AI & Trust: Mit BNP PARIBAS die Finanzwelt von morgen gestalten

Über Andrei Serjantov: Head of Digital Global Markets bei BNP Paribas CIB, verantwortlich für die digitale Transformation und die KI-Integration im Investmentbanking-Bereich.
Über BNP Paribas CIB: Der Geschäftsbereich Corporate and Institutional Banking von BNP Paribas (ca. 46 Mrd. € Gruppenumsatz), der weltweit über 13.000 Firmen- und institutionelle Kunden betreut.

Über Nathalie Beslay: CEO und Mitbegründer von naaia, einem RegTech-Unternehmen, das sich darauf spezialisiert hat, Unternehmen bei der Verwaltung von KI-Projekten innerhalb strenger gesetzlicher Auflagen zu unterstützen.
Über naaia: Ein spezialisiertes Technologieunternehmen, das eine SaaS-Plattform (AIMS - AI Management System) für KI-Governance, Compliance und Aufsicht anbietet; konzentriert sich darauf, die Lücke zwischen statischer Regulierung und dynamischen KI-Agenten zu schließen.

Über Cyril Cymbler: Head of Financial Services EMA bei Databricks, Experte für die Umwandlung von rohem data in “Data Intelligence” zur Steigerung der Wertschöpfung.
Über Databricks: Ein weltweit führender Anbieter von data und KI (Data Lakehouse) mit einem Wert von ~$43B (2023), der darauf abzielt, data, Analytik und KI für Unternehmensanwendungen zu vereinen.

Warum müssen Vertrauen und data-Strategie im Finanzwesen jetzt dringend neu erfunden werden?

Cyril Cymbler: Diese Notwendigkeit wird von drei Faktoren bestimmt. Erstens erfordert das exponentielle Wachstum von strukturierten und unstrukturierten data die Verwaltung massiver Arbeitslasten, um starke Agenten aufzubauen. Zweitens verlagert sich die Branche von “General Intelligence” (Standard-ChatGPT, ~55% Genauigkeit) zu “Data Intelligence” (strukturierte Analyse-Engines, >80% Genauigkeit/Konvertierung). Drittens ist Governance nicht verhandelbar. Ohne strenge data-Struktur scheitern selbst die besten ML-Modelle aufgrund von “Garbage In, Garbage Out”.”

Andrei Serjantov: Es geht um Effizienz, Umfang und Fähigkeiten. KI ermöglicht es den Banken, bestehende Aufgaben schneller auszuführen, ein breiteres Spektrum an Risiken abzudecken (Risiken A, B und C statt nur A) und bisher unmögliche Aufgaben zu erfüllen, wie z.B. die Analyse riesiger Dokumentenmengen für die Stimmungsanalyse im Aktienresearch.

Welche konkreten, hochwirksamen Anwendungsfälle werden im Investment Banking eingesetzt?

Andrei Serjantov: Neben allgemeinen Hilfsmitteln (Kodierung, Übersetzung) konzentriert sich BNPP auf eine tiefe vertikale Integration. Im Bereich Equity und Fixed Income Research gibt es mehr als ein Dutzend Anwendungsfälle, die die Dokumentenproduktionspipeline verändern. Die Arbeitsabläufe der Kunden werden stark erweitert, indem LLMs Antworten auf Handelsbestätigungen der Kunden verfassen. Die Strategie ist allgegenwärtig: Es ist jetzt schwieriger, Bereiche zu finden, in denen keine KI eingesetzt wird, als solche, in denen sie eingesetzt wird.

Wie gehen Unternehmen mit den besonderen Herausforderungen von “agentenbasierter” KI und statischer Regulierung um?

Nathalie Beslay: Der Kernkonflikt besteht darin, dass die Regulierung (wie das EU-KI-Gesetz) statisch ist, während die Agenten-KI dynamisch ist. Die Herausforderung besteht darin, Agenten anhand strenger gesetzlicher Definitionen zu qualifizieren (General Purpose AI vs. AI Systems). Da die Agenten autonom sind, müssen die Unternehmen außerdem Rollen und Berechtigungen strikt verwalten, um sicherzustellen, dass die Agenten sicher mit der menschlichen und digitalen Umgebung interagieren.

Wie sollte eine Bank eine Neuerfindung der KI-Plattform “Zero to One” technisch umsetzen?

Cyril Cymbler: Die Ausführung erfordert einen auf drei Säulen basierenden Geschäftsansatz: Wachstum, Schutz (Risiko/Compliance) und Kosteneffizienz. Technologisch gesehen muss die Plattform Multi-cloud (um die DORA-Bestimmungen zur data-Portabilität zu erfüllen), Open Source (um data-Eigentum/Null-Kopie zu gewährleisten) und Governed (strenge data-Abstammung, um die Produktentstehung für Auditoren nachzuvollziehen) sein. Und schließlich muss die KI demokratisiert werden, damit Führungskräfte data in natürlicher Sprache abfragen können, ohne auf technische Spezialisten angewiesen zu sein.

Wie operationalisieren Sie “Vertrauenswürdige KI” (Compliance, Ethik, Verantwortung)?

Nathalie Beslay: Vertrauenswürdigkeit wird auf drei Ebenen aufgebaut: Compliance (verbindlich), Ethik (menschenzentriert) und Verantwortung (Rechenschaftspflicht). naaia operationalisiert dies über einen SaaS-Ansatz, der sich auf Governance (Gestaltung von Rollen/Entscheidungsbäumen), Integration (Einbettung von Tests/Überwachung in IT-Systeme) und Execution (Durchsetzung der Dokumentation) konzentriert. Passive Beschwerden sind keine Strategie, sondern die proaktive Umsetzung von Programmen ist erforderlich, um den wirtschaftlichen und rufschädigenden Schaden zu begrenzen.

Wie sieht die Strategie bezüglich “Build vs. Buy” und Partnerschaften (z.B. Mistral) aus?

Andrei Serjantov: BNPP hat sich schon früh mit Mistral zusammengetan, um die On-Premise-Fähigkeit zu nutzen und sicherzustellen, dass das data des Kunden die sichere Umgebung der Bank nie verlässt. Sie geben der Feinabstimmung kleinerer, energieeffizienter Modelle auf dem eigenen data den Vorzug vor dem Training umfangreicher Basismodelle von Grund auf. Diese Kombination aus externem technischem Fachwissen und interner Risikomanagement-DNA ermöglicht eine sichere, anwendungsspezifische Bereitstellung.