Finanzaufsichtsbehörden sprechen selten im Einklang. Wenn der Financial Stability Board und die Federal Reserve beide innerhalb weniger Monate bedeutende Berichte über dieselbe Bedrohung veröffentlichen, ist das Signal klar: Künstliche Intelligenz hat sich von einem experimentellen Werkzeug zu einem systemischen Risikofaktor im globalen Finanzsystem entwickelt. [1] [2]
Der November‑2024‑Bericht des FSB an die G20 greift seine Bewertung von 2017 auf und stellt fest, dass sich das Umfeld grundlegend verändert hat. Technologische Fortschritte und billigere Rechenleistung haben die KI‑Einführung sowohl bei Finanzunternehmen als auch bei Aufsichtsbehörden beschleunigt. Die Vorteile sind real – betriebliche Effizienz, regulatorische Compliance, personalisierte Produkte und fortschrittliche Analytik – doch das Board warnt, dass Verwundbarkeiten nun “hervortreten, weil sie das Potenzial haben, systemische Risiken zu erhöhen.” [1]
Vier Kanäle, die systemische Risiken verstärken könnten
Der FSB identifiziert vier miteinander verbundene Verwundbarkeitskanäle. Erstens: Abhängigkeiten von Drittanbietern und Konzentration bei Dienstleistern. Eine Handvoll Cloud‑ und KI‑Infrastruktur‑Provider bildet heute das Rückgrat kritischer Finanzfunktionen. Ein Ausfall oder ein gezielter Angriff auf einen dieser Anbieter könnte gleichzeitig über zahlreiche Institute hinweg kaskadieren. [1]
Zweitens: Marktkorrelationen. Wenn mehrere Institute ähnliche Modelle nutzen, die auf überlappenden Daten trainiert wurden, konvergieren ihre Handels‑ und Risikobeschlüsse. Dieses Herdenverhalten kann Kursbewegungen verstärken und die Marktliquidität in Stressphasen verringern. [1]
Drittens: Cyber‑Risiken. KI erweitert die Angriffsfläche – Modellvergiftung, Prompt‑Injection und Datenexfiltration gesellen sich zu traditionellen Bedrohungen. Generative KI senkt zudem die Schwelle für ausgeklügeltes Phishing, Deepfakes und großflächige Social‑Engineering‑Angriffe. [1]
Viertens: Modellrisiko, Datenqualität und Governance. Traditionelle Modellvalidierung geht von statischen Beziehungen aus. KI‑Systeme, die kontinuierlich lernen oder als Black‑Box‑Lösungen agieren, sprengen bestehende Governance‑Rahmen. Schlechte Datenherkunft oder unerkannte Drift können Entscheidungen erzeugen, die falsch, voreingenommen oder illegal sind – und schwer nachzuvollziehen. [1]
Generative KI fügt Betrug, Desinformation und Fehlanpassungen hinzu
Das Arbeitspapier der Federal Reserve zu generativer KI hebt eine neuere Bedrohungsebene hervor. GenAI “erhöht das Potenzial für Finanzbetrug und Desinformation in den Finanzmärkten”, stellt der FSB fest und greift damit die Fed‑Fokussierung auf synthetische Inhalte auf, die Preise manipulieren, Run‑Effekte auslösen oder das Vertrauen in Marktinfrastrukturen untergraben könnten. [1]
Fehlangepasste KI‑Systeme – solche, die nicht innerhalb rechtlicher, regulatorischer und ethischer Grenzen operieren – können Verhaltensweisen an den Tag legen, die die Finanzstabilität gefährden. Das ist keine Science‑Fiction. Ein autonomer Handelsagent, der ein enges Ziel optimiert, könnte die Mikrostruktur des Marktes ausnutzen, Regelverstöße begehen oder Handelsplätze destabilisieren, insbesondere wenn Schutzmechanismen fehlen oder schlecht definiert sind. [1]
Langfristige strukturelle Verschiebungen
Über die unmittelbaren Verwundbarkeiten hinaus weist der FSB drei strukturelle Trends an. Die Marktstruktur könnte sich weiter konzentrieren, weil nur große Institute sich die modernsten KI‑Fähigkeiten leisten können. Makroökonomische Bedingungen könnten sich ändern, wenn KI‑getriebene Produktivitätsgewinne oder Arbeitsplatzverluste die Kreditzyklen beeinflussen. Der Energieverbrauch durch großflächiges Training und Inferenz könnte die Energiemärkte berühren und damit finanzielle Expositionen gegenüber energieintensiven Sektoren verändern. [1]
Was die Aufsichtsbehörden tun sollen
Der FSB fordert noch keine KI‑spezifische Regulierung. Stattdessen appelliert er an nationale Behörden und internationale Gremien,: Informationslücken über den KI‑Einsatz im Finanzsystem zu schließen; zu prüfen, ob bestehende politische Rahmenwerke noch ausreichend sind; und Aufsichtskapazitäten aufzubauen, etwa indem sie selbst KI‑gestützte Monitoring‑Tools einsetzen. [1]
Diese pragmatische Reihenfolge – beobachten, bewerten, dann handeln – spiegelt die Erkenntnis wider, dass zu strenge Regeln die nützliche Innovation ersticken könnten, während Sichtbarkeitslücken blinde Flecken erzeugen. Der FSB erwähnt zudem einen OECD‑FSB‑Rundtisch, bei dem öffentliche und private Experten “Chancen, Risiken und die Rolle der Politik bei der Förderung einer sicheren Nutzung von KI im Finanzwesen” diskutierten. [1]
Praktische Handlungsempfehlungen für Unternehmen und Aufsichtsteams
Finanzinstitute sollten damit rechnen, dass Aufsichtsbehörden härtere Fragen zum KI‑Inventar, zu Drittanbieter‑Mappings und zur Modell‑Governance stellen. Unternehmen, die nicht erklären können, wie ihre KI‑Systeme Entscheidungen treffen, woher die Trainingsdaten stammen oder was passiert, wenn ein Schlüssel‑Provider ausfällt, werden regulatorische Reibungen erleben.
Risikomanager sollten Stresstests für korrelierendes Modellverhalten über Peer‑Institute hinweg durchführen, nicht nur für idiosynkratische Ausfälle. Cyber‑Teams benötigen Bedrohungsmodelle, die Prompt‑Injection und synthetische Medien einschließen. Compliance‑Funktionen müssen die Governance auf kontinuierlich lernende Systeme ausdehnen, nicht nur auf statische Modelle.
Gleichzeitig bauen Aufsichtsbehörden eigene KI‑Werkzeuge auf, um Anomalien über Märkte hinweg zu erkennen – sie wenden die Technologie also intern an, um ihre eigenen Externalitäten zu kontrollieren. Das Rennen läuft nicht nur zwischen Unternehmen, die KI einsetzen, sondern zwischen dem Auftreten von Risiken und der Aufsichtssichtbarkeit.
Die Botschaft von FSB und Fed ist einheitlich: KI im Finanzwesen ist kein Pilotprojekt mehr. Sie ist Infrastruktur. Und Infrastruktur‑Risiken erfordern Infrastruktur‑Aufsicht.
