Künstliche Intelligenz dringt immer tiefer in die Systeme von Banken und Zahlungsdienstleistern ein. Prozesse im Handel und im Risikomanagement werden zunehmend automatisiert. Doch genau das könnte die Finanzmärkte gefährden.
In einer aktuellen Studie simulierten Forscher typische Anlageentscheidungen, bei denen Investoren eines Fonds entscheiden müssen, ob sie ihr Geld abziehen oder investiert lassen. Ziehen zu viele gleichzeitig ab, kommt es zu einem Bankrun.
Wie t3n.de berichtet, kamen zwei verschiedene KI-Typen zu völlig unterschiedlichen Ergebnissen. Sogenannte Q-Learning-Algorithmen, die durch Ausprobieren lernen, wurden übervorsichtig. Selbst bei starken Fundamentaldaten hielten sie am Geldabzug fest - ein Phänomen, das die Forscher als "Hot-Stove-Effekt" bezeichnen.
Große Sprachmodelle wie ChatGPT hingegen verstehen die wirtschaftliche Logik besser und lassen sich von Verlustrisiken kaum beeindrucken. Allerdings bilden sie sehr unterschiedliche Meinungen darüber aus, was andere Anleger tun werden, und schaffen es nicht, sich zu koordinieren.
Die Studie kommt daher zu dem Schluss, dass es für die Stabilität der Finanzmärkte entscheidend ist, welche Art von KI Anlageentscheidungen trifft. Aufsichtsbehörden müssten künftig nicht nur Marktteilnehmer überwachen, sondern auch verstehen, welche Technologie hinter den Entscheidungen steckt.
Auch die US-Notenbank, die Federal Reserve, warnt in ihrem jüngsten Finanzstabilitätsbericht vor KI-Risiken. Besonders Cyberangriffe auf zentrale Dienstleister könnten in einem stark vernetzten Finanzsystem Schocks auslösen.
Technische Ausfälle könnten vor allem in angespannten Märkten zu plötzlichen Liquiditätsengpässen führen. Die operative Widerstandsfähigkeit sei daher heute ebenso wichtig wie Kapital- oder Liquiditätspuffer, so die Fed.
