- Zentralbanken werden vor den Risiken im Zusammenhang mit KI-Tools gewarnt, die sie für Datenanalysen, geldpolitische Entscheidungen und die Vorhersage von Marktreaktionen einsetzen.
- KI hilft Zentralbanken, große Datenmengen effizient zu verarbeiten, doch es gibt Bedenken hinsichtlich Verzerrungen und die Notwendigkeit menschlicher Aufsicht.
- Der Wettbewerb um KI-Talente zwischen Zentralbanken und privaten Unternehmen nimmt zu und stellt eine Herausforderung für öffentliche Institutionen dar.
In einem kürzlich veröffentlichten Bericht der Bank für Internationalen Zahlungsausgleich (BIS) wurden Zentralbanken weltweit vor den inhärenten Risiken gewarnt, die mit ihrer wachsenden Abhängigkeit von KI-Tools verbunden sind. Dieser neunseitige Bericht mit dem Titel „Künstliche Intelligenz im Zentralbankwesen“ beleuchtet die Anwendungsfälle und potenziellen Fallstricke bei der Integration von Large Language Models (LLMs) in ihre Abläufe.
Zentralbanken, die oft als frühe Adopter von KI-Technologie gelten, wenden sich zunehmend KI-Modellen für verschiedene Zwecke zu. Diese KI-Modelle haben die Sammlung und Verarbeitung von Informationen transformiert und viele traditionelle menschliche Arbeitsabläufe nahezu obsolet gemacht. KI-Modelle werden nun für Datenerfassung, Bereinigung und Matching eingesetzt, was Zentralbanken hilft, ihre Abläufe mit bewährten Machine-Learning-Techniken zu optimieren.
Eine bedeutende Anwendung von KI im Zentralbankwesen liegt in der fundierten Entscheidungsbildung bei der Geldpolitik. Durch den Einsatz von neuronalen Netzen und Random-Forest-Modellen erhalten Zentralbanken Zugang zu Echtzeitdaten zur Bewertung von Inflationserwartungen und zur Beurteilung der Wirksamkeit ihrer Geldpolitik. Diese Daten stammen nicht nur aus traditionellen Finanzkanälen, sondern auch aus der großen Vielfalt an Informationen, die auf Social-Media-Plattformen verfügbar sind.
Einblicke aus großen Datenmengen extrahieren
Wie der Bericht hervorhebt, kann das Durchsuchen einer enormen Datenmenge zeitaufwändig und herausfordernd sein, was KI-Modelle bei der effizienten Extraktion relevanter Einblicke unverzichtbar macht. Zentralbanken nutzen Sprachmodelle, um komplexe Finanzberichte zusammenzufassen, wirtschaftliche Trends zu verfolgen und Interviews mit Unternehmensführern und Marktexperten zu interpretieren. Darüber hinaus haben diese zentralbank-spezifischen Sprachmodelle (CB-LMs) die Fähigkeit gezeigt, Marktreaktionen auf geldpolitische Ankündigungen vorherzusagen.
KI-Systeme haben auch ihre Kompetenz bei der Überwachung und Aufsicht von Zahlungssystemen unter Beweis gestellt. Sie sind hervorragend darin, unregelmäßige Finanztransaktionen zu identifizieren, was ein kritischer Faktor bei der Bekämpfung von Geldwäsche und der Verhinderung von Cyberangriffen ist. Die Zentralbank von Brasilien hat beispielsweise kürzlich ADAM eingeführt, ein Klassifikationsmodell, das darauf ausgelegt ist, Kreditnehmer vorherzusagen, die wahrscheinlich ihre Kredite nicht bedienen werden, was ihre Fähigkeit zur Minderung finanzieller Risiken verbessert.
Neben traditionellen Anwendungen wenden sich Zentralbanken auch KI-Systemen zu, um das Verbraucherverhalten in Reaktion auf die Einführung von Zentralbank-Digitalwährungen (CBDCs) und andere finanzielle Entwicklungen vorherzusagen. Diese prädiktiven Modelle bieten politische Entscheidungsträgern wertvolle Einblicke, um Marktreaktionen vorherzusehen und entsprechend anzupassen.
Herausforderungen und Risiken der KI-Integration
Während die Vorteile der KI-Integration offensichtlich sind, unterstreicht der Bericht die Herausforderungen und Risiken, denen Zentralbanken gegenüberstehen. Eine der Hauptbedenken ist das Potenzial für verzerrte Ergebnisse, die aus den zur Schulung der KI-Modelle verwendeten Daten stammen. Darüber hinaus erfordern generative KI-Modelle, obwohl sie leistungsstark sind, eine wachsame menschliche Aufsicht, um die Wahrscheinlichkeit von Fehlern und Ungenauigkeiten zu verringern.
Kurzfristig werden Zentralbanken in die Ausstattung ihres Personals mit neuen KI-Kompetenzen investieren müssen, um KI-Systeme effektiv in ihre Arbeitsabläufe zu integrieren. Sie werden jedoch wahrscheinlich auf harten Wettbewerb von privaten Finanzunternehmen bei der Rekrutierung von Mitarbeitern mit fortgeschrittenen KI-Expertise stoßen. Die Gehaltsunterschiede zwischen öffentlichen Institutionen und dem Privatsektor verschärfen diesen Wettbewerb weiter.
Die klügsten Krypto-Köpfe lesen bereits unseren Newsletter. Lust dabei? Mach mit.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com Wir übernehmen keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor jeglichen Anlageentscheidungen eine unabhängige Recherche durchzuführen und/oder einen qualifizierten Fachmann zu konsultieren.
Brenda Kanana
Brenda verfügt über mehr als 4 Jahre Erfahrung mit Spezialisierung auf Kryptowährungen, künstliche Intelligenz und aufkommende Technologien. Sie war bei Zycrypto, Blockchain Reporter und The Coin Republic tätig und hat nun Cryptopolitan zu ihrer Heimat gemacht. Ihr Soziologiestudium an der Mombasa Technical University hält sie nah am Puls ihrer Leser.
