banKIng3 – Drei Generationen, eine Vision
Die Finanzbranche steht vor einem Generationenwechsel – nicht nur in der Führung, sondern auch in der Technologie. banKIng³ zeigt, wie künstliche Intelligenz das Banking neu definiert und welche Rolle verschiedene Generationen in dieser Transformation spielen. Experten diskutieren über innovative KI-Anwendungen, regulatorische Herausforderungen und den Balanceakt zwischen Erfahrung und technologischer Disruption.
Unabhängig davon, ob Sie Teil der jungen Generation im Banking sind oder auf bewährtes Wissen setzen – banKIng³ liefert Ihnen die Insights, mit denen Sie die Zukunft aktiv mitgestalten können.
Vom Gesetzestext zum Prüfkatalog: KI entwirrt die Regulatorik
In dieser Folge geht es um die Frage, wie souverän Banking-KI in Europa eigentlich schon ist. Im Zentrum steht ein neues, vollständig offenes deutsches Basismodell, das gerade für Aufsehen sorgt. Dazu beantworten wir die Frage, wie man komplexe Regulatorik wie DORA überhaupt KI-tauglich macht, und werfen einen ehrlichen Blick auf die Unterschiede zwischen aktuellen Spitzenmodellen.
Zu Gast in dieser Folge:
Marie Eve Eisenacher
Management & Business Consulting | msg for banking
Marie Eve Eisenacher ist bei msg for banking im Bereich Management & Business Consulting sowie künstliche Intelligenz tätig. Ihr Fokus liegt auf der praxisnahen Anwendung und Integration von KI sowie auf Themen rund um Governance, Regulierung und Prozessoptimierung.
Ein deutsches Basismodell mischt mit
Lange war Europa im Rennen um leistungsfähige KI-Modelle eher Zuschauer als Akteur. Jetzt sorgt mit Soofi S ein vollständig offenes Modell für neue Hoffnung. Es kommt mit rund 30 Milliarden Parametern daher, aktiviert in der Inferenz aber nur einen Bruchteil davon, und wurde komplett auf deutscher Infrastruktur trainiert. Trainingscode, Hyperparameter und Datenmischungen liegen offen, was Soofi S deutlich transparenter macht als viele bekannte Alternativen.
Im direkten Vergleich mit den großen Frontier-Modellen ist Soofi S kein Überflieger, dafür aber ein sehr effizienter und solider Allrounder. Besonders spannend wird es, wenn man bedenkt, dass genau diese Offenheit es Organisationen erlaubt, das Modell gezielt auf eigene Anwendungsfälle zu spezialisieren.
Was das für Banken konkret bedeutet
Für Wissensmanagement, Suche und Zusammenfassungen ist das Modell schon heute gut einsetzbar. Sein eigentliches Potenzial liegt aber woanders. Weil nicht nur das fertige Modell, sondern auch der komplette Trainingscode offenliegt, können Banken darauf eigene, hochspezifische Modelle trainieren, etwa für deutsche Bankregulatorik oder interne Rechtstexte, ohne dafür auf einen großen Hyperscaler angewiesen zu sein. Das senkt die Einstiegshürde für souveräne KI-Lösungen erheblich und dürfte gerade für Institute interessant sein, die eigene Kompetenzen aufbauen möchten, statt sich vollständig auf externe Anbieter zu verlassen.
Souveräne KI als regulatorische Pflicht– und strategische Chance
Regulatorik in Häppchen: Prüfkataloge für die KI
Wie bringt man einen 75 Seiten starken Gesetzestext wie DORA eigentlich in eine Form, mit der eine KI wirklich arbeiten kann? Die Antwort: Man zerlegt regulatorische Anforderungen in kleine, klar abgegrenzte Einheiten und macht damit erst prüfbar, was in dichten Paragraphen oft verschachtelt und unklar formuliert ist.
Besonders knifflig sind dabei die zahllosen Querverweise zwischen einzelnen Regularien. Statt alles in eine einzige, in sich geschlossene Anforderung zu packen, bleibt man bewusst nah am Ursprungstext und ergänzt ein Kontextregister, das die Zusammenhänge nachvollziehbar hält. So entsteht am Ende keine Blackbox, sondern eine Grundlage, die auch Menschen gut prüfen können.
Wenn Modelle sich verheddern
Ein Nebenaspekt der Diskussion bringt eine interessante Beobachtung zutage. Bei der Arbeit mit stark verschachtelten Regulatorik-Texten zeigen sich deutliche Unterschiede zwischen den aktuellen KI-Modellen. Manche neigen dazu, den Fokus zu verlieren oder sich in immer neuen Ideen zu verlieren, statt bei der eigentlichen Aufgabe zu bleiben. Andere halten die Linie deutlich konsequenter. Für Anwendungsfälle mit hohem regulatorischem Anspruch ist das kein akademisches Detail, sondern eine Frage, die am Ende über brauchbare Ergebnisse entscheidet.
Ein Faible für Fable
Fable 5, das aktuell stärkste Modell im Anthropic-Portfolio, ist inzwischen auch in den Pro-Max-Accounts verfügbar, nachdem lange unklar war, ob und wie es europäischen Nutzern überhaupt zugänglich bleibt. Besonders unterhaltsam ist dabei ein Nebenaspekt: Wer das Modell intensiv nutzt, verbraucht in der Praxis oft ein Vielfaches dessen, was der eigentliche Abopreis hergibt, ein Umstand, über den sich gerade Vielnutzer mit sichtbarer Freude auslassen.
Dass sich die Investition in die stärkeren Modelle lohnt, bestätigt auch eine andere Praxis. Beim Aufbau der Prüfkataloge zeigte sich im direkten Vergleich, dass gerade Fable und Opus beim Entwirren komplexer, stark verschachtelter Regulatorik deutlich konsequenter arbeiten als andere Modelle am Markt. Wo günstigere oder kleinere Modelle schnell den Faden verlieren, bleiben die leistungsfähigeren Modelle näher an der eigentlichen Aufgabe, auch wenn das mit spürbar höherem Tokenverbrauch bezahlt wird.
Haben Sie schon alle Folgen unseres Podcasts gehört?
Tauchen Sie ein in die Welt der künstlichen Intelligenz und Digitalisierung im Banking – mit Themen wie selbstlernenden Modellen, dem neuen Zusammenspiel von Mensch und Maschine und den Chancen moderner KI-Systeme. Unsere Experten zeigen, wie Prozessoptimierung und innovative Ansätze das Banking von morgen prägen. Jede Folge bietet wertvolle Einblicke und Impulse, um Ihre Bank zukunftssicher aufzustellen. Worauf noch warten? Jetzt die gesamte Podcast-Collection entdecken!
