Enterprise Risk Management: Ganzheitliche Risikosteuerung

KI-Governance ersetzt nicht, was Banken bereits beherrschen, sie baut darauf auf. Dieser Beitrag zeigt, wie Data Governance, Modell-Governance und interne Governance zu einem Rahmenwerk zusammenwachsen, das aufsichtlichen Erwartungen standhält und den skalierten Einsatz von KI überhaupt erst ermöglicht: von der Bewertung der Dateneignung über kontinuierliches Modell-Monitoring bis zur klaren Verantwortungszuordnung entlang der Three Lines of Defense.

AI-Readiness entscheidet sich früher, als die meisten denken, nämlich an der Datengrundlage. Dieser Beitrag erläutert Kriterien für die Datenqualität, ordnet den regulatorischen Rahmen von EU AI Act bis BCBS 239 ein und erklärt, warum die üblichen vier Qualitätskriterien für AI-Modelle nicht ausreichen.

Der EU AI Act trifft Banken auf vertrautem Terrain: Datenqualität, Data Lineage, Modellrisiko-Management und menschliche Aufsicht sind Disziplinen, die BCBS 239 seit 2013 einfordert und die die EZB in ihrem RDARR-Leitfaden verschärft hat. Der Startvorteil ist real, aber begrenzt. Drei Anforderungen haben keine Entsprechung im Bestand: Bias- und Fairness-Kontrollen, die Erklärbarkeit von Modellentscheidungen und die Grundrechte-Folgenabschätzung nach Artikel 27. Eine Bestandsaufnahme mit konkretem Handlungsbedarf.

Die 9. MaRisk-Novelle ist final: mehr Proportionalität, SNCI-Erleichterungen, neue Größenklassen. Alle Änderungen, Fristen und der Umsetzungsfahrplan bis 2027.

Der Entwurf für den EBA-Stresstest 2027 führt ein spezielles Klimarisikomodul ein, mit dem Übergangs- und Hochwasserschocks zum adversen makroökonomischen Szenario hinzukommen. Derzeit betrifft dies nicht die RWA-Rechnung, aber dies ist eine methodische Entscheidung für diesen Stresstest, und keine Aussage über künftige Stresstests.

Teil 2 der Serie zur WpI MaRisk nimmt die Risikosteuerung in den Blick: den wirkungsorientierten Risikobegriff mit Risiken für Kunden, Markt und Institut (RtC, RtM, RtF), das neue Risiko einer ungeordneten Abwicklung (BTR 4), die Abgrenzung zu DORA sowie die wachsende Begründungs- und Dokumentationslast, die mit der schlankeren Norm auf die Institute übergeht.