About This Project
This is a 19-month research collaboration (January 2026 – July 2027) between Swiss and MENA institutions examining how artificial intelligence applies to banking, insurance, and investment. Funded by the Swiss government through SERI via the Leading House MENA program (administered by HES-SO), the project brings together 13 partner institutions across Europe, the Middle East, and Asia to exchange knowledge, train early-career researchers, and produce joint publications. The collaboration includes an international conference at the American University of Sharjah in early February 2027. Grant reference: CCG-2025-05.
The project is led by Prof. Dr. Joerg Osterrieder at FHGR in Switzerland, who holds a doctorate from ETH Zurich and has held positions at Goldman Sachs, Credit Suisse, and other financial institutions. He has published 74 scientific papers (cited over 2,200 times) and is a founding editor of the Springer journal Digital Finance. The co-investigators are Dr. Stephen Chan, Dr. Yuanyuan Zhang, and Dr. Hana Sulieman at the American University of Sharjah. The lead researchers have collaborated for approximately a decade, with six joint publications and over 4,600 combined citations. Osterrieder also chaired a COST Action network of 303 researchers across 51 countries (CA19130, 2020–2024).
Switzerland's financial sector accounts for roughly 10% of the country's GDP. Half of Swiss financial institutions currently use AI, and 91% of those have adopted generative AI. UBS operates more than 300 AI projects and appointed a Chief AI Officer in 2025. FINMA issued formal AI governance guidance in December 2024. In research, the number of scientific papers on AI in finance grew from near zero in 2010 to over 130 per year by 2024. This project connects Swiss financial research with institutions in the Gulf region, where financial services are also expanding.
This project links Swiss and Gulf financial research institutions through joint work on AI applications in finance.
19
Months (duration)
2
Continents (Europe + MENA)
13
Partner institutions
6+
Joint papers (track record)
4,600+
Citations (combined)
Über dieses Projekt
Dies ist eine 19-monatige Forschungskooperation (Januar 2026 – Juli 2027) zwischen Schweizer und MENA-Institutionen, die untersucht, wie künstliche Intelligenz im Bank-, Versicherungs- und Investmentwesen angewendet wird. Finanziert vom SBFI über das Programm Leading House MENA (verwaltet durch die HES-SO) bringt das Projekt 13 Partnerinstitutionen aus Europa, dem Nahen Osten und Asien zusammen, um Wissen auszutauschen, Nachwuchsforschende auszubilden und gemeinsame Publikationen zu erstellen. Die Zusammenarbeit umfasst eine internationale Konferenz an der American University of Sharjah Anfang Februar 2027. Fördernummer: CCG-2025-05.
Das Projekt wird von Prof. Dr. Joerg Osterrieder an der FHGR in der Schweiz geleitet. Er promovierte an der ETH Zürich und war bei Goldman Sachs, Credit Suisse und anderen Finanzinstituten tätig. Er hat 74 wissenschaftliche Arbeiten veröffentlicht (mehr als 2.200 Mal zitiert) und ist Gründungsherausgeber der Springer-Fachzeitschrift Digital Finance. Die Co-Investigatoren sind Dr. Stephen Chan, Dr. Yuanyuan Zhang und Dr. Hana Sulieman von der American University of Sharjah. Die leitenden Forschenden arbeiten seit rund einem Jahrzehnt zusammen: sechs gemeinsame Publikationen und über 4.600 kombinierte Zitierungen. Osterrieder leitete ausserdem ein COST-Action-Netzwerk mit 303 Forschenden aus 51 Ländern (CA19130, 2020–2024).
Der Schweizer Finanzsektor erwirtschaftet rund 10% des Bruttoinlandsprodukts des Landes. Die Hälfte der Schweizer Finanzinstitute setzt bereits KI ein, und 91% davon nutzen generative KI. Die UBS betreibt mehr als 300 KI-Projekte und ernannte 2025 einen Chief AI Officer. Die FINMA veröffentlichte im Dezember 2024 formelle Leitlinien zur KI-Governance. In der Forschung stieg die Zahl wissenschaftlicher Publikationen zu KI im Finanzwesen von nahezu null im Jahr 2010 auf über 130 pro Jahr bis 2024. Dieses Projekt verbindet Schweizer Finanzforschung mit Institutionen in der Golfregion, wo sich der Finanzsektor ebenfalls ausweitet.
Dieses Projekt verbindet Schweizer und Golf-Finanzforschungsinstitutionen durch gemeinsame Arbeit an KI-Anwendungen im Finanzwesen.
19
Monate (Laufzeit)
2
Kontinente (Europa + MENA)
13
Partnerinstitutionen
6+
Gemeinsame Publikationen
4.600+
Zitierungen (kombiniert)
Why It Matters
1
For Citizens
AI is used in credit card fraud detection, mortgage assessments, and investment management. Understanding these applications is relevant for anyone using financial services.
2
For Switzerland
Finance accounts for about 10% of Switzerland's GDP. As AI adoption grows across the global financial industry, international research partnerships support Swiss competitiveness.
3
For Researchers
AI applied to finance is a growing research area — the number of published studies grew from near zero in 2010 to over 130 per year by 2024.
4
For Businesses
Major banks are investing substantially in AI. Research in this area informs how financial institutions adopt and integrate these technologies.
Warum es wichtig ist
1
Für Bürgerinnen und Bürger
KI wird bei der Erkennung von Kreditkartenbetrug, bei Hypothekenprüfungen und im Anlagemanagement eingesetzt. Diese Anwendungen zu verstehen, ist für alle Nutzenden von Finanzdienstleistungen relevant.
2
Für die Schweiz
Die Finanzbranche macht rund 10% des Schweizer BIP aus. Mit der zunehmenden KI-Adoption in der globalen Finanzindustrie unterstützen internationale Forschungspartnerschaften die Schweizer Wettbewerbsfähigkeit.
3
Für die Forschung
KI im Finanzwesen ist ein wachsendes Forschungsgebiet — die Zahl der veröffentlichten Studien stieg von nahezu null im Jahr 2010 auf über 130 pro Jahr bis 2024.
4
Für die Wirtschaft
Grosse Banken investieren erheblich in KI. Die Forschung in diesem Bereich unterstützt Finanzinstitute bei der Einführung und Integration dieser Technologien.
The Team Behind It
Joerg Osterrieder
Conference Co-Chair
FHGR, Switzerland
Stephen Chan
Conference Co-Chair
American University of Sharjah, UAE
Yuanyuan Zhang
Conference Co-Chair
AUS, Dept. Mathematics & Statistics
Hana Sulieman
Conference Co-Chair
AUS, Professor & Associate Dean
Nerissa Ramos
Local Organizer
AUS, Dept. Mathematics & Statistics
Saadia Khouyibaba
Local Organizer
AUS, Dept. Mathematics & Statistics
Lennart John Baals
Research Team (FHGR)
FHGR, Switzerland / University of Twente, Netherlands
Illia Kosterin
Research Team (FHGR)
FHGR, Switzerland
Lead Researchers
Joerg Osterrieder — Prof. Dr. Joerg Osterrieder holds a doctorate in mathematics from ETH Zurich and has held positions at Goldman Sachs, Credit Suisse, and other financial institutions. He has published 74 scientific papers (cited over 2,200 times), chaired a European research network of 303 researchers across 51 countries (COST Action CA19130, 2020–2024). He is a founding editor of the Springer journal Digital Finance.
Stephen Chan — Dr. Stephen Chan is a mathematician specializing in extreme events in financial markets. He completed his doctorate at the University of Manchester and held a UK research fellowship before joining the American University of Sharjah. His 50+ scientific papers have been cited over 2,300 times. He co-developed the statistical software tool VaRES for measuring financial risk.
Yuanyuan Zhang — Dr. Yuanyuan Zhang researches cryptocurrencies, decentralized finance, and fraud detection on blockchain networks. She completed her doctorate at the University of Manchester and joined AUS as an Assistant Professor. Her recent work on detecting suspicious transactions in cryptocurrency networks was published in a leading statistics journal.
Das Team
Joerg Osterrieder
Konferenz-Vorsitzender
FHGR, Schweiz
Stephen Chan
Konferenz-Vorsitzender
American University of Sharjah, VAE
Yuanyuan Zhang
Konferenz-Vorsitzende
AUS, Dept. Mathematics & Statistics
Hana Sulieman
Konferenz-Vorsitzende
AUS, Professorin & Associate Dean
Nerissa Ramos
Lokale Organisation
AUS, Dept. Mathematics & Statistics
Saadia Khouyibaba
Lokale Organisation
AUS, Dept. Mathematics & Statistics
Lennart John Baals
Forschungsteam (FHGR)
FHGR, Schweiz / University of Twente, Niederlande
Illia Kosterin
Forschungsteam (FHGR)
FHGR, Schweiz
Leitende Forschende
Joerg Osterrieder — Prof. Dr. Joerg Osterrieder promovierte in Mathematik an der ETH Zürich und war bei Goldman Sachs, Credit Suisse und anderen Finanzinstituten tätig. Er hat 74 wissenschaftliche Arbeiten veröffentlicht (mehr als 2.200 Mal zitiert), leitete ein europäisches Forschungsnetzwerk mit 303 Forschenden aus 51 Ländern (COST Action CA19130, 2020–2024). Er ist Gründungsherausgeber der Springer-Fachzeitschrift Digital Finance.
Stephen Chan — Dr. Stephen Chan ist Mathematiker mit Spezialisierung auf extreme Ereignisse an den Finanzmärkten. Nach seiner Promotion an der University of Manchester und einem britischen Forschungsstipendium wechselte er an die American University of Sharjah. Seine mehr als 50 wissenschaftlichen Arbeiten wurden über 2.300 Mal zitiert. Er hat das statistische Softwaretool VaRES zur Messung finanzieller Risiken mitentwickelt.
Yuanyuan Zhang — Dr. Yuanyuan Zhang forscht zu Kryptowährungen, dezentralen Finanzsystemen und Betrugserkennung in Blockchain-Netzwerken. Nach ihrer Promotion an der University of Manchester trat sie als Assistant Professor an die AUS. Ihre jüngste Arbeit zur Erkennung verdächtiger Transaktionen in Kryptowährungsnetzwerken wurde in einer führenden Statistik-Fachzeitschrift veröffentlicht.
Collaboration History
The three lead researchers have collaborated for approximately a decade. Their joint work covers cryptocurrency analysis, fraud detection, digital currencies, and related topics in financial technology.
2015–2016 — Early connections
Stephen Chan and Yuanyuan Zhang trained at the University of Manchester in the same research group, studying the mathematics of extreme financial events. In Switzerland, Joerg Osterrieder was conducting research on cryptocurrency markets. They connected through shared academic networks.
2017 — First joint publications
The team published two papers on the statistical properties of cryptocurrency prices. These studies have since been cited hundreds of times.
2018–2021 — Building a network
The collaboration expanded beyond the original trio. Osterrieder established a pan-European research network (COST Action) connecting 303 researchers from 51 countries to work on AI in finance. Chan and Zhang continued research on risks in cryptocurrency markets.
2022 — Expanding the scope
Osterrieder received an EU grant (EUR 4.5 million) to train early-career digital finance researchers across 20+ institutions. Chan and Zhang, now both at the American University of Sharjah, became partners in this network.
2023–2024 — Continued collaboration
The team published three joint papers covering blockchain-based fraud detection, NFT economics, and risk analysis in digital financial systems.
2026–2027 — This project
The Swiss-MENA Research Network formalizes this decade-long partnership into a structured 19-month program, funded by the Swiss government, to bring these two research hubs together.
Kooperationsgeschichte
Die drei leitenden Forschenden arbeiten seit rund einem Jahrzehnt zusammen. Ihre gemeinsame Arbeit umfasst Kryptowährungsanalyse, Betrugserkennung, digitale Währungen und verwandte Themen der Finanztechnologie.
2015–2016 — Erste Kontakte
Stephen Chan und Yuanyuan Zhang forschten an der University of Manchester in derselben Arbeitsgruppe und studierten die Mathematik extremer Finanzereignisse. In der Schweiz forschte Joerg Osterrieder zu Kryptowährungsmärkten. Sie vernetzten sich über gemeinsame akademische Netzwerke.
2017 — Erste gemeinsame Publikationen
Das Team veröffentlichte zwei Arbeiten zu den statistischen Eigenschaften von Kryptowährungspreisen. Diese Studien wurden seither hundertfach zitiert.
2018–2021 — Aufbau eines Netzwerks
Die Zusammenarbeit wuchs über das ursprüngliche Trio hinaus. Osterrieder etablierte ein paneuropäisches Forschungsnetzwerk (COST Action), das 303 Forschende aus 51 Ländern verband, um an KI im Finanzwesen zu arbeiten. Chan und Zhang setzten ihre Forschung zu Risiken in Kryptowährungsmärkten fort.
2022 — Erweiterung
Osterrieder erhielt einen EU-Grant (4,5 Millionen Euro), um Nachwuchsforschende im Bereich Digitale Finanzwirtschaft an über 20 Institutionen auszubilden. Chan und Zhang, inzwischen beide an der American University of Sharjah, wurden Partner in diesem Netzwerk.
2023–2024 — Weitere Zusammenarbeit
Das Team veröffentlichte drei gemeinsame Arbeiten zu Blockchain-basierter Betrugserkennung, NFT-Ökonomie und Risikoanalyse in digitalen Finanzsystemen.
2026–2027 — Dieses Projekt
Das Schweiz-MENA Forschungsnetzwerk formalisiert diese zehnjährige Partnerschaft in ein strukturiertes 19-monatiges Programm, finanziert von der Schweizer Regierung, um diese beiden Forschungszentren zusammenzubringen.
Joint Publications
The team has published together in scientific journals. Below are their joint papers with brief descriptions.
2017
A Statistical Analysis of Cryptocurrencies
Journal of Risk and Financial Management (JRFM)
Summary: A systematic study of cryptocurrency price distributions and their statistical properties.
2017
GARCH Modeling of Cryptocurrencies
Journal of Risk and Financial Management (JRFM)
Summary: Application of GARCH volatility models — a standard method for forecasting price fluctuations — to cryptocurrency markets.
2023
A Primer on Anomaly and Fraud Detection in Blockchain Networks
SSRN
Summary: An overview of methods for detecting suspicious activity on blockchain networks through transaction data analysis.
2024
Enhancing Security in Blockchain Networks
arXiv
Summary: A study of AI-based techniques for fraud detection in cryptocurrency transactions.
2024
Metaverse Non-Fungible Tokens
SSRN
Summary: An analysis of NFT trading in virtual environments, examining whether these digital markets exhibit similar economic properties to traditional ones.
2024
Stylized Facts of Metaverse Non-Fungible Tokens
Physica A
Summary: Identification of recurring statistical patterns in NFT price dynamics within the metaverse.
Gemeinsame Publikationen
Das Team hat gemeinsam in wissenschaftlichen Fachzeitschriften publiziert. Nachfolgend die gemeinsamen Arbeiten mit kurzen Beschreibungen.
2017
A Statistical Analysis of Cryptocurrencies
Journal of Risk and Financial Management (JRFM)
Zusammenfassung: Eine systematische Untersuchung der Preisverteilungen und statistischen Eigenschaften von Kryptowährungen.
2017
GARCH Modeling of Cryptocurrencies
Journal of Risk and Financial Management (JRFM)
Zusammenfassung: Anwendung von GARCH-Volatilitätsmodellen — einer Standardmethode zur Prognose von Preisschwankungen — auf Kryptowährungsmärkte.
2023
A Primer on Anomaly and Fraud Detection in Blockchain Networks
SSRN
Zusammenfassung: Ein Überblick über Methoden zur Erkennung verdächtiger Aktivitäten in Blockchain-Netzwerken durch Transaktionsdatenanalyse.
2024
Enhancing Security in Blockchain Networks
arXiv
Zusammenfassung: Eine Untersuchung KI-basierter Techniken zur Betrugserkennung bei Kryptowährungstransaktionen.
2024
Metaverse Non-Fungible Tokens
SSRN
Zusammenfassung: Eine Analyse des NFT-Handels in virtuellen Umgebungen mit Blick auf wirtschaftliche Parallelen zu traditionellen Märkten.
2024
Stylized Facts of Metaverse Non-Fungible Tokens
Physica A
Zusammenfassung: Identifizierung wiederkehrender statistischer Muster in der NFT-Preisdynamik im Metaverse.
A Brief History of AI in Finance
The use of computational methods in finance has developed over several decades. Below is a timeline of key developments.
1960s–70s Mathematical Finance Foundations
Researchers developed methods for pricing financial instruments and measuring risk. The first ATM was introduced in 1966.
1980s Automated Trading and Credit Scoring
Banks began using computers for automated trading. In 1989, the FICO credit score was introduced for standardized credit assessments.
1990s Early Machine Learning in Finance
Banks deployed early machine learning systems for credit card fraud detection. Electronic trading platforms began replacing traditional trading floors.
2000s Quantitative Finance Expands
Quantitative hedge funds applied mathematical models and computing power to market analysis. The 2008 financial crisis highlighted limitations of existing risk models.
2010s Deep Learning Adoption
Deep learning methods were applied to fraud detection and natural language processing in finance. Robo-advisory platforms emerged, now managing over $2.76 trillion globally.
2017–2020 Cryptocurrency Research
Growing interest in cryptocurrencies led to increased academic research on digital currencies. During this period, Osterrieder, Chan, and Zhang published their joint studies on cryptocurrency market properties.
2020s Generative AI in Finance
Large language models (e.g. ChatGPT) and domain-specific AI systems (e.g. BloombergGPT) emerge. By 2025, over 85% of financial companies worldwide report active AI use.
Eine kurze Geschichte der KI im Finanzwesen
Der Einsatz computergestützter Methoden im Finanzwesen hat sich über mehrere Jahrzehnte entwickelt. Nachfolgend eine Zeitleiste wichtiger Entwicklungen.
1960er–70er Grundlagen der mathematischen Finanzwissenschaft
Forschende entwickelten Methoden zur Bewertung von Finanzinstrumenten und Risikomessung. Der erste Geldautomat wurde 1966 eingeführt.
1980er Automatisierter Handel und Kreditbewertung
Banken begannen, Computer für den automatisierten Handel einzusetzen. 1989 wurde der FICO-Kredit-Score für standardisierte Kreditbewertungen eingeführt.
1990er Frühes maschinelles Lernen im Finanzwesen
Banken setzten erste Systeme des maschinellen Lernens zur Erkennung von Kreditkartenbetrug ein. Elektronische Handelsplattformen begannen, traditionelle Börsensäle zu ersetzen.
2000er Quantitative Finanzwirtschaft wächst
Quantitative Hedgefonds setzten mathematische Modelle und Rechenleistung für die Marktanalyse ein. Die Finanzkrise 2008 zeigte Grenzen bestehender Risikomodelle auf.
2010er Einsatz von Deep Learning
Deep-Learning-Methoden wurden für Betrugserkennung und Sprachverarbeitung im Finanzwesen eingesetzt. Robo-Advisory-Plattformen entstanden und verwalten inzwischen weltweit über 2,76 Billionen Dollar.
2017–2020 Kryptowährungsforschung
Zunehmendes Interesse an Kryptowährungen führte zu verstärkter akademischer Forschung. In dieser Zeit veröffentlichten Osterrieder, Chan und Zhang ihre gemeinsamen Studien zu Eigenschaften von Kryptowährungsmärkten.
2020er Generative KI im Finanzwesen
Grosse Sprachmodelle (z.B. ChatGPT) und domänenspezifische KI-Systeme (z.B. BloombergGPT) entstehen. Bis 2025 berichten über 85% der Finanzunternehmen weltweit über aktiven KI-Einsatz.
Why It Matters for You
AI is increasingly present in everyday financial services. The following examples illustrate current applications:
Fraud detection — Banks use AI systems to analyze transaction patterns in real time and flag potentially fraudulent activity.
Credit assessment — AI models assist in loan and mortgage decisions by considering payment history, spending patterns, and other data points beyond traditional credit scores. Some studies report that these models approve up to 25% more loans at comparable risk levels.
Automated investment — Robo-advisors — automated portfolio management services — now manage over $2.76 trillion globally, providing access to diversified investment strategies at lower cost thresholds.
Usage-based insurance — AI enables insurance companies to price policies based on individual behavior data (e.g. driving patterns) rather than broad demographic categories.
Personal finance tools — AI-powered chatbots and budgeting applications assist with expense tracking, goal setting, and financial planning.
Financial inclusion — AI-based methods are used to assess creditworthiness through alternative data, potentially extending financial services to populations without traditional banking access.
Warum es für Sie wichtig ist
KI ist zunehmend in alltäglichen Finanzdienstleistungen präsent. Folgende Beispiele illustrieren aktuelle Anwendungen:
Betrugserkennung — Banken nutzen KI-Systeme, um Transaktionsmuster in Echtzeit zu analysieren und potenziell betrügerische Aktivitäten zu erkennen.
Kreditbewertung — KI-Modelle unterstützen Kredit- und Hypothekenentscheidungen, indem sie Zahlungshistorie, Ausgabemuster und weitere Datenpunkte über den traditionellen Kredit-Score hinaus berücksichtigen. Einige Studien berichten, dass diese Modelle bis zu 25% mehr Kredite bei vergleichbarem Risiko genehmigen.
Automatisierte Anlage — Robo-Advisors — automatisierte Portfolioverwaltungsdienste — verwalten inzwischen weltweit über 2,76 Billionen Dollar und bieten Zugang zu diversifizierten Anlagestrategien bei niedrigeren Mindestanlagesummen.
Verhaltensbasierte Versicherung — KI ermöglicht Versicherungsunternehmen, Policen auf Basis individueller Verhaltensdaten (z.B. Fahrmuster) statt breiter demografischer Kategorien zu bepreisen.
Persönliche Finanztools — KI-gestützte Chatbots und Budgeting-Anwendungen unterstützen bei Ausgabenverfolgung, Zielsetzung und Finanzplanung.
Finanzielle Inklusion — KI-basierte Methoden werden zur Kreditwürdigkeitsprüfung mittels alternativer Daten eingesetzt und können so Finanzdienstleistungen für Bevölkerungsgruppen ohne traditionellen Bankzugang ermöglichen.
Why It Matters for Switzerland
Switzerland's financial sector contributes approximately 10% of the country's GDP. International research partnerships support the sector's ability to adopt AI effectively.
Regulatory developments — FINMA issued formal guidance on AI use in December 2024 and surveyed 400 banks and insurers. Half reported using AI.
Major bank adoption — UBS appointed a Chief AI Officer in 2025 and operates over 300 AI projects. Julius Baer has invested more than one billion Swiss francs in technology over five years.
Active fintech sector — Switzerland's fintech sector showed continued growth in the first half of 2025.
Research funding — The Swiss National Science Foundation invested nearly one billion Swiss francs in research in 2023. This project's funding comes through SERI, the Swiss agency for international research cooperation.
Generative AI uptake — Among Swiss financial institutions using AI, 91% report experimenting with generative AI.
~10%
Finance share of GDP
50%
Institutions using AI
300+
UBS AI projects
CHF 1B+
Julius Baer tech spend
Warum es für die Schweiz wichtig ist
Der Schweizer Finanzsektor trägt rund 10% zum BIP des Landes bei. Internationale Forschungspartnerschaften unterstützen den Sektor bei der effektiven KI-Adoption.
Regulatorische Entwicklungen — Die FINMA veröffentlichte im Dezember 2024 formelle Leitlinien zum KI-Einsatz und befragte 400 Banken und Versicherer. Die Hälfte berichtete über KI-Einsatz.
Adoption durch Grossbanken — Die UBS ernannte 2025 einen Chief AI Officer und betreibt über 300 KI-Projekte. Julius Baer hat über fünf Jahre mehr als eine Milliarde Schweizer Franken in Technologie investiert.
Aktiver Fintech-Sektor — Der Schweizer Fintech-Sektor zeigte in der ersten Hälfte 2025 weiteres Wachstum.
Forschungsförderung — Der Schweizerische Nationalfonds investierte 2023 fast eine Milliarde Schweizer Franken in die Forschung. Die Finanzierung dieses Projekts erfolgt über das SBFI, die Schweizer Behörde für internationale Forschungszusammenarbeit.
Generative KI — Unter den Schweizer Finanzinstituten mit KI-Einsatz berichten 91% über Experimente mit generativer KI.
~10%
Finanzanteil am BIP
50%
Institute mit KI-Einsatz
300+
UBS-KI-Projekte
CHF 1 Mrd.+
Julius Baer Technologie-Invest
Why It Matters for Research
The study of AI in finance is a growing research area. This project addresses several of its key questions.
Rapid growth — The number of scientific papers on AI in finance grew from near zero in 2010 to over 130 per year by 2024.
Interdisciplinary scope — This research area spans mathematics, computer science, economics, law, and behavioral science.
Dedicated journals — The field's growth led to new scientific journals, including Digital Finance (Springer, since 2019), where Osterrieder serves as a founding editor.
Open-source tools — The team has contributed open-source software, including the VaRES statistical package co-developed by Chan.
International network — Osterrieder chaired COST Action CA19130, connecting 303 researchers from 51 countries between 2020 and 2024.
130+
Papers/year
51
Countries
303
Researchers
Warum es für die Forschung wichtig ist
Die Erforschung von KI im Finanzwesen ist ein wachsendes Forschungsgebiet. Dieses Projekt adressiert mehrere seiner zentralen Fragestellungen.
Rasches Wachstum — Die Zahl wissenschaftlicher Publikationen zu KI im Finanzwesen stieg von nahezu null im Jahr 2010 auf über 130 pro Jahr bis 2024.
Interdisziplinärer Umfang — Dieses Forschungsgebiet umfasst Mathematik, Informatik, Wirtschaftswissenschaften, Recht und Verhaltensforschung.
Fachzeitschriften — Das Wachstum des Feldes führte zu neuen wissenschaftlichen Zeitschriften, darunter Digital Finance (Springer, seit 2019), wo Osterrieder als Gründungsherausgeber tätig ist.
Open-Source-Werkzeuge — Das Team hat Open-Source-Software beigesteuert, darunter das von Chan mitentwickelte statistische Paket VaRES.
Internationales Netzwerk — Osterrieder leitete die COST Action CA19130, die zwischen 2020 und 2024 303 Forschende aus 51 Ländern verband.
130+
Publikationen/Jahr
51
Länder
303
Forschende
Why It Matters for Business
Financial institutions are increasingly investing in AI. The following data points illustrate the trend.
Significant investment — JPMorgan Chase spends approximately $2 billion per year on AI. In 2025, the bank reported that AI-driven efficiencies in document processing, fraud detection, and compliance offset the investment.
Risk management — Goldman Sachs uses AI systems to monitor risk across millions of data points. During a currency event in Southeast Asia in March 2024, the system reportedly adjusted positions 72 hours in advance, reducing losses by an estimated $320 million.
Widespread adoption — By 2025, over 85% of financial firms worldwide report active AI use in fraud detection, risk management, marketing, and IT operations.
New product categories — AI enables micro-lending, parametric insurance (automatic payouts triggered by predefined events), and credit assessment through alternative data sources.
Regulatory technology — AI-powered RegTech systems assist banks in monitoring compliance across jurisdictions, reducing costs and manual oversight requirements.
Research from projects like this one contributes to the knowledge base that financial institutions use when developing and evaluating AI applications.
Warum es für die Wirtschaft wichtig ist
Finanzinstitute investieren zunehmend in KI. Folgende Datenpunkte illustrieren den Trend.
Erhebliche Investitionen — JPMorgan Chase gibt jährlich rund 2 Milliarden Dollar für KI aus. 2025 berichtete die Bank, dass KI-getriebene Effizienzgewinne bei Dokumentenverarbeitung, Betrugserkennung und Compliance die Investition ausgleichen.
Risikomanagement — Goldman Sachs nutzt KI-Systeme zur Risikoüberwachung über Millionen von Datenpunkten. Während eines Währungsereignisses in Südostasien im März 2024 passte das System Berichten zufolge Positionen 72 Stunden im Voraus an und reduzierte Verluste um geschätzte 320 Millionen Dollar.
Breite Adoption — Bis 2025 berichten über 85% der Finanzunternehmen weltweit über aktiven KI-Einsatz in Betrugserkennung, Risikomanagement, Marketing und IT-Betrieb.
Neue Produktkategorien — KI ermöglicht Mikrokredite, parametrische Versicherungen (automatische Auszahlung bei vordefinierten Ereignissen) und Kreditbewertung über alternative Datenquellen.
Regulierungstechnologie — KI-gestützte RegTech-Systeme unterstützen Banken bei der Compliance-Überwachung über Rechtsgebiete hinweg und reduzieren Kosten und manuellen Aufwand.
Forschung aus Projekten wie diesem trägt zur Wissensbasis bei, die Finanzinstitute bei der Entwicklung und Bewertung von KI-Anwendungen nutzen.
Project Timeline
Phase 1
Foundation
Jan – Jun 2026
Building the network, defining the research agenda, initial workshops and seminars
Phase 2
Core Activity
Jul 2026 – Feb 2027
Research workshops, the main conference (Early February 2027 in Sharjah, UAE), collaborative research and joint publications
Phase 3
Synthesis
Mar – Jul 2027
Publishing results, planning long-term sustainability, final reporting
January 1, 2026
Project officially begins
Q1 2026
Research network kickoff; agenda and working groups defined
H2 2026
Research seminars and working group sessions
Early February 2027
Main conference at American University of Sharjah, UAE
Q2 2027
Final publications and project deliverables
July 31, 2027
Project concludes
Projektzeitplan
Phase 1
Grundlagen
Jan. – Juni 2026
Aufbau des Netzwerks, Definition der Forschungsagenda, erste Workshops und Seminare
Phase 2
Kernaktivität
Juli 2026 – Feb. 2027
Forschungsworkshops, die Hauptkonferenz (Anfang Februar 2027 in Sharjah, VAE), gemeinsame Forschung und Publikationen
Phase 3
Synthese
März – Juli 2027
Veröffentlichung der Ergebnisse, Planung der langfristigen Nachhaltigkeit, Abschlussbericht
1. Januar 2026
Offizieller Projektstart
Q1 2026
Kick-off des Forschungsnetzwerks; Agenda und Arbeitsgruppen definiert
H2 2026
Forschungsseminare und Arbeitsgruppensitzungen
Anfang Februar 2027
Hauptkonferenz an der American University of Sharjah, VAE
Q2 2027
Abschlusspublikationen und Projektergebnisse
31. Juli 2027
Projektabschluss
Partners & Network
The project brings together 13 institutions across Europe, the Middle East, and Asia.
FHGR
Switzerland
Switzerland
AUS
UAE
UAE
Renmin University
China
China
HKUST
Hong Kong
Hong Kong
Babes-Bolyai University
Romania
Romania
Bucharest U of Econ. Studies
Romania
Romania
U of Naples Federico II
Italy
Italy
University of Pavia
Italy
Italy
University of Calabria
Italy
Italy
University of Coimbra
Portugal
Portugal
Kaunas U of Technology
Lithuania
Lithuania
Kadir Has University
Turkey
Turkey
UIST Ohrid
North Macedonia
North Macedonia
Partner & Netzwerk
Das Projekt bringt 13 Institutionen aus Europa, dem Nahen Osten und Asien zusammen.
FHGR
Schweiz
Schweiz
AUS
VAE
VAE
Renmin University
China
China
HKUST
Hongkong
Hongkong
Babes-Bolyai University
Rumänien
Rumänien
Bucharest U of Econ. Studies
Rumänien
Rumänien
U of Naples Federico II
Italien
Italien
University of Pavia
Italien
Italien
University of Calabria
Italien
Italien
University of Coimbra
Portugal
Portugal
Kaunas U of Technology
Litauen
Litauen
Kadir Has University
Türkei
Türkei
UIST Ohrid
Nordmazedonien
Nordmazedonien
Scientific Committee
The scientific committee comprises 19 researchers from across Europe, Asia, and the MENA region who guide the project's research direction.
Adrian Costea
Bucharest U of Economic Studies, Romania
Albulena Shala
University of Pristina, Kosovo
Alessandra Tanda
University of Pavia, Italy
Anastas Dzurovski
UIST Ohrid, North Macedonia
Audrius Kabasinskas
Kaunas U of Technology, Lithuania
Catarina Silva
University of Coimbra, Portugal
Claudia Tarantola
University of Pavia, Italy
Codruta Mare
Babes-Bolyai University, Romania
Daniel Traian Pele
Bucharest U of Economic Studies, Romania
Ioana Coita
University of Oradea, Romania
Jeffrey Chu
Renmin University of China, China
Liana Stanca
Babes-Bolyai University, Romania
Lennart John Baals
FHGR, Switzerland / U of Twente, Netherlands
Maria Iannario
U of Naples Federico II, Italy
Rezarta Perri
University of Tirana, Albania
Ruting Wang
HKUST, Hong Kong
Sabrina Giordano
University of Calabria, Italy
Wolfgang Haerdle
Humboldt University Berlin, Germany
Yiting Liu
University of Twente / BFH, Switzerland
Wissenschaftliches Komitee
Das wissenschaftliche Komitee umfasst 19 Forschende aus ganz Europa, Asien und der MENA-Region, die die Forschungsrichtung des Projekts mitgestalten.
Adrian Costea
Bucharest U of Economic Studies, Rumänien
Albulena Shala
University of Pristina, Kosovo
Alessandra Tanda
University of Pavia, Italien
Anastas Dzurovski
UIST Ohrid, Nordmazedonien
Audrius Kabasinskas
Kaunas U of Technology, Litauen
Catarina Silva
University of Coimbra, Portugal
Claudia Tarantola
University of Pavia, Italien
Codruta Mare
Babes-Bolyai University, Rumänien
Daniel Traian Pele
Bucharest U of Economic Studies, Rumänien
Ioana Coita
University of Oradea, Rumänien
Jeffrey Chu
Renmin University of China, China
Liana Stanca
Babes-Bolyai University, Rumänien
Lennart John Baals
FHGR, Schweiz / U of Twente, Niederlande
Maria Iannario
U of Naples Federico II, Italien
Rezarta Perri
University of Tirana, Albanien
Ruting Wang
HKUST, Hongkong
Sabrina Giordano
University of Calabria, Italien
Wolfgang Haerdle
Humboldt University Berlin, Deutschland
Yiting Liu
University of Twente / BFH, Schweiz
Project Details
Grant Number: CCG-2025-05
Funding Body: SERI (Swiss State Secretariat for Education, Research and Innovation)
Funding Mechanism: Leading House MENA — Connect & Collaborate Grant (administered by HES-SO)
Principal Investigator: Prof. Dr. Joerg Osterrieder (FHGR, Switzerland)
Co-Investigators: Dr. Stephen Chan (AUS, UAE), Dr. Yuanyuan Zhang (AUS, UAE), Dr. Hana Sulieman (AUS, UAE)
Start Date: January 1, 2026
End Date: July 31, 2027
Duration: 19 months
Projektdetails
Fördernummer: CCG-2025-05
Förderstelle: SBFI (Staatssekretariat für Bildung, Forschung und Innovation)
Förderinstrument: Leading House MENA — Connect & Collaborate Grant (verwaltet durch HES-SO)
Projektleiter: Prof. Dr. Joerg Osterrieder (FHGR, Schweiz)
Co-Investigatoren: Dr. Stephen Chan (AUS, VAE), Dr. Yuanyuan Zhang (AUS, VAE), Dr. Hana Sulieman (AUS, VAE)
Startdatum: 1. Januar 2026
Enddatum: 31. Juli 2027
Laufzeit: 19 Monate
Contact & Acknowledgment
This project is funded by the Swiss State Secretariat for Education, Research and Innovation (SERI) through the Leading House MENA program, administered by HES-SO. Grant reference: CCG-2025-05.
Contact: Prof. Dr. Joerg Osterrieder — joerg.osterrieder@fhgr.ch
Website: digital-ai-finance.github.io/digital-ai-in-finance/
Kontakt & Danksagung
Dieses Projekt wird vom Staatssekretariat für Bildung, Forschung und Innovation (SBFI) über das Programm Leading House MENA finanziert, verwaltet durch die HES-SO. Fördernummer: CCG-2025-05.
Kontakt: Prof. Dr. Joerg Osterrieder — joerg.osterrieder@fhgr.ch
Website: digital-ai-finance.github.io/digital-ai-in-finance/