Multiagentensysteme als Vertrauensanker im Banking #1

Von Ralf Keuper

Die Menschen vertrauen den Banken ihr Geld zur sicheren Verwahrung an, weil sie aufgrund ihrer eigenen sowie der Erfahrungen vorangegangener Generationen davon ausgehen können, dass es dort besser vor Diebstahl und anderem Missbrauch geschützt ist als in den eigenen vier Wänden oder Verstecken. Seit der letzten Finanzkrise ist das Vertrauen der Menschen in die Banken erschüttert, was neuen, branchenfremden Anbietern den Markteintritt erleichtert. Die Banken sind in der jüngeren Vergangenheit mit ihrem wichtigsten Kapital, dem Vertrauen, nicht allzu sorgsam umgegangen. Es erscheint durchaus möglich, dass die Rolle der Banken als Vertrauenskern bzw. Vertrauensanker der Wirtschaft von der Blockchain-Technologie oder anderen Varianten aus dem Umfeld der Distributed Ledger Technologies übernommen werden kann. Noch genießen die Banken bei den Kunden in Fragen des Datenschutzes und der Datensicherheit gegenüber anderen potenziellen Mitbewerbern einen Vorteil, einen Vertrauensvorschuss. Sollten die Banken auch diesen Wettbewerbsvorteil aus der Hand geben, besteht für klassische Finanzinstitute kein Bedarf mehr – ihre Funktion wäre überflüssig. Einzig die Form einer Bank, mit anderem Inhalt gefüllt, könnte überdauern.

TrustNet: Die Formalisierung des Vertrauens  

Nicht erst mit dem Aufkommen der Blockchaintechnologie und von Bitcoin wird erforscht, inwieweit sich mit technischen Mitteln das für die Mehrzahl der Transaktionen im Internet nötige Vertrauenslevel herstellen lässt. Beispielhaft dafür ist Vertrauen und Betrug in Multi-Agenten Systemen. Erweiterung des Vertrauensmodells von Castelfranchi und Falcone um eine Kommunikationskomponente. Die Fragestellung war, wie sich betrügerische Agenten frühzeitig erkennen lassen und welchen Formen des Vertrauens hierfür nötig sind. Weiterhin wurde untersucht, wie  Betrugsfälle durch die Kommunikation der Agenten darüber, wie sich andere Agenten verhalten (Kombination verschiedener “Zeugenaussagen”), eingedämmt werden können. Die Autoren stellten das Konzept einer Datenstruktur (“TrustNet”) vor, deren Aufgabe darin bestand, die Berechnungen durchzuführen, welche zur Bestimmung des Vertrauens in Kooperationspartner und Zeugen notwendig sind. Genau gesagt, handelte es sich bei dem TrustNet um eine besondere Klasse von Graphen. Die Verwendung eines Graphen hat den Vorteil, dass sich damit die Verbindungen zwischen den Zeugen und ihren Aussagen über andere auf einfache Weise abbilden und die Veränderung der Wissensbasis veranschaulichen lassen.

Seit einigen Jahren nimmt im Banking die Zahl der Chat Bots zu. In Trust in Bots: Zur Rolle von Vertrauen und Reputation bei Multiagenten-Systemen unterzog Till Westermayer die verschiedenen Multiagentensysteme einer soziologischen Analyse. Schwachpunkte von TrustNet waren für Westermayer die Gefahr der Bildung von erfahrenen Agenten-Cliquen, die neue, oder weniger erfahrene Agenten täuschen können wie überhaupt die Frage, wie sich die Vertrauenswürdigkeit eines neuen, unbekannten Agenten berechnen lässt – und natürlich auch das Problem der Skalierbarkeit. Dennoch kam Westermayer zu einer insgesamt positiven Beurteilung von TrustNet:

Gerade in dem für die Anwendungsszenarien wichtigen Bereich zeigt sich also das TrustNet erfolgreich. Außerdem zeigt sich, daß der anfänglich erreichte Vorsprung in der Modellqualität auch noch lange anhält. Schließlich verdeutlicht die Graphik, daß in allen vier Konfigurationen das TrustNet signifikant bessere Modelle liefert, als sie aufgrund der eigenen Beobachtungen möglich gewesen wären.

Reputation und das Problem der Informationsasymmetrie

Bei vielen Interaktionen im Internet besteht eine Informationsasymmetrie zwischen Kunden, Banken und Unternehmen, die zu Missbrauch führen kann. Unternehmen können häufig nicht einschätzen, ob der (Neu-)Kunde tatsächlich der ist, für den er sich ausgibt und über die nötige Zahlungsfähigkeit verfügt. Die Kunden wiederum verlassen sich darauf, dass das Unternehmen vertrauenswürdig ist und die gewünschte Ware zu den vereinbarten Konditionen liefert. Banken fällt hier die Aufgabe zu, das nötige Vertrauen zwischen den Interaktionspartnern herzustellen, u.a. durch die Bestätigung der Bonität und Echtheit der Person (KYC). Wenn in Zukunft immer häufiger Agenten als Stellvertreter der Kunden und Unternehmen im Netz agieren, wirft das die Frage auf, wer, welche Institution, welches technische System, das Vertrauensniveau garantieren kann. In A Survey on Reputation Systems for Artifcial Societies kamen die Autoren zu dem Ergebnis, dass nahezu alle untersuchten Modelle, darunter auch TrustNet, über eine eingeschränkte, starre Wissensbasis verfügen und die Messung der Reputation unvollständig bzw. noch zu komplex ist:

As expected and described before, most of the models are single-context models that use several sources of information, with the most important one being witness information. Thereby the focal point in the information processing are mathematical paradigm, with only one mechanisms focusing on cognitive information. .. Thus, although most mathematical models account for the evolution of the starting trust and/or reputation parameters, a adaption of the actual strategy changing the formulas used, cannot be found in any of the mathematical models.

Concerning the data storage, most mechanisms focus on centralized solution, however first attempt for decentralized approaches can be found. Last but not least, due to the focus of this paper, all except one mechanism are reputation mechanisms, accounting for the importance of third party information. However, about only half of the reputation mechanisms account for the problem that information sources may deliver wrong information on purpose making, which however makes these models far more complex.

Übertragung auf das Banking

Können Mulitagentensysteme bzw. Systeme der verteilten Künstlichen Intelligenz, eventuell in Kombination mit der Blockchain und Graphentechnologie, die Rolle der heutige Banken übernehmen? Braucht es künftig noch verlässliche, externe Quellen, welche die Bestätigung der Richtigkeit der Daten und Informationen übernehmen – wie Banken? Kann die vernetzte Produktion überhaupt funktionieren, wenn die Zwischenschaltung einer Bank als Medienbruch erforderlich ist? Welche Form muss eine Bank haben, damit sie die neuen Funktionen, d.h. Messung und Bewertung der Reputation der Agenten, Maschinen, Digitalen Identitäten, ausführen kann? Gibt es demnächst Data Banks, Identity Banks oder Banken für Maschinendaten e.G.? Die Blockchaintechnologie beispielsweise hat mit dem sog. Oracle-Problem zu kämpfen, d.h. damit, dass die Richtigkeit der Daten sichergestellt sein muss, bevor sie mehr oder weniger für immer in der Blockchain festgehalten bzw. referenziert werden. Wer könnte hier die Rolle der Clearingstelle übernehmen?

Kurzum: Wie sieht der Vertrauensanker der Zukunft aus?

Dieser Beitrag wurde unter Bank-IT, Banking, Cybersecurity, Digitale Identitäten, Digitale Währungen, Distributed Ledger Technology, Graphentechnologie, Künstliche Intelligenz veröffentlicht. Setze ein Lesezeichen auf den Permalink.