Fachbeiträge & Kommentare zu Big Data

Rz. 6 Die Anforderungen des Moduls AT 4.3.5 sind technologieneutral formuliert und regeln den Einsatz sowohl einfacher als auch fortgeschrittener Modelle, darunter auch Modelle im Bereich der künstlichen Intelligenz und des maschinellen Lernens. Die BaFin definiert den Begriff der "künstlichen Intelligenz" als Kombination aus großen Datenmengen ("Big Data"), Rechenressourcen... mehr

Hinweis zur Benutzung des Literaturverzeichnisses: Sofern es sich bei den Autoren bzw. Herausgebern um Organisationen handelt, sind die aufgeführten Werke i. d. R. auf der Internetseite der jeweiligen Organisation verfügbar. Achtelik, Olaf, in: Herzog, Felix (Hrsg.), Geldwäschegesetz, 5. Auflage, München, 2023, § 24c KWG, § 25h KWG und § 6 GwG. ACI Deutschland e. V. – Arbeitsg... mehr

Rz. 89 Die IT-Infrastruktur stellt eine wesentliche Voraussetzung für die effektive Risikodatenaggregation und Risikoberichterstattung dar. Aufgrund von historisch gewachsenen Systemlandschaften ist die IT-Infrastruktur in Banken sehr stark fragmentiert und stellt eine der größten Herausforderungen für die Umsetzung von BCBS 239 dar. Aus diesem Grund erfordern die Umsetzungs... mehr

Rz. 88 Die Modellergebnisse müssen vom Institut interpretiert werden können. Insbesondere müssen die Wirkungszusammenhänge zwischen den Eingangsgrößen (z. B. Markt- und Portfoliodaten) und den Ausgangsgrößen (z. B. Marktpreis eines Finanzinstrumentes im Risikofall) aufgezeigt werden können. Bei den Modellen, die Charakteristika von technologiegestützter Innovation und künstl... mehr

Rz. 46 Ein Modell stellt eine Vereinfachung der Realität dar und kann diese nur approximativ erfassen. Aus diesem Grund ist es wichtig, die Angemessenheit und Eignung des Modells bereits vor seinem Einsatz zu bewerten. Dieser Prozess wird häufig als "initiale Validierung" bezeichnet. Unter der "initialen Validierung" eines Modells versteht man eine Überprüfung der Angemessen... mehr

Rz. 50 Nahezu alle Geschäftsprozesse und insbesondere die Risikomodellierung eines Institutes basieren auf Daten, die elektronisch erfasst und weiterverarbeitet werden. Das Datenqualitätsma­nagement hat für ein wirksames Risikomanagement in einem Institut eine herausragende Bedeutung, da die Aussagekraft der Modellergebnisse entscheidend von der Qualität der zugrunde liegend... mehr

Rz. 31 Der Baseler Ausschuss für Bankenaufsicht gibt in seinen Fortschrittsberichten zum Umsetzungsstand von BCBS 239 regelmäßig Empfehlungen für die Umsetzung der Grundsätze ab, um weitere Verzögerungen zu vermeiden. Diese Empfehlungen richten sich grundsätzlich an die Geschäftsleitung. Die Institute sollten demnach sicherstellen, dass sie über ein von der Geschäftsleitung ... mehr

Rz. 36 Die Geschäftsleitung ist verantwortlich für das angemessene Risikomanagement eines Institutes und muss den Einsatz der Modelle genehmigen (→ AT 3 Tz. 1). Das setzt hinreichende Kenntnisse über die Modellkonzeption, insbesondere zu wesentlichen Annahmen und Parametern sowie den zugrunde liegenden Daten voraus. Auch die Grenzen und Beschränkungen dieser Modelle müssen d... mehr

Rz. 78 Im Rahmen der Angemessenheitsüberprüfung sind auch die zugrunde liegenden Daten eines Modells kritisch zu würdigen. Einschränkungen in der Datenqualität können sich bereits bei den Rohdaten ergeben. Rohdaten sind z. B. die Kundenstammdaten (Anschrift des Kreditnehmers, Kreditbetrag, Rating etc.) oder die für die Risikorechnung verwendeten Marktdaten (Aktienkurse, Zins... mehr

Rz. 62 Die Höhe des Modellrisikos hängt auch davon ab, wie die Modellergebnisse im Institut verwendet werden. Ein für einen bestimmten Zweck geeignetes Modell kann in einem anderen Kontext zu unbrauchbaren Ergebnissen führen. Aus diesem Grund sollte die Modelldokumentation auch Ausführungen zur Verwendung der Modellergebnisse beinhalten. Die Modellergebnisse müssen interpret... mehr

Rz. 75 Manche Modelle, die auf dem maschinellen Lernen beruhen, werden sehr häufig oder sogar kontinuierlich an neue Daten angepasst ("Rekalibrierung"). Diese Adaptivität, d. h. eine häufige Anpassung beispielsweise aufgrund neuer Daten, erschwert eine klare Unterscheidung zwischen Modellanpassungen und Modelländerungen. Die Änderungen der Modelle der zweiten Säule sind im G... mehr

Rz. 152 Auch die EBA gestattet eine verhältnismäßige Anwendung ihrer detaillierten Vorgaben aus Abschnitt 5 der Leitlinien für die Kreditvergabe und Überwachung, indem die Institute bei der Umsetzung den Umfang, die Art und die Komplexität der jeweiligen Kreditfazilität – unbeschadet der Art. 18 und 20 der Wohnimmobilienkreditrichtlinie ("Mortgage Credit Directive", MCD)[1] ... mehr

Rz. 7 Ein wirksames Kreditrisikomanagement im weiteren Sinne beginnt mit der frühzeitigen Identifizierung der Risikopotenziale im Kreditgeschäft. Dies setzt voraus, dass die mit den einzelnen Kreditgeschäften verbundenen Risiken überhaupt bekannt sind. Diese Voraussetzung soll in Abgrenzung vom Bestandsgeschäft dadurch erfüllt werden, dass die Institute vor der Aufnahme von ... mehr

Rz. 296 Wenngleich die Institute den Anforderungen hinsichtlich der Angemessenheit und Wirksamkeit der Risikotragfähigkeitskonzepte grundsätzlich durch unterschiedlich ausgestaltete interne Verfahren entsprechen können, findet die Methodenfreiheit dort ihre Grenze, wo die internen Verfahren das aufsichtsrechtlich vorgegebene Ziel "Sicherstellung der Risikotragfähigkeit" unte... mehr

Rz. 68 Ein wesentliches Element bei der Steuerung von Modellrisiken ist die kritische Auseinandersetzung mit den Grenzen und Beschränkungen und eine regelmäßige Validierung der Modelle. Unter einer "Modellvalidierung" werden alle Prozesse und Aktivitäten verstanden, die dazu gedacht sind, zu überprüfen, ob Modelle wie erwartet funktionieren und ihren Verwendungszweck erfülle... mehr

Rz. 93 Der notwendige Grad der Erklärbarkeit der Modellergebnisse hängt vom jeweiligen Adressaten ab. Mögliche Adressaten sind neben der Aufsicht vor allem die Modellentwicklung und -validierung, die Anwender, die internen Kontrollfunktionen und nicht zuletzt die Geschäftsleitung. Dabei haben die Adressaten einen unterschiedlichen fachlichen Hintergrund und verschiedene Info... mehr

Rz. 33 Im Gegensatz zur ersten Säule des Baseler Rahmenwerkes besteht in der zweiten Säule eine sehr weitreichende Methodenfreiheit. Die Institute sind aufgefordert, selbst geeignete Methoden und Verfahren für das interne Risikomanagement festzulegen. Gemäß dem Proportionalitätsprinzip liegt es in der Verantwortung jedes einzelnen Institutes, die von ihm verwendeten Methoden... mehr

Mithilfe von künstlicher Intelligenz (KI) und Big Data können Unternehmen nachhaltiger werden, indem sie umfassende Datenanalysen durchführen und dadurch Erkenntnisse gewinnen, die zur Verbesserung der Ressourceneffizienz und zur Abfallreduzierung beitragen. Beispielsweise können Unternehmen KI-Modelle einsetzen, um ihre Lieferketten zu optimieren und den Energieverbrauch zu... mehr

Rz. 19 Intelligente Softwarekonzepte ermöglichen Remote-Bewerbungsgespräche mittels Videokommunikationsdiensten, die sich bereits zu On-Demand-Bewerbungsvideotechnologien weiterentwickelt haben, bei denen Bewerber nicht mit natürlichen Personen des potenziellen Arbeitgebers kommunizieren, sondern mit einem Computerprogramm, welches ihnen Fragen stellt und die Beantwortung au... mehr

Ob Amazon (USA), Zalando, Otto (Deutschland) oder Alibaba (China): Der (Einzel-) Handel hat seine neuen Kaufhäuser, in denen die Kunden Tag und Nacht grenzenlos shoppen können. Parallel zu dieser Entwicklung sind flächendeckend riesige Versandlagerhäuser entstanden – um die Kunden rund um die Uhr zu beliefern und möglichst wenig Zeit zu verlieren. Anders im Großhandel: Vorre... mehr

An den oben genannten Beispielen lässt sich bereits absehen, dass die klassischen Sektoren-Cluster nicht mehr funktionieren. Händler sind zugleich Finanzierer. Handwerker sind Energie- und Fördermittelberater. Versicherungsunternehmen sind Berater für die Altersvorsorge. Lebensmittel-Lieferanten sind Gesundheitsberater. Der Steuerberater wird zum Finanz-, Unternehmens- und V... mehr

Nach § 87 Abs. 1 BetrVG steht dem Betriebsrat ein Mitbestimmungsrecht zu, soweit keine gesetzliche oder tarifliche Regelung besteht. Bei der Einführung von KI-Systemen sind folgende Regelungen besonders relevant: § 87 Abs. 1 Nr. 6 BetrVG: Zunächst steht dem Betriebsrat ein Recht auf Mitbestimmung bei der Einführung und Anwendung von technischen Einrichtungen zu, die dazu best... mehr

Neben den Herausforderungen durch den Fachkräftemangel, gesetzlichen Vorgaben und einer steigenden Belastung der Arbeitnehmer ist auch die Arbeitsmedizin gefordert, zeitnah und flexibel zu kommunizieren und zu reagieren. Aufgrund der wachsenden Versorgungslücke, die durch den demografischen Wandel und eine hohe Nachfrage entsteht, muss die Arbeitsmedizin insbesondere für Kle... mehr

Jede Phase des EPM-Zyklus kann durch spezifische Tools unterstützt werden Auch wenn das Thema EPM in erster Linie eine fachliche Herausforderung darstellt und erst viel später Fragen nach der geeigneten IT-seitigen Unterstützung in den Vordergrund rücken, ist offensichtlich, dass eine geeignete IT-seitige Unterstützung eine effiziente Ausführung der einzelnen Phasen und Teilp... mehr

Rz. 71 Nach § 75 Abs. 2 BetrVG sind Arbeitgeber und Betriebsrat zum Schutz der freien Entfaltung der Persönlichkeit des Arbeitnehmers verpflichtet. Diese Verpflichtung stellt eine Schranke sowohl für ihre Regelungsbefugnis als auch für den Inhalt der von ihnen getroffenen Regelungen, z. B. in Betriebsvereinbarungen, dar.[1] Die in § 75 Abs. 2 Satz 1 BetrVG normierte Schutzpf... mehr

Das Verfahren, das für die Durchbrüche und den ungebrochenen Hype um KI verantwortlich ist, heißt maschinelles Lernen, ein Teilgebiet der künstlichen Intelligenz. Das maschinelle Lernen ist ein Verfahren, bei dem der Computer durch mathematische Methoden in die Lage versetzt wird, quasi "selbst" Zusammenhänge und Strukturen in Daten zu erkennen, ohne dass diese vorher im Ein... mehr

Vor allem große Unternehmen verfügen oft über enorme Datenmengen mit großem Potenzial für den wirtschaftlichen Nutzen. Zwar bieten die verarbeitenden Systeme i. d. R. schon umfangreiche Auswertungsmöglichkeiten. Diese sind jedoch meist sehr spezifisch vorprogrammiert. Eine KI-basierte Big-Data-Analyse hingegen ist in der Lage, für Menschen schwer erkennbare bzw. schwer vorhe... mehr

Automatisierte Anweisungen an Mitarbeiter sind schon seit Längerem gelebte Praxis. Beispielhaft seien hier pick-by-voice-Systeme (vom Computer gesprochene Anordnungen, bestimmte Waren vom Lager zu kommissionieren oder transportieren) oder – Navigationssysteme für die Auslieferung von Paketen. Hierbei handelt es sich meistens um gewöhnliche, also deterministische Software. Abe... mehr

Wichtigste Vorfrage und erste Weichenstellung im Datenschutz ist die Frage, ob überhaupt personenbezogene Daten verarbeitet werden. Auf die Verarbeitung (tatsächlich) anonymisierter Arbeitnehmerdaten ist das Datenschutzrecht von vornherein nicht anwendbar. Personenbezogene Daten sind z. B. dann nicht zwingend erforderlich, wenn Bewertungen von Informationen auf Unternehmens-... mehr

Ein besonders relevanter Anwendungsbereich von KI sind Sprachmodelle. Sie basieren ebenfalls zum großen Teil auf tiefen neuronalen Netzen und dem sog. Natural Language Processing ("NLP"). Das heißt, dass sie durch Analyse unzähliger Texte eine (statistische) Vorstellung davon erlangt haben, welche Wörter häufig in welcher Reihenfolge und in welchen Satzteilen vorkommen usw. S... mehr

Der Datenschutz ist eine weitere rechtliche Herausforderung, deren endgültige Lösung noch aussteht. Das betrifft allerdings ausschließlich die aktiven Exoskelette. Diese sammeln nämlich große Mengen an Daten und verarbeiten sie: einerseits Daten ihrer Umwelt (z. B. die exakte GPS-Position oder Distanz zu Hindernissen) und andererseits die Daten der Anwender (Körpergröße, Her... mehr

Welche der Methoden der nachhaltigen Personalentwicklung auch immer umgesetzt werden sollten – aufgrund der fortschreitenden Entwicklung der Informationstechnik und der damit verbundenen zunehmenden Relevanz der Digitalisierung erscheint eine Thematisierung der "digitalen Ethik" zur Erweiterung der ethischen Verantwortung unabdingbar. "Digitalethik fragt nach dem richtigen H... mehr

Überblick Im Zeitalter von Big Data, in dem immer mehr Daten und Informationen gesammelt werden, steigt auch die Gefahr einer Datenschutzverletzung bei dem Daten sammelnden Unternehmen. Eine generelle europaweite Verpflichtung zur Meldung solcher Schutzverletzungen wurde aber erst mit dem Inkrafttreten der Datenschutz-Grundverordnung eingeführt. Diese Datenpannen können versc... mehr

Um ein Risiko zu bestimmen, muss ein Verantwortlicher neben dem Schaden auch die Eintrittswahrscheinlichkeit abschätzen. Helfen können hier: die Art der Verarbeitung (z. B. Cloud Computing), der Umfang (z. B. Exponierungsgrad bei sehr "lukrativen" Daten), die Umstände (z. B. beim internationalen Datenverkehr oder in risikoträchtigen Verarbeitungssituationen wie bei Gesundheitsd... mehr

Die Transformation des Management Reportings erfordert eine klare Fokussierung auf zentrale Handlungsfelder. Diese reichen von der Definition eines konsistenten Steuerungsmodells über die Etablierung moderner Datenplattformen bis hin zur Nutzung von KI und der organisatorischen Verankerung. Wesentliche Schwerpunkte und Herausforderungen seien im Folgenden skizziert:[1] Steuer... mehr

Das Verfahren, das für die Durchbrüche und die weiter fortschreitende Verbreitung von KI-Systemen verantwortlich ist, heißt maschinelles Lernen, ein Teilgebiet der künstlichen Intelligenz. Das maschinelle Lernen ist ein Verfahren, bei dem der Computer durch mathematische Methoden in die Lage versetzt wird, quasi "selbst" Zusammenhänge und Strukturen in Daten zu erkennen, ohn... mehr

Automatisierte Anweisungen an Mitarbeiter sind schon seit Längerem gelebte Praxis. Beispielhaft seien hier pick-by-voice-Systeme (vom Computer gesprochene Anordnungen, bestimmte Waren vom Lager zu kommissionieren oder transportieren) oder – Navigationssysteme für die Auslieferung von Paketen. Hierbei handelt es sich meistens um gewöhnliche, also deterministische Software. Abe... mehr

Vor allem große Unternehmen und Verwaltungen verfügen oft über enorme Datenmengen mit großem Potential für den wirtschaftlichen Nutzen. Zwar bieten die verarbeitenden Systeme i. d. R. schon umfangreiche Auswertungsmöglichkeiten. Diese sind jedoch meist sehr spezifisch vorprogrammiert. Eine KI-basierte Big-Data-Analyse hingegen ist in der Lage, für Menschen schwer erkennbare ... mehr

Ein besonders relevanter Anwendungsbereich von KI sind Sprachmodelle. Sie basieren ebenfalls zum großen Teil auf tiefen neuronalen Netzen und dem sog. Natural Language Processing ("NLP"). Das heißt, dass sie durch Analyse unzähliger Texte eine (statistische) Vorstellung davon erlangt haben, welche Wörter häufig in welcher Reihenfolge und in welchen Satzteilen vorkommen usw. S... mehr

Wichtigste Vorfrage und erste Weichenstellung im Datenschutz ist die Frage, ob überhaupt personenbezogene Daten verarbeitet werden. Auf die Verarbeitung (tatsächlich) anonymisierter Beschäftigtendaten ist das Datenschutzrecht von vornherein nicht anwendbar. Personenbezogene Daten sind z. B. dann nicht zwingend erforderlich, wenn Bewertungen von Informationen auf Behörden- od... mehr

Rz. 9 Big Data bezeichnet große, komplexe Datenmengen, die mit herkömmlichen Methoden kaum zu verarbeiten sind und für das Training von LLMs genutzt werden. Wesentliche Merkmale sind die "Three V's": Volume (riesige Datenmengen), Velocity (hohe Geschwindigkeit der Datengenerierung und -verarbeitung) und Variety (Vielfalt der Datenquellen und -arten). Diese Datenbasis ermögli... mehr

Angwin u.a., Machine Bias – There's software used across the country to predict future criminals. And it's biased against blacks, abrufbar unter: https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing (zuletzt abgerufen am 23.3.2025) Bastian, US-Copyright-Behörde widerspricht KI-Industrie: Kein generelles Fair Use beim KI-Training, abrufbar un... mehr

Rz. 77 In der Regel basieren LLMs, wie beispielsweise ChatGPT, auf der sogenannten Transformerarchitektur. Ein KI-Modell ist dabei zunächst das "Ergebnis" des Trainingsprozesses. Eine mathematische Struktur, die auf Eingaben reagiert und daraus Vorhersagen oder Ausgaben ableitet. Die Transformerarchitektur stammt aus dem Bereich des Deep Learning und ist speziell darauf ausg... mehr

Akerhar / Sajja, Knowledge-Based Systems, 2010 Ashkar , Wesentliche Anforderungen der DSµ-GVO bei Einführung und Betrieb von KI-Anwendungen, ZD 2023, 523 Ashkar / Schröder , Das Gesetz über künstliche Intelligenz der Europäischen Union(KI-Verordnung), BB 2024, 771 Baumann, Generative KI und Urheberrecht – Urheber und Anwender im Spannungsfeld, NJW 2023, 3673 Beierle / Kern-Isberner , Met... mehr

Rz. 217 Nachdem KI-Systeme Big Data benötigen, um trainiert zu werden, drängt sich die Frage aus: Darf man das überhaupt? Welche Rolle spielt hier das Urheberrecht? Und was können die Spätfolgen von urheberrechtlich geschützten Trainingsdaten sein? Das deutsche Urheberrechtsgesetz (UrhG) schützt persönliche geistige Schöpfungen, § 2 Abs. 2 UrhG. Werke, eines menschlichen Schö... mehr

Prognosen sind ein unverzichtbares Werkzeug in vielen Bereichen der Wirtschaft und Gesellschaft. Sie beschreiben zukünftig mögliche Unternehmens- und Umweltzustände[1]. Sie dienen also dazu, zukünftige Entwicklungen vorherzusagen und ermöglichen es Unternehmen und Organisationen, sich aufkommende Herausforderungen vorzubereiten und entsprechende Maßnahmen zu ergreifen. Die M... mehr

Die jüngsten makroökonomischen Entwicklungen und die weitreichenden Implikationen für Unternehmen erfordern eine Unternehmenssteuerung, die im Spannungsfeld von Globalisierung und Deglobalisierung standhält. Die Entstehungsgeschichte wurde oben bereits kurz beleuchtet. In diesem Dream-Car-Bericht zeigen wir daher umfassend auf, wie entlang der drei Dimensionen Resilienz, Prog... mehr

Die wachsende Volatilität, Unsicherheit, Komplexität und Mehrdeutigkeit (VUCA) stellen traditionelle Steuerungsansätze zunehmend vor Herausforderungen. Externe Erschütterungen wie Finanzkrisen, Pandemien, Lieferkettenprobleme und der Krieg in der Ukraine verstärken diesen Wandel ebenso wie die disruptiven Auswirkungen der Digitalisierung und der gesellschaftlich wachsende Ko... mehr

Hinweis Einführungsbeispiel Die Controlling-Abteilung eines international tätigen Unternehmens mit Sitz in Frankfurt am Main steht angesichts der aktuellen makroökonomischen Entwicklungen vor enormen Herausforderungen. Die unvorhersehbaren politischen Maßnahmen unter Präsident Trump, die wachsenden Spannungen zwischen den USA und China sowie wiederholte Störungen in globalen ... mehr

Mögliche Anwendungen von Big Data im Nachhaltigkeitsmanagement: Energie- und Ressourcenmanagement Anwendung: Big Data wird verwendet, um Energieverbrauchsdaten aus unterschiedlichen Betriebsteilen zu sammeln und zu analysieren. Durch die Analyse dieser Daten können Muster erkannt und Maßnahmen zur Energieeffizienz verbessert werden Beispiel: Ein großes Produktionsunternehmen sa... mehr