Künstliche Intelligenz im Retail-Banking

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

Hinweis zum Ablauf

Zeiten: 9 bis 17 Uhr

Zielsetzung

Fundierte Einblicke und praktische Anwendungen für das Finanzwesen. Das Seminar Künstliche Intelligenz im Retailbanking zielt darauf ab, Mitarbeitern und Management im Finanzwesens fundiertes Wissen über die Anwendung und Integration von KI-Technologien zu vermitteln. Das KI-Seminar bietet einen tiefgreifenden Einblick in die Rolle der KI bei der Betrugsfallerkennung, Optimierung von Betriebsabläufen, der Verbesserung der Kundenerfahrung und der Entwicklung neuer Finanzprodukte.

Hinweise zur Prüfung und Zertifikat/Abschluss

Teilnahmezertifikat

Teilnahmevorraussetzungen

Es werden keinen spezifischen Kenntnisse vorausgesetzt.

Preishinweis

Durchführungskosten abhängig von der Anzahl der Teilnehmer