Banken und Finanzdienstleister verwenden bereits seit Jahrzenten Modelle, um zum Beispiel Risiken zu steuern oder Preise zu berechnen. Dabei besteht seit jeher die Gefahr, dass durch falsche Modelle oder durch die falsche Nutzung von Modellen, Entscheidungen getroffen werden, die zu negativen Konsequenzen, wie finanziellen Verlusten, führen können. Dieses Risiko wird auch als Modellrisiko bezeichnet.
Um Modellrisiken zu messen und zu verringern, haben Banken umfangreiche und komplexe Ansätze für das Modell-Risiko-Management (MRM) etabliert. Mit der zunehmenden Anwendung von Künstlicher Intelligenz (KI) und Machine Learning (ML) wird jedoch eine umfassende Anpassung dieses Modell Risiko Ansatzes notwendig.
Welche Risiken und regulatorische Vorschriften zu beachten sind
Denn neben den unbestrittenen Vorteilen bringen KI/ML-Ansätze, neue eigene Arten von Risiken mit sich, die in bestehenden Modell-Risiko-Management-Frameworks noch nicht ausreichend berücksichtigt werden. Es ist zudem zu erwarten, dass in Zukunft KI/ML-Modelle vermehrt in Bereichen eingesetzt werden, die bisher nicht oder nur wenig von Modellen unterstützt wurden. Hinzu kommen wachsenden regulatorischen Anforderungen wie der „EU Artificial Intelligence Act“.
Matthias Peter
Partner, Financial Services
KPMG AG Wirtschaftsprüfungsgesellschaft
Sieben Handlungsfelder für die KI-Nutzung in der Risikomodellierung
Um den neuen Herausforderungen durch KI/ML-Modelle und deren Regulierung gerecht zu werden, empfiehlt es sich bestehende MRM-Ansatz in spezifischen Aspekten anzupassen bzw. zu erweitern. Diese Anpassungen ermöglich es, bestehende Methoden, Prozesse und Tools zu verwenden und somit Synergien zu generieren.
Im englischsprachigen Whitepaper „Modern Risk Management for AI Models“ leiten wir sieben Handlungsfelder für die Anpassung des Modell-Risiko-Management-Frameworks basierend auf den spezifischen Anforderungen von KI/ML-Algorithmen ab.
