Log-in
E-Mail
Passwort
Merken
Passwort vergessen?
Werden Sie kostenlos Mitglied
Anmelden
Anmelden
Neukunde
Unser Angebot
Einstellungen
Einstellungen
Dynamische Kurse 
OFFON

MarketScreener Homepage  >  Aktien  >  Xetra  >  GFT Technologies SE    GFT   DE0005800601

GFT TECHNOLOGIES SE

(GFT)
  Report
ÜbersichtKurseChartsNewsRatingsTermineUnternehmenFundamentaldatenAnalystenschätzungenRevisionenDerivate 
News-ÜbersichtNewsPressemitteilungenOffizielle PublikationenBranchennachrichtenAnalysten Empfehlungen zu

Whitebox-Systeme: nachhaltige Nutzung künstlicher Intelligenz für Banken vor dem Hintergrund der DSGVO

share with twitter share with LinkedIn share with facebook
share via e-mail
0
25.09.2019 | 15:23

Finanzunternehmen auf der ganzen Welt haben ein Interesse daran, bei einer Vielzahl von Aufgaben - darunter Ratingverfahren, Profilerstellung für Bestands- und potenzielle Kunden, Ermittlung der Qualität von Kreditanträgen, Planung von Marketingkampagnen und Personalisierung von Bankdienstleistungen - die Effizienz zu verbessern. Die besten Ergebnisse werden in diesen Bereichen nicht erzielt, indem man für die Verarbeitung von persönlichen Daten von Menschen ermittelte Muster nutzt, sondern durch Entscheidungs- und Vorhersageverfahren, die mithilfe von, in konventioneller Terminologie gesprochen, künstlicher Intelligenz (KI) ablaufen.

Auf den ersten Blick sind die traditionellen Verfahren des maschinellen Lernens der richtige Weg: Mit ihrer Hilfe lassen sich Vorhersagemodelle in Form mathematischer Funktionen erstellen, die präzise vorausschauende Entscheidungen über Kredite, Darlehen und andere oben erwähnte Punkte treffen können. Dazu verarbeiten sie anhand der jeweiligen Funktion die Kundendaten und liefern so ein positives oder negatives Ergebnis.

Das Problem? Diese Modelle werden als 'Blackboxen' bezeichnet, und zwar aus gutem Grund: Aufgrund der komplexen mathematischen Struktur des Modells lässt sich nicht erklären, warum eine bestimmte Entscheidung getroffen wurde. Ein großes Problem in einer Zeit, in der die Europäische Kommission ethische Richtlinien für vertrauenswürdige KI aufstellt und die wichtigste Verordnung für den Datenschutz seit 20 Jahren erlassen hat: Die Datenschutz-Grundverordnung (DSGVO), die im Mai 2018 in Kraft trat.

Vorgabe der DSGVO: Verständlichkeit der von künstlicher Intelligenz angewandten Logik für den Menschen

Das Problem für die rechtliche Nachhaltigkeit der hier behandelten technologischen Möglichkeiten ergibt sich daraus, dass die europäische Regulierungsbehörde einen entscheidenden und wesentlichen Aspekt der Datenverarbeitung regelt: Die von der künstlichen Intelligenz angewandte Logik muss für Menschen verständlich sein. Darum geht es in den Artikeln 22, 13, 14 und 15 der DSGVO.

Aus Artikel 22 ergibt sich[A1] , dass die Datenverarbeitung nicht rein automatisiert erfolgen darf, sondern in Verbindung mit dem Eingreifen einer Person[A2] stattfinden muss, wenn dadurch eine Entscheidung über eine Person getroffen wird.

Damit diese Vorschrift nicht dazu führt, dass die automatisierte Datenverarbeitung gänzlich verhindert wird, muss das 'Eingreifen einer Person' in vollständiger Kenntnis der Verarbeitungslogik und der Möglichkeit von deren Änderung erfolgen. Sogenannte 'Blackbox'-KI, deren Logik nicht vollständig verständlich ist, kommt naturgemäß nicht für eine rechtmäßige Verarbeitung nach Artikel 22 infrage.

Wie kann es Banken also gelingen, innovative Technologielösungen zu nutzen, um wettbewerbsfähig zu bleiben, und gleichzeitig vor dem Hintergrund der europäischen Verordnung Nr. 679 von 2016 (DSGVO) über personenbezogene Daten rechtlich nachhaltig bleiben? Und wie können wir als Berater Banken helfen, die richtige Wahl zu treffen?

'Whitebox'-Systeme: neue Verfahren und Technologien mit EKI

Die Antwort liegt in einer neuen Welle von KI-Techniken, die allgemein als erklärbare KI (EKI) bezeichnet werden. Durch EKI werden neue Verfahren und Technologien eingeführt, die selbsterklärende Vorhersagen anstatt undurchsichtiger mathematischer Funktionen liefern sollen. Erklärbare KI ist ebenso präzise wie Blackbox-Algorithmen, neben genauen Vorhersagen liefert sie aber auch so etwas wie einen 'kognitiven Output' - wir erfahren also, warum eine Vorhersage auf eine bestimmte Weise getroffen wurde.

Im Einklang mit der Verordnung kann die Entscheidung also auf automatisierte Weise getroffen werden, die angewandten Algorithmen sind für den Menschen jedoch verständlich. Mit anderen Worten müssen, in KI-Terminologie, Entscheidungen durch Systeme getroffen werden, die deren Verständnis ermöglichen, und dürfen nicht auf 'Blackbox'-Systemen beruhen.

Kein Bezug der DSGVO-Vorschriften zu den Ergebnissen des Entscheidungsprozesses

Nach den DSGVO-Vorschriften (Artikel 13) ist der Verantwortliche verpflichtet, der betroffenen Person die für die Verarbeitung maßgeblichen Informationen zur Verfügung zu stellen. Dies bezieht sich jedoch nicht auf den Entscheidungsprozess oder die Offenlegung von Teilen des Quellcodes. Vielmehr bezieht sich diese Maßgabe auf die vom System für die Entscheidung herangezogenen Variablen und Gewichtungen. Damit ergeben sich folgende Anforderungen:

  1. Die Logik muss vollständig verständlich sein, denn nur wenn dem Verantwortlichen oder einem außenstehenden Dritten die Logik vollständig bekannt ist, lässt sich beurteilen, ob die wirksam kommunizierte Information maßgeblich ist oder nicht;
  2. es muss möglich sein, einem Durchschnittsmenschen diese Informationen auf verständliche Weise zu kommunizieren, da die Verordnung in Kraft gesetzt wurde, damit alle betroffenen Personen und nicht nur Technikexperten aus diesem Bereich umfassend informiert werden.

Im Wesentlichen gibt es zwei Möglichkeiten, dieses zentrale Problem zu lösen:

Entweder durch Nutzung von Datenverarbeitungssystemen, die auf von Menschen ermittelten Mustern beruhen und daher vollständig verständlich sind. Systeme dieser Art sind jedoch nicht wettbewerbsfähig, wenn eine große Menge hochkomplexer Daten vorliegt. Oder durch Nutzung sogenannter 'Whitebox'-Systeme, z. B. auf 'Logic Learning Machines' (LLM) basierende Plattformen. Diese Systeme stellen nicht nur eine effiziente und rechtlich nachhaltige technologische Option für 'Blackbox'-Alternativen dar, sondern können unter bestimmten Bedingungen als technologisch-rechtliche Voraussetzungen für die nachhaltige Nutzung 'intransparenter' Entscheidungssoftware dienen, die der Verantwortliche bereits angeschafft hat.

Fallstudie

In der Regel wird der Kreditantrag eines Kunden an eine Bank durch Analyse zahlreicher Informationen anhand von Risikoindikatoren, z. B. einer speziell zugewiesenen Risikoklasse, beurteilt. Die meisten Ratingsysteme basieren auf statistischen, hoch komplexen Algorithmen, wodurch sie Kunden sehr schwer zu erklären sind. Diese Algorithmen werden als 'intransparent' bezeichnet.

Gemeinsam mit einer großen italienischen Bankengruppe haben wir 'Whitebox'-Algorithmen angewandt (LLM - Logic Learning Machine von RULEX), um zu erklären, wie das Rating für ein Kreditrisiko zugewiesen wird. Für 600.000 Positionen haben wir so die erforderlichen Daten erhalten, um ohne Algorithmus für alle Positionen das Rating und die Ratingklasse zu berechnen. Die Ziele dabei:

  • Erstellung eines 'Whitebox'-Modells mit einer Reihe verständlicher Regeln, mit denen sich die Zuweisung von 'Ratingklassen' anschaulich erklären lässt
  • Bereitstellung von umfassenden Antworten auf die Fragen der Kunden zu ihrer Einteilung in Risikoklassen

Wir haben also eine Möglichkeit für ein 'Reverse-Engineering' vorhandener Statistikalgorithmen untersucht und so einen 'intransparenten' Algorithmus transparent gemacht.

Stellt ein Kunde dem Verantwortlichen in einer Bank etwa die Frage 'Wieso lehnen Sie es ab, meinen letztes Jahr eingeräumten Kredit zu verlängern?', kann die Antwort bei 'intransparenten' Algorithmen sehr kompliziert ausfallen. Mit einer 'Whitebox'-Logik fällt die Antwort wesentlich einfacher und im Einklang mit der DSGVO aus - weil wir in der Lage sind, die Entscheidung anhand einer Reihe leicht verständlicher Regeln zu erklären.

GFT Technologies SE veröffentlichte diesen Inhalt am 25 September 2019 und ist allein verantwortlich für die darin enthaltenen Informationen.
Unverändert und nicht überarbeitet weiter verbreitet am 25 September 2019 13:22:01 UTC.

share with twitter share with LinkedIn share with facebook
share via e-mail
0
Aktuelle News zu GFT TECHNOLOGIES SE
2019GFT TECHNOLOGIES : Embedded Banking als Erfolgsfaktor
PU
2019Technologiekonzern GFT mit Gewinneinbruch
DP
2019GFT TECHNOLOGIES : beschleunigt Wachstumskurs bei neuen Kundengruppen
PU
2019INDOOR-LOKALISIERUNG : Ein Muss für die Fabrik der Zukunft
PU
2019GFT TECHNOLOGIES : Testautomatisierung als Mittel zur Qualitätsverbesserung
PU
2019GFT TECHNOLOGIES : Plattformbasierte Geschäftsmodelle für Finanzdienstleister
PU
2019GFT TECHNOLOGIES : Industrie profitiert vom geübten Umgang mit Sicherheitskonzep..
PU
2019“BEREITE DICH VOR, ARBEITE HAR : Ein Interview mit Delivery Director Leand..
PU
2019WHITEBOX-SYSTEME : nachhaltige Nutzung künstlicher Intelligenz für Banken vor de..
PU
2019GFT TECHNOLOGIES : gewinnt IDC FinTech Award 2019 in der Kategorie „Digita..
PU
Mehr News
News auf Englisch zu GFT TECHNOLOGIES SE
08.01.GFT TECHNOLOGIES : expands industry expertise with acquisition of in-GmbH
PU
2019GFT TECHNOLOGIES : takes premier sponsor spot at Google Next in London
PU
2019GFT TECHNOLOGIES : accelerates growth with new client groups
PU
2019GFT TECHNOLOGIES : Solution wins IOTSWC19 Testbed Award
PU
2019GFT TECHNOLOGIES : Platform business models in financial services
PU
2019GFT TECHNOLOGIES : Microservices – how to redefine the possible in digital..
PU
2019GFT TECHNOLOGIES : Embracing monolith modernisation
PU
2019“PREPARE YOURSELF, WORK HARD&R : Interview with Delivery Director Leandro ..
PU
2019GFT TECHNOLOGIES : Christian Ball appointed Chair of GFT's Global Retail Banking..
PU
2019GFT NAMED AS WINNER IN 2019 ‘I : Real Results awards' by IDC Financial Ins..
PU
Mehr News auf Englisch
Finanzkennziffern (EUR)
Umsatz 2019 422 Mio
EBIT 2019 21,1 Mio
Nettoergebnis 2019 14,6 Mio
Schulden 2019 41,0 Mio
Div. Rendite 2019 2,36%
KGV 2019 22,3x
KGV 2020 17,5x
Marktkap. / Umsatz2019 0,86x
Marktkap. / Umsatz2020 0,80x
Marktkap. 324 Mio
Chart GFT TECHNOLOGIES SE
Dauer : Zeitraum :
GFT Technologies SE : Chartanalyse GFT Technologies SE | MarketScreener
Vollbild-Chart
Trends aus der Chartanalyse GFT TECHNOLOGIES SE
KurzfristigMittelfristigLangfristig
TrendsNeutralAnsteigendAnsteigend
Ergebnisentwicklung
Analystenschätzung
Verkauf
Kaufen
Durchschnittl. Empfehlung KAUFEN
Anzahl Analysten 4
Mittleres Kursziel 12,50  €
Letzter Schlusskurs 12,30  €
Abstand / Höchstes Kursziel 9,76%
Abstand / Durchschnittliches Kursziel 1,63%
Abstand / Niedrigsten Ziel -2,44%
Revisionen zum Gewinn/Aktie
Unternehmensführung
NameTitel
M. A. Roswitha Lulay CEO, MD & Member-Administrative Board
Ulrich Dietz Chairman-Administrative Board
Joan-Carles Fonoll Chief Operating Officer
Jochen Ruetz CFO, Member-Administrative Board & MD
Andrew Rossiter Head-Technology Services
Branche und Wettbewerber
01.01.Marktkap. (M$)
GFT TECHNOLOGIES SE3.44%350
ACCENTURE0.05%133 781
INTERNATIONAL BUSINESS MACHINES CORPORATION7.35%126 531
TATA CONSULTANCY SERVICES1.35%115 038
AUTOMATIC DATA PROCESSING, INC.4.30%76 947
VMWARE, INC.0.85%62 749