Machine Learning im Bereich Finance – Chancen, Risiken und Cases

Machine Learning – um was es geht, eine Kurzfassung

Wir bei den Digital Architects legen besonders viel Wert darauf, dass Menschen, die erfolgreich digitalisieren wollen, mit den bestmöglichen Technologien dafür ausgerüstet werden. Und, na klar: Auch wir beschäftigen uns seit Tag eins mit KI und den daraus resultierenden neuen Möglichkeiten für Geschäftsprozesse, die dank Data Science und Machine Learning (ML) abgeschöpft werden können! Aber eins nach dem anderen. Vielleicht fragen Sie sich ja gerade: Was ist ML eigentlich? Wir versuchen es mal in Zwischen-Tür-und-Angel-Geschwindigkeit zu erklären:

Stellen Sie sich einen Computer vor, der lernen kann und jeden Tag schlauer wird – quasi genau so wie Sie, wenn Sie z.B. ein Buch lesen. Nur, dass der Computer Aber-Millionen Bücher lesen kann. Und das Internet. Und dank intelligenter Mathematik dabei ganz einfach den Unterschied zwischen Wörtern kennenlernt – z.B. zwischen solchen, die uns glücklich machen, und solchen, die uns traurig machen. Das ist wirklich smart! Ok, aber jetzt zur eigentlichen Frage: Wozu brauchen wir sowas im Bereich Finance und Strategy?

Welche Chancen sich im Bereich Finance & Strategy ergeben

Wie Sie wissen, stellt die Verarbeitung von Finanzmarktinformationen in der heutigen VUCA Welt keine leichte Aufgabe dar. Spielt aber gerade deswegen eine zunehmend wichtige Rolle! Eben, um Unsicherheiten zu beseitigen, strategische Planspiele zu durchdenken oder neue Geschäftsmöglichkeiten abzuklopfen. Hier kommt ML in’s Spiel…

Eine Überlegung: Was wäre, wenn Sie dank alter Finanztexte Ihre Chancen erhöhen könnten, den bestmöglichen Merger zu finden, die bestmögliche Investition zu tätigen oder die Veränderung des Aktienkurses richtig vorherzusagen?

Stellen Sie sich einen ML-Algorithmus vor, der die Schlagzeilen von Finanznachrichten analysiert und Ihnen daraus passende Handlungsmöglichkeiten für Ihr Unternehmen ableitet. Und jetzt stellen Sie sich vor: das gibt’s sogar schon – und nennt sich FinBERT (Quelle: Hugging Face).

Beispiel wie dieses zeigen: Die Möglichkeit, dank steigender Rechenleistung immer größere Mengen an Daten zu verarbeiten, verleitet immer mehr Unternehmen dazu, nach verborgenen Schätzen in ihren Daten zu suchen. Vielleicht ja auch Sie?

Good news: Gerade hier setzen wir bei den WTS Digital Architects an! Indem wir die fachliche Expertise von WTS Advisory im Steuer- und Finanzwesen mit unserem Know-how über Datenwertschöpfung verbinden. So entstehen flexible, skalierbare, datengetriebene Lösungen für akute Herausforderungen, welche zu einem Vorteil auf hart umkämpften Märkten führen können.

Welche Risiken damit verbunden sind

Machine Learning, oder KI im Allgemeinen, kann die geschäftlichen Vorteile vergrößern, aber auch im gleichen Maße Nachteile verstärken. Wenn zum Beispiel nur einige wenige Daten ungenau oder verzerrt sind, kann dies schnell dazu führen, dass Chancen als Risiken eingestuft werden und vice versa. Quelle, Qualität & Aufarbeitung der Daten sind von enormer Bedeutung.

Es sollte auch selbstverständlich sein, dass Daten zum Wohle der Gesellschaft als Ganzes eingesetzt werden und dabei im Unternehmen die notwendigen ethischen und sozialen Regularien berücksichtigt werden müssen. Denn wer bei der Extraktion von Daten nicht regelkonform agiert, riskiert Vorsätze für unfaire oder unvorteilhafte Unternehmensentscheidungen zu generieren.

Auch hier, im Bereich Governance, Risk und Compliance können wir, die WTS Digital Architects, zusammen mit den Experten von WTS Advisory, Lösungswege erarbeiten und Ihnen maßgeschneiderte Rundum-Sorglos-Pakete für die Datenwertschöpfung aufbereiten.

Case-Beispiele aus dem Kosmos der WTS Digital Architects

Als Experten an der Schnittstelle von Management und Technologie entwickeln und pflegen wir täglich datengetriebene Lösungen, die zum nachhaltigen Erfolg unserer Kunden beitragen. Abseits davon ermöglichen wir unseren Talenten ebenfalls, im ML-Territorium ganz neue Wege einzuschlagen und eigene Pionierarbeit zu leisten. 

So konnte WTS Werkstudent Sammir mit seinem Team dank eines ML-Ansatzes zum „War on Talents” in unserer Berater-Industrie wertvolle, neue Insights liefern. Dafür wurden öffentlich zugängliche Text-Daten von der Kununu-Website mithilfe eines fortgeschrittenen Python-Modells ausgewertet. Von WTS sowie von unserer Konkurrenz.

Durch die semantische Analyse von Schlüsselwörtern konnten Handlungs-
empfehlungen für unser Management abgeleitet werden, um WTS zu einem noch besseren Arbeitsplatz für alle zu machen. Und das anhand von Insights, die wir alle direkt vor unseren Augen hatten – aber ohne ML nie erkannt hätten.

Wenn auch Sie Lust haben, mit uns neue Wege zu gehen, sei es als Werkstudent*in, Mitarbeiter*in oder als neuer Kunde, dann freuen wir uns darauf, sie kennenzulernen! Treten Sie mit uns in Kontakt.