Von Ralf Keuper

Model­le kön­nen die Wirk­lich­keit, die sie reprä­sen­tie­ren, nur unvoll­stän­dig abbil­den. In der Mehr­zahl der Fäl­le, ins­be­son­de­re in den Natur­wis­sen­schaf­ten, rei­chen die Abbil­der bzw. kom­pri­mier­te Dar­stel­lun­gen aus, um Wech­sel­be­zie­hun­gen zwi­schen den Enti­tä­ten zutref­fend, oder zumin­dest aus­rei­chend genau, beschrei­ben zu kön­nen. Immer dann, wenn Model­le das Ver­hal­ten ein­zel­ner Per­so­nen oder grö­ße­rer Grup­pen in bestimm­ten Situa­tio­nen beschrei­ben und vor­aus­sa­gen wol­len, wer­den sie schnell unge­nau und spe­ku­la­tiv. Damit stei­gen die Risi­ken, sofern man sich bei sei­nen Ent­schei­dun­gen auf die Aus­sa­gen der Modell­be­rech­nun­gen ver­lässt: Man spricht dann auch von Modellrisiken.

Im Ban­king mach­ten sich die Modell­ri­si­ken in der Finanz­kri­se 2008 bemerk­bar, als sich her­aus­stell­te, dass die Risi­ko­mo­del­le, auf denen die Berech­nun­gen vie­ler Ban­ken beruh­ten, von fal­schen, idea­lis­ti­schen Annah­men aus­gin­gen und unvoll­stän­dig waren ^[1]Ver­zerr­te Wahr­neh­mung des Gesamt­ri­si­kos durch Modell­ri­si­ken. Durch die Ver­wen­dung von KI-Model­len im Marketing/​Kundenmanagement ent­ste­hen in den Ban­ken der­zeit neue Modell­ri­si­ken^[2]Model Fac­to­ry at ING Bank. Man glaubt, den Kun­den­be­dürf­nis­sen mit Mus­ter­er­ken­nung und Kor­re­la­tio­nen auf die Spur zu kom­men und in gewis­sem Umfang len­ken zu kön­nen^[3]Über die Macht der Algo­rith­men im Ban­king. Dadurch, so hofft man, erhöht sich die Pla­nungs­si­cher­heit; uner­wünsch­te Ereig­nis­se und Kun­den­re­ak­tio­nen blei­ben so aus bzw. las­sen sich auf ein Mi…