Im Guidance SR Letter 11-7 der Federal Reserve und des Office of the Comptroller of the Currency (Link befindet sich außerhalb von IBM) wird ein Modell definiert als „… quantitative Methode, System oder Ansatz unter Anwendung statistischer, wirtschaftlicher, finanzieller oder mathematischer Theorien, Techniken und Annahmen zur Verarbeitung von Eingabedaten in quantitative Schätzungen.“
Ein Modellrisiko kann auftreten, wenn ein Modell zur Vorhersage und Messung quantitativer Informationen verwendet wird, das Modell jedoch keine ausreichende Leistung erbringt. Eine schlechte Modellleistung kann zu nachteiligen Ergebnissen führen und zu erheblichen Betriebsverlusten führen. Die Implementierung von Modellrisikomanagement in einer modernen Informationsarchitektur hilft Ihnen folgendermaßen:
- Verkürzen Sie die Zeit, um die gesetzliche Vorschriften einzuhalten und andere Risikoziele zu erreichen.
- Vereinfachen Sie die Modellvalidierung über mehrere Clouds hinweg.
- Profitieren Sie von Modellen und Daten, die praktisch überall ausgeführt werden.
Wie man verantwortungsvolle KI im großen Maßstab aufbaut
Ankündigung des Starts von watsonx.ai - Das völlig neue Enterprise Studio verbindet traditionelles maschinelles Lernen mit neuen, auf Basismodellen basierenden generativen KI-Funktionen
Verbessern Sie die Modell-Compliance mit benutzerangepassten Tests und Schwellenwerten.
Hören Sie sich an, wie KI-Experten über die Digitalisierung der Governance im Zeitalter der KI diskutieren.
Produktbilder
Entdecken Sie erklärbare KI auf IBM Cloud Pak for Data.
Erhalten Sie technische Tipps und Einblicke von anderen, die IBM Daten- und KI-Lösungen verwenden.
Modernisieren Sie die Erfassung, Organisation und Analyse von Daten mit einer Multi-Cloud-Daten- und KI-Plattform.
KI kann mit Vertrauen und Transparenz erstellt und skaliert werden.
Verbessern Sie die betriebliche Effizienz mit integrierter Modell-Governance.