Zentralbanken warnten vor Risiken bei der Einführung von KI-Tools

In einem aktuellen Bericht der Bank für Internationalen Zahlungsausgleich (BIZ) wurden Zentralbanken weltweit vor den Risiken gewarnt, die mit ihrer zunehmenden Nutzung von KI-Systemen einhergehen. Der neunseitige Bericht mit dem Titel „Künstliche Intelligenz im Zentralbankwesen“ beleuchtet Anwendungsfälle und potenzielle Fallstricke der Integration großer Sprachmodelle in ihre Abläufe.

Zentralbanken, die oft als Vorreiter in der KI-Technologie gelten, setzen KI-Modelle zunehmend für verschiedenste Zwecke ein. Diese KI-Modelle haben die Informationserfassung und -verarbeitung maßgeblich revolutioniert und viele traditionelle, von Menschen durchgeführte Tätigkeiten nahezu überflüssig gemacht. KI-Modelle werden heute für die Datenauswahl, -bereinigung und den Datenabgleich eingesetzt und unterstützen Zentralbanken dabei, ihre Abläufe mithilfe bewährter Verfahren des maschinellen Lernens zu optimieren.

Eine wichtige Anwendung von KI im Zentralbankwesen liegt in der fundierten Entscheidungsfindung zur Geldpolitik. Durch den Einsatz neuronaler Netze und Random-Forest-Modelle erhalten Zentralbanken Zugriff auf Echtzeitdaten, um Inflationserwartungen einzuschätzen und die Wirksamkeit ihrer Geldpolitik zu bewerten. Diese Daten stammen nicht nur aus traditionellen Finanzkanälen, sondern auch aus der Vielzahl an Informationen, die auf Social-Media-Plattformen verfügbar sind.

Erkenntnisse aus riesigen Datenmengentrac

Wie der Bericht hervorhebt, kann die Durchsicht enormer Datenmengen zeitaufwändig und anspruchsvoll sein, weshalb KI-Modelle für die effizientetracrelevanter Erkenntnisse von unschätzbarem Wert sind. Zentralbanken nutzen Sprachmodelle, um komplexe Finanzberichte zusammenzufassen, Wirtschaftstrends tracund Interviews mit Wirtschaftsführern und Marktexperten zu interpretieren. Darüber hinaus haben diese Zentralbank-Sprachmodelle (CB-LMs) die Fähigkeit bewiesen, Marktreaktionen auf geldpolitische Ankündigungen vorherzusagen.

KI-Systeme haben ihre Leistungsfähigkeit auch bei der Überwachung von Zahlungssystemen unter Beweis gestellt. Sie zeichnen sich durch ihre Fähigkeit aus, unregelmäßige Finanztransaktionen zudent– ein entscheidender Faktor im Kampf gegen Geldwäsche und zur Verhinderung von Cyberangriffen. Die brasilianische Zentralbank hat beispielsweise kürzlich ADAM eingeführt, ein Klassifizierungsmodell zur Vorhersage von Kreditausfällen und damit zur Verbesserung der Fähigkeit, finanzielle Risiken zu minimieren.

Über traditionelle Anwendungsbereiche hinaus setzen Zentralbanken auch auf KI-Systeme, um das Verbraucherverhalten im Zusammenhang mit der Einführung digitaler Zentralbankwährungen (CBDCs) und anderen Finanzmarktentwicklungen vorherzusagen. Diese Prognosemodelle liefern wertvolle Erkenntnisse für politische Entscheidungsträger, um Marktreaktionen zu antizipieren und entsprechend zu reagieren.

Herausforderungen und Risiken der KI-Integration

Die Vorteile der KI-Integration liegen zwardent, doch der Bericht hebt auch die Herausforderungen und Risiken hervor, denen Zentralbanken gegenüberstehen. Eine der Hauptsorgen ist das Potenzial für verzerrte Ergebnisse aufgrund der Trainingsdaten für KI-Modelle. Darüber hinaus benötigen generative KI-Modelle trotz ihrer Leistungsfähigkeit eine sorgfältige menschliche Überwachung, um die Wahrscheinlichkeit von Fehlern und Ungenauigkeiten zu minimieren.

Kurzfristig müssen Zentralbanken in die Weiterbildung ihrer Mitarbeiter im Bereich KI investieren, um KI-Systeme effektiv in ihre Arbeitsabläufe zu integrieren. Allerdings werden sie bei der Rekrutierung von Fachkräften mit fortgeschrittenen KI-Kenntnissen voraussichtlich auf starken Wettbewerb mit privaten Finanzunternehmen stoßen. Die Gehaltsunterschiede zwischen öffentlichen Institutionen und dem privaten Sektor verschärfen diesen Wettbewerb zusätzlich.