Interpretierbarkeit von Blackbox-Modellen für das Kredit-Scoring



Anwendung aktueller Methoden aus dem Maschinellen Lernen auf bankinterne Verfahren.

Prof. Dr. Gerhard Hellstern, Duale Hochschule Baden-Württemberg, Ravensburg. Davor langjähriger Leiter des Referats Bankgeschäftiche Prüfungen 1 der Deutschen Bundesbank, Hauptverwaltung in Baden-Württemberg. In seine Verantwortung fiel die Durchführung zahlreicher Säule 1 und Säule 2-Prüfungen bei LSI und SI im Rahmen des SSM

I. Einleitung

„Es liegt in der Verantwortung des beaufsichtigten Unternehmens, die Erklärbarkeit/Nachvollziehbarkeit von BDAI[1]-basierten Entscheidungen für sachkundige Dritte zu gewährleisten. Modelle lediglich als Blackbox zu betrachten, sieht die Aufsicht kritisch“[2]. Diese Aussage aus der 2018 veröffentlichten BaFin-Studie zum Thema Big Data und Künstliche Intelligenz beschreibt das Spannungsfeld bei der Anwendung Künstlicher Intelligenz im Finanzbereich treffend. Während auf der einen Seite immer bessere Algorithmen für Prognoseprobleme verfügbar sind, sind deren Anwendung auf der anderen Seite offenbar enge Grenzen gesetzt. Die Finanzaufsicht legt u. a. Wert darauf, dass Entscheidungsvorschläge durch Algorithmen nachvollziehbar und erklärbar bleiben. Vergleichbare Anforderungen an verwendete Algorithmen gibt es auch in anderen Branchen, z. B. im Gesundheitswesen. Es reicht nicht aus, dass ein Algorithmus „funktioniert“, was sich vergleichsweise einfach mittels entsprechender Performance-Maße ermitteln lässt.

Eine Möglichkeit, mit der Anforderung nach Interpretierbarkeit umzugehen, besteht darin, lediglich einfache, ...


Weiterlesen?


Dies ist ein kostenpflichtiger Beitrag aus unseren Fachzeitschriften.

Um alle Beiträge lesen zu können, müssen Sie sich bei meinFCH anmelden oder registrieren und danach eines unserer Abonnements abschließen!

Anmeldung/Registrierung

Wenn Sie angemeldet oder registriert sind, können Sie unter dem Menüpunkt "meinABO" Ihr aktives Abonnement anschauen oder ein neues Abonnement abschließen.

0 Antworten

Hinterlassen Sie einen Kommentar

Wollen Sie an der Diskussion teilnehmen?
Feel free to contribute!

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.