Darstellung der Entwicklung von KI-Lösungen für das Finanzrisikomanagement: Lektionen aus der Vergangenheit für eine bessere Zukunft

Künstliche Intelligenz verändert zunehmend das Risikomanagement in der Finanzbranche. Finanzinstitute setzen KI ein, um grosse Datenmengen auszuwerten, Risikotrends vorherzusagen und Entscheidungsprozesse zu automatisieren. Diese Bachelorarbeit analysiert die Entwicklung von KI-Technologien im Finanzrisikomanagement im Zeitraum von 2008 bis 2024. Ausgelöst durch die globale Finanzkrise und getrieben durch Fortschritte im maschinellen Lernen sowie durch regulatorische Anforderungen entwickelte sich KI von einer experimentellen Technologie zu einem strategisch verankerten Bestandteil der Risikosteuerung. Damit stellen sich neue Fragen nach Transparenz, Verlässlichkeit und Governance in einem hochregulierten Umfeld.

Ziel der Arbeit

Ziel dieser Arbeit war es, die technologische Entwicklung und institutionelle Integration von KI im Finanzrisikomanagement über einen Zeitraum von 2008-2024 systematisch zu untersuchen. Im Zentrum standen zwei Forschungsfragen:

• Welche technologischen Fortschritte haben den KI-Einsatz im Finanzrisikomanagement seit 2008 geprägt und welche Lehren lassen sich aus der Vergangenheit für eine verantwortungsvolle, zukunftsorientierte Gestaltung ziehen?
• Die Arbeit leistet damit einen Beitrag zum besseren Verständnis der Erfolgsfaktoren und Herausforderungen bei der Anwendung von KI in kritischen Finanzprozessen.

Methoden

Die Arbeit basiert auf einem qualitativ empirischen Forschungsdesign. Es wurden wissenschaftliche Literaturanalysen mit sechs praxisnahen Fallstudien kombiniert. Die Entwicklung wurde in fünf Phasen gegliedert und hinsichtlich technischer Reife, Anwendungskontext und regulatorischer Einflussfaktoren analysiert. Zusätzlich wurde eine visuelle Timeline erstellt, welche die wichtigsten Entwicklungen übersichtlich darstellt. Die Fallstudien decken unterschiedliche Einsatzbereiche ab, darunter Kreditbewertung, Betrugserkennung, Frühwarnsysteme und regulatorische Compliance. Auch externe Einflüsse wie Finanzkrisen oder ethische Debatten wurden berücksichtigt. Die gewählte Methodik ermöglicht eine ganzheitliche Betrachtung aus wissenschaftlicher und praktischer Perspektive.

Ergebnisse

Die Analyse zeigt, dass sich KI im Finanzrisikomanagement von vereinzelten Prototypen hin zu strategisch integrierten Lösungen entwickelt hat. Frühere Anwendungen zielten vor allem auf die Automatisierung operativer Aufgaben ab, während heutige KI-Systeme tief in Governance-Strukturen eingebunden sind und eine datenbasierte, nachvollziehbare Risikosteuerung ermöglichen. Erfolgreiche Implementierungen zeichnen sich durch die Kombination verschiedener Technologien, hohe Datenqualität und transparente Modelle aus, insbesondere durch erklärbare KI. Gleichzeitig bestehen weiterhin Herausforderungen, etwa in Bezug auf Black-Box-Modelle, Datenverzerrungen oder regulatorische Unsicherheit. Die Arbeit kommt zum Schluss, dass zukünftig vor allem modulare, anpassbare und datenschutzkonforme Systeme an Bedeutung gewinnen werden. Damit entwickelt sich KI von einem unterstützenden Werkzeug zu einem strategischen Pfeiler modernen Risikomanagements.