Heute haben Sie die seltene Möglichkeit, ein fiktives Gespräch auf den Fluren der PPI-Geschäftsstelle mitzuhören und dabei AVE (Automatisierungsprozess von Validierung und Entwicklung) kennenzulernen. Jan und Ute arbeiten gerade bei verschiedenen Banken in Projekten zur Validierung und Weiterentwicklung von Ratingmodellen.

Jan: Hallo Ute, ich habe gehört, dass du bei deinem Kunden ein neues System namens AVE einsetzt. Kannst du mir mehr darüber erzählen?

Ute: Moin, Jan! Ja, das stimmt. Die Bank hat sich für die Implementierung von AVE durch PPI entschieden, und es hat unsere Arbeitsweise grundlegend verändert. AVE steht für Automatisierungsprozess von Validierung und Entwicklung und ist darauf ausgelegt, die Effizienz in der Modellentwicklung und -validierung zu steigern und insbesondere manuelle Schritte überflüssig zu machen.

Jan: Das klingt vielversprechend. Wir ertrinken hier noch in manueller Arbeit. Wie genau unterstützt AVE denn eure Prozesse?

Ute: AVE automatisiert viele der Schritte, die wir früher manuell durchführen mussten, vorwiegend bei der Dokumentation. Früher war es so, dass wir nach der Entwicklung und Analyse von Modellen einen erheblichen Teil unserer Zeit mit der Erstellung von Dokumenten verbrachten. Jetzt generiert ein KI-Sprachmodul die notwendigen Kommentare und fügt sie in die Dokumente ein. Das spart uns unglaublich viel Zeit und Mühe.

Jan: Das hört sich ja fast zu gut an, um wahr zu sein. Wie genau funktioniert die Erstellung der Dokumentation mit AVE?

Ute: Nun, das KI-Sprachmodell von AVE ist darauf eingestellt, die Modellinformationen zu verstehen und zu kommentieren. Es extrahiert die relevanten Daten und Analysen und formuliert diese in einem klaren und verständlichen Format. Nachdem die KI die Dokumente vorbereitet hat, übernehme ich die finale Überprüfung. Das stellt sicher, dass alles den hohen Standards der Bank entspricht.

Jan: Und wie hilft AVE bei der Weiterentwicklung der Modelle?

Ute: AVE beinhaltet ein KI-Challenger-Modell, das uns hilft, die Performance unserer aktuellen Modelle zu messen. Es zeigt uns, wo Verbesserungen möglich sind und dient als Benchmark. Dieses Challenger-Modell ist auch ein entscheidender Schritt, um uns auf zukünftige, komplexere KI-Modelle vorzubereiten, welche die Bank einsetzen möchte. Und was die Regularien angeht, so ist AVE so konzipiert, dass es den EU AI Act vollständig einhält. Wir nutzen auch Explainable AI-Methoden, oder kurz xAI, um die Nachvollziehbarkeit zu gewährleisten.

Jan: Das klingt, als ob ihr bei der Bank jetzt ganz vorn mit dabei seid. Ich wünschte, wir hätten auch so ein System.

Ute: Es hat wirklich einen großen Unterschied gemacht. Die Bank hat durch die Einführung von AVE durch PPI nicht nur Zeit und Ressourcen gespart, sondern auch die Qualität unserer Modelle und Dokumentationen verbessert. Ich bin sicher, dass AVE auch bei deinem Kunden einen ähnlichen Mehrwert bieten könnte.

Jan: Ich denke, ich werde das bei unserem nächsten Projekt-Meeting ansprechen. Wie hoch ist denn der Implementierungsaufwand von AVE?

Ute: Wir konnten den Implementierungsaufwand deutlich verringern, da wir hervorragende Erfahrungen mit einem KI-gestützten Copiloten machen, der Vorschläge für Code, Funktionen oder Tests erstellt und somit die Effizienz und Qualität der Codeentwicklung steigert.

Jan: Ich bin beeindruckt. Ich glaube, es ist an der Zeit, dass wir uns auch in diese Richtung bewegen. Vielen Dank für die Einblicke, Ute!

Ute: Kein Problem, Jan. Wenn du mehr Informationen benötigst oder eine Demonstration wünschst, lass es mich wissen. Ich helfe gerne weiter. Fürs Erste schicke ich dir gleich eine E-Mail mit mehr Informationen.


Betreff: AVE

Hallo Jan,

wie versprochen, hier die E-Mail mit mehr Informationen zu AVE – Automatisierungsprozess von Validierung und Entwicklung.

Das Vorgehensmodell von PPI beinhaltet folgende Punkte:

  • Verwendung von Python (ggf. Migration von anderen Programmiersprachen) zur Steigerung der Automatisierungs- und KI-Möglichkeiten
  • Aufbau eines vollständigen Prozesses vom Modellmanagement, über die Entwicklung bis hin zur Dokumentation
  • Einführung von KI-Technologien als Unterstützung (bspw. Sprachmodell bei Dokumentation)
  • Einführung eines KI-Challenger-Modells
  • Einführung von xAI-Methoden zur Sicherstellung der Nachvollziehbarkeit
  • Sicherstellung Einhaltung Regularien nach EU AI Act

Die folgende Darstellung zeigt die Unterstützung durch AVE im Lebenszyklus der Ratingmodelle:

Lebenszyklus von AVE

Fazit:

Das AVE-Modell ist ein vielversprechender Ansatz für Banken, um mit den Herausforderungen der digitalen Transformation Schritt zu halten. Es bietet eine effiziente Lösung für die Automatisierung komplexer Prozesse und stellt sicher, dass die Einhaltung von Regularien nicht zu einem Hindernis für Innovation wird. Banken, die dieses Modell anwenden, können nicht nur Zeit und Ressourcen sparen, sondern auch die Qualität und Genauigkeit ihrer Arbeit verbessern. Es ist ein klares Beispiel dafür, wie die Integration von KI-Technologien die Zukunft der Finanzdienstleistungen gestalten kann.

Liebe Grüße

Ute


Wenn Sie neugierig geworden sind, freuen sich Ute und Jan darauf, Ihnen mehr zu AVE zu erzählen:

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

  +  66  =  76

Verwandte Artikel