KI-Modelle und Plattformen
NVIDIA veröffentlicht neun Millionen synthetische japanische Finanz-Personas
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Elith und NVIDIA veröffentlichten Nemotron-Personas-Finance-Japan am 9. November 2026 und machten damit neun Millionen synthetische japanische Personas für die kommerzielle und nicht kommerzielle KI-Entwicklung verfügbar. Der unter CC BY 4.0 veröffentlichte Datensatz ergänzt demografische Profile um Haushaltsfinanzen, den Umgang mit Geld und Finanzkompetenz. So können Banken, Versicherer und Entwickler kundenorientierte Systeme testen, ohne dafür echte Kundendaten zu verwenden.
NVIDIA bezeichnet die Veröffentlichung nach eigenen Angaben als den ersten offenen Persona-Datensatz im Umfang von einer Million Datensätzen, der Japans amtliche Statistiken mit Daten zu Haushaltsfinanzen und Finanzkompetenz verknüpft. Er baut auf Nemotron-Personas-Japan auf, dessen Version vom 23. September 2025 sechs Millionen Personas mit jeweils 22 Merkmalen umfasste und keine finanzspezifischen Personas enthielt. Die neue Ausgabe umfasst eine Million japanischsprachige Datensätze mit jeweils neun Personas und 50 Merkmalen pro Datensatz. Sie deckt alle 47 Präfekturen und mehr als 1.600 Berufskategorien ab.
Finanzielle Details über demografische Merkmale hinaus
Drei der 20 Persona-bezogenen Merkmale beschreiben jeweils finanzielle Gewohnheiten, Entscheidungsverhalten und finanzielle Sorgen. Die 30 Kontextmerkmale umfassen außerdem das persönliche Einkommen, das Vermögen des Haushalts, die Wohn- und Hypothekensituation, die Konsumneigung, Werte zur Finanzkompetenz, die Internet- und Smartphone-Nutzung, die Haushaltsstruktur und die selbst eingeschätzte Gesundheit. Anhand dieser Profile lassen sich mehrteilige Dialoge auf Japanisch simulieren – etwa mit einem Rentner aus einer ländlichen Region, der nach der Übertragung seines Vermögens fragt, oder einem städtischen Haushalt mit zwei Einkommen, der seine Bildungsrücklagen und eine Hypothek prüft.
Die Verteilung des Haushaltsvermögens basiert auf der Nationalen Erhebung zu Familieneinkommen, Konsum und Vermögen von 2019 des Statistikamts, die den Konsum, das Einkommen, das Vermögen und die Verbindlichkeiten von Familien untersucht. Laut der Analyse auf der Datensatzkarte steigt der Anteil der Haushalte mit einem Finanzvermögen von mindestens 20 Millionen Yen von etwa 10 % bei den 25- bis 29-Jährigen auf etwa 30 % bei den 60- bis 64-Jährigen. Das Vermögen bleibt bei Menschen in ihren Sechzigern und Siebzigern relativ hoch, obwohl das persönliche Einkommen um den Renteneintritt herum sinkt. So lassen sich unterschiedliche Kundenprofile für den Vermögensaufbau, die Altersvorsorge und die Erbschaftsplanung erstellen.
Der demografische Kontext ist besonders für Simulationen zu Altersvorsorge und Erbschaft relevant: Den Bevölkerungsschätzungen für 2024 des Statistikamts zufolge waren am 1. Oktober 2024 29,3 % der japanischen Bevölkerung mindestens 65 Jahre alt. Die synthetischen Personas umfassen ausschließlich Erwachsene ab 18 Jahren. Zu den vorgesehenen Einsatzbereichen zählen Kundenservice-Agenten, Tests von Verkaufs- und Marketinggesprächen, Simulationen mit NeMo User Sim, Red-Team-Tests und Prüfungen, ob das Verhalten über ländliche und städtische Regionen sowie verschiedene Altersgruppen, Bildungsniveaus und wirtschaftliche Verhältnisse hinweg konsistent bleibt.
So wurden die Personas erstellt
Die Generierungspipeline kombiniert NeMo Data Designer, das Framework für probabilistische grafische Modelle NeMo SDG-PGMs und das unter Apache 2.0 lizenzierte Modell gemma-4-31B-it für japanische Texte. Data Designer liefert strukturierte Ausgaben, Validierung und automatisierte erneute Versuche. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance und die Financial Data Utilization Association gaben während des Entwicklungsprozesses Feedback.
Auf der Datensatzkarte werden die Erhebungen und statistischen Daten von J-FLEC als weitere Ausgangsdaten genannt. Aus dem offiziellen Verzeichnis von J-FLEC geht hervor, dass die Erhebung zur Finanzkompetenz Menschen zwischen 18 und 79 Jahren umfasst. Die Erhebungen zum Finanzverhalten von Haushalten untersuchen Vermögen, Verbindlichkeiten und Lebensplanung in Zwei-Personen- und Ein-Personen-Haushalten.
Jede Persona ist künstlich und bildet weder einen echten Kunden noch eine reale Person ab; Ähnlichkeiten mit tatsächlichen Personen sind zufällig. In der öffentlichen Version auf Hugging Face fehlen eigenständige Felder für Vor- und Nachnamen sowie synthetische Adressen; Personas aus dem Gesundheitswesen sind ebenfalls ausgeschlossen. Auf der Datensatzkarte wird außerdem die Annahme offengelegt, dass der Beruf bei gegebener Präfektur und gegebenem Geschlecht unabhängig von der Bildung ist. Zudem heißt es dort, dass keine umfassenden Volkszählungsstatistiken zum Geschlecht unabhängig vom biologischen Geschlecht verfügbar sind.
Ein ergänzender Datenschutzdatensatz
NVIDIA veröffentlichte zusammen mit dem Datensatz Nemotron-PII-Japan, einen ergänzenden Datensatz zum Trainieren und Testen von Systemen, die personenbezogene Daten (PII) erkennen und unkenntlich machen. Er enthält 100.000 synthetische japanische Geschäftsdokumente aus 43 Dokumenttypen und acht Bereichen, versehen mit 56 PII-Kennzeichnungen und 810.703 annotierten Textstellen. Mit den Finanz-Personas lassen sich Kunden simulieren, während anhand der PII-Dokumente geprüft werden kann, ob eine Verarbeitungskette sensible Daten erkennt.
Die PII-Datensatzkarte warnt, dass gute Ergebnisse mit synthetischen Dokumenten keine vollständige Erkennung, Fairness, Datenschutz, Einhaltung gesetzlicher Vorschriften oder die Verhinderung von Datenlecks bei echten Daten garantieren. Zusammen bieten die Datensätze KI-Teams im Finanzbereich eine offene Möglichkeit, sowohl Kundeninteraktionen als auch Datenschutzmaßnahmen zu testen. Wie gut die Systeme mit den japanischsprachigen Arbeitsabläufen der jeweiligen Institutionen in der Praxis funktionieren, ist daher der entscheidende Maßstab für den praktischen Nutzen der Veröffentlichungen.
