KI im Risikomanagement
KI im Risikomanagement nutzt Modelle, um Daten auszuwerten und Hinweise auf mögliche Verluste zu erkennen, etwa bei Kreditrisiken oder Risiken im Bankbetrieb. Sie kann Risikoindikatoren laufend überwachen und Bewertungen zwischen Quartalsberichten aktualisieren, damit Risikoteams häufiger Informationen über die betreuten Positionen erhalten.
In einer Bank bringt das Modell ein eigenes Risiko mit, wenn seine Annahmen oder Ergebnisse unzuverlässig sind, weshalb auch das Werkzeug eine verantwortliche Stelle und Prüfverfahren braucht. Die deutsche Aufsicht behandelt diese Fragen seit 2020, einschließlich der Daten und Erklärungen zur Beurteilung maschineller Lernverfahren.
Was KI im Risikokreislauf leistet
KPMG untersucht den KI-Einsatz in jeder einzelnen Stufe des Risikokreislaufs. Bei der Identifikation (auf Englisch) entwirft sie Prozessabläufe, erkennt neue Risiken und ordnet sie der Risikotaxonomie und den Kontrollen zu. Bei der Bewertung schlägt sie Einstufungen vor und berechnet Risikoindikatoren und Restrisiko. Bei der Überwachung ersetzt KI die Stichtagsberichte durch laufende Risikoberichte. In der Future-of-Risk-Umfrage von KPMG nannten 400 Führungskräfte KI und generative KI als wichtigste Technik für ihre neuen Risikoaufgaben der nächsten drei bis fünf Jahre.
KPMG Deutschland nennt die Risikoarten, bei denen Unternehmen sie einsetzen: Kredit-, Markt-, Betrugs-, operationelle und Liquiditätsrisiken (auf Englisch). Fast die Hälfte der Unternehmen in der Studie AI in Finance erkennt Risiken mit KI schneller. In einer Bank reicht der Einsatz von Frühwarnsignalen im Kreditbuch bis zu Stressszenarien und der Prüfung von Verträgen mit IKT-Dienstleistern.
Was die deutsche Aufsicht erwartet
Die Bundesbank veröffentlicht drei Dokumente zu Machine-Learning-Methoden in der Finanzaufsicht. Ein Diskussionspapier zu KI und Machine Learning im Finanzsektor vom November 2020 fragte nach Erklärbarkeit und Daten, die BaFin veröffentlichte im Juni 2021 Prinzipien für Algorithmen in Entscheidungsprozessen, und im Juli 2021 folgte ein gemeinsames Konsultationspapier von BaFin und Bundesbank zu Machine Learning in Risikomodellen. Das Konsultationspapier betrifft die Modelle für das aufsichtliche Kapital und die internen Steuerungsmodelle.
Im Dezember 2025 ergänzte die BaFin eine Orientierungshilfe zu IKT-Risiken beim Einsatz von KI-Systemen, die ein KI-System als Teil der IKT nach DORA behandelt. Ein Risikomodell mit Machine Learning fällt damit unter zwei Regelwerke: das Modellrisikomanagement für das, was es vorhersagt, und das IKT-Risikomanagement für den Betrieb.
KI als eigenes Risiko
KPMG zählt die neuen Risiken durch KI zu den Herausforderungen, vor denen Risikomanager jetzt stehen. Ein Modell kann abdriften, wenn sich Märkte ändern, und ein Modell ohne Verantwortlichen kann unbemerkt versagen. Banken führen ein KI- und Modellverzeichnis und validieren Modelle vor und nach dem Start.
Modellrisikomanagement umfasst die Validierungspflicht nach MaRisk und den EZB-Leitfaden zu internen Modellen, KI-Governance in Banken regelt die Frage, wer über einen Anwendungsfall entscheidet und wer ein System abschalten darf.
Kommende Events zu KI im Finanzwesen in Deutschland
Welche Risiken kann KI erkennen?
Kredit-, Markt-, Betrugs-, operationelle und Liquiditätsrisiken nennt KPMG Deutschland. KI funktioniert am besten, wo es viele Daten und ein klares Signal gibt, etwa bei Zahlungen, Marktpreisen oder einem großen Kreditbuch. Bei seltenen Ereignissen, die in der Historie fehlen, hat sie wenig, woraus sie lernen kann.
Ist KI im Risikomanagement nach der KI-Verordnung hochriskant?
Nur manche Anwendungen von KI im Risikomanagement gelten als Hochrisikosysteme. Anhang III (auf Englisch) nennt bei den Finanzanwendungen das Scoring natürlicher Personen und die Preisbildung in der Lebens- und Krankenversicherung. Ein Modell für Markt- oder Liquiditätsrisiken steht nicht auf der Liste, bleibt aber unter MaRisk, DORA und den Modellrisikoregeln der Bank.
KI im Risikomanagement und Finance Loop
Finance Loop bringt Risikomanager, Modellvalidierer und Compliance-Fachleute aus Banken und Versicherern mit den Data Scientists zusammen, die ihre Modelle bauen. Finance Loop stellte fAInance von Sopra Steria und Fraunhofer IAIS vor, mit einer Station zu KI in Governance, Risiko & Compliance.
Finance Loop ist ein Experten-Netzwerk, das die institutionelle Nutzung neuer Technologien im Finanzwesen fördert, wie KI, digitale Zahlungen sowie Cloud- und Blockchain-Lösungen. Finance Loop hilft seinen Mitgliedern, Fähigkeiten und persönliche Netzwerke in diesen Feldern aufzubauen: Investment & digitale Vermögenswerte, Zahlungsverkehr & digitales Geld, Digitale Infrastruktur & Souveränität und Risiko & Compliance.