Es ist ein Fehler, den Einsatz von Expertensystemen im Bankenbereich als das Paradies unbegrenzter Möglichkeiten zu sehen. Wird allzu große Euphorie vermieden und beschränkt man sich auf realisierbare Problemstellungen, sind die Anwendungen vielfältig. Was handhabbar und möglich erscheint, erörtert Gregor von Drabich-Waechter*, ohne die zuvor gemachten Fehler zu übersehen.
Die Banken in der Bundesrepublik beginnen nun nach den Hardwareherstellern, dem Automobilbau und der Chemie sich ebenfalls intensiver mit dem Thema Expertensysteme zu beschäftigen. Obwohl es auch in dieser Branche noch eine Reihe von ungelösten Problemen mit der dritten und vierten Computergeneration gibt, scheint sich die Erkenntnis durchzusetzen, daß man sich der fünften Generation heute nicht mehr völlig verschließen darf.
Die Richtigkeit dieser Einschätzung läßt sich durch zwei Gründe belegen.
Erstens ist die Technologie der Expertensysteme aus dem Stadium der Forschung herausgetreten und bietet heute geeignete Verfahren und unterstützende Software an, die sich zur Lösung überschaubarer Probleme gewinnbringend einsetzen lassen.
Zweitens müssen gerade in einem Dienstleistungsbereich tagtäglich große Mengen an Wissen verarbeitet werden, zudem Expertensysteme besonders sinnvoll eingesetzt werden können.
Die folgenden Fragen sollen weitgehend beantwortet werden:
- Welche Einsatzgebiete bieten sich heute im Bankbereich an?
- Wie sollten die ersten Schritte bei der Erstellung eines Prototypen aussehen?
- Mit welchen Zeitaufwänden und Kosten ist zu rechnen?
- Welche Fehler wurden in der Vergangenheit gemacht?
In Banken gibt es heute eine Vielzahl von hochqualifizierten Experten, die über äußerst spezielles Wissen verfügen:
- Know-how von teilweise sehr komplexen Finanzierungs- und Anlageinstrumenten;
- Wissen über interne Vorschriften, Handlungsanweisungen, Richtlinien und Sicherheitsbestimmungen;
- Know-how von Bilanzanalyse und -prognosen;
- volkswirtschaftliches Know-how;
- Erfahrungen in Methoden der technischen Marktanalyse;
- Wissen über nationale und internationale gesetzliche und branchenspezifische Regelungen (beispielsweise im Außenhandel);
- Wissen über neueste Markttendenzen.
Voraussetzungen für den Einsatz von Expertensystemen
Überall dort lassen sich prinzipiell Expertensysteme einsetzen. Einige wichtige Voraussetzungen sollten jedoch erfüllt sein:
- Das Wissensgebiet darf für den Anfang nicht zu umfangreich sein und muß sich in Regelform darstellen lassen.
- Ein erster Prototyp muß schnell erstellt werden können.
- Geeignete Werkzeuge (Tools) müssen zur Verfügung stehen.
- Die Aufgabe sollte mit konventioneller Programmiertechnik nicht oder zumindest nur aufwendiger lösbar sein.
- Zumindest sollten bei dem ersten Projekt projekterfahrene Berater sich vor allem beim Knowledge-Engineering unterstützen lassen.
- Der Experte muß verfügbar und kooperationsbereit sein.
Im Bankbereich gibt es bereits eine Reihe von Applikationen, die im Laufe der letzten Jahre vor allem in den USA entwickelt wurden.
Das Thema Anlageberatung steht dabei im Vordergrund: Ein Kunde wird von dem System nach einer Reihe von Fakten gefragt, zum Beispiel nach seinem verfügbaren Einkommen, seiner Risikofreudigkeit, seinem Familienstatus (für die Bestimmung seiner Steuerposition) etc. Das Programm empfiehlt ihm daraufhin ein bestimmtes Aktienportfolio, eine bestimmte Lebensversicherung oder einen Mix an Produkten, die sein Risiko und/oder seine Steuerschuld minimieren. Er kann sich nun die Begründung für die Empfehlung geben lassen, gewisse Fakten verändern und so eine für sich optimale Anlageform iterativ identifizieren. Er kann darüber hinaus mit unvollständigen und ungenauen Angaben arbeiten.
Weitere Systeme beschäftigen sich mit der Unterstützung von Spezialisten. So gibt es zum Beispiel ein Programm zur Entscheidung, ob ein Interest Rate Swap eine angemessene Finanzierungsform für ein Unternehmen in der derzeiten Zinssituation und unter den augenblicklichen Erwartungen darstellt.
Neben diesen ersten Systemen existieren eine Reihe weiterer Anwendungsgebiete für Expertensysteme.
Kundenberatung ist hier das Stichwort. So können beispielsweise Banken ihre Kunden über Produkte qualifiziert beraten, von denen sie noch kein breites Know-how in ihrem Zweigstellennetz besitzen. Dies zeigt das Beispiel des Lebensversicherungsberaters, der in einer österreichischen Bank entwickelt wurde. Generell gilt, daß in einer immer stärker werdenden Konkurrenzsituation und bei gleichzeitiger Ausweitung des Produktangebotes die Qualität der Beratung ein wesentliches Entscheidungskriterium des Kunden sein wird. Das beratende Unternehmen hat demgegenüber natürlich über das Expertensystem auch eine gewisse aktuelle Steuerungsmöglichkeit und Kontrolle seiner Vertriebsaktivitäten.
Ein weiterer Einsatzbereich wissensbasierter Systeme ist die interne
Vereinheitlichung und Steuerung von Abläufen. Hierunter fällt zum Beispiel die Finanzanalyse von Unternehmen. So kann eine Bank sicherstellen, daß ihre internen Kreditvergabevorschriften genauestens eingehalten werden und daß der Kreditantrag alle wesentlichen Erwägungen zu einem Firmenkunden enthält, einschließlich eines Ratings des Analysten-Expertensystems. Der Kundenbetreuer ist seinerseits in der Lage, eine Entscheidung schnellstens herbeizuführen, und nicht gezwungen, zuerst zahlreiche interne Gutachten und Stellungnahmen einzuholen.
Des weiteren kann eine Bank ihr Kreditportfolig oder ein Anleger seine Anlagen sorgfältig nach verschiedensten Kriterien strukturieren und durch ein Expertensystem überwachen lassen, um eine einseitige überproportionale Abhängigkeit von einer bestimmten Risikogruppe auszuschließen. Ein derartiges System zur Steuerung eines deutschen Aktienportfolios wird derzeit entwickelt.
Besonders interessant ist hier der Einsatz sogenannter "lernender Systeme", die aus einem Set von Daten und einer gewissen Vorstrukturierung typische Risikogruppen herausfiltern können und die Entwicklung eines Gesamtportfolios in verschiedenen Szenarien untersuchen können.
Die ersten Schritte bei der Erstellung eines Prototypen
Nach sorgfältiger Auswahl eines Wissensgebietes mit den genannten Voraussetzungen sollte eine Machbarkeitsanalyse erfolgen. Diese beinhaltet neben der Leistungsbeschreibung die Toolauswahl zusammen mit der endgültigen Hardwarebestimmung sowie eine genaue Aufwands- und Kostenschätzung des Gesamtprojektes.
Artificial Intelligence und nichtprozedurale Programmierung stellen zwar einen wesentlichen Fortschritt in der Softwaretechnologie dar; die sollte jedoch nicht dazu verleiten, alle Erfahrungen aus dem professionellen Softwareengineering über Bord zu werfen.
Nach der Erstellung der Leistungsbeschreibung sollte das geeignete Tool für die schnelle Realisierung eines Prototypen ausgesucht werden. Grundsätzlich gilt, daß es auch im Bereich der Expertensysteme keine "eierlegenden Wollmilchsäue" gibt, sich erst in Anhängigkeit vom Problemgebiet und von der Anwendungsumgebung ein geeignetes Tool für die Realisierung des Expertensystems bestimmen läßt, das wirklich alle Anforderungen des Auftraggebers auch erfüllen kann.
Dabei gewinnen immer mehr sogenannte Expert-System-Shells - also "leere" Expertensysteme - an Bedeutung, bei denen eine Erklärungskomponente, eine Wissensakquisitionskomponente, eine Benutzerschnittstelle und eine Inferenzmaschine (Schlußfolgerungsmechanismus) bereits vorhanden ist. In diese Shells wird dann das Expertenwissen lediglich "hineingefüllt" Dies klingt erheblich einfacher, als es in der Praxis ist. Gerade das Problem des Knowledgeengineering wurde bei vergangenen Projekten oftmals vernachlässigt und dem Programmierer noch "mitübertragen". Die Folge war das Scheitern einer Reihe von Projekten. Deshalb empfiehlt es sich zumindest für diese Phase, erfahrene Experten zur Unterstützung heranzuziehen.
Nach der Auswahl des Shells sollte eine genaue Zeit- und Aufwandsplanung für das Projekt durchgeführt werden, um sicherzustellen, daß man in überschaubarer Zeit einen Prototypen erstellen kann und das Projekt nicht mehr Aufwände erfordert, als zunächst vorgesehen ist. Erweist sich das ausgesuchte Wissensgebiet als zu umfangreich, so sollte man entweder nur einen Teilbereich realisieren oder auf ein anderes Gebiet zurückgreifen.
Nach dieser sehr wichtigen Machbarkeitsuntersuchung wird das Knowledge-Engineering durchgeführt. Der Knowledge-Engineer legt die strukturierte Wissensbasis in Form einer Entwurfssprache ab. Diese kann bereits ein einfach zu bedienendes Expert-Shell-System sein, kann jedoch auch schriftlich nach speziell dafür entwickelten Verfahren erfolgen.
Nach Abschluß des Knowledge-Engineering erfolgt die Erstellung der Prototypen des Systems mit Hilfe des ausgesuchten Tools. Dabei ist es durchaus üblich, daß bis zu zwanzig Prototypen zusammen mit dem Experten entwickelt und verfeinert werden, bis das endgültige System den Ansprüchen aller Beteiligten genügt. Hierbei kommen die Vorzüge der nicht-prozeduralen Programmierung besonders zum Tragen.
Entwicklungszeiten und der finanzielle Aufwand
Die Dauer und die Kosten für die Entwicklung eines Expertensystems variieren stark in Abhängigkeit von der Hardware und den verwendeten Softwaretools, die ihrerseits von der Mächtigkeit des Problemgebietes abhängen.
Ein erster Prototyp sollte in wenigen Minuten entwickelt werden können. Die Kosten für seine Erstellung sollten 100 000 bis 200 000 Mark nicht übersteigen. Dabei schlägt die Software auf Personal Computern in der Regel nur mit 5 bis 10 Prozent zu Buche. Interne und externe Personalaufwendungen bestimmen hier die Gesamtkosten.
Der Prototyp sollte dann Entscheidern und Anwendern vorgelegt werden, die dann über den weiteren unternehmensweiten Einsatz befinden können. Ausbau des Systems, Portierung auf Großrechner, Einbindung in bestehende Verfahren und Anschluß an Datenbanken sowie Ausbildung der Mitarbeiter und die ständige Wartung der Wissensbasis verursachen weitere Kosten.
Der Hauptfehler, der in der Vergangenheit gemacht wurde, lag in der Überschätzung der eigenen Fähigkeiten beim Bau von Expertensystemen. Mit Enthusiasmus über die unbegrenzt scheinenden Möglichkeiten der AI nahm man sich zu große Projekte vor. Man mußte schmerzlich erfahren, sich zunächst auf kleinere Projekte beschränken zu müssen, die dann langsam ausgebaut werden können. Dabei lag das Hauptproblem weniger bei den Programmier-Tools, sondern vielmehr bei der unvorhergesehenen Komplexität und Menge des notwendigen Expertenwissens, das zur Lösung großer Aufgabengebiete notwendig ist. Und hier schließt sich ein zweiter Fehler direkt an: Die Rolle des Knowledge-Engineering wurde stark unterschätzt. Selbst bei vergleichsweise überschaubaren Wissensdomänen sind in der Regel spezielle Techniken und Verfahren notwendig, um das Expertensystem zu erheben und zu strukturieren.
Dafür ist das Produkt des Knowledge-Engineering in der Regel nicht nur die Grundlage für ein Expertensystem, sondern hilft auch, Fehler und Inkonsistenzen im Expertenwissen selbst aufzudecken, dieses umfassend zu strukturieren und damit die Grundlage für seine systematische und konsequente Weiterentwicklung zu legen.
Ein weiterer Fehler ist einigen Firmen unterlaufen, die teilweise mit sehr aufwendigen Lisp-Rechnern äußerst komfortable Demonstrationssysteme erstellt haben. Diese waren dann allerdings nicht vor Ort einsetzbar, da für die Lisp-Rechner in der Regel keine preiswerten Ablaufsysteme zur Verfügung stehen. Die Demonstrationsversionen nahmen den Weg, den bereits viele ihrer Vorgänger gegangen sind, nämlich in die Ablage.
Zusammengefaßt läßt sich sagen, daß Expertenwissen gerade im Bankbereich intensiv genutzt wird und daß Expertensysteme hier besonders sinnvoll und gewinnbringend eingesetzt werden können. Es sollte jedoch bei den ersten Schritten in dieser neuen Technologie bescheiden und vorsichtig ans Werk gegangen werden.