Rec. Sess.: GenAI Beyond the Basics: Fortgeschrittene Konzepte für Aktuarinnen/Aktuare

Inhalt/Übersicht

Beschreibung
Durch Anwendungen wie ChatGPT wurde in den letzten Jahren deutlich, wie Generative Künstliche Intelligenz (GenAI) auf Basis von Large Language Modellen (LLMs) bei Aufgaben wie dem Verfassen von E-Mails, der Extraktion von Informationen aus Dokumenten oder dem Schreiben von Programmcode effektiv unterstützen kann. Für Aktuarinnen und Aktuare eröffnet die Integration von LLMs über Programmierschnittstellen (APIs) in bestehende Systeme zusätzlich ein erhebliches Potenzial für skalierbare Lösungen, etwa zur Automatisierung von Prozessen. Besonders hilfreich in diesem Setting erweisen sich fortgeschrittene GenAI-Konzepte, die sich insbesondere für spezielle aktuarielle Fragestellungen eignen. Die vorliegende Websession stellt verschiedene solcher fortgeschrittenen Konzepte vor und präsentiert jeweils eine konkrete Umsetzung anhand eines aktuariellen Anwendungsfalls. Mithilfe eines interaktiven Jupyter-Notebooks wird der zugrunde liegende Programmcode live demonstriert, wodurch alle Schritte anschaulich und praktisch nachvollzogen werden können. Ziel ist es, die Teilnehmerinnen und Teilnehmer zu befähigen und zu motivieren, die vorgestellten Methoden eigenständig auf ihre individuellen Herausforderungen anzuwenden. Abschließend wird ein Ausblick auf Ansätze wie die Kombination mehrerer Konzepte und den Einsatz von Multi-Agenten-Systemen sowie auf weitere aktuelle Entwicklungen gegeben.

Inhalte
In dieser Veranstaltung werden u. a. die folgenden fortgeschrittenen GenAI-Konzepte behandelt:
• API-Nutzung: Anbindung und Nutzung von Programmierschnittstellen zur Integration von LLMs in bestehende Systeme.
• Fine-Tuning: Anpassung vortrainierter LLMs mit branchen- oder aufgabenspezifischen Daten, um die Genauigkeit und Relevanz der Resultate zu verbessern.
• Retrieval-Augmented Generation: Kombination von LLMs mit externen Datenquellen, um kontextuell angereicherte und aktuelle Antworten zu erzeugen.
• Function Calling: Einbindung von LLMs zur Ausführung vorab definierter Funktionen wie exakter Kalkulationen oder Datenbankabfragen.
• Structured Outputs: Generierung von Ausgaben in vordefinierten Formaten wie JSON oder Tabellen, um gezielte Antworten zu liefern und eine einfache Weiterverarbeitung zu ermöglichen.
Darüber hinaus werden weitere Ansätze und Entwicklungen aufgezeigt, die erst kürzlich entstanden sind.

Methodik
Die Websession kombiniert die Vermittlung von theoretischem Wissen mit praxisnahen Anwendungsfällen. Mithilfe eines interaktiven Jupyter-Notebooks werden die vorgestellten Konzepte live demonstriert und auf konkrete aktuarielle Use Cases angewendet.

Referent
Dr. Simon Hatzesberger ist Aktuar DAV, Certified Actuarial Data Scientist (CADS) und Certified Enterprise Risk Actuary (CERA). Hauptberuflich arbeitet er als Manager im Bereich Actuarial & Insurance Services bei B&W Deloitte. Darüber hinaus lehrt er als Dozent bei der DAA und EAA sowie an den Hochschulen München und Regensburg. Er engagiert sich national in verschiedenen Arbeitsgruppen und einer Prüfungskommission der DAV und bringt sich international aktiv in die Young Actuaries Initiative sowie die Taskforce „Artificial Intelligence“ der International Association of Actuaries (IAA) ein.

Hinweise/Veranstaltungsspezifische Konditionen

Die Websession wurde bereits durchgeführt. Den Mitschnitt dieser Websession bieten wir Ihnen als Recorded Session an. Analog zur Originalveranstaltung erhalten Sie die gleiche Anzahl an Weiterbildungsstunden im Anschluss an die abgeschlossene Buchung automatisch Ihrem Konto gutgeschrieben.
Wir weisen darauf hin, dass alle Materialien dem Copyright unterliegen und nicht weitergegeben werden dürfen.