Das Unvorhersehbare vorhersagen
Data Intelligence geht über das Aggregieren von Statistiken weit hinaus: Durch die regelmäßige Datenanalyse bekommen Entscheidungstragende und die Kundschaft ein mächtiges Instrument zur Hand. Zudem eröffnet Data Intelligence neue Möglichkeiten, Vorhersagen und Simulationen über zukünftige Ereignisse zuverlässiger zu machen. Es hilft Zentralbanken beispielsweise beim Katastrophenmanagement und bei der Bargeldversorgung vor, während und nach einer Krise.
Kein Zweifel: Wenn Naturereignisse wie Erdbeben, Hurrikane oder Tsunamis zuverlässig vorhergesagt werden könnten, wäre es weitaus einfacher, für Sicherheit zu sorgen und Leben zu retten. Die Natur ist jedoch schwer berechenbar. Geowissenschaftler/-innen können Hinweise auf eine erhöhte Wahrscheinlichkeit beispielsweise von Erdbeben erkennen – es bleibt aber eben bei einer Wahrscheinlichkeit. Eine genaue Lokalisierung oder zeitliche Vorhersage tektonischer Verschiebungen und ihrer Folgen ist nach wie vor Wunschdenken.
Könnten Daten und Maschinen helfen? Es gibt zahlreiche Ansätze, mit denen man versucht, das Unvorhersehbare vorherzusagen. Einfacher ist es, wenn eine Krise bereits eingetreten ist, wenn also der schnelle Fluss von Ereignissen, Informationen und Daten nur abgeschöpft und ausgewertet werden muss. AIDR zum Beispiel, „Artificial Intelligence for Disaster Response“, arbeitet nach diesem Prinzip: Die kostenlose Open-Source-Software sammelt und klassifiziert automatisch Tweets, die während humanitärer Krisen gepostet werden. „In Krisensituationen werden viel zu viele Daten über soziale Medien produziert, als dass der Mensch sie selbst auswerten könnte“, erklärt Muhammad Imran, Research Scientist am Qatar Computing Research Institute (QCRI) und einer der acht Mitarbeitenden des Projekts.
Aktuelle und historische Fakten ermöglichen Vorhersagen
Aber für Maschinen sind die Daten zu umfangreich und komplex, um sie erfolgreich verarbeiten zu können. „AIDR nutzt beide Welten, indem es menschliche und maschinelle Intelligenz zusammenführt“, fährt Imran fort. Zunächst sammelt die Software Tweets zu einer Katastrophe und filtert sie anhand von Schlüsselwörtern oder Hashtags wie „Hurrikan“ und „#Sandy“. In dieser Phase entspricht das Verfahren einer regulären Suche auf twitter.com. Die resultierenden Tweets enthalten zwar die Schlüsselwörter bzw. Hashtags, sind aber für das Katastrophenmanagement oder humanitäre Organisationen möglicherweise nicht relevant. Daher klassifiziert im nächsten Schritt ein Filter namens „Tagger“ Tweets nach Themengebieten, etwa „Infrastrukturschäden“ oder „Spenden“. Diese Klassifizierung erfolgt automatisch und wird dann mit Elementen visualisiert, die von Menschen festgelegt wurden. Bereitgestellt werden diese über MicroMappers.org, eine Initiative mit den Vereinten Nationen.
Das Konzept von AIDR beruht also darauf, während einer Krise Informationen zu analysieren und zu verwalten, also rückblickend. AIDR versucht, anhand zurückliegender und aktueller Ereignisse die Entwicklungen in den nächsten Stunden oder Tagen vorherzusehen. Darüber hinausgehend umfasst Predictive Analytics zahlreiche statistische Methoden – von der prädiktiven Modellierung über das maschinelle Lernen bis hin zum Data Mining –, die aktuelle und historische Fakten analysieren, um Vorhersagen möglich und zuverlässiger zu machen.
Algorithmen bieten Entscheidungstragenden ein mächtiges Instrument
Im Labor haben Bertrand Rouet-Leduc, Claudia Hulbert, Nicholas Lubbers und andere gezeigt, dass es möglich ist, „Laborbeben“ vorherzusagen, indem sie neue Entwicklungen im Bereich des maschinellen Lernens (ML) anwenden. Dabei kommen Programme zum Einsatz, die sich auf Grundlage neuer Daten ständig erweitern und korrigieren. „Mithilfe von ML identifizieren wir verräterische Geräusche – ähnlich wie eine quietschende Tür –, die vorhersagen, wann ein Erdbeben auftreten wird“, so die Forschenden. Sie erklären, dass maschinelles Lernen anhand des Geräuschs, das eine im Labor nachempfundene Verwerfung abgibt, die bis zum Eintreten eines Bruchs verbleibende Zeit relativ genau vorhersagen kann.
Da der Algorithmus entscheidende Trends in den Daten erkennt, Beobachtungen, die Aufzeichnungen in der Wirklichkeit meist nicht erfassen, könnte dieses Verfahren zur Vorhersage von Lawinen, Erdrutschen oder des Ausfalls von Maschinenteilen eingesetzt werden. Damit bekommen die Entscheidungstragenden ein Instrument zur Hand, mit dem sie aus Korrelationen Schlüsse ziehen, Transparenz schaffen und zukünftige Entwicklungen prognostizieren können.
Ein Beispiel dafür, wie Data Intelligence das Katastrophenmanagement unterstützen kann, ist ein Plan, den die Banco de México 2017 entwickelte, um bei Naturkatastrophen die Bargeldversorgung vor Ort zu gewährleisten. Dadurch soll Bargeld auch dort verfügbar sein, wo die Bankeninfrastruktur zusammengebrochen ist – denn schließlich ist es die einzige Zahlungsform, die in Krisenzeiten umgehend verwendet werden kann.
Data Intelligence verändert das Krisenmanagement drastisch
Bargeldversorgung sicherstellen, wenn Infrastrukturen zusammenbrechen
Der Plan wird von der Banco de México, dem Bankenverband, der Banjercito (einer speziell für Armee und Marine gegründeten Bank) und dem Finanzministerium umgesetzt sowie von Armee und Marine unterstützt. Er umfasst vier Phasen und dauert so lange an, bis sich die Dienste wieder normalisiert haben. „Sobald drei Viertel der Bankfilialen in einer Stadt in Mexiko nicht mehr funktionieren, wird die Unterstützungsphase aktiviert“, erläutert Alejandro Alegre Rabiela, Generaldirektor für Geldausgabe und Kassenleiter der Banco de México. „Die Banco de México, der Bankenverband und die Banjercito werden alles tun, um innerhalb von 24 Stunden Cash-Service-Module zu installieren“, so Alegre weiter.
Die Banjercito und der Bankenverband legen fest, wie viele Cash-Service-Module in die betroffene Region gebracht werden sollen, welche Mengen und Stückelungen ausgeliefert werden sollen, und welcher Höchstbetrag pro Transaktion und Modul zulässig ist. Banjercito teilt dem Bankenverband, dem Finanzministerium und der Banco de México mit, wann und wo die Cash-Service-Module in Betrieb genommen werden. Diese Angaben werden den lokalen Medien zur Verfügung gestellt, damit diese anschließend die in der Region lebenden Menschen über die Standorte der Module, den Höchstbetrag, der je Transaktion abgehoben werden kann, die akzeptierten Karten und andere wichtige Aspekte zu den Cash-Service-Modulen informieren können.
„Die Banco de México transportiert die Banknoten, die Cash-Service-Module und das Personal von Banjercito, das die Module betreiben wird, in Flugzeugen zum Bestimmungsort“, erklärt Alegre weiter. Sollte es nicht möglich sein, die Geräte und das Personal in den Flugzeugen der Banco de México zu transportieren, leisten Armee und Marine logistische Unterstützung bei der Aufstellung der Module und sorgen für die Sicherheit von Personal und Bargeld. Solange dieser Plan aktiv ist, erheben die Banken für das Abheben von Bargeld keine Gebühren. Die Banjercito informiert alle teilnehmenden Partner täglich über den Betrieb der Module und den pro Banknotenwert abgehobenen Betrag.
Im Gegenzug informiert der mexikanische Bankenverband täglich über die Fortschritte bei der Wiederherstellung der Bankdienstleistungen von Bankfilialen und Geldautomaten. Sobald die Bankeninfrastruktur wieder mit mindestens 50 Prozent ihrer Standardkapazität funktioniert, ist die Unterstützungsphase abgeschlossen, und die Cash-Service-Module werden wieder abgezogen. Der Plan wurde bereits erfolgreich umgesetzt, als im September 2017 zwei Erdbeben in Mexiko große Schäden anrichteten: Das erste Beben betraf die Bundesstaaten Oaxaca und Chiapas, das zweite Mexiko-Stadt sowie die Bundesstaaten México, Puebla und Morelos.
Gemeinsam ermöglichen Analog und Digital Erkenntnisse in Echtzeit
Konkret wurde der Plan im Oktober und November 2017 in Oaxaca umgesetzt, wo die Bankeninfrastruktur schwer beschädigt wurde. Durch diesen Plan konnten Barmittel in Höhe von 114,7 Millionen Pesos (5,8 Millionen US-Dollar) bereitgestellt werden.
„Generell eröffnet Data Intelligence neue Möglichkeiten für das Katastrophenmanagement vor, während und nach einer Krise", so Dr. Marcus Schmeisser, Product Manager Compass Banknote Intelligence. „Data Intelligence verändert humanitäre Einsätze und das Krisenmanagement drastisch.“ So kann beispielsweise Data Intelligence helfen, anhand des prognostizierten Geldbedarfs die erforderliche Anzahl der Cash-Service-Module und ihre Standorte vorab festzulegen. Darüber hinaus kann es bei Transport und Logistik von Geräten, Personal und Banknoten Unterstützung leisten, um höchstmögliche Zuverlässigkeit und Effizienz sicherzustellen.
Data Intelligence eröffnet neue Möglichkeiten für das Katastrophenmanagement – vor, während und nach einer Krise.
Dr. Marcus Schmeisser, Product Manager Compass Banknote Intelligence
Bei der Bargeldversorgung nach Naturkatastrophen wie dem Erdbeben in Mexiko bietet Data Intelligence die Möglichkeit, sämtliche Informationen zu verarbeiten und die richtigen Entscheidungen zu treffen: „Data Intelligence zeigt nicht nur, wie wichtig es ist, immer einen klaren Überblick über die Anzahl der im Umlauf befindlichen Banknoten zu haben, sondern ermöglicht es Betreibern auch, anhand von Kennzahlen und Fakten die richtigen Entscheidungen zu treffen – ob nun in Mexiko oder irgendwo anders auf der Welt“, ergänzt Schmeisser.
Weiterführende Themen
Compass Banknote Intelligence
Mehr Transparenz, mehr Erkenntnisse: Das Zusammenspiel von analogen Prozessen und digitalen Lösungen bietet Echtzeit-Einblicke in die Bargeldverarbeitung und die Eigenschaften von Banknoten. Erfahren Sie mehr darüber, wie Compass Banknote Intelligence alle Informationen liefert, die Zentralbanken benötigen, um ihre Bargeldkreisläufe sicher, effizient und digital abzubilden.
Kontaktieren Sie uns
Haben Sie Fragen zu unseren End-to-End-Geschäftslösungen oder zu unserem SecurityTech Unternehmen, suchen Expertenrat oder möchten uns Ihr Feedback geben, steht Ihnen unser Team jederzeit zur Verfügung.