Kontakt aufnehmen

Schulungsübersicht

Einführung in generative KI

  • Überblick über generative Modelle sowie deren Bedeutung für die Finanzbranche
  • Typen generativer Modelle: LLMs, GANs, VAEs
  • Stärken und Grenzen dieser Modelle im finanziellen Kontext

Generative Adversäre Netzwerke (GANs) in der Finanzwelt

  • Funktionsweise von GANs: Generator versus Diskriminator
  • Anwendungsgebiete wie Erstellung synthetischer Daten und Simulationen zu Betrugsfällen
  • Fallstudie: Generierung realistischer Transaktionsdaten zur Testzwecken

Großsprachmodelle (LLMs) sowie Prompt-Engineering

  • Wie LLMs Finanztexte verstehen und erzeugen
  • Entwicklung von Prompts für Prognosen und Risikoanalyse
  • Anwendungsfälle: Zusammenfassung finanzieller Berichte, KYC-Verfahren sowie Erkennung verdächtiger Vorgänge

Finanzprognosen mittels generativer KI

  • Zeitreihenvorhersage unter Verwendung hybrider LLM- und Maschinenlern-Modelle
  • Erstellung von Szenarien sowie Stress-Tests
  • Anwendungsbeispiel: Umsatzprognosen basierend auf strukturierten wie unstrukturierten Daten

Betrugserkennung und Identifikation von anomalen Mustern

  • Nutzung von GANs zur Detektion untypischer Transaktionsmuster
  • Erkennen sich abzeichnender Betrugsformen mittels promptgesteuerten LLM-Prozessen
  • Modellbewertung: Unterschied zwischen falschpositiven Befunden und echten Risikokennzeichen

Regulatorische Vorgaben sowie ethische Aspekte

  • Nachvollziehbarkeit und Transparenz generativer KI-Ergebnisse
  • Gefahren durch Halluzinationen oder Vorurteile in Modellen innerhalb des Finanzsektors
  • Einhaltung regulatorischer Vorgaben (etwa DSGVO sowie Baseler Richtlinien)

Entwicklung geeigneter Anwendungskonzepte für generative KI in Finanzinstituten

  • Erstellung von Geschäftsmodellen zur internen Implementierung generativer KI
  • Abwägung zwischen Innovationsdrang und regulatorischen Risikobetrachtungen
  • Gestaltung von Governance-Rahmenwerken für verantwortungsvolle AI-Einsätze

Zusammenfassung sowie nächste Schritte

Voraussetzungen

  • Grundlegende Kenntnisse in Finanzwesen und Risikomanagement
  • Erfahrung im Umgang mit Tabellenkalkulationen oder Basisdatenanalysen
  • Vorkenntnisse in Python sind hilfreich, aber nicht zwingend erforderlich

Zielgruppe

  • Risikomanagement-Verantwortliche
  • Compliance-Analysten
  • Finanzprüfer
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien