Willkommen zu unserem virtuellen Training über Fintech und künstliche Intelligenz
Dieses Training ist modular aufgebaut – Sie können sich entscheiden, den gesamten Kurs zu belegen oder einzelne Module zu wählen. Wir freuen uns auf die Zusammenarbeit mit Ihnen!
Zero-Touch Planning
Swisscom AG,
With Zero-Touch Planning, Swisscom has set itself the goal of making group-wide financial planning more robust and efficient through predictive analytics and automation.
For this purpose, algorithmic processes are used to create predictions at the level of individual profit and loss positions based on historical developments, drivers for sales and cost development, as well as internal specialist knowledge.
Christian was brought in as an external expert for data science, machine learning and automation to contribute to the development of zero-touch planning at Swisscom as lead data scientist.
With his understanding of the sensible use of algorithms, the automation of data science applications, as well as the integration of specialist knowledge into algorithmic processes, Christian has made decisive progress in our team.
Thanks to Christian’s support, Swisscom is now in a position to carry out monthly planning processes automatically and with data support.
Data Science program
NN Investment Partners,
Christian is a highly skilled and motivating trainer who delivered a great Data Science program for our portfolio managers.
Python for Marketing Teams
Die Mobiliar,
Christian is a very pleasant and competent course leader. With his calm and authentic manner, he gave us a very entertaining, interactive introduction to Python that was tailored to our needs. We are happy to recommend him.
Modul 1: Eine Einführung in FinTech und KI
Inhalt der Einheit
- FinTech – Umfang und Schnittstellen zu klassischen Finanzdienstleistungen
- Was sind wesentliche Merkmale von FinTech, was hat es mit Konzepten wie InsureTech, LegalTech gemeinsam?
- Wo entstehen FinTech-Trends, was sind globale Gemeinsamkeiten und was sind lokale Unterscheidungsmerkmale?
- Wie hoch ist der monetäre Marktanteil von FinTech an allen Finanzdienstleistungen, in welchen Bereichen sehen und erwarten wir das stärkste Wachstum?
FinTech-Technologie
- Was sind die Arbeitshypothesen von FinTech in Bezug auf Technologiezugang, Prozesse und rechtliche Grundlagen?
- Ist FinTech unbedingt mobil?
- Wie hängt FinTech mit der Big-Data-Technologie zusammen und ist von ihr abhängig? Welche HiFive-Kriterien gelten für FinTech-Anwendungen?
- In welchen Teilen der Wertschöpfungskette hängt FinTech mit Künstlicher Intelligenz zusammen? Welche Konzepte der KI nutzt FinTech jetzt und was wird für die Zukunft erwartet?
Lernziele und -ziele der Einheit
- Erklären Sie den Umfang von FinTech und welche Lücken der traditionellen Finanzdienstleistungen es füllt
- Sehen Sie sich die Landschaft der FinTech-Unternehmen auf der ganzen Welt an
- Beschreiben Sie die Beziehungen von FinTech zu traditionellen Finanzdienstleistungen
- Beschreiben Sie die Wertschöpfungsketten von FinTech und wo es Künstliche Intelligenz (KI) einsetzt
Modul 2: Digitale Transformation im Banking
Inhalt der Einheit
- Datensysteme
-
- Wie sind traditionelle Datensysteme in Banken aufgebaut? Warum schränkt die traditionelle Aufstellung oft die Umsetzung moderner FinTech-Konzepte ein?
- Wie sind moderne FinTech-Datensysteme aufgebaut und warum? Ein Überblick über APIs, Dokumentendatenspeicher, Graphdatenbanken
- Digitale Werkzeuge
- Internetdienste
- Analyseumgebungen
- Robotische Prozessautomatisierung
- Digitale Prozesse
- Warum reichen Tools allein nicht aus, um digitale Finanzdienstleistungen zu erstellen?
- Digitale Prozessgestaltung
- Digitale Kultur
- Datenhygiene
- Sicherheit geht vor
- Eingeständnis von Unsicherheit über zukünftige Anforderungen
Lernziele und -ziele der Einheit
- Erklären Sie, was die digitale Transformation ausmacht und warum sie die Entstehung von FinTech auslöst
- Verstehen Sie die Hindernisse, mit denen traditionelle Finanzdienstleistungen bei der digitalen Transformation konfrontiert sind
- Überprüfen Sie den Stand der digitalen Transformation innerhalb traditioneller Finanzdienstleistungen
Modul 3: Die Grundlagen der KI in Fintech
Inhalt der Einheit
- Warum jetzt?
- Rechenleistung
- Allgegenwärtige Datenverfügbarkeit
- Moderne Algorithmen
- Was ist KI?
- Der KI-Effekt
- Maschinelles Lernen, Expertensysteme und Internet der Dinge
- Hardwareimplementierung
- Anwendungen
- Maschinelles Lernen
- Grundlegende Arbeitsprinzipien des maschinellen Lernens
- Lineare vs. nichtlineare Modelle
- Shallow vs. Deep Learning
- Rahmenbedingungen und Implementierung
- Einschränkungen
- Verfügbarkeit hochwertiger Daten
- Interpretierbarkeit von Modellentscheidungen für maschinelles Lernen
- Korrelation vs. Kausalität
- Anomalieerkennung
- Warum ist die Anomalieerkennung eine der wichtigsten Techniken im Geschäftsleben?
- Anomalieerkennung mit Autoencodern
- Anomalieerkennung bei Finanztransaktionen
- Verarbeitung natürlicher Sprache
- Klassifizierung von Finanztransaktionen mit NLP
- Bankverträge verstehen
- Investment Research mit NLP
- Empfehlungs-Engines
- Amazons Empfehlungen funktionieren auch im FinTech
- Der Mechanismus von Empfehlungs-Engines
Lernziele und -ziele der Einheit
- Beschreiben Sie Umfang und Bedingungen von Künstlicher Intelligenz
- Anforderungen und Entwicklung von KI erklären
- Verstehen Sie die Fähigkeiten und Grenzen von KI
- Beschreiben Sie die wichtigsten generischen Anwendungsfälle für KI in FinTech
Modul 4: Open Banking / PSD2
Inhalt der Einheit
- Open Banking-Regulierung
- PSD2 Säule 1 und 2
- Offene Banking-Anwendungen
- Datenübertragbarkeit und Open Banking wirken sich auf die Wettbewerbsdynamik aus
- Abwanderung verstehen, Markteinblicke, „verlorene Pipeline“ verstehen
- Baue deine eigene Bank auf ORCA
- Open Banking-Sicherheit
- Regulatory Technology Standard (RTS) der EBA
- Starke Authentifizierungstechnologien
- PSD2-Referenzarchitektur
- Biometrische Identifizierung
- Anpassung an die Datenschutzgrundverordnung
Lernziele und -ziele der Einheit
- Erklären Sie die Open Banking / PSD2-Richtlinie
- Beschreiben Sie die Auswirkungen von Open Banking auf FinTech
- Sehen Sie sich FinTech-Fallstudien an, die Open Banking einsetzen
Modul 5: FinTech und KI im Retail Banking, Wealth Management und Investment Management
Inhalt der Einheit
- Zahlungsdienste
- Die einzelnen Schritte im elektronischen Bezahlprozess
- Wie FinTech auf diese Schritte zugreift, sie beschleunigt und automatisiert
- Die Rolle von Aggregationsplattformen (zB WeChat)
- Technologie für Zahlungsdienste
- Robo-Beratung
- Der Robo Advisory Business Case
- Live Robo Advisory Beispiele und Vergleich ausgewählter Angebote
- Berichterstellung
- Einführung in NLP zur Sprachgenerierung
- Live-Beispiel für die Erstellung von Finanzberichten
- Anwendungen der Berichterstellung
- KYC / AML
- KI-Techniken zur Automatisierung von Know Your Client (KYC)- und Anti-Money Laundering (AML)-Prozessen
- Der client2vec-Algorithmus
- Kreditrisikomanagement
- End-to-End-Beispiel für KI-basiertes Kredit-Scoring
- Betrugsprüfung
- Überprüfung auf Kreditkartenbetrug
- Screening auf Transaktionsbetrug
- Portfolio-Management
- Wie FinTech Wettbewerbsvorteile bei Investitionen bieten kann
- Alternative Daten
- Crowdinvestment
- FinTech und Factoring
Lernziele und -ziele der Einheit
- Erklären Sie den grundlegenden Prozess im Retail Banking
- Beschreiben Sie, wo FinTech in diesen Prozessen einen Mehrwert schaffen kann
- Erklären Sie den grundlegenden Prozess in der Vermögensverwaltung
- Beschreiben Sie, wo FinTech in diesen Prozessen einen Mehrwert schaffen kann
- Erklären Sie den grundlegenden Prozess im Investment Management
- Beschreiben Sie, wo FinTech in diesen Prozessen einen Mehrwert schaffen kann
Modul 6: FinTech und nachhaltige Finanzen
Inhalt der Einheit
- Übersicht nachhaltige Finanzen
- Die UN SDGs und die Prinzipien des verantwortungsvollen Investierens
- Grüne Finanzierungsinstrumente
- FinTech für ESG-Risikobewertung
- DB ESG-Screening-Tool
- Einführung in die ESG-Berichterstattung, Chancen für FinTech
- Tauchen Sie ein in DB Alpha Dig
- TCFD-Szenarioanalyse
- Einführung in die Klimarisikoberichterstattung und die Task Force on Climate Related Financial Disclosures
- Wie FinTech die Klimarisikobewertung ermöglicht
- Tiefer Einblick in Szenarioanalysen und Stresstests
Lernziele und -ziele der Einheit
- Eine Einführung in nachhaltige Finanzen
- Was sind Prozesse, bei denen FinTech einen Mehrwert bieten kann
- Beispiele für Klimarisiken
Modul 7: Kryptowährungen
Inhalt der Einheit
- Einführung in die Distributed Ledger Technologie und Überblick über aktuelle Kryptowährungen
- Bitcoin, Ether
- Die Fallstudie von Facebooks Libra
- Geschäftsfälle für Kryptowährungen
- Globale Handelsfinanzierung
- Zahlungsdienste
- Prüfung von Kryptowährungen
- Buchhaltungspraktiken für Kryptowährungen
- Technologie zur Prüfung von Kryptowährungen
Lernziele und -ziele der Einheit
- Erklären Sie die Distributed-Ledger-Technologie
- Beschreiben Sie Gemeinsamkeiten und Unterschiede wichtiger Kryptowährungen
- Verstehen Sie die Rolle von Kryptowährungen in verschiedenen Anwendungen
Modul 8: Regulatorische Aspekte von FinTech
- Inhalt der Einheit
- Robo-Advisory-Verordnung
- Fallstudie zu zwei US-Robo Advisory-Modellen
- Robo-Advisory-Regulierung auf der ganzen Welt
- FinTech und Aufsicht
- Wann benötigt FinTech eine Banklizenz?
- Der Sonderfall der Mikrofinanzanwendungen
- DSGVO
- Die EU-DSGVO als Grundrahmen für die Datenschutzbestimmungen zu FinTechs
Lernziele und -ziele der Einheit
- Erklären Sie, welche Elemente von FinTech unter die konventionelle Bankenregulierung fallen
- Beschreiben Sie die Beziehungen von FinTech zu Datenschutzbestimmungen, AML und KYC
Modul 9: Ethik und KI für Finanzdienstleistungsanwendungen
Inhalt der Einheit
- Ethische KI-Entwicklung im FinTech-Bereich
- Singapurs FEAT-Prinzipien
- Europas ethische KI-Richtlinien
- Die Algo.Regeln
- Interpretierbarkeit von KI-Modellen
- Der Unterschied zwischen Erklärbarkeit und Interpretierbarkeit von KI-Modellen
- Globale Interpretierbarkeit
- Lokale Interpretierbarkeit
- FinTech-bezogene Beispiele
- Bias und De-Biasing von Daten
- Beabsichtigte und unbeabsichtigte Verzerrung in Daten
- Wie verzerrte Daten zu verzerrten KI-Modellen führen
- Beispiele für das Bias-Problem
- De-Biasing von Daten
Lernziele und -ziele der Einheit
- Erforschen Sie ethische Fragen rund um die Anwendung von KI für FS
- Überprüfen Sie die Position globaler Aufsichtsorganisationen
- Untersuchen Sie die Interpretierbarkeit und Verzerrung von KI bei praktischen Daten
- Beschreiben Sie Maßnahmen und Ansätze, um einen verantwortungsvollen Einsatz von KI für FS zu gewährleisten
