KI News: Kurz und klar.

Eine aktuelle Analyse von Branchenexperten hat neue Zahlen ans Licht gebracht, die die Rolle von Künstlicher Intelligenz (KI) im Bankensektor in einem völlig neuen Licht erscheinen lassen. Die Daten deuten darauf hin, dass KI-gestützte Prozesse, die bislang als Effizienzbooster gefeiert wurden, auch erhebliche Risiken mit sich bringen können, die bisher weitgehend übersehen wurden.

Brex, das FinTech-Unternehmen, das sich bislang vor allem durch Kreditkartenlösungen für Startups einen Namen gemacht hat, setzt nun auf künstliche Intelligenz, um seine Umsatzbasis auf über 500 Millionen US-Dollar pro Jahr zu erhöhen. Der neue Ansatz soll die Produktpalette erweitern und die Effizienz der Kreditvergabe sowie der Kontoverwaltung drastisch steigern.

In der heutigen Kreditvergabe spielen maschinelle Lernmodelle eine immer größere Rolle. Ihre Leistungsfähigkeit hängt jedoch stark von der Qualität der Eingangsdaten ab. Ein neues Papier aus dem arXiv‑Repository untersucht, wie fehlende Werte, Rauschen, Ausreißer und fehlerhafte Labels die Vorhersagegenauigkeit von Kreditrisikobewertungen beeinflussen.

Große KI‑Modelle wie GPT‑4 beschleunigen die Nutzung von künstlicher Intelligenz in Bereichen wie Recht, Gesundheit und Finanzen. Damit steigen die Anforderungen an Vertrauen und Transparenz. Eine neue quantitative Untersuchung beleuchtet, wie erklärbare KI‑Systeme das Vertrauen der Nutzer beeinflussen.

KI revolutioniert die Bankenbranche und verspricht enorme Kosteneinsparungen – aber nicht ohne menschlichen Preis. Der Bericht von Zopa in Zusammenarbeit mit Juniper Research prognostiziert, dass generative KI bis 2030 rund 1,8 Milliarden Pfund an Betriebskosten senken kann, wenn gleichzeitig vergleichbare Investitionen in KI‑Infrastruktur getätigt werden.

Ein neues Buch beleuchtet, wie wir Computern die Entscheidungsgewalt anvertraut haben und welche Folgen das für unsere Gesellschaft hat. Der Autor erklärt, dass moderne Algorithmen zunehmend komplexe Entscheidungen übernehmen – von Kreditvergabe über medizinische Diagnosen bis hin zu juristischen Urteilen. Dabei wird deutlich, dass die scheinbare Objektivität der Maschinen oft von versteckten Vorurteilen und Datenlücken beeinflusst wird.