Consultant Risk Management

Angelo Tarda

„https://cdn.sanity.io/images/wwmm9rbb/production/415e4463754c69abaca0f5814af5af9047746ce4-1889x2183.jpg?w=2000&fit=max&auto=format“

Über Angelo

Angelo Tarda absolvierte sein Studium im Studiengang International Finance an der Frankfurt University of Applied Sciences. In seiner Abschlussarbeit beschäftigte er sich mit der Integration von Umweltkriterien in den Kreditvergabeprozess für Wohnimmobilien.

Während seines Studiums unterstützte er als PMO und UAT-Tester ein Projekt zum Aufbau eines ISO-14001-Umweltmanagementsystems bei ADVISORI FTC GmbH.

Seine Projekterfahrung bei einem globalen Finanzdienstleister umfasst insbesondere Tätigkeiten im Kreditrisikomanagement. Er konzipierte und führte fachliche Tests für neue Risikomodelle sowie für Änderungen aufgrund externer Anforderungen durch und begleitete den Implementierungsprozess bis zum erfolgreichen Go-live. Darüber hinaus erstellte er eine Fachspezifikation für den Haircut Service, basierend auf den wesentlichen regulatorischen Anforderungen der CRR III sowie aktualisierten internen Vorgaben. Zusätzlich überarbeitete er eine Kontrolle grundlegend im Internal Control System zur Überwachung der RWA-Berechnung im Kreditrisiko.

Fachgebiete

Risikomanagement KreditrisikoDatenanalyseBasel IVCRR3Internal control system (ICS)RSQLLaTex

Artikel von Angelo Tarda

Künstliche Intelligenz - KI Risikomanagement

AI‑Modell‑Governance im Alltag: Wie MaRisk, EBA, EGIM und BCBS 239 den AI‑Act für Hochrisiko‑AI vorstrukturieren

Banken verfügen mit MaRisk, EBA‑Guidelines, EGIM und BCBS 239 bereits über ein robustes Fundament für Modell‑ und Daten‑Governance. Der EU-AI-Act baut auf diesen Strukturen auf und ergänzt sie gezielt um AI‑spezifische Anforderungen für Hochrisiko‑AI‑Systeme, insbesondere im Kreditscoring natürlicher Personen. Anstatt eine parallele „AI‑Governance‑Welt“ aufzubauen, können Institute Hochrisiko‑AI in ihr bestehendes Modell‑Framework integrieren und dieses risikobasiert erweitern. Konkret heißt das: Modellinventar, Rollen, Validierung und Gremienstrukturen aus MaRisk/EBA/EGIM lassen sich nutzen, um AI‑Act‑Kontrollen wie lebenszyklusbezogenes Risikomanagement, Human‑Oversight‑Konzepte sowie technische Dokumentation und Logging zu verankern. BCBS‑239‑orientierte Datenarchitekturen bilden die Basis für AI‑Trainings‑, Validierungs‑ und Testdaten; neu hinzu kommen Fairness‑ und Bias‑Analysen sowie Grundrechts‑ und Diskriminierungsbewertungen. Der AI-Act ist damit weder ein kompletter Neustart noch ein reines „Paperwork‑Upgrade“. Er verlangt zusätzliche inhaltliche Fähigkeiten – etwa bei Datenethik, Fairness‑Messung und technischer Dokumentation – lässt sich aber effizient im bestehenden Governance‑Rahmen verorten. Ein pragmatisches Zielbild lautet daher: ein gemeinsames Framework für alle Modelle, risikobasiert erweitert für Hochrisiko‑AI.

Angelo Tarda

19. März 2026

5 min Lesezeit

Künstliche Intelligenz - KI Risikomanagement

EU AI-Act im Finanzsektor: AI im bestehenden IKS verankern – statt einer Parallelwelt aufzubauen

Der EU-AI-Act ist für Banken weniger ein radikaler Bruch als eine AI‑spezifische Erweiterung des bestehenden internen Kontrollsystems (IKS). Statt neue Parallelstrukturen aufzubauen, geht es darum, Hochrisiko‑AI‑Anwendungen sauber in Governance, Risikomanagement, Kontrollen und Dokumentation zu integrieren.

Angelo Tarda

17. März 2026

5 min Lesezeit