Hebbia startet Wissensgraphen zur Vernetzung von Finanzdaten

Ein gemeinsamer Datensatz für getrennte Informationen

Finanzinstitute speichern die Informationen, die für die Beantwortung einer einzelnen Frage erforderlich sind, häufig in Dokumenten und Systemen, die nicht aufeinander verweisen. Fragen zu geänderten Kreditnehmerauflagen, gemeinsamen Lieferanten oder Darlehen, die von einem anderen Zahlungsausfall betroffen sind, können Verknüpfungen zwischen Verträgen, Beteiligungsdaten und anderen Dateien erfordern.

Hebbia zufolge suchen bestehende KI-Ansätze entweder nach Textpassagen, die einer Frage ähneln, oder arbeiten sich durch geordnete Ordner. Beide Ansätze können dazu führen, dass das System Beziehungen für jede Anfrage von Grund auf neu rekonstruieren muss. Zugleich gibt es keine Möglichkeit zu überprüfen, ob die Antwort vollständig ist.

Hebbias Wissensgraphen sollen jedem Unternehmen ein Referenzsystem dafür geben, wie seine Daten zusammenhängen. Nach Angaben des Unternehmens wird jede Verbindung mit ihrer Quelle gespeichert, sodass Teams und Agenten auf Grundlage derselben Fakten arbeiten können. In ersten Bewertungen kosteten Antworten mit dem Graphen laut Hebbia 80% weniger und waren genauer als Antworten eines führenden Frontier-Modells, das ohne einen solchen Graphen arbeitete.

Fünf Anforderungen an Finanzdaten

Hebbia zufolge muss ein Graph für das Finanzwesen fünf Bereiche abdecken. Er muss große Archive verarbeiten, darunter Datenräume, Kaufverträge und Portfolioberichte mit bis zu mehreren Millionen Seiten, und die gefundenen Informationen für spätere Fragen bewahren.

Außerdem muss er Geschäftsbedingungen und ihre Abhängigkeiten interpretieren. Kreditverträge können wirtschaftliche Bedingungen wie die Preisgestaltung und nichtwirtschaftliche Bedingungen wie EBITDA-Anpassungen enthalten. Ihre Bedeutung kann durch Definitionen und spätere Änderungen beeinflusst werden. Der Graph erfasst diese Bedingungen als Fakten, die über verschiedene Deals hinweg verglichen werden können.

Zu den weiteren Anforderungen gehören die Zuordnung verschiedener Namen zur jeweils richtigen juristischen Einheit, die Bewahrung sich ändernder Fakten mit ihren Gültigkeitsdaten sowie die Durchsetzung von Zugriffsbeschränkungen für jede Einheit und Beziehung. Hebbia zufolge sollte das System erkennen, wenn Berechtigungen eine Antwort einschränken, statt die Lücke mit einer Vermutung zu füllen.

Das Unternehmen erklärt, seine Technologie verbinde sich mit Daten an deren bestehendem Speicherort, darunter SharePoint, Box, Snowflake, SQL-Tabellen und andere Systeme. Eine Migration sei nicht erforderlich. Außerdem teilt Hebbia mit, dass interne Experten Unternehmen dabei helfen, die vom Graphen abgebildeten Beziehungen an ihre Anforderungen anzupassen. Dabei greifen sie auf Erfahrungen mit Finanzinstituten zurück.

Risiken über direkte Beteiligungen hinaus verfolgen

Hebbia nutzt den Zusammenbruch der Silicon Valley Bank als Beispiel dafür, warum indirekte Beziehungen wichtig sind. Am March 8, 2023, teilte SVB mit, Wertpapiere im Wert von $21 billion mit einem Verlust von $1.8 billion verkauft zu haben. Einleger versuchten am folgenden Tag, $42 billion abzuheben. Am March 10 schlossen die Aufsichtsbehörden die Bank.

Das Unternehmen beschreibt, wie ein Fonds mit USDC-Bestand über Circle, den Herausgeber des Stablecoins, betroffen gewesen sein könnte. Circle hielt $3.3 billion seiner Reserven bei SVB. USDC wurde zu 87 Cents gehandelt, obwohl SVB in den Beteiligungsangaben eines Fonds möglicherweise nie direkt erwähnt worden wäre. Ein Graph könnte SVB mit Circle und anschließend mit Fonds verknüpfen, die USDC halten, sofern diese Beziehungen in den Quellen des Unternehmens enthalten sind.

Hebbia zufolge könnten dieselben vernetzten Daten Unternehmen neben Risiken auch Chancen aufzeigen. USDC lag innerhalb weniger Tage wieder nahe bei einem Dollar, nachdem die Aufsichtsbehörden am March 12 die Einlagen der SVB garantiert hatten, so das Unternehmen.

Was der Start für Finanzteams bedeutet

Der Start richtet sich an Banken, Kanzleien, Investoren und Beratungsteams, die Informationen über Deals und Gegenparteien hinweg verknüpfen müssen. Hebbia zufolge kann der Graph unter anderem als Stammdatenbank für Kreditteams, als Deal-Graph für Bankteams und als Vertragsregister für Rechtsteams eingesetzt werden.

Die zentrale Aussage des Unternehmens lautet, dass KI-Modelle zwar weithin verfügbar sind, die Deal-Historie, Gegenparteien und der Vertragskontext jedoch für jedes Unternehmen spezifisch sind. Indem diese Beziehungen in einem nachvollziehbaren gemeinsamen Datensatz abgebildet werden, können Unternehmen laut Hebbia Risiken und Chancen erkennen, ohne darauf angewiesen zu sein, dass eine einzelne Person Verbindungen im gesamten Unternehmen aufspürt.