Maschinelles Lernen für Banken und Versicherungen

© Adobe Stock - ipopba

Maschinelle Lernverfahren spielen für die Optimierung von Finanzdienstleistungen heute eine wichtige Rolle. Mit maschinellem Lernen werden meistens stochastische Verfahren bezeichnet, in denen ein Algorithmus anhand vieler unterschiedlicher, aber repräsentativer Datensätze durch Wiederholen einer Aufgabe lernt, diese hinsichtlich vorgegebener Kriterien immer besser auszuführen. In der Finanzdienstleistungsbranche sind häufig sehr große Datensätze vorhanden, beispielsweise zu Finanztransaktionen, Kunden, Unternehmen und Aktienmärkten. Maschinelle Lernverfahren sind besonders gut geeignet, um diese großen Datenbestände zu analysieren und daraus Vorhersagen und Empfehlungen abzuleiten. Lernalgorithmen können aus den zum Lernen genutzten Beispielen ein komplexes Modell entwickeln. Dieses Modell kann anschließend auf andere, ähnliche Daten angewandt werden.

Fraunhofer SCAI verfügt über langjährige Erfahrungen darin, neue Methoden und Algorithmen für maschinelles Lernen zu entwickeln. Ziel dabei sind schnellere und qualitativ bessere Analysen der Finanzdatenbestände für fundierte Investitionsentscheidungen. Typische Anwendungsbereiche für maschinelle Lernverfahren sind beispielsweise:

  • Investment predictions
  • Risk management
  • Algorithmic trading