artinger florian praesentation

Sicher Entscheiden! Menschliche und Künstliche

Intelligenz im Credit Management

Prof. Dr. Florian Artinger

Simply Rational GmbH

Max-Planck-Institut für Bildungsforschung

Berlin International University of Applied Sciences

Eine Max-Planck Ausgründung

Wir steigern Erfolg!

18. Bundeskongress 2021 • Online Live-Streaming • 06.-07. Oktober 2021

● © BvCM e.V. ● Drususdeich 24 ● 47533 Kleve ● Tel.: +49 (0)2821-976710-0 ● www.credit-manager.de ●

Simply Rational GmbH – Das Entscheidungsinstitut: Eine Max-Planck

Ausgründung

Wir kombinieren

Beratung + Service + Training:

Entscheidungen messbar verbessern

nobelpreisprämierte Erkenntnisse aus der

Entscheidungsforschung

modernste Methoden aus dem Machine Learning.

Prof. Dr. Gigerenzer, Mitgründer von Simply Rational,

ist einer der renommiertesten Entscheidungsforscher

weltweit.

Prof. Dr. Gerd Gigerenzer




2

Was verbinden Sie eher mit Künstlicher Intelligenz?

Credit

Management

Option A

Option B




3

Was ist Künstliche Intelligenz?

“Die Fähigkeit zu lernen ohne explizit für

die Aufgabe programmiert worden zu sein“

Arthur Samuel

1959, Pioniere der KI




4

Warum wächst der Einsatz von Künstlicher Intelligenz?




5

Warum wächst der Einsatz von Künstlicher Intelligenz?

Mooresches Gesetz - Gordon Moore 1965

(u.a. Mitgründer Intel) prognostizierte:

Die Anzahl an Transistoren in einem

Microchip verdoppeln sich etwa alle 2 Jahre.




6

Künstliche Intelligenz

Algorithmen

Daten

Rechenleistung




7

Umwelt in der Künstliche Intelligenz funktioniert: Gut quantifizierbare

Risiken

1. Viele Daten

2. Statische Umgebung

3. Einfaches Problem

1. Wenig Daten

2. Dynamische Umgebung

3. Komplexes Problem

RISIKO

Gut quantifizierbar

UNSICHERHEIT

Schwierig zu quantifizieren




8

Ob man Mensch und Maschine kombinieren sollte – hängt von der Umwelt

ab

Künstliche

Intelligenz

Mensch +

Künstliche Intelligenz

= Augmented Intelligence

Mensch

RISIKO

UNSICHERHEIT

Gut quantifizierbar

Schwer oder nicht quantifizierbar




9

Vier Arten der Künstlichen Intelligenz

1. Unsupervised Learning

2. Supervised Learning

3. Reinforcement Learning

4. Augmented Intelligence




10

Unsupervised Learning: Kategorien identifizieren

Beispiele:

Kundensegmentierung: Welche Gründe gibt es, dass eine offene Rechnung nicht bezahlt

wird?

Welche Themen tauchen immer wieder in der Kommunikation auf und können

automatisiert werden?




11

Beispiel: Kundensegmentierung

Der Überschuldete

Die Vergessliche

…

Der Anzweifelnde

xxx


Es gibt sehr unterschiedliche Gründe für säumige Zahlungen



12

Beispiel: Kundensegmentierung – Zusammenarbeit von Mensch und

Maschine

Der Überschuldete: Anton Jenitschek

58 / arbeitslos / geschieden, 3 Kinder

sozial benachteiligt

geringes Selbstwertgefühl

bemüht Schulden zu bewältigen

stark beunruhigt

überfordert

plötzliche Änderung des soz. Status

Analog oder Digital:

Höhe der Hauptforderung:

weitere Inkassoverfahren:




13

Supervised Learning: Vorhersagen pro Individuum

zahlt mit 23%

zahlt mit 99%

zahlt mit 89%

Beispiele

Wie wahrscheinlich ist es, dass Kunde einen Kredit aufnehmen wird (z.B. Marketing)?

Was sind die Konditionen, die eine Rückzahlung am wahrscheinlichsten machen? (z.B.

Kundenakquise)




14

Supervised Learning: Prozess

Trainieren basierend auf historischen Daten

Zusammenhang

Höhe des Kredits Geburtsdatum Geschlecht Postleitzahl …. Komplette Zahlung

5500 13.11.1978 m 84032 Nein

9800 24.12.1950 w 10965 Ja

7300 29.02.2000 d 47533 Ja

Vorhersage für die Zukunft

Vorhersage

Höhe des Kredits Geburtsdatum Geschlecht Postleitzahl …. Komplette Zahlung

8300 19.11.1979 m 87300 ?

2800 01.01.1980 m 56034 ?

5400 26.03.1948 w 12023 ?




15

Supervised Learning – was ist neu: komplexe, sehr präzise Algorithmen




16

Reinforcement Learning: Automatisierte Interaktion

http://

Erfolgsmessung

Beispiele

Mahnprozess

Kundenakquise




17

Reinforcement Learning: Elemente eines optimalen Mahnprozesses

Vielfältigen Kombinationen resultieren in einem sehr komplexen Entscheidungsproblem.

Selbst mit vielen Daten kann dies der Algorithmus nicht alleine lösen → Experte muss vorselektieren




18

Reinforcement Learning – Herangehensweisen für effektives Lernen

1. Algorithmus wählt zwischen Strategien

http://

Erfolgsmessung

Algorithmus

….

http://


Erfolgsmessung

Erfolgsmessung



19

Reinforcement Learning – Herangehensweisen für effektives Lernen

1. Algorithmus wählt zwischen Strategien 2. Algorithmus nimmt Feedback auf

http://

http://

Erfolgsmessung

Erfolgsmessung

….

Erfolgsmessung

Algorithmus

Erfolgsmessung

Erfolgsmessung

Erfolgsmessung




20

Augmented Intelligence: einfache, intuitiv zu benutzende KI.

Mensch + Maschine gemeinsam häufig stärker als Mensch oder

Maschine allein

Beispiele:

Call Center Mitarbeiter

Transparenten Credit-Score




21

Beispiel Augmented Intelligence: Wird Beschuldigter ohne Kaution vor

Gericht erscheinen?

Traditioneller Black-Box Machine Learning Algorithmus

Komplexes Modell, das mit 64 Variablen arbeitet (Art des Vergehens, Einsatz einer Waffe,

Alter, …)

Augmented Intelligence


Alter

Wert Score Berechnung

18-20 8

21-25 6

26-30 4

2

31-50 2

51 und älter 0

Vorherige Gerichtstermine verpasst

Wert

Score

0 0

1 6

2 8

3 9

4+ 10

Fluchtrisiko

+

6

=

8

Summe kleiner 10

Vorhersage: Beschuldigter erscheint

ohne Kaution vor Gericht


● © BvCM e.V. ● Drususdeich 24 ● 47533 Kleve ● Tel.: +49 (0)2821-976710-0 Jung et al ●2020

www.credit-manager.de ●


Gericht erscheinen?

Richter

Traditioneller Black-Box Machine Algorithmus

Learning Algorithmus


Beschuldigte ohne Kaution frei

69%

79%

79%

Beschuldigte ohne Kaution nicht vor

Gericht erschienen

13,3%

12,4%

13,0%

0% 20% 40% 60% 80% 100%





Gericht erscheinen?

Richter





69%

79%

79%


Gericht erschienen

13,3%

12,4%

13,0%

0% 20% 40% 60% 80% 100%





Gericht erscheinen?

Richter





69%

79%

79%


Gericht erschienen

13,3%

12,4%

13,0%

0% 20% 40% 60% 80% 100%




Künstliche Intelligenz im Mahnprozess

Rückzahlungsrate

Schulderntyp A

63%

49%

Standard

Simply Rational




26

Wichtig: Richtiges Werkzeug in der richtigen Umwelt.

Mensch + Maschine häufig der Schlüssel.

Unsupervised Learning – Kategorien identifizieren

Supervised Learning – Vorhersagen pro Individuum

Reinforcement Learning – automatisierte Interaktion

Augmented Intelligence – einfache, intuitiv zu benutzende KI




27

2- Tages Fortbildung: Menschliche und künstliche Intelligenz im Credit

Management

Für Credit ManagerInnen am 26./27.11.2021 in Berlin

Themen

Gute Entscheidungen bei Risiko und Unsicherheit

Künstliche Intelligenz im Credit Management

Algorithmen in der Organisation

Hybride Veranstaltung – Online und vor Ort Teilnahme möglich

Online: 975,00 € Präsenz: 1.275,00 € keine MwSt

Freitag 26.11. von 15.00 – 21.00 Uhr Samstag 27.11. von 09.30 – 14.30 Uhr

Bei Fragen: florian.artinger@simlpyrational.de




28

artinger florian praesentation

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?