Einführung
Der Vorschlag, webbasierte Kreditgenehmigungssysteme einzusetzen, um das Kreditgenehmigungsverfahren zu verbessern, ist für Banken und andere Kreditinstitute eine attraktive Perspektive. Der Grund dafür ist, dass das Kreditgenehmigungsverfahren mit Risiken behaftet ist, für deren Bewältigung alle Kreditinstitute viele Ressourcen aufwenden.
Die Risiken ergeben sich aus der schlechten Qualität der Informationen, die durch betrügerische Anträge, die behördenübergreifende Erfassung und veraltete Informationen verursacht wird. Durch den Einsatz eines webbasierten Systems wird die Effizienz des Prozesses verbessert, wodurch die Gemeinkosten des Prozesses gesenkt und die Gewinnspanne für die Banken erhöht werden. Dies erfordert den Einsatz einer Systemarchitektur, die darauf ausgelegt ist, die bestmöglichen Ergebnisse bei der Analyse von Kreditanträgen zu erzielen.
Bei der Entwicklung eines solchen Systems kann aus einer Reihe von Systemarchitekturen gewählt werden. Sie bestehen in der Regel aus einer Datenbank, einer Modellbasis und einer Benutzeroberfläche, die zusammenwirken, um den Analysebericht zu erstellen, auf den sich die Entscheidungsträger verlassen. Sie bilden die entscheidenden Komponenten von Systemen der Künstlichen Intelligenz (KI), die zur Entscheidungsunterstützung eingesetzt werden.
Burnside und Kahn (2004) nannten als gängigste KI-Tools “Bayes’sche Netze, künstliche neuronale Netze, fallbasiertes Reasoning und regelbasierte Systeme”. Im Falle eines webbasierten Entscheidungshilfesystems für die Kreditvergabe muss das System zwei Probleme lösen.
Das erste Problem ist die Vollständigkeit und Genauigkeit der Informationen. Dieses Problem ergibt sich aus den verwendeten Datenbanken, denn jede Datenbank hat ihre Grenzen. Einige bieten umfassendere Informationen über Kunden als andere.
Das zweite Problem liegt in den verfahrenstechnischen Fragen, die mit der Handhabung der Informationen zusammenhängen. Die bevorzugte Lösung umfasst zum einen eine große Datenerfassungskapazität, die sich über das gesamte Internet erstreckt, und zum anderen eine überlegene Datenverarbeitungskapazität für die Bereitstellung wichtiger Informationen, die die Kreditsachbearbeiter für ihre Kreditentscheidungen benötigen.
Das zur Bewältigung dieser Herausforderung vorgeschlagene System wird ein Bayes’sches System verwenden, das auf einer webbasierten Plattform für das Frontline-Screening läuft. Es wird die Identifizierung von Kunden mit den bestmöglichen Voraussetzungen für einen Kredit ermöglichen.
Die zweite Gruppe von KI-Tools, die sie einsetzen wird, ist das regelbasierte System und das fallbasierte Reasoning, um Betrugsmöglichkeiten zu erkennen. Als drittes Werkzeug werden künstliche neuronale Netze eingesetzt, um massive Betrugserkennungsmöglichkeiten zu schaffen.
Vorschlag für eine Systemarchitektur
Das benötigte System muss die folgenden Spezifikationen erfüllen.
Das vorgeschlagene System setzt KI-Tools auf drei Ebenen ein.
Bayes’sche Netze bilden die erste Ebene. Sie bestehen aus einer Struktur, einem Satz von Wahrscheinlichkeiten und einem Inferenzalgorithmus, der die Grundlage der Operationen bildet. In die Entwicklung des Inferenzalgorithmus fließt der Input von Experten ein. Dies macht sie für das Frontline-Screening nützlich.
Eine praktische Anwendung dieses KI-Tools ist die Trennung von Kunden, deren Merkmale denen von Kunden mit guten Beziehungen entsprechen, von solchen, deren Ausgangsbedingungen denen von Kunden mit schwierigen Beziehungen entsprechen. Dies wird dazu beitragen, Kunden auszusortieren, die nicht das Potenzial für eine gute Beziehung zur Bank mitbringen.
Die zweite Stufe besteht aus künstlichen neuronalen Netzen und fallbasierten Reasoning-Systemen. Auf dieser Ebene wird das System die Fähigkeit haben, Betrug zu erkennen, indem es ähnliche Muster in neuen Kreditanträgen identifiziert, die möglicherweise betrügerisch sind.
Künstliche neuronale Netze bilden die Grundlage für die Ableitung von Beziehungen zwischen verschiedenen Datensätzen. Andererseits bietet das Case-Based Reasoning die Möglichkeit, neue Anträge mit den in der Datenbank gespeicherten zu vergleichen. Es ermöglicht dem Kreditsachbearbeiter den Vergleich der beiden Datensätze und stellt sicher, dass sich Fehler, die in der Vergangenheit gemacht wurden, nicht wiederholen.
Die dritte Ebene besteht aus regelbasiertem Reasoning, das eine Vorwärts- und Rückwärtsverkettung zur Analyse von Anwendungen ermöglicht.
Mit diesem Instrument können die Kreditsachbearbeiter feststellen, ob ein Antrag zu einer erfolgreichen Beziehung oder zu Betrug führen wird. Darüber hinaus kann es Informationen liefern, die es den Banken ermöglichen, ihre Marketinganstrengungen zu planen, indem sie von den gewünschten Endbedingungen ausgehen und das Tool nutzen, um die ersten Bedingungen zu ermitteln.
Die physische Architektur des Systems besteht aus der Standard-Computerausrüstung. Für das System gibt es eine Reihe von Topologieoptionen.
Dazu gehören die Sterntopologie, bei der die PCs in einem Sternchenmuster verbunden sind, die Bustopologie, bei der alle PCs an eine Hauptnetzleitung angeschlossen sind, und die Ringtopologie, deren Hauptmerkmal die kreisförmige Verbindung aller PCs über “gepaarte physische Schnittstellen” mit anderen Netzwerkgeräten ist.
Eine Punkt-zu-Punkt-Verbindung liegt vor, wenn sich nur zwei Geräte im Netz befinden, während eine Punkt-zu-Mehrpunkt-Verbindung vorliegt, wenn alle Geräte mit einem bestimmten Gerät verbunden sind.
Schematische Darstellungen von Stern-, Ring- und Bustopologien
Für das zu prüfende System wird die beste Systemarchitektur ein Hybridsystem sein, das die Bustopologie und die Punkt-zu-Multipunkt-Topologie umfasst. Alle für die Analyse verwendeten Computer werden an den Bus angeschlossen, während sich der Hauptspeicher-Server an einem Ende des Busses mit einer Punkt-zu-Multipunkt-Verbindung befinden wird.
Der andere Anschluss und das Ende des Busses wird der Internet-Server sein. Zusätzlich zu den PCs benötigt das System eine Reihe von Komponenten, die die Grundlage für die Nutzung der Internet-Suchfunktionen bilden. Dazu gehören Server, Switches, Router, Hubs und Netzwerkkabel.
Auf der Ebene der Protokollarchitektur kann zwischen zwei Protokollmodellen gewählt werden. Es handelt sich um das TCI/IP-Modell und das Open Systems Interconnection (OSI)-Netzwerkmodell.
Da das TCP/IP-Modell weit verbreitet ist, stellt es die geringsten Anforderungen an die Installation und bietet die Möglichkeit zur Erweiterung und plattformübergreifenden Kommunikation. Alle Schichten des OSI-Modells sind auch im TCP/IP-Modell enthalten. Dies bedeutet, dass es bei der Verwendung von TCP/IP nur minimale Verluste gibt.
Vergleich der TCP/IP- und OSI-Modellschichten
Daher verfügt das vorgeschlagene System über vier Werkzeuge der künstlichen Intelligenz auf Softwareebene, das TCP/IP-Protokoll und eine Hybridtopologie, die Bus- und Punkt-zu-Mehrpunkt-Topologien umfasst. Diese drei Elemente sorgen für die Softwareanforderungen des Systems, die physische Verbindung und die Netzwerkplattform, die erforderlich sind, um das gesamte System funktionsfähig zu machen.
Auswahl und Rechtfertigung von Softwarepaketen
Die Unternehmen gestalten ihre Systeme so, dass sie eine Reihe von Unternehmenszielen erreichen, die sicherstellen, dass das Unternehmen Gewinne erwirtschaftet. Die beiden Formen dieser Maßnahmen sind die Steigerung der Einnahmen und die Senkung der Kosten. Das vorgeschlagene System wird zu einer Steigerung der Einnahmen führen, indem es geschäftliche Unwägbarkeiten beseitigt.
Dies geschieht dadurch, dass es der Bank die idealen Ausgangsbedingungen für die Kreditvergabe liefert, diese mit dem eingereichten Antrag abgleicht und auf der Grundlage des Systems eine angemessene Beurteilung vornimmt. Mit diesem System kann die Bank schnell feststellen, ob eine bestimmte Kreditbeziehung überhaupt erstrebenswert ist.
Außerdem wird die Bank in der Lage sein, rückwärts zu arbeiten, um zu ermitteln, wer ihre Zielkunden sind, und somit ihre Marketingbemühungen gezielter einsetzen zu können. Was die Kosteneinsparungen anbelangt, so wird das System darauf abzielen, Betrug auszuschließen, der ein ernsthaftes Verlustrisiko für die Bank darstellt. Dies wird die Einnahmen der Bank schützen und sicherstellen, dass der Bank keine Verluste durch Betrug entstehen. Dies wird die Gewinnspanne verbessern.
Das System wird anfangs sehr arbeitsintensiv sein. Für die Entwicklung der KI-Komponenten sind verschiedene Experten und Analysen erforderlich, während die Netzwerktechniker für die Installation der gesamten Netzwerkausrüstung zuständig sein werden. Darüber hinaus werden Software-Programmierer das System entwickeln und die erforderlichen Benutzeroberflächen installieren, über die die Kreditbearbeiter auf die Systemressourcen zugreifen.
Die Rechtfertigung für diesen Aufwand aus Sicht des Managements ist die Verringerung des Aufwands für die Analyse von Anträgen und der damit verbundenen Kosten, wie z. B. der Kosten für Rechtsstreitigkeiten aufgrund betrügerischer Anträge. Zu den weiteren Managementproblemen, die das System lösen wird, gehört eine bessere Marketingstrategie aufgrund der besseren Identifizierung des Zielmarktes.
Bei der Auswahl des Systems wurden die besten verfügbaren Technologien im Bereich der künstlichen Intelligenz, die beste physische Topologie, die eine verbesserte Funktionalität bietet, und die Verwendung von TCP/IP, dem am meisten empfohlenen Netzwerkprotokoll, berücksichtigt. Dies bedeutet, dass es sich um den bestmöglichen Entwurf angesichts des derzeitigen Entwicklungsstandes und der Beschränkungen handelt. Darüber hinaus stehen Aspekte wie einfache Implementierung und Wartung im Vordergrund.
Zu den weiteren Überlegungen, die in die Kriterien für den Systementwurf einfließen, gehören die Sicherheitsanforderungen an das System. Da es sich um ein internetbasiertes System handelt, muss die Sicherheit des Systems in hohem Maße gewährleistet sein. Die Cybersicherheit des Systems sollte ein hohes Maß an Robustheit aufweisen, da das System Cyberangriffen von verschiedenen Seiten ausgesetzt sein wird.
Bei der Auswahl des oben genannten Systems wurde berücksichtigt, dass ein robustes System implementiert werden muss, das den sensiblen Anforderungen der KI-Tools gerecht wird und die für das Bankgeschäft erforderliche kompromisslose Leistung bietet. Das Unternehmen wird nicht viel Zeit für Ausfallzeiten haben, daher muss die Software-Implementierung so beschaffen sein, dass sie nur minimale Wartungsanforderungen hat und ihre Aufgaben gut erfüllt.
Maßnahmen und Methoden zur Systembewertung
Fisher (2008) nennt sechs Maßnahmen, die ein vorgeschlagenes System vor der Bewertung durchlaufen muss. Zu diesen Maßnahmen gehören die Messung der Funktionalität, der Technologie, des Softwareanbieters, der Implementierung, der Wartung und des Supports sowie der Gesamtbetriebskosten.
Die Funktionalität bezieht sich auf die Art und Weise, wie die Software die ihr zugewiesene Rolle im System erfüllt. Dies erfordert einen sorgfältigen Vergleich zwischen Softwareoptionen, die die erforderlichen Systemfunktionen unterstützen können. Es muss diejenige ausgewählt und implementiert werden, die die zugewiesenen Funktionen am besten erfüllt.
Die zweite Maßnahme, die bei der Bewertung einer Softwareoption zu berücksichtigen ist, ist die Technologie. Technologie bezieht sich auf den Grad der Kongruenz und Kompatibilität mit der Programmierplattform und der verwendeten Datenbank.
Das bedeutet, dass die gewählte Softwareoption gut mit der Plattform des Systemträgers und der Form der Datenbank, die sie abfragen wird, zusammenarbeiten sollte. Außerdem sollte man sich für eine Software entscheiden, mit der die internen Mitarbeiter vertraut sind. Es ist auch ratsam, eine Software zu wählen, die gut mit den übrigen Systemen des Unternehmens zusammenarbeitet.
Der dritte wichtige Punkt, der bei der Softwarebewertung zu berücksichtigen ist, ist das Ausmaß des Supports, den der Anbieter nach der Implementierung der Software leisten wird. Es ist von entscheidender Bedeutung zu wissen, ob der Anbieter nach dem Verkauf der Software Erweiterungen und zusätzlichen Support bereitstellt. Fisher (2008) sagt, dass jemand, der Software von einem Anbieter kauft, nicht nur Software kauft, sondern auch eine Beziehung zu dem Anbieter aufbaut.
Der vierte wichtige Aspekt bei der Softwarebewertung ist die Implementierung. Auch hier ist der Anbieter entscheidend. Es geht darum, einen Anbieter zu finden, der das Implementierungsteam unterstützt und während der gesamten Implementierungsphase weiter unterstützt, um sicherzustellen, dass das Implementierungsteam alle technischen Aspekte beherrscht.
Der nächste Punkt, der bei der Bewertung von Software von entscheidender Bedeutung ist, sind Support und Wartung. Die Wartung des Systems durch eigene Mitarbeiter ist zwar eine gute Praxis, doch ist eine Beziehung zum Anbieter, der Upgrades und regelmäßige Softwareüberprüfungen anbietet, sehr wichtig. Dies ergibt sich aus der Tatsache, dass die Anbieter eine breite Palette von Softwarelösungen für verschiedene Kunden bereitstellen.
Sie verfügen daher über eine größere Erfahrung mit dem Betrieb und den Funktionen des Systems. Dadurch sind sie in einzigartiger Weise qualifiziert, Lücken im System zu finden und sie in ihrer gesamten Softwarepalette zu schließen, bevor sie ihren Kunden echten Schaden zufügen.
Schließlich müssen bei der Bewertung von Software auch die Gesamtbetriebskosten berücksichtigt werden. Zu diesen Kosten gehören die Kosten für Lizenzen, die Kosten für die Wartung und die Kosten für Upgrades. Fisher (2008) empfiehlt, diese Kosten über einen Zeitraum von fünf bis sieben Jahren zu betrachten, um die langfristigen Kosten für die Implementierung der Software zu ermitteln.
Um sicherzustellen, dass das gesamte Projekt die Ziele erreicht, ist die Anwendung guter IT-Projektmanagementfähigkeiten erforderlich. Das Projekt muss in Phasen gegliedert werden, die durch entsprechende Meilensteine gekennzeichnet sind. So wird sichergestellt, dass jede Phase angemessen vorbereitet und durchgeführt wird, einschließlich der Tests, um die gesetzten Ziele zu erreichen.
Schlussfolgerung
Der Prozess der Implementierung eines webfähigen hybriden intelligenten Systems, das den Kreditgenehmigungsprozess in Banken unterstützt, hat mehrere Lager. Aus den oben dargelegten Diskussionen können wir folgende Schlussfolgerungen ziehen.
Es gibt überzeugende geschäftliche, verwaltungstechnische und technische Argumente für die Einführung eines Softwareprojekts zur Lösung der Probleme, mit denen Banken bei der Kreditgenehmigung konfrontiert sind. Der Business Case besteht darin, dass die Gemeinkosten durch die Verbesserung der Effizienz und Sicherheit des Genehmigungsprozesses gesenkt werden.
Das System wird auch die Verluste im Zusammenhang mit Betrug verringern und es ermöglichen, die Kosten für Rechtsstreitigkeiten aufgrund von Zahlungsausfällen zu reduzieren, wodurch die Gemeinkosten gesenkt werden. Aus Sicht der Verwaltung wird das System den gesamten Verwaltungsaufwand des Systems verringern, indem es die für die Bearbeitung der Anträge erforderliche Arbeit übernimmt. Und schließlich macht die Verfügbarkeit von KI-Techniken zur Umsetzung dieses Systems dieses technisch realisierbar.
Das System wird eine Kombination von KI-Tools verwenden, um die Ziele zu erreichen. Zu diesen Techniken gehören Bayes’sche Netze, fallbasierte Argumentation, regelbasierte Argumentation und künstliche neuronale Netze.
Die Anordnung dieser Werkzeuge soll das beste Ergebnis für die Funktionen liefern, da jedes seine Stärken und Schwächen hat. Die Verwendung von TCP/IP als die am besten geeignete Protokollarchitektur wird die Vorteile einer einfachen Verknüpfung mit verschiedenen Informationsnetzen im Internet mit sich bringen
Da das System auf einer webbasierten Plattform betrieben wird, sind Sicherheitsaspekte ein wichtiger Aspekt des Implementierungsprozesses. Dies macht es anfällig für Cyberangriffe, weshalb in die Cybersicherheit des Systems investiert werden muss.
Um die Eignung der gewählten Software angemessen bewerten zu können, wird das System die Anwendung mehrerer Maßnahmen erfordern. Dazu gehören Funktionalität, Technologie, Softwareanbieter und Implementierung. Darüber hinaus müssen Wartung, Support und die Gesamtbetriebskosten berücksichtigt werden.
Diese Elemente sind für die Implementierung eines webbasierten Entscheidungsunterstützungssystems erforderlich, das eine Lösung für die Probleme der Banken bei der Kreditvergabe bieten wird.
Referenzliste
Burnside, E. S. & Kahn, C. E., 2004. Künstliche Intelligenz hilft bei der Entscheidungshilfe in der Radiologie. Web.
Evans, T., 2011. Verbessern Sie Ihre Kreditwürdigkeit. Web.
Fisher, C. R., 2008. 6 Schlüsselkriterien für die Softwarebewertung. Web.
Hill Associates, 2002. Telekommunikation: A Beginners Guide. Berkeley: McGraw-Hill/Osborne.
InetDaemon, 2011. Inet Daemon: Echte Ausbildung für Internet-Profis. Web.
Leotta, J., 2011. Kreditbewilligung. Advameg, Inc. Web.
Lewis, M., 2010. Credit Rating: Wie sie funktioniert und wie man sie verbessert… Web.
Microsoft, 2011. TCP/IP-Protokollarchitektur. Web.
Oesterreichische Nationalbank, 2004. Richtlinien zum Kreditrisikomanagement: Kreditgenehmigungsverfahren und Kreditrisikomanagement. Wien: OeNB Druckerei.
Power, D. J., 2002. Entscheidungsunterstützende Systeme: Concepts and Resources for Managers. Westport CT: Greenwood Publishing Group.
Servigny, A. & Renault, O., 2004. Messung und Verwaltung des Kreditrisikos. Illustrierte Ausgabe. New York, NY: McGraw-Hill Professional.
Das Dokumentationsprojekt für Computertechnologie, 2011. Network Layers. Web.
Zopounidis, C. & Doumpos, M., 2011. Entscheidungsunterstützungssysteme. Web.