KI im Risikomanagement Advanced

Kursüberblick

Die Umsetzung von Künstlicher Intelligenz im Risikomanagement stellt Banken vor komplexe fachliche, technische und regulatorische Herausforderungen. Neben der Auswahl geeigneter Use Cases spielen vor allem Datenqualität, Modellrisiken und Governance-Strukturen eine entscheidende Rolle für den Projekterfolg.
Typische Anwendungsfelder wie Kreditrisikomodelle, ESG-Risiken, Szenarioanalysen oder Compliance-Prozesse zeigen, wo KI bereits heute Mehrwert schafft und welche Anforderungen dabei zu berücksichtigen sind. Gleichzeitig rücken Themen wie Bias, Transparenz und Modellvalidierung stärker in den Fokus der Aufsicht.
Ein klar definiertes Zusammenspiel von Risk, Data Science, IT und Compliance bildet die Grundlage für eine strukturierte Umsetzung. Rollen, Verantwortlichkeiten und Prozesse entlang des gesamten KI-Lifecycles – von der Entwicklung bis zum Monitoring – werden dabei konkret eingeordnet.
Im Workshop werden eigene KI-Projekte konzipiert und bewertet, um regulatorische Anforderungen, Risikosteuerung und Datenanforderungen praxisnah zu verknüpfen. Dadurch entsteht ein realistisches Bild, wie KI im Risikomanagement effektiv und compliant eingesetzt werden kann.

Kursinhalte

• ML, NN, NLP, Predictive Analytics & GenAI (LLM) im Tagesgeschäft
• Use Cases: Modelle für materielle Risikoarten, Szenariosimulation, Compliance

• Datenqualität, Datenschutz, technische Voraussetzungen
• Modellrisiken & Bias – Erkennen, Messen, Steuern
• Umgang mit aufsichtsrechtlichen Anforderungen

• Rollenmodell: Risiko, Data Science, IT, Compliance
• Verantwortlichkeiten im KI-Lifecycle (Modellgovernance, -entwicklung, -deployment und -validierung, Datenbereitstellung, Monitoring, Reporting)
• Erfolgsfaktoren für KI-Projekte in Banken

• Kleingruppen: Entwicklung einer KI-Projektidee
• Bewertung von KI-Use Cases und Entwicklung von Projektgovernance
• Berücksichtigung regulatorischer Vorgaben, Risikosteuerung, Datenanforderungen

• Reflexion: Welche Use Cases sind für die eigene Bank realistisch?
• Governance-Checkliste für KI-Einführungen

Zielgruppe

• Risikomanager*innen in Banken, Finanzinstituten und Kreditinstituten
• Mitarbeiter*innen in den Bereichen:
  • Risikocontrolling und Risk Governance
  • Kreditrisiko, Markt-/Liquiditätsrisiko, Operationelles Risiko, ESG-Risiken
  • Compliance, Regulatory Affairs und interne Revision
  • Data Analytics, Data Science und Modellvalidierung
• Führungskräfte und Spezialist*innen, die KI-gestützte Risikomodelle verantworten oder implementieren
• Jurist*innen und Compliance Officer, die Anforderungen aus dem EU AI Act, der European Banking Authority (EBA), FMA und der BaFin beurteilen müssen
• IT- und Projektverantwortliche, die KI-Projekte im Risikomanagement begleiten