vgl. dazu: Banken für digitale Ethik und Algorithmic Governance).

Dieser Beitrag wurde unter Künstliche Intelligenz veröffentlicht. Setze ein Lesezeichen auf den Permalink.