Künstliche Intelligenz im Retail-Banking

Künstliche Intelligenz im Retail-Banking: KI-Terminologie genau erklärt.

EINFÜHRUNG

• Künstliche Intelligenz, was ist das?
• KI-Terminologie genau erklärt
• Einsatzgebiete von AI-Lösungen: generative AI, data driven decisions, planning, Prozessautomatisierung

MACHINE LEARNING FÜR ENTSCHEIDUNGSPROZESSE

• Lern-Algorithmen und neuronale Netze intuitiv erklärt
• Extraktion relevanter Informationen aus Daten (Feature Engineering)
• Anschauliche Use Cases, u.a. Autonomes Fahren, Retailbanking, Wissensmanagement und Betrugfallerkennung
• Praktische Übung: Sie erstellen eine KI zur Betrugfallerkennung (Tool: Orange3 Datamining)
• Praktische Übung: Sie erstellen eine KI-Entscheidung zur Optimierung einer Video-Legitimation

DEEP LEARNING UND ERKENNUNG VON AUFFÄLLIGKEITEN

• Die wichtigsten State-of-the-Art Verfahren im Vergleich: Supervised Learning, Unsupervised Learning und Reinforcement Learning
• Anomalien in Daten automatisch finden (Autoencoders)
• KI-generierte Fakes verstehen (GAN, Generative Adversarial Networks)
• Marktübersicht: Die wichtigsten Cloud AI-Plattformen und Open Source-Alternativen
• Praktische Übung: Sie erstellen eine KI zur Erkennung von Auffälligkeiten in Umsatzdaten

PROMPT ENGINEERING, CHATGPT UND MULTIMODALE MODELLE

• Im Detail erklärt: Wie ChatGPT & Co funktionieren (LLM)
• Engineering-Knowhow: Die besten Prompts mit Praxisübungen
• Praktische Übung: Sie erstellen einen Chatbot für den Kundenservice
• Praktische Übung: Sie erstellen eine KI für das interne Wissensmanagement
• Customized Enterprise Generative AI Models (Finetuning)
• Knowhow & Praxisübung: Enterprise-Workflows automatisieren (Retrieval-Augmented Generation, Flowise AI)
• Gefahren von Chatbots vermeiden (Halluzinationen, Prompt Injection, Bias)
• Alternativen zu ChatGPT (LLama2, LeoLM, Aleph Alpha, Gemma)
• Multimodale Modelle: Audio und Videos generieren (Gemini)

AI-STRATEGIEENTWICKLUNG UND PROJEKTMANAGEMENT

• Best-Practice: Automatisierungspotential erkennen
• Evolution versus Disruption: Geschäftsmodelle transformieren
• Eine eigene AI-Strategie entwickeln
• Qualität über KPI, Baselines und Benchmarks sicherstellen
• Knowhow aus erster Hand: Erfolgsfaktoren und Fallstricke im Projekt verstehen
• Praxisübung anhand von zwei Use Cases
• Ethische und rechtliche Aspekte

ETHISCHE UND GESELLSCHAFTLICHE HERAUSFORDERUNGEN

• Security by Design: Leitlinien zur Gestaltung „sicherer“ KI
• Regulatorische Rahmenbedingungen: KI-Verordnung der EU, DSGVO, EU Data Act
• Artificial General AI (AGI): Aktuelle Konzepte zur Entwicklung einer Human Level Intelligence