Digital Finance - Reaching New Frontiers
DIGITAL ist ein Industrial Doctoral Network im Rahmen der Marie-Skłodowska-Curie Actions, das darauf abzielt, hochqualifizierte Doktorierende im Bereich Digital Finance auszubilden.
Steckbrief
- Beteiligte Departemente Wirtschaft
- Institut(e) Institut Applied Data Science & Finance
- Forschungseinheit(en) Applied AI Research & Solutions
- Förderorganisation Europäische Union
- Laufzeit (geplant) 01.01.2024 - 31.12.2027
- Projektleitung Prof. Dr. Branka Hadji Misheva
-
Projektmitarbeitende
Prof. Dr. Lucia Gomez Teijeiro
Prof. Dr. Adam Andrzej Kurpisz
Rebecca Di Francesco
Julius Kooistra - Schlüsselwörter Digital Finance, Künstliche Intelligenz, Explainable AI, Zeitreihenprognose, nachhaltige Finanzwirtschaft, ESG, Portfoliooptimierung, Secondments, EZB, ING, Finanzregulierung, vertrauenswürdige KI
Ausgangslage
Die rasche Transformation von Finanzdienstleistungen durch künstliche Intelligenz, Machine Learning und datengetriebene Entscheidungssysteme hat einen starken Bedarf an hochqualifizierten Forschenden geschaffen, die in der Lage sind, methodische Innovation mit realen Finanzanwendungen zu verbinden. Insbesondere Explainable AI (XAI) und nachhaltige Finanzwirtschaft sind zu zentralen Anforderungen geworden, um Transparenz, regulatorische Compliance und Vertrauen in automatisierte finanzielle Entscheidungsprozesse sicherzustellen. In diesem Kontext spielt die BFH eine Schlüsselrolle im Konsortium, indem sie zwei Arbeitspakete leitet und zwei Doktorierende betreut. Diese arbeiten an der Schnittstelle von: - Explainable AI für finanzielle Zeitreihen, mit Fokus auf Robustheit gegenüber Nicht-Stationarität, Regimewechseln und Modellunsicherheit - Nachhaltiger und verantwortungsvoller Finanzwirtschaft, einschließlich Portfolio-Dekarbonisierung, ESG-Restriktionen und Erkennung von Greenwashing Ihre Arbeit adressiert direkt zentrale Projektziele im Bereich einsatzfähiger Erklärbarkeit sowie stakeholder-orientierter KI-Systeme für die Finanzwelt.
Vorgehen
Die beiden von der BFH betreuten Doktorierenden arbeiten in einem hochgradig kollaborativen, international vernetzten Umfeld, das akademische Forschung mit industrieller Erfahrung durch Secondments bei zentralen Partnern wie der Europäischen Zentralbank (EZB) und ING kombiniert. Diese Aufenthalte ermöglichen die Validierung der Forschung in realen Finanzkontexten und unterstützen die MSCA-Ziele der Industrieintegration sowie den Erwerb übertragbarer Kompetenzen.
Ergebnisse
- Entwicklung von Explainable-AI-Methoden für finanzielle Zeitreihen, einschließlich systematischer Analyse von SHAP-, LIME- und gradientenbasierten Methoden, Identifikation von Limitationen unter spezifischen stilisierten Fakten sowie Entwicklung neuer Ansätze zur verbesserten Interpretierbarkeit von Prognosemodellen - Weiterentwicklung nachhaltiger Finanzmodelle, einschließlich Portfolio-Dekarbonisierung unter Tracking-Error-Beschränkungen - Entstehende Prototypen für Explainable AI im Finanzbereich, einschließlich Benchmarking- und Evaluierungsframeworks für Zeitreihenmodelle sowie Implementierungen ESG- und Dekarbonisierungs-gestützter Portfolio-Optimierungsmodelle - Entwicklung reproduzierbarer Pipelines für XAI in der Finanzprognose sowie Dashboards für nachhaltige Portfolio-Konstruktion - Starke industrielle Zusammenarbeit durch Secondments bei der Europäischen Zentralbank mit Fokus auf Stresstesting und Kreditrisiko-Prognosen sowie bei ING mit Fokus auf generative KI für ESG-Reporting, Dekarbonisierungsanalysen und Kundeninteraktion im Bereich nachhaltige Finanzprodukte - Regelmäßige Forschungsseminare im Rahmen von WP3 zur methodischen Weiterentwicklung von Explainable AI, Trustworthy AI und Sustainable Finance, die einen kontinuierlichen Austausch zwischen Doktorandinnen/Doktoranden und Partnerinstitutionen ermöglichen - Von der BFH geleitete Trainingsaktivitäten im Bereich Explainable AI, einschließlich strukturierter Doktoratsmodule und seminarbasierter Schulungen
Ausblick
Die nächste Phase des Projekts konzentriert sich auf die Überführung der Forschungsergebnisse in hochrangige wissenschaftliche Publikationen, validierte Prototypen sowie politikrelevante Rahmenwerke.
