Chatbots fürs Banking

Die Großbank UBS tüftelt zum Beispiel bereits an Skills und Chatbots für die Vermögensverwaltung mit Amazon Alexa. Ein Pilotprojekt läuft unter anderem in Großbritannien. Der UBS-Chatbot soll anfangs über allgemein zugängliche Wirtschaftskennzahlen wie die Inflationsrate plaudern können; in Zukunft sei eine personalisierte Vermögensberatung durchaus nicht auszuschließen. Anlageberater, die sich bisher vorwiegend ums Investieren gekümmert haben, müssten aufwachen und einsehen, dass sie aufgrund der digitalen Revolu­tion irgendwann keinen Job mehr haben könnten, warnt Stephan Hässig, Leiter Vermögende Privatkunden der UBS Schweiz. Für Entwickler gilt allerdings eher das Gegenteil: Künstliche Intelligenz schafft neue Karriere-Chancen.

Wie die Programmierer ihre bestehenden Kenntnisse einsetzen können, um für eine KI-Engine zu entwickeln, illus­triert das Konzept der Skills für Amazon Alexa. Unter Skills versteht der Anbieter Erweiterungen, die Alexa neue Fähigkeiten beibringen. Einen Teil ihres Erfolgs verdankt die Alexa-Plattform der Tatsache, dass sich Skills einfach entwickeln lassen. Developer können bereits bestehendes Know-how nutzen. Das Design der Benutzerinteraktionen mit Alexa erfordert die Nutzung von Amazons webbasierten Tools; im Back­end hat der Coder mehr Flexibilität. Zur Auswahl stehen derzeit zwei Optionen:

Die Bereitstellung von AWS Lambda durch Amazon illustriert einen weiteren Trend: Serverless Computing. Bei diesem verwalteten Dienst werden Anfragen ereignisgetrieben abgearbeitet. Es läuft alles ohne (sichtbare) Server-Instanzen ab. Für die bedarfsgerechte Skalierbarkeit und Hochverfügbarkeit zeichnet AWS verantwortlich. Die Flut von Big Data aus IoT-Sensorik der smarten Fabrik oder der Logistik benötigt leistungsstarke Algorithmen zur Auswertung der Daten und eine (semiautonome) intelligente Steuerung der Endgeräte. Die Entstehung von Marktplätzen für Algorithmen ist die Folge. Googles Kaggle.com und Algorithmia.com sind die neuen App-Stores. Anwendungsentwickler können das Wissen von Data Scientists zurate ziehen und die eigene Software mit datengetriebenen Features auf Basis fortgeschrittener Algorithmen anreichern. Beispiele solcher Algorithmen, die im Cloud-Backend einer App massive Datenmengen interpretieren können, fallen in eine oder mehrere Kategorien. Zu diesen zählen:

Mit der wachsenden Bedeutung von Daten wird auch die Datenvisualisierung wichtiger. Die Möglichkeiten sind vielversprechend. Dank leistungsstarker Frameworks müssen Web­entwickler neuerdings auch vor Deep Learning und prädiktiver Modellierung nicht mehr haltmachen.