„Gemeinsam mit Fujitsu haben wir gezeigt, dass mit dem Quanten-inspiriertem-Computing und dem Digital Annealer schon heute ein nachhaltiger Mehrwert für die Entwicklung leistungsfähiger Risikomodelle geliefert werden kann. Außerdem konnten wir spannende Einblicke in die zukünftigen Möglichkeiten des Quantencomputings gewinnen. Wir werden diesen Weg sehr gerne gemeinsam weitergehen und andere Anwendungsfälle untersuchen.”

Dr. Frank Matthäus, Leiter Risikomanagement & Finanzen, VR Smart Finanz
Referenz als PDF herunterladen

VR Smart Finanz

Quanten-inspiriertes Computing optimiert Vorhersagemodelle im Finanzsektor

Der Kunde

Die VR Smart Finanz ist in der Genossenschaftlichen FinanzGruppe Volksbanken Raiffeisenbanken subsidiärer Partner für einfachste Mittelstandslösungen. Sie bietet einfache, schnelle und passgenaue Finanzierungslösungen für den regional verwurzelten Mittelstand und die Geschäfts- und Gewerbekunden der Genossenschaftsbanken. Das Leistungsspektrum umfasst Lösungen für Leasing, Mietkauf und Kredit sowie digitale Services rund um den Finanzierungsalltag. Die Stärke der VR Smart Finanz sind Finanzierungsentscheidungen in Echtzeit.

Die Herausforderung

  • Zur Analyse des Risikoprofils eines Portfolios nutzen Banken Modelle, die in der Regel eine sehr hohe Anzahl an Risikofaktoren beinhalten. Bei der Entwicklung und Kalibrierung dieser Modelle kommen unterschiedlichste mathematische Verfahren zum Einsatz, um die zugrundeliegenden Datenmengen auszuwerten, die Modelle zu evaluieren und ihre Erklärbarkeit zu gewährleisten. Das ist sowohl zeit- als auch rechenaufwändig.

Die Lösung

  • Mit Hilfe eines mathematischen Modells für kombinatorische Optimierung können aus der großen Menge von möglichen Variablen und deren Kombinationen gezielt die aussagekräftigsten Merkmale für Risikomodelle identifiziert werden. Die Lösung für das sogenannte „Feature Engineering“ errechnet der Digital Annealer in wenigen Sekunden.

Die Vorteile

  • Durch die Reduktion der Risikofaktoren wird im späteren Praxiseinsatz die Datenversorgung der Risikomodelle vereinfacht und eine flexible Reaktion auf Veränderungen durch schnellere Entwicklungszeiten ermöglicht. Außerdem werden die anschließende Evaluation und Erklärbarkeit eines Modells deutlich leichter, was gleichzeitig die Akzeptanz bei den Nutzerinnen und Nutzern erhöht.

Referenz als PDF herunterladen

Top of Page