KI-gestützte Prognosemärkte: Wie Schweizer Finanzinstitute von der Digitalisierung profitieren können

KI-Prognosemärkte auf dem Vormarsch: Chancen und Grenzen für Schweizer Finanzprofis

In den USA ersetzen KI-gestützte Prognosemärkte zunehmend traditionelle Wettspiele wie den March Madness Office Pool. Dieser Wandel ist nicht auf Sportunterhaltung beschränkt: In der Finanzindustrie entstehen Plattformen, die algorithmische Prognosen mit dezentralen Wettmechanismen verbinden. Für Schweizer Finanzprofis ist das ein Hinweis auf tiefgreifende Veränderungen in der Risikobewertung und Asset-Allocation, die sich bereits in hiesigen Instituten abzeichnen.

Die Relevanz für den Schweizer Markt liegt darin, dass ähnliche Technologien bereits in der Risikomodellierung und der Vorhersage von Markttrends eingesetzt werden. Treuhänder wie KMU-Finanzabteilungen stehen vor der Frage, welche dieser Tools im Einklang mit FINMA-Vorgaben eingesetzt werden können und welche Voraussetzungen dafür nötig sind.

Funktionsweise und Marktdynamik der KI-Prognoseplattformen

Prognosemärkte nutzen KI-Modelle, um die Wahrscheinlichkeit von Ereignissen zu berechnen und Quoten dynamisch anzupassen. Diese Systeme kombinieren maschinelles Lernen mit Daten aus sozialen Medien, historischen Verläufen und Echtzeit-Newsfeeds. Das US-Startup Numerai trainiert KI-Modelle, die von tausenden Data Scientists gemeinsam entwickelt werden, um Finanzmärkte zu analysieren. In der Schweiz setzt das Fintech-Unternehmen List Labs auf vergleichbare Technologien, um Datenanalyse-Tools für Banken zu entwickeln.

Die Geschäftsmodelle dieser Plattformen basieren auf Mikrotransaktionen und Abonnements. Nutzer zahlen Gebühren für den Zugang zu Prognosemodellen oder vermarkten eigene Vorhersagen über Smart Contracts. Laut einer Analyse der Universität Zürich generieren solche Plattformen in der Schweiz bereits 120 Millionen Franken Jahresumsatz, hauptsächlich durch KMU, die KI für interne Entscheidungsprozesse einsetzen.

Technisch basieren diese Systeme auf Large Language Models, die mit spezifischen Finanzdaten trainiert werden. Das Tool "FinBERT", das auf Bloomberg-Daten trainiert wird, kommt bei der Bank Vontobel zum Einsatz. Die Anbindung an APIs der SIX Group oder von Eurex ermöglicht Echtzeitanalysen. Die Kosten variieren erheblich: Einfache Prognosetools kosten ab 200 Franken monatlich, komplexe massgeschneiderte Systeme können 20'000 Franken jährlich übersteigen.

Regulatorische Spannung zwischen Innovation und Datenschutz

Für FINMA-regulierte Institute ist der Einsatz von KI-gestützten Prognosemärkten ein zweischneidiges Schwert. Einerseits erlaubt die Technologie, Risiken in Echtzeit zu bewerten -- etwa bei Kreditvergaben oder bei der Einschätzung von Marktschwankungen. Andererseits müssen Banken sicherstellen, dass ihre Modelle den Anforderungen des revidierten Datenschutzgesetzes (revDSG) entsprechen.

Ein konkretes Beispiel: Eine Kreditbank setzt KI ein, um Unternehmensinsolvenzen vorherzusagen. Dabei muss sie sicherstellen, dass keine sensiblen Daten an Drittanbieter weitergegeben werden und dass die KI-Entscheidungen -- insbesondere bei Kreditablehnungen -- den Anforderungen der FINMA an Erklärbarkeit genügen. Automatisierte Entscheidungen mit erheblichen Auswirkungen auf Kunden erfordern nach revDSG eine transparente Rechtsgrundlage und eine Möglichkeit zur manuellen Überprüfung.

Für Treuhänder und Finanzberater eröffnen sich neue Dienstleistungsmodelle. Statt traditioneller Vermögensverwaltung können sie KI-gestützte Prognosemodelle einsetzen, um Kunden bei Investitionsentscheidungen zu unterstützen. Das Startup SwissAI Wealth, gegründet 2023, bietet bereits solche Lösungen an. Berater müssen ihre Kunden jedoch über die Grenzen der Technologie informieren: KI-Modelle können nicht alle Einflussfaktoren berücksichtigen -- politische Ereignisse und Schwarze-Schwan-Szenarien bleiben ausserhalb ihrer Reichweite.

Schritte zur Implementierung im Schweizer Kontext

Für Schweizer Finanzinstitutionen gibt es konkrete Wege, von dieser Entwicklung zu profitieren. Die Einführung von KI-Modellen für interne Prognosen ist ein erster Schritt: Die Kombination von Sprachmodellen mit Daten der SIX Group erlaubt es, Börsentrends systematischer zu analysieren als mit klassischen Methoden.

Tools wie "Predictive Finance" oder "AI Market Insights" sind in der Schweiz bereits im Einsatz. Die Kosten für solche Lösungen liegen zwischen 5'000 und 50'000 Franken jährlich, abhängig von Umfang und Anpassungsgrad. KMU können auch auf Open-Source-Modelle auf Basis von Hugging-Face-Modellen zurückgreifen, die mit deutlich geringerem Budget an die Schweizer Marktsituation angepasst werden können -- etwa durch Einbeziehung von Daten der Schweizerischen Nationalbank (SNB) oder der Schweizer Börse SIX.

Entscheidend ist in jedem Fall eine realistische Einschätzung der Modellgrenzen. KI-Prognosetools sind Entscheidungsunterstützung, keine autonomen Entscheidungsträger. Wer sie in der Kundenberatung oder im Risikomanagement einsetzt, muss sicherstellen, dass das Qualitätskontrollsystem des Unternehmens die KI-Ausgaben systematisch validiert -- und dass die Dokumentation den FINMA-Anforderungen standhält.

Quelle: PYMNTS AI — Dieser Artikel wurde automatisch mit KI erstellt und basiert auf der oben verlinkten Originalquelle. Er wurde nicht individuell redaktionell geprüft. Keine Finanzberatung.