Career at

News at

Techmonitor

  • [Translate to Deutsch:]
    Gradient Boosting vs. Deep Learning. Möglichkeiten des Einsatzes Künstlicher Intelligenz im Banking
    Künstliche Intelligenz gewinnt zunehmend an Bedeutung und ist heutzutage eines der am häufigsten diskutierten Technologiethemen. Dieser Artikel erläutert und diskutiert zwei Ansätze und deren Durchführbarkeit für die Nutzung von KI bei Anwendungsfällen in der Finanzbranche: Deep Learning und Gradient Boosting. Während künstliche Intelligenz und das Deep Learning-Modell erhebliche Medienaufmerksamkeit erzeugen, ist das Gradient Boosting in der Öffentlichkeit noch relativ unbekannt. Deep Learning basiert auf komplexen künstlichen Neuro-Netzwerken, die Daten in hoher Geschwindigkeit über eine geschichtete Netzwerkstruktur verarbeiten. In der letzten Schicht wird dann eine Entscheidung über ein zuvor definiertes Problem getroffen. Dies ermöglicht die Lösung komplexer Probleme, kann aber zu unzureichender Transparenz und Nachvollziehbarkeit des Entscheidungsprozesses führen, da grundsätzlich ein einzelner großer Entscheidungsbaum verfolgt wird. Die deutsche Bankenaufsichtsbehörde BaFin hat bereits erklärt, dass im Hinblick auf Nachvollziehbarkeit keine Algorithmen akzeptiert werden, die aufgrund ihrer Komplexität nicht mehr verständlich sind. In diesem Zusammenhang argumentieren die Autoren, dass Gradient Boosting eine geeignetere Alternative sein könnte, da Entschlüsse auf eine Reihe kleinerer Entscheidungsbäume gestützt werden, die leichter zu interpretieren und verstehen sind. Darüber hinaus erfordern Gradient Boosting-Modelle im Vergleich zu Deep Learning weniger Daten, um funktional zu werden. Aussagen über die Dominanz eines der beiden Modelle sind nicht möglich, da beide zu guten Ergebnissen bei der Klassifizierung hochdimensionaler Daten kommen. Unter Berücksichtigung regulatorischer Anforderungen, wie z.B. der Transparenz in der Finanzbranche, könnte jedoch Gradient Boosting einen geeigneteren Ansatz zur Nutzung von künstlicher Intelligenz darstellen.
  • 1