Das Prinzip „Mensch und Maschine“

Das Prinzip „Mensch und Maschine“

ADVERTORIAL

von Prof. Dr. Gjergji Kasneci

In der heutigen Zeit laufen Geschäftsprozesse zunehmend digital ab: von der Bestellung im Online-Shop über den Abschluss einer Versicherung bis zur Beantragung und Auszahlung eines Kredits. So wächst die Distanz zwischen Unternehmen und ihren Kunden, oft besteht überhaupt kein direkter persönlicher Kontakt mehr. Wir sehen es als unsere Aufgabe, Vertrauen zwischen Geschäftspartnern herzustellen – und so sichere Geschäfte auch in der digitalen Welt zu ermöglichen.

Für unsere digitalen Lösungen setzen wir auf die neuesten Technologien und Marktstandards aus den Bereichen künstliche Intelligenz, Smart Data und Open Banking. Auf diese Weise ermöglichen wir Unternehmen und Verbraucherinnen und Verbrauchern, Bank- und Online- Transaktionen schneller, bequemer und sicherer durchzuführen. Diese neuen Technologien werfen jedoch auch Fragen zu ihrer Exaktheit, Nachvollziehbarkeit, Nichtdiskriminierung und Transparenz auf, die Wirtschaft und Gesellschaft vor neue Herausforderungen stellen.

Mensch und Maschine
Künstliche Intelligenz (KI) kann eingesetzt werden, um große Datenmengen in Echtzeit zu analysieren – ein großer Vorteil in einer digitalisierten Welt. Die Erklärbarkeit und Nachvollziehbarkeit der Verfahren spielen dabei für uns eine zentrale Rolle. Beim Einsatz von KI setzen wir auf das Prinzip „Mensch und Maschine“: Wir verwenden moderne Machine-Learning-Verfahren immer in Kombination mit menschlichem Expertenwissen. Entscheidungen, die von der Maschine als unsicher bewertet werden, überprüfen unsere Expertinnen und Experten nochmals und korrigieren diese gegebenenfalls. Dies ermöglicht uns, die Verfahren kontinuierlich zu optimieren.

Das selbstständige Lernen des Systems beschränkt sich auf die menschlich überwachte Trainingsphase des Algorithmus. Durch regelmäßiges Trainieren der Systeme sowie ein kontinuierliches Monitoring durch unsere Expertinnen und Experten stellen wir sicher, dass mit dem Einsatz von KI präzise Ergebnisse erzielt werden. Gleichzeitig schließen wir mit diesem Verfahren aus, dass es zu einem Kontrollverlust kommt.

KI meets Fraud Prevention
Aktuell spielt Künstliche Intelligenz für die SCHUFA insbesondere bei der Feststellung der Identität und bei der Betrugsprävention eine immer wichtigere Rolle. Betrüger machen sich die Anonymität, die digitalisierten Prozessen innewohnt, zunutze, um eine Identität oder Adressinformationen zu manipulieren. Betrugsmuster sind zudem oft komplex und über mehrere Geschäftstransaktionen verteilt, so dass selbst geschulte Experten Unterstützung benötigen, um auffällige Datenkonstellationen zu durchdringen und Betrug zu erkennen.

Zum Zwecke der Betrugsprävention haben wir daher gemeinsam mit führenden E-Commerce-Unternehmen in Deutschland eine echtzeitfähige Lösung zur Betrugserkennung und -vermeidung entwickelt, den SCHUFAFraudPreCheck (FPC). Das dem FPC zugrundeliegende Boosting-Verfahren ist in der Lage, innerhalb von Millisekunden den Unterschied zwischen einer „sicheren“ und einer nach bekannten Betrugsmustern als „auffällig“ zu bewertenden Anfrage zu erkennen und einen entsprechenden Hinweis an den Händler zu geben. Dies wäre einem Menschen weder innerhalb der benötigten Zeit noch in der geforderten Qualität und Güte möglich.

Praxis und Forschung
Die Erklärbarkeit und Nachvollziehbarkeit von Machine- Learning-Verfahren spielen für uns bei der Entwicklung und Anwendung stets eine zentrale Rolle. Sowohl für neuronale Netze als auch für Boosting- und andere Ensemble-Verfahren forschen wir daher an Erklärbarkeitsmechanismen. Wir arbeiten zudem mit hochkarätigen internationalen Forschungsgruppen zusammen, um bestmögliche Ergebnisse zu erzielen. Auch bei den Themen „Unvoreingenommenheit von KI-Systemen“ und „Fair Analytics“ arbeitet die SCHUFA mit erstklassigen Forschungsinstituten zusammen, zum Beispiel im Rahmen des von Horizon 2020 geförderten EU-Forschungsprojekts „NoBIAS“. In diesem Projekt erforschen wir gemeinsam mit weiteren europäischen Forschungsinstituten relevante Aspekte von Bias und Fairness in Zusammenhang mit KI-Systemen.

Wir verwenden moderne Machine-Learning-Verfahren immer in Kombination mit menschlichem Expertenwissen.

Prof. Dr. Gjergji Kasneci, CTO und Bereichsleiter Innovation und strategische Analyse, SCHUFA Holding AG

 

schufa

www.schufa.de/digitale-gesellschaft

Dieser Artikel ist im aktuellen Handelsblatt Journal „Künstliche Intelligenz“ erschienen.

Das vollständige Journal können Sie sich hier kostenlos herunterladen:

Zum Journal