High Five

Fünf FinTech-Trends für 2021
1 Kommentar

Die Finanzbranche hat der Fall Wirecard schwer getroffen. Auch die Pandemie im Jahr 2020 hat tiefe Spuren hinterlassen. Anleger und Kunden sind zunehmend verunsichert. Das bedeutet allerdings nicht, dass der Fintech-Sektor in irgendeiner Weise von dieser Verdrossenheit betroffen wäre: Im Gegenteil. Die Krisen haben viele Möglichkeiten zur Innovation aufgezeigt. Adam Lieberman, Senior Data Scientist und Computer Engineer bei Finastra, bespricht in diesem Artikel die fünf wichtigsten Fintech-Trends für das kommende Jahr.

1. Überarbeitete Modelle für eine Welt nach der Pandemie

Die Pandemie hat für viele Unternehmen und Einzelpersonen katastrophale Auswirkungen. Der Zugang zu Finanzmitteln ist für viele Menschen heute wichtiger als je zuvor. Die Existenz von Kreditunternehmen hängt von den verwendeten Prozessen zur Kreditvergabe ab. Einige setzen heute Modelle ein, die Entscheidungen automatisieren. Doch kein Finanzmodell hätte das Ereignis des Schwarzen Schwans, das durch die Covid-19-Pandemie ausgelöst wurde, vorhersagen können. Bestehende Modelle müssen umgestellt und aktualisiert werden, um den aktuellen wirtschaftlichen Kontext widerzuspiegeln und so eine nachhaltige Kreditvergabe zu gewährleisten.

2. Stärkere Nutzung synthetischer Daten

Finanzdienstleistungsunternehmen haben ein ewiges Problem, wenn es um Daten geht: Es gibt nie genug. KI und maschinelle Lernmodelle sind auf große Mengen von Daten guter Qualität angewiesen, aber so viele Finanzdaten sind aufgrund von Datensensitivitäten und Regularien nicht ohne weiteres nutzbar. Die Lösung, die sich im Moment durchsetzt, ist die Verwendung synthetischer Daten. Drittanbieter, die sich auf die Bereitstellung synthetischer Daten aus realen Datensätzen spezialisiert haben, sind der Beginn eines neuen Datenbooms, der sich positiv auf die Entwicklung der Modelle für das gesamten Ökosystem der Finanzdienstleistungen auswirken wird. Synthetische Daten werden die datengestützte Entscheidungsfindung verbessern und Innovationen beschleunigen.

3. Beseitigung von Vorurteilen in der KI

Die Beseitigung von Vorurteilen in der KI und in Algorithmen des maschinellen Lernens wird zu einem Schwerpunkt-Thema von datengetriebenen FinTechs werden. Auch wenn die Modelle mit den besten Absichten entwickelt wurden, wird zu Recht immer häufiger untersucht, inwiefern sie Menschen mit unterschiedlicher Herkunft diskriminieren könnten. Kann beispielsweise ein Modell, das vollständig von weißen Männern gebaut wurde, zu unfairen Ergebnissen für Menschen mit einem anderen Geschlecht oder einer anderen ethnischen Herkunft führen? Die Antwort ist wahrscheinlich ja. Könnte zum Beispiel ein Modell, das vollständig auf Daten eines bestimmten Geschlechts oder einer bestimmten Ethnie trainiert wurde, auf die Frage nach neuen Geschlechtern oder Ethnien hin voreingenommene Eigenschaften aufweisen? Die Antwort ist wahrscheinlich ja.

In dem Maße, in dem der Fokus auf Fairness im Bereich der KI immer mehr in den Vordergrund rückt, wird auch der Bedarf nach größerer Transparenz und bewährten Praktiken in Bezug auf Methoden für mehr Gerechtigkeit zunehmen. „Black-Box“-Modelle, die ohne Einblick in die Teams, Daten und Methoden, mit denen sie aufgebaut wurden, entwickelt wurden, werden ausgesondert werden und Unternehmen werden sie durch integrativere Modelle ersetzen.

4. Zunahme von Softwareentwicklungen und -anwendungen über Plattformen

Nicht alle Entwickler für maschinelles Lernen sind Software-Ingenieure. Sie kennen sich nicht unbedingt mit Javascript, HTML und CSS aus, was es ihnen erschwert, Anwendungen auf der Grundlage ihrer Modelle ohne die Hilfe eines größeren Teams von Ingenieuren und UI/UX-Designern zu erstellen. Plattformen, die automatisch Anwendungen aus Modellen erstellen, sind auf dem Vormarsch und sind ein überzeugendes Beispiel dafür, was die KI zu bieten hat. Plattformen, die den Anwendungsentwicklungsprozess in Verbindung mit den Modellen des maschinellen Lernens erleichtern, sind auf dem Vormarsch und sind ein überzeugendes Beispiel dafür, was der KI bevorsteht. Wir beobachten eine Veränderung in der Denkweise darüber, wie man Modelle für maschinelles Lernen in die Produktion bringt und in Anwendungen verpackt, um den Endbenutzern die bestmögliche und möglichst reibungslose Erfahrung zu bieten.

5. Bedeutung von GPT-3 bei der Suche nach einer einheitlichen KI

Jede Diskussion über eine fortschreitende KI muss GPT-3 einbeziehen. Das Modell gibt einen Einblick in die Möglichkeiten der allgemeinen KI, aber der vielleicht offensichtlichste Nutzen des Modells liegt in der Automatisierung von Low-Level-Softwareentwicklungsaufgaben. Das bedeutet nicht, dass Arbeitsplätze auf niedrigerer Ebene überflüssig werden, sondern vielmehr, dass wir in der Lage sein werden, Aufgaben auf niedriger Ebene zu beschleunigen. Das Aufspringen einer rudimentären Webseite in Sekundenschnelle über eine Textanfrage zum Beispiel wird Web-Entwickler nicht überflüssig machen, aber es wird ihnen ermöglichen, ihre Entwicklungsarbeit in einem fortgeschritteneren Stadium zu beginnen.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Abonnieren
Benachrichtige mich bei
guest
1 Kommentar
Inline Feedbacks
View all comments
Marie

Das Thema KI und kommende Fintech Trends haben mich auf diese tolle und vor allem informative Seite gebracht. Hut ab! Dann zum Artikel: er bestätigt mich in meiner Annahme, dass einfach vom Technical SEO bis zum Javascript „Optimierer“ die Expertenbereiche zunehmend mehr aufdröseln. Es gibt keine guten Alleskönner mehr. 😉

X
- Gib Deinen Standort ein -
- or -