Die Quantifizierung von Modellrisiken ist ein Begriff, der vor allem in den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Crowdfunding und Finanzen vorkommt. Er beschreibt die Messung und Bewertung von Unsicherheiten, die entstehen, wenn Unternehmen Computer- oder Rechenmodelle für wichtige Entscheidungen nutzen. Modellrisiken entstehen, weil Modelle nie die komplette Realität abbilden können – fehlerhafte Annahmen, schlechte Datenqualität oder unerwartete Ereignisse können zu falschen Ergebnissen führen.
Ein Beispiel: In einer Bank wird eine Software eingesetzt, um zu entscheiden, ob jemand einen Kredit bekommt. Wenn das Modell Fehler macht, kann es passieren, dass zahlungsfähige Kunden abgelehnt werden oder riskante Kredite vergeben werden. Durch die Quantifizierung von Modellrisiken kann die Bank einschätzen, wie groß diese Unsicherheit ist und wie stark sie das Geschäft beeinflusst. Entsprechend kann sie Maßnahmen treffen, um das Risiko zu verringern.
Die Quantifizierung von Modellrisiken hilft Unternehmen also dabei, die Zuverlässigkeit ihrer digitalen Modelle besser einzuschätzen. So können sie Entscheidungen verantwortungsvoller treffen und vermeiden unerwünschte Überraschungen.
Deutsch 
English (UK)