Diese Arbeit wird sich mit den Möglichkeiten und Grenzen neuronaler Netze im Risikomanagementprozess befassen. Dabei werden zuerst die wesentlichen Grundlagen neuronaler Netze erläutert, im Anschluss daran werden die Anforderungen des Risikomanagementprozesses identifiziert. Nach der separaten Betrachtung der beiden Themengebiete werden die Erkenntnisse kombiniert. Dies geschieht durch einen Abgleich zwischen den Anforderungen des Risikomanagementprozesses und den Möglichkeiten neuronaler Netze. Als Fazit dieser Arbeit soll schließlich aufgezeigt werden, in welchen Handlungsfeldern neuronale Netze in den Prozess des Risikomanagements eingebunden werden können, aber auch welchen Grenzen diese unterliegen.
Durch die Entwicklungen innerhalb einer sich immer stärker globalisierenden Welt, besonders im Bereich der neuronalen Netze, wird dieser Bereich auch im Risikomanagement immer relevanter. Im Speziellen die steigende Verfügbarkeit von Daten im Zuge der Digitalisierung, ermöglicht es immer komplexere Prozesse mit Hilfe neuronaler Netze zu erfassen. Auch der Trend der Big-Data führt dazu, dass die für ein neuronales Netz essentiell wichtigen Trainingsdaten einfacher beschafft werden können und dabei auch mehr der wesentlichen Variablen erfasst werden können.
Eine Studie der IDC prognostiziert, dass die weltweite Datenmenge von aktuell 16,1 Zettabyte bis zum Jahr 2025 auf 163 Zettabyte ansteigen wird. Diese Verzehnfachung zeigt auf, dass das in der Analyse dieser Daten inhärent bestehende Potenzial, enorm ist.
Inhaltsverzeichnis
1 Einleitung
2 Einführung in die Bedeutung neuronaler Netze
2.1 Allgemeine Erläuterung neuronaler Netze
2.2 Lernregeln
3 Einführung in den Risikomanagementprozess
3.1 Risikomanagementprozess
3.2 Anforderungen an den strategischen Risikomanagementprozess
3.3 Anforderungen an den operativen Risikomanagementprozess
4 Abgleich des neuronalen Netzes mit den Anforderungen des Risikomanagementprozesses
4.1 Abgleich Anforderungen des strategischen Managementprozesses mit den Möglichkeiten neuronaler Netze
4.2 Abgleich Anforderungen des operativen Managementprozesses mit den Möglichkeiten neuronaler Netze
5 Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Potenziale und Limitierungen beim Einsatz neuronaler Netze innerhalb des Risikomanagementprozesses, um festzustellen, inwieweit diese Technologie zur Unterstützung unternehmerischer Entscheidungen beitragen kann.
- Grundlagen neuronaler Netze und ihre Lernmechanismen
- Struktur des Risikomanagementprozesses in strategische und operative Komponenten
- Analyse der Eignung neuronaler Netze für strategische Entscheidungsfindungen
- Analyse der Eignung neuronaler Netze für operative Risikobewertungen und Prognosen
- Diskussion der technologischen Grenzen im Kontext komplexer wirtschaftlicher Systeme
Auszug aus dem Buch
2.1 Allgemeine Erläuterung neuronaler Netze
Ein neuronales Netz ermöglicht es, den Analyseprozess von Daten zu vereinfachen. Dabei wird es anders, als ein Programm zur Analyse, nicht regelbasiert programmiert, sondern durch einen Lernprozess erstellt. Bei Gurny wird ein neuronales Netz wie folgt definiert:
“A neural Network is an interconnected assembly of simple processing elements, units or nodes, whose functionality is loosely based on the animal neuron. The processing ability of the network is stored in the interunit connection strengths, or weights, obtained by a process of adaption to, or learning from, a set of training patterns.”
Die Definition zeigt auf, dass neuronale Netze drei wesentliche Bestandteile aufweisen. Dort wären zunächst die Anordnung und die Verbindungsart der Neuronen untereinander. Ein weiterer Bestandteil ist die Speicherung der Erkenntnisse durch Gewichtung zwischen zwei, und in neueren Netzarten auch mehreren Neuronen. Der letzte wichtige Aspekt eines neuronalen Netzes ist das Lernverhalten und das damit verbundene Training. Dies wird auch bei Haun in dieser Form beschrieben.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die zunehmende Relevanz neuronaler Netze durch Big-Data-Trends ein und definiert das Ziel der Arbeit, die Möglichkeiten und Grenzen dieser Technologie im Risikomanagement aufzuzeigen.
2 Einführung in die Bedeutung neuronaler Netze: Das Kapitel erläutert die technischen Grundlagen neuronaler Netze sowie die Mechanismen des Lernverhaltens durch verschiedene Lernregeln.
3 Einführung in den Risikomanagementprozess: Hier werden der Aufbau des Risikomanagements und die spezifischen Anforderungen an dessen strategische und operative Teilbereiche dargelegt.
4 Abgleich des neuronalen Netzes mit den Anforderungen des Risikomanagementprozesses: Dieses Kapitel vergleicht die Anforderungen der beiden Risikomanagement-Ebenen mit den Funktionsweisen neuronaler Netze, um deren praktischen Einsatzbereich zu bewerten.
5 Fazit: Das Fazit fasst zusammen, dass neuronale Netze besonders für klar definierte, operative Partialprobleme geeignet sind, während sie an ihre Grenzen stoßen, sobald kreative, offene Prozesse im strategischen Management gefordert sind.
Schlüsselwörter
neuronale Netze, Risikomanagementprozess, Big Data, künstliche Intelligenz, strategisches Risikomanagement, operatives Risikomanagement, Lernalgorithmen, Prognosemodelle, Feed-Forward-Netz, Datenanalyse, Risikobewertung, Automatisierung, Deep Learning, Entscheidungshilfe
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit analysiert, inwieweit neuronale Netze als unterstützende Technologie im Risikomanagementprozess von Unternehmen eingesetzt werden können.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf der Funktionsweise neuronaler Netze, den Anforderungen des Risikomanagements sowie der kritischen Zusammenführung dieser beiden Disziplinen.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, die Einsatzmöglichkeiten und die spezifischen Grenzen neuronaler Netze innerhalb der strategischen und operativen Risikomanagementprozesse wissenschaftlich herauszuarbeiten.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt eine literaturbasierte Analyse, um die Anforderungen an Risikomanagementprozesse zu definieren und diese mit den theoretischen Möglichkeiten neuronaler Netzmodelle abzugleichen.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in eine theoretische Einführung in die Netztechnologie, eine Darstellung des Risikomanagements sowie einen detaillierten Abgleich beider Felder anhand konkreter Anforderungskriterien.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit lässt sich durch Begriffe wie neuronale Netze, Risikomanagement, Datenanalyse, Prognose und Entscheidungsunterstützung charakterisieren.
Warum eignen sich neuronale Netze laut Autor besser für operative als für strategische Aufgaben?
Im operativen Bereich liegen meist klar definierte, zahlenbasierte Problemstellungen vor, während das strategische Management komplexe, qualitative und diskursive Aspekte umfasst, die bisher nicht durch Netze abzubilden sind.
Welche Rolle spielt die Datenqualität beim Einsatz der Netze?
Die Qualität und Menge der Trainingsdaten sind entscheidend, da das Modell ohne ausreichende und adäquate Daten keine belastbaren Muster in komplexen Risikoszenarien identifizieren kann.
- Arbeit zitieren
- Anonym (Autor:in), 2018, Riskomanagement mit neuronalen Netzen, München, GRIN Verlag, https://www.hausarbeiten.de/document/412504
