BaFin und Deutsche Bundesbank stellen ihr gemeinsames Diskussionspapier „Maschinelles Lernen in Risikomodellen – Charakteristika und aufsichtliche Schwerpunkte“ zur Konsultation. Darin geht es um den konkreten Einsatz von maschinellem Lernen (ML) in Risikomodellen der Säulen I und II der Regelwerke für Banken und Versicherer. Das Papier basiert auf bereits veröffentlichten Prinzipien der BaFin und der Bundesbank für den Einsatz von Big Data und künstlicher Intelligenz (Big Data und Artificial Intelligence – BDAI).
Eine Frage der Abgrenzung
In der Juni-Ausgabe des BaFinJournals hat die BaFin bereits darauf hingewiesen, dass sich Methoden des Maschinellen Lernens (ML) und konventionelle Ansätze zur Risikomessung nur schwer voneinander abgrenzen lassen. Demgegenüber stellt das neue Diskussionspapier auf charakteristische Merkmale ab, die bei ML-Methoden in Risikomodellen häufig besonders stark ausgeprägt sind, sich aber auch in konventionellen Ansätzen wiederfinden lassen. Das folgende Schaubild stellt diese Sichtweise exemplarisch dar – und zwar anhand zweier auf internen Ratings basierender Ansätze für das Kreditrisiko von Banken (Internal Rating Based Approach – IRBA):
Bandbreite von Modellcharakteristiken
(c) BaFin und Deutsche Bundesbank
Abhängig von der Ausprägung dieser Charakteristika werden in dem Diskussionspapier aufsichtliche Schwerpunkte festgelegt und Ansatzpunkte für die Weiterentwicklung der Aufsichtspraxis beschrieben. Ein typisches Beispiel hierfür ist die im Vergleich zu konventionellen Methoden üblicherweise deutlich komplexere Entwicklungsphase von ML-Methoden, bei der eine Vielzahl von Parametern zu bestimmen ist (Training).
Die aufsichtlichen Schwerpunkte und Ansätze für die Weiterentwicklung der Aufsichtspraxis lassen sich aus der bestehenden Regulierung der Säule I und Säule II ableiten. BaFin und Bundesbank vertreten daher die Ansicht, dass für den Einsatz von ML-Methoden in Risikomodellen der Säulen I und II keine neue, spezifische Regulierung entwickelt werden muss.
Diskussion mit Anwendern
Mit den im Diskussionspapier zu findenden Thesen zu charakteristischen Merkmalen und Aufsichtsschwerpunkten wollen BaFin und Bundesbank ihre grundsätzlich offene Haltung zu ML-Methoden in Risikomodellen zum Ausdruck bringen. Beide Behörden möchten mit dem Papier eine Diskussion in Gang setzen. An die potenziellen Entwickler und Anwender von ML-Methoden in Säule I und Säule II – Kreditinstitute, Versicherer und Dienstleister – stellt das Papier konkrete Fragen und bittet um ergänzende, gern auch kritische Stellungnahmen.
Aus den Antworten erhoffen sich die beiden Behörden einen Überblick darüber, ob und welche Hürden nach Ansicht der Branche die Einführung von ML-Methoden in Risikomodellen verhindern und wie sie beseitigt werden könnten. BaFin und Bundesbank wollen ausloten, wie sich die Chancen aus dem Einsatz von ML-Methoden – etwa eine präzisere Risikoeinschätzung und die damit verbundene Stärkung des Risikomanagements – nutzen lassen, ohne die mit dem Einsatz von ML verbundenen Modellrisiken zu ignorieren.
BaFin und Bundesbank beabsichtigen, die Stellungnahmen zunächst auszuwerten und dann in einem Workshop mit Vertreterinnen und Vertretern der Branchen und beider Behörden darüber zu diskutieren. Ergänzend dazu soll eine anonymisierte und aggregierte Auswertung auf den Internetseiten beider Behörden veröffentlicht werden. Einzelne Stellungnahmen werden nicht veröffentlicht. Interessierte können den Fragebogen mit ihren Rückmeldungen bis zum 30. September 2021 als Anlage einer formlosen E–Mail an Konsultation-11-21@bafin.de oder ai-b3@bundesbank.de schicken.
Kommentar hinterlassen