Banken und Versicherer wollen Maschinelles Lernen ( ML ) auch in ihren Risikomodellen einsetzen. Für die BaFin und die Deutsche Bundesbank sind damit grundlegende aufsichtliche und regulatorische Fragen verbunden, über die sie sich mit den Unternehmen und deren Verbänden austauschen wollen. Die beiden Institutionen stellten hierzu eine Reihe von Thesen auf, die sie im Juli 2021 in einem gemeinsamen Konsultationspapier veröffentlicht haben. Der Titel: „Maschinelles Lernen in Risikomodellen – Charakteristika und aufsichtliche Schwerpunkte“ (siehe BaFinJournal Juli 2021). Mittlerweile sind die Rückmeldungen ausgewertet und in einem Ergebnispapier zusammengefasst, das auf der BaFin -Website abrufbar ist. Konkret ging es bei der Konsultation um interne Modelle, mit denen die regulatorischen Eigenmittelanforderungen in Säule I der Regelwerke für Banken und Versicherer berechnet werden. Aber auch der Einsatz von ML -Methoden im Risikomanagement der Säule II der Regelwerke war Thema. Während Algorithmen an sich keiner Genehmigungspflicht unterliegen, müssen interne Modelle von der Aufsicht freigegeben werden – auch dann, wenn darin Maschinelles Lernen eingesetzt wird. Die Konsultation hat ergeben, dass Banken und Versicherer Methoden des Maschinellen Lernens bereits in vielen Bereichen anwenden, etwa bei der Geldwäsche- und Betrugserkennung sowie bei Analysen im Kreditprozess. Auch im Vertrieb und bei der Bepreisung von Produkten nutzen die Unternehmen ML -Methoden. In internen Risikomodellen der Säule I finden sich ML -Techniken dagegen bisher nur vereinzelt. Zugleich schätzen manche Banken und Versicherer sie als vielversprechend ein. Schon heute werden diese Techniken etwa als Unterstützungs- oder Challengertool für die Validierung interner Modelle verwendet. BaFin und Bundesbank hatten in ihrem Konsultationspapier vorgeschlagen, auf eine Definition von Maschinellem Lernen zu verzichten. Stattdessen solle die Aufsicht das konkrete interne Modell anhand gewisser Charakteristika untersuchen und daraus die aufsichtlichen Schritte ableiten. Dieses technologieneutrale Vorgehen stieß auf breite Zustimmung. Das folgende Schaubild stellt diese auf Charakteristika basierende Sichtweise exemplarisch dar – und zwar anhand zweier auf internen Ratings basierender Ansätze für das Kreditrisiko von Banken (Internal Ratings Based Approach – IRBA): (c) BaFin und Deutsche Bundesbank Ein weiteres Ergebnis der Konsultation: Banken, Versicherer und ihre Verbände halten das bestehende aufsichtliche Regelwerk auch für ML -Verfahren für ausreichend. Ihrer Ansicht nach brauchen die gesetzlichen Vorschriften zumindest nicht grundlegend reformiert zu werden. Richtig fanden die Teilnehmenden auch, dass Regulierung und Aufsicht derzeit den Fokus auf Umfang und Angemessenheit der Datengrundlage sowie die Datenqualität richten, die beim Einsatz von ML -Ansätzen noch bedeutsamer werden. Ein zentrales Kriterium für den erfolgreichen Einsatz von Maschinellem Lernen ist für BaFin , Bundesbank und die Konsultationsteilnehmer die Erklärbarkeit der ML -Methoden. Weiteren Diskussionsbedarf sehen beide Seiten bei der Frage, ab wann sich ein Modell durch wiederholtes Maschinelles Lernen so weit ändert, dass es erneut genehmigt werden müsste. Aus aufsichtlicher Perspektive ist es daher von wesentlicher Bedeutung, dass die Entwicklung und die Verwendung der Modelle nachvollziehbar bleiben. Das könnte Sie auch interessieren:BaFinTech im MaiMaschinelles Lernen wird auch Thema bei der viertenBaFinTechsein, die am 18. und 19. Mai 2022 in Berlin stattfindet.Co-Gastgeber ist in diesem Jahr die Deutsche Bundesbank. Das BaFinJournal wird über Themen der Veranstaltung informieren. Maschinelles Lernen wird auch Thema bei der vierten BaFinTech sein, die am 18. und 19. Mai 2022 in Berlin stattfindet. Co -Gastgeber ist in diesem Jahr die Deutsche Bundesbank. Das BaFinJournal wird über Themen der Veranstaltung informieren. In ihren allgemeinen Prinzipien zum Einsatz von Algorithmen in Entscheidungsprozessen hatte die BaFin im Sommer 2021 formuliert, wie sie sich einen verantwortungsvollen Umgang mit künstlicher Intelligenz vorstellt. Was sie darüber hinaus konkret von den Unternehmen erwartet, will sie im weiteren Austausch mit der Finanzindustrie transparent machen. Dabei sind der BaFin und der Bundesbank zwei Dinge wichtig: Aus Sicht der BaFin und der Bundesbank ist es sehr wichtig, europaweit harmonisierte und sektorübergreifend gleichlautende Anforderungen an den Einsatz von ML -Methoden zu stellen. Sie bringen daher die Ergebnisse ihrer Konsultation auch in die Diskussionen über die Digital Finance Strategy der Europäischen Kommission ein und erörtern sie mit anderen europäischen Aufsichtsbehörden. Dr.Matthias Fahrenwaldt Referat QRM 2 Stefan Nohl Referatsleiter QRM 2 Der Beitrag gibt den Sachstand zum Zeitpunkt der Veröffentlichung im BaFinJournal wieder und wird nicht nachträglich aktualisiert. Bitte beachten Sie die Allgemeinen Nutzungsbedingungen.