Urs Rhyner, Leiter InventxLab, begrüsste die rund 20 Teilnehmenden, ordnete AI in seinem Eröffnungsbeitrag zunächst in die allgemeine technologische Entwicklung der IT ein und stellte den Entwurf einer Roadmap für die Einführung und den Betrieb von AI-Lösungen in der Finanzindustrie vor.

Damian Hallenbarter, Leiter Banking bei Inventx, nahm in seiner Keynote den Faden auf.

Er beleuchtete die Chancen für AI im Banking, skizzierte aber auch die damit einhergehenden Herausforderungen.

Im nächsten Referat wurden praktische Erkenntnisse aus dem Bereich von Language-Modellen gezeigt und mit mobilen GPUs live demonstriert. Neben den omnipräsenten Closed-Source-Produkten von OpenAI stellt sich die Frage, ob Open-Source-Lösungen mit On-Premise-Betriebsmodellen eine Alternative für die Verwendung in der Finanzindustrie darstellen können. Dabei diskutierte das Gremium die Erfahrungen aus einem laufenden Ko-Innovationsprojekt zwischen dem InventxLab und einer renommierten Bank und fokussierte dabei neben den bekannten Large Language Models (LLM) auch auf den Einsatz und die Potenziale von Small- Language-Modellen (SLM) in Kombination mit der RAG-Methode (Retrieval Augmented Generation).

Das Gremium kam dabei zum Schluss, dass sich AI – genau wie andere Technologie-Trends zuvor – auf dem Prüfstand der Praxis noch beweisen muss. Wirtschaftlichkeit ist ein wichtiger Faktor hierfür. Denn letztlich geht es darum, mit AI echte Businessprobleme in der Branche zu lösen. Zum Schluss dieses Blocks wurde gemeinsam diskutiert, was eine AI Use Case mit statischen resp. dynamischen Daten für die Umsetzung und den Betrieb in der Praxis bedeutet und welche Fähigkeiten dabei bereitgestellt werden müssen.

Compliance und Sicherheit sind «heisse» Themen

Im Abschlussblock hat die Runde ihre Insights im Umgang mit Copilot in Microsoft Teams geteilt und insbesondere die «heissen» Themen wie Risk Management, Compliance, Datenschutz und IT-Security intensiv diskutiert. Auch bei diesem Thema durften wir uns auf ein laufendes Ko-Innovationsprojekt mit einem Kunden stützen. Copilot von Microsoft ist ein klassisches Beispiel von so genannter built-in AI, also künstlicher Intelligenz, die über die bestehende Anwendungslandschaft verfügbar und relativ einfach zu integrieren ist.

Erfahrungen aus der Praxis in Ko-Innovationsprojekt

Die erste Praxiserfahrung streicht die enormen Nutzenpotenziale von Copilot in Kombination mit Microsoft365-Daten heraus, macht eben aber auch die Herausforderungen in der Compliance und die zentralen Grundlagen in der Datenaufbereitung und Daten-Governance sichtbar. Wir können davon ausgehen, dass zahlreiche Softwarehersteller mit built-in AI auftrumpfen werden. Dabei stellt sich im Einzelfall die Frage, ob und wofür diese KI-Capabilities genutzt werden und wie diese KI-Systeme effektiv funktionieren und betrieben werden. Da Unternehmen bekanntlich bis 250 IT-Applikationen nutzen, diskutierten die Teilnehmer über die Standardisierung via AI-Patterns, um diese Adoption von AI-Applikationen effizient zu beurteilen und zu steuern.

Ein Meet-up wäre kein Meet-up, wenn nicht kräftig debattiert würde. Spannende Diskussionen fanden bereits während den Referaten statt und wurden beim anschliessenden Apéro selbstverständlich weitergeführt. Was ebenfalls zur DNA des Meet-ups gehört, ist, dass die Teilnehmenden den inhaltlichen Schwerpunkt gemeinsam festlegen.

Wir freuen uns bereits jetzt auf die nächste Veranstaltung im Herbst 2024 und einen stimulierenden Austausch rund ums Thema Innovationsmanagement.