Am 22. Oktober 2026 hat der Softwareanbieter SAS eine Studie unter der Überschrift „Banks expect to hand decisions to AI – even if they can’t explain them“ vorgestellt. Die Zahl, die seither zitiert wird, steht in der Pressemitteilung: 76 Prozent der Banken erwarteten bis 2031 autonome Kredit- und Risikoentscheidungen durch künstliche Intelligenz. Erstellt hat den zugrunde liegenden Bericht „Why AI at Scale Needs Governance at Speed“ die Agentur FT Longitude, die zur Financial-Times-Gruppe gehört, gesponsert haben ihn SAS und Microsoft. Befragt wurden im Juni und Juli 300 Kredit-, Treasury- und Risikoverantwortliche von Banken mit mindestens 20 Milliarden US-Dollar Bilanzsumme in 31 Ländern.

Gelesen wird die Zahl als Ankündigung, dass Maschinen in wenigen Jahren über Kredite entscheiden. Der Bericht selbst trägt diese Lesart nicht. Er misst eine Erwartung, er definiert weder „autonom“ noch „at scale“, und die für die Studie interviewten Fachleute halten einen so schnellen Wandel laut seinem eigenen Fazit für unwahrscheinlich. Die Studie stellt nebenbei eine ergiebigere Frage als die nach dem Datum, nämlich wie eine Bank ein Modell abschaltet, das seine Grenzen überschreitet. Im Wertpapierhandel ist diese Frage seit 2018 verbindlich beantwortet. Für Kredit- und Risikoentscheidungen verlangt das europäische Recht Grenzen und, je nach Entscheidungstyp, einen Menschen, aber keine Abschaltregel. Offen bleibt damit vor allem, in welchen Zustand ein Kreditprozess zurückfällt, wenn man ihn anhält.

Grundlage sind der Studienbericht, die Pressemitteilung, die am 26. Oktober veröffentlichte Erhebung der Bank of England und der Financial Conduct Authority (FCA) zu künstlicher Intelligenz in der britischen Finanzbranche sowie die einschlägigen Rechtstexte aus Bankaufsichts-, Datenschutz- und Wertpapierrecht. Die Übertragung der Handelsregeln auf das Kreditgeschäft ist eine Ableitung aus der Handelspraxis, keine Prognose und keine Aussage einer Behörde. Zur Einordnung der Quelle gehört, dass SAS Software für Risikosteuerung und KI-Governance verkauft und als Sponsor auf der Fachkonferenz RiskMinds International vertreten ist, die am Erscheinungstag dieses Textes in London beginnt.

In Kürze

Was: Studie „Why AI at Scale Needs Governance at Speed“ von FT Longitude, gesponsert von SAS und Microsoft, vorgestellt am 22. Oktober 2026

Befund: 76 Prozent der 300 Befragten erwarten autonome Kredit- oder Risikoentscheidungen „at scale“ in einem bis fünf Jahren, 10 Prozent sagen, es geschehe schon

Heute: Für den Kreditprozess geben 7 Prozent der Befragten an, KI entscheide autonom mit laufender Überwachung, 33 Prozent nennen Entscheidungen unter menschlicher Aufsicht oder mit Kontrollmechanismen

Recht: Grenzen für automatisierte Kreditentscheidungen nach der Leitlinie EBA/GL/2020/06 der European Banking Authority (EBA) und den Mindestanforderungen an das Risikomanagement (MaRisk), menschliches Urteil beim Rating im auf internen Einstufungen basierenden Ansatz (IRB) nach Art. 174 e der Capital Requirements Regulation (CRR), Eingriffsrecht bei Allgemein-Verbraucherdarlehen ab 20. November 2026, Stopptaste des EU AI Act ab 2. Dezember 2027

Offen: eine verbindliche Abschaltregel mit definiertem sicheren Zustand, wie sie der Wertpapierhandel seit 2018 kennt

Die 76 Prozent fassen zwei Antworten auf eine Erwartungsfrage zusammen

Die Zahl stammt aus einer einzigen Frage auf Seite 12 des Berichts. Sie lautet im Original: „When do you expect AI to make autonomous risk or credit decisions at scale in your organization?“ 10 Prozent der Befragten antworteten, das geschehe bereits, 25 Prozent erwarten es in ein bis zwei Jahren, 51 Prozent in drei bis fünf Jahren und 14 Prozent später. Die 76 Prozent sind die Summe der beiden mittleren Antworten. Aus „innerhalb von fünf Jahren“ hat die Pressemitteilung „bis 2031“ gemacht, eine Antwortkategorie mit dieser Jahreszahl enthält der Bericht nicht. Was „autonom“ und was „at scale“ bedeutet, legt er an keiner Stelle fest. Jeder Befragte hat also seine eigene Vorstellung von Autonomie zeitlich eingeordnet.

Wann erwarten die Befragten autonome KI bei Kredit und Risiko? Antworten von 300 Kredit-, Treasury- und Risikoverantwortlichen 10% bereits 25% in 1–2 Jahren 51% in 3–5 Jahren 14% in über 5 Jahren 76% daraus wird in der Pressemitteilung „bis 2031“
Antworten von 300 Kredit-, Treasury- und Risikoverantwortlichen auf die Frage, wann KI in ihrem Haus „at scale“ autonom über Kredit- oder Risikoentscheidungen entscheiden wird. Die 76 Prozent der Schlagzeile sind die Summe der Antworten „in ein bis zwei Jahren“ und „in drei bis fünf Jahren“, ohne die 10 Prozent, die sagen, es geschehe schon. Was „autonom“ und „at scale“ heißt, definiert die Studie nicht. Quelle: FT Longitude, gesponsert von SAS und Microsoft, Oktober 2026, S. 12, Befragung Juni/Juli 2026.

Wie weit die Banken heute sind, beantwortet der Bericht mit einer anderen Frage, und dort fallen die Werte deutlich niedriger aus. Für den Kreditprozess geben 7 Prozent der Befragten an, KI entscheide dort autonom mit laufender Überwachung (Grafik auf Seite 11), für das Asset-Liability-Management (ALM) sind es 4 Prozent und für die gesamte Organisation 3 Prozent. Weitere 33 Prozent nennen für den Kreditprozess Entscheidungen der KI unter menschlicher Aufsicht oder mit Kontrollmechanismen. 70 Prozent der Befragten setzen dem Einsatz von KI bei autonomen Entscheidungen nach eigener Angabe moderate oder weitergehende Grenzen. Der Bericht trennt dabei selbst sorgfältig: Maschinen bearbeiteten im Schnitt 23 Prozent der Entscheidungsprozesse, „but this is not the same as making 23% of decisions“.

Dass Autonomie im Kredit schon heute möglich ist, belegt der Bericht freilich an einem Beispiel. Ein Kreditrisikoverantwortlicher einer nicht genannten kanadischen Bank berichtet, im Retail-Kreditgeschäft seien „more than 90% … AI-based decisions with very little human-in-the-loop methods“. Bei risikoreichen Portfolios habe man den Menschen dagegen bewusst in der Schleife behalten, bis das Vertrauen in die Technik größer sei. Damit zeigt das Beispiel ein Muster, das zur Zurückhaltung der übrigen Befragten passt. Automatisiert wird das kleinteilige Mengengeschäft, und der Mensch bleibt dort, wo eine einzelne Fehlentscheidung teuer wird. Ein ähnliches Bild zeichnet Marilin Pikaro, Director of Innovation, Conduct and Consumers der European Banking Authority (EBA), im Interview mit den Studienautoren. Erhebungen der Behörde zeigten, dass KI gerade in Hochrisikobereichen „still applied as a supporting tool, and not making individual decisions“ sei.

The experts we interviewed for this study assess such a rapid change as unlikely. FT Longitude, „Why AI at Scale Needs Governance at Speed“, gesponsert von SAS und Microsoft, Oktober 2026

Mehr als ein Stimmungsbild ist die Studie dennoch, weil sie Lücken in der Governance nach Selbstauskunft zählt. Nur 18 Prozent der Befragten haben nach eigener Angabe vollständig verankerte Prozesse für KI-Governance, 19 Prozent überwachen die Drift ihrer Modelle in Echtzeit, und 42 Prozent haben keine definierten „kill switches“, mit denen sich Modelle abschalten lassen, deren Verhalten die vorgesehenen Grenzen überschreitet. Dass die Studie von einem Anbieter von Governance-Software gesponsert wurde, entwertet die Zahlen nicht. Sie bleiben aber Selbstauskünfte in einer gesponserten Erhebung, deren Rekrutierung der Bericht nicht beschreibt. Tragend für diesen Text ist deshalb weniger die Höhe der 42 Prozent als der Begriff, den die Studie dafür wählt: der Kill Switch, mit dem sich ein Modell abschalten lässt.

Die britische Aufsicht findet kaum Agenten, die über Kunden entscheiden

Vier Tage nach der SAS-Studie haben die Bank of England und die FCA am 26. Oktober 2026 ihre vierte Erhebung zu künstlicher Intelligenz in der britischen Finanzbranche veröffentlicht. 86 Prozent der Teilnehmer setzen danach KI ein, nach 75 Prozent im Jahr 2024. Die Aufseher fragen dabei auch nach KI-Agenten und dem Grad ihrer Autonomie. 80 Prozent der Teilnehmer betreiben laut Bericht Agenten, die Handlungen empfehlen, während Menschen entscheiden und ausführen, nur 2 Prozent melden Agenten mit breiter Autonomie. Selbst einschließlich der Planungen für die nächsten zwölf Monate erwarten nach dem Bericht „no more than 9%“ der Teilnehmer, dass Agenten über Kundenergebnisse entscheiden, Handelsaufträge ausführen, Zahlungen auslösen oder Limite und Kontrollen ändern. Im Firmenkundengeschäft und im Handel meldet kein Teilnehmer einen Agenten mit breiter Autonomie.

Gleichsetzen lassen sich die beiden Erhebungen nicht. Die Aufsicht wertet 196 Antworten aus dem gesamten britischen Finanzsektor aus, darunter Versicherer und Vermögensverwalter. Die Agentenzahlen stammen aus den 105 vollständig ausgefüllten Fragebögen, und der Blick reicht zwölf Monate voraus. Die SAS-Studie befragt 300 Kredit-, Treasury- und Risikoverantwortliche von Banken in 31 Ländern nach ihren Erwartungen und blickt fünf Jahre voraus. Nebeneinander gestellt zeigen sie trotzdem eine Spannung, die der Leser der Schlagzeile nicht sieht. Wo eine Aufsicht nach Einsatz und konkreter Planung fragt, findet sie einstellige Werte, wo ein Anbieter nach Erwartungen fragt, findet er drei Viertel. Die Europäische Zentralbank (EZB) kam in ihren Workshops mit bedeutenden Instituten zu einem verwandten Bild, automatisiert waren dort im Kreditscoring allenfalls kleine Retail-Kredite, wie die Analyse der KI-Statistik der EZB-Aufsicht vom Oktober zeigt.

Eine Stopptaste verlangt das Recht im Kredit erst ab Dezember 2027 und nur im Scoring natürlicher Personen

Wie viel Autonomie das Recht zulässt, hängt am Entscheidungstyp, und am engsten ist der Raum dort, wo Banken ihr Eigenkapital berechnen. Für Ratings im auf internen Einstufungen basierenden Ansatz (IRB) verlangt Art. 174 e der Capital Requirements Regulation (CRR), das statistische Modell durch „human judgement and human oversight“ zu ergänzen, die Zuordnungen des Modells zu überprüfen und zu dokumentieren, wie menschliches Urteil und Modellergebnis zusammenwirken. Der Satz steht seit der Ursprungsfassung von 2013 im Gesetz. Ein Rating, das ein Modell ohne diese Überprüfungsstruktur vergibt, ist damit nicht vereinbar. Ob eine Prüfung in Stichproben genügt, lässt der Wortlaut allerdings offen.

Für die Kreditvergabe selbst verlangt die Leitlinie EBA/GL/2020/06, die für bedeutende Institute gilt, dass die Kreditrisikopolitik festlegt, für welche „products, segments and limits“ automatisiert entschieden werden darf (Rz 38 g), und welche Befugnisse automatisierte Modelle haben (Rz 65). Für weniger bedeutende Institute stehen die Voraussetzungen automatisierter Entscheidungsverfahren in den Mindestanforderungen an das Risikomanagement (MaRisk) unter BTO 1.2. Grenzen für automatisierte Kreditentscheidungen sind also seit Jahren Pflicht, wie die Analyse der Firmenkreditentscheidungen der Deutschen Bank im Einzelnen zeigt.

Bei Verbrauchern kommt die Person hinzu. Nach dem Urteil des Europäischen Gerichtshofs (EuGH) zur SCHUFA vom 7. Dezember 2023 ist schon ein Score, der bei der Kreditvergabe „a determining role“ spielt, eine automatisierte Entscheidung im Sinne von Art. 22 der Datenschutz-Grundverordnung (DSGVO). Ab dem 20. November 2026, vier Tage nach Erscheinen dieses Textes, können Darlehensnehmer bei Allgemein-Verbraucherdarlehen mit automatisierter Kreditwürdigkeitsprüfung nach § 30 (6) des Bundesdatenschutzgesetzes (BDSG) das Eingreifen einer Person verlangen. Die Analyse der FCA-Fallbeispiele beschreibt die Norm ausführlich. Ab dem 2. Dezember 2027 gilt die Kreditwürdigkeitsprüfung natürlicher Personen zudem als Hochrisiko-Anwendung nach dem EU AI Act. Dessen Art. 14 (3) bemisst die menschliche Aufsicht dann nach den Risiken, dem „level of autonomy“ und dem Einsatzkontext, er verbietet Autonomie also nicht, er verlangt mehr Aufsicht, je mehr davon im System steckt.

Art. 14 (4) e verlangt darüber hinaus eine Fähigkeit, die das Bankaufsichtsrecht für Kreditprozesse bislang nicht ausdrücklich vorschreibt. Die menschliche Aufsicht muss in der Lage sein, „in den Betrieb des Hochrisiko-KI-Systems einzugreifen oder den Systembetrieb mit einer ‚Stopptaste‘ oder einem ähnlichen Verfahren zu unterbrechen, was dem System ermöglicht, in einem sicheren Zustand zum Stillstand zu kommen“. Die Pflicht gilt allein für Kreditwürdigkeitsprüfungen und Scoring natürlicher Personen. Firmenkredite an juristische Personen, ALM und Treasury erfasst der Anhang III der Verordnung nicht, bei Einzelunternehmern und natürlichen Bürgen ist die Abgrenzung offen. Für Ratings im IRB-Ansatz nennt allein Erwägungsgrund 58 eine Ausnahme für Systeme zur Berechnung der Eigenkapitalanforderungen, der Anhangtext selbst nimmt nur die Betrugserkennung aus.

Nach der Auslegung dieses Textes ist der rechtliche Raum im ALM und im Treasury am weitesten, weil dort weder Art. 22 DSGVO noch der AI Act greifen. Begrenzt wird er durch Limitsystem, Funktionstrennung und die Governance der Modellrisiken. Gerade dort entscheidet KI nach der Studie seltener autonom als im Kreditprozess. Die Abschaltlogik selbst ist in Deutschland allerdings nicht neu. Die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) hat sie im Juni 2021 in ihren Prinzipien für den Einsatz von Algorithmen in Entscheidungsprozessen skizziert, als stufenweises Vorgehen mit Schwellenwerten, an dessen Ende eine „Stopping-Rule“ steht. In dieser letzten Stufe soll die Freigabe zunächst ausbleiben, das Modell überprüft und der Prozess unterbrochen werden. Die BaFin nennt diese Prinzipien selbst „vorläufige Überlegungen“ und eine „Orientierungshilfe“. Beschrieben ist die Abschaltung damit seit fünf Jahren, verbindlich geregelt ist sie bislang an einer einzigen Stelle der Bank.

Im Wertpapierhandel schaltet sich ein Algorithmus seit 2018 nach festen Schwellen selbst ab

Wer ein Handelsbuch geführt hat, unterscheidet zwei Handgriffe, die in der Debatte über KI gern zusammenfallen. Der eine nimmt offene Aufträge aus dem Markt, der andere stoppt die Strategie, die sie erzeugt. Die Delegierte Verordnung (EU) 2017/589 zur Finanzmarktrichtlinie Markets in Financial Instruments Directive II (MiFID II), in der Praxis RTS 6 (Regulatory Technical Standards 6) genannt und seit dem 3. Januar 2018 anwendbar, regelt beide getrennt. Die „Kill-Funktion“ nach Art. 12 erlaubt einer Wertpapierfirma, laut Erwägungsgrund 9 „alle ihre Aufträge oder einen Teil davon zu stornieren“. Sie ist das Werkzeug, das die Analyse zum Kill Switch für KI-Agenten im Juli auf Firmenebene beschrieben hat. Das Abschalten steht in Art. 14 (3): Handelsalgorithmus oder Handelssystem müssen sich im Zuge der Notfallvorkehrungen abschalten lassen, „ohne marktstörende Handelsbedingungen zu schaffen“.

Art. 15 (3) geht einen Schritt weiter und automatisiert den Stopp: „Nach einer vorab festgelegten Anzahl wiederholter Ausführungen wird das Handelssystem automatisch abgeschaltet, bis es von einem eigens dafür bestimmten Mitarbeiter wieder eingeschaltet wird.“ Dazu kommen Vorhandelskontrollen, die jeden einzelnen Auftrag gegen Preisbänder und Höchstvolumina prüfen (Art. 15 (1)), eine Echtzeitüberwachung (Art. 16) und die jährliche Überprüfung der Notfallvorkehrungen (Art. 14 (4)). Im Handel kontrolliert also die Maschine jede einzelne Order, und ein Mensch entscheidet, wann die Maschine weiterarbeiten darf. Begrenzt wird die Autonomie durch Schwellen, über die im Einzelfall niemand verhandeln muss, und durch eine Person, die für den Wiederanlauf einsteht.

Was ein fehlendes Anhalteverfahren anrichten kann, zeigt der Fall Knight Capital vom 1. August 2012, den die Analyse des Prüfrahmens des Office of the Comptroller of the Currency (OCC) vom 9. November ausführlich beschreibt. Für den Order-Router gab es nach der Verfügung der Securities and Exchange Commission (SEC) kein Verfahren, ihn bei Fehlverhalten anzuhalten. Er erzeugte in rund 45 Minuten Millionen von Aufträgen, am Ende realisierte Knight einen Verlust von 460 Millionen US-Dollar. Der Fall liegt vor RTS 6 und beruht auf einer amerikanischen Regel (Rule 15c3-5). Er veranschaulicht den Schaden, ohne die europäische Regel zu begründen.

Die Brücke vom Handel zur künstlichen Intelligenz schlägt inzwischen der Finanzstabilitätsrat (Financial Stability Board, FSB) selbst. Er beschreibt in seiner Konsultation vom 10. Juni 2026 „kill switch“-Mechanismen für KI als Spektrum, „ranging from complete shutdown (which can be used in disabling algorithmic trading) to dynamic or graduated degradation where systems transition from autonomous to human operation“. Das OCC nennt in seinem Prüfrahmen vom 4. November „circuit breakers, rate limits, least-privilege permissions, and kill switches“ als mögliche Mittel, einen fehlerhaft handelnden Agenten einzugrenzen, und führt die Kreditentscheidung in Echtzeit in seiner illustrativen höchsten Stufe. Bindend ist keines der beiden Papiere, das OCC hält selbst fest, dass sein Rahmen keine aufsichtlichen Erwartungen an Banken begründet. Ebenso wenig bindet das Aufsichtsbriefing der Europäischen Wertpapier- und Marktaufsichtsbehörde (ESMA) vom 26. Februar 2026, das festhält, dass „neither MiFID II nor RTS 6 specifically address AI“.

Die Analogie trägt allerdings nur bis zu einer klaren Grenze. Die Kill-Funktion storniert Aufträge, die noch nicht ausgeführt sind, ein ausgezahlter Kredit hat kein Storno. Ein fehlerhafter Handelsalgorithmus schadet dem eigenen Buch in Minuten, und die Gewinn- und Verlustrechnung liefert das Signal gleich mit. Ein fehlerhaftes Kreditmodell schadet zuerst dem Antragsteller, dem es zu Unrecht absagt, und dem eigenen Buch erst Monate später, wenn Ausfälle aus zu Unrecht erteilten Zusagen eintreffen. Die Rechte der Person aus Art. 22 DSGVO und § 30 (6) BDSG bleiben ohnehin bestehen, eine Abschaltregel käme zu ihnen hinzu und ersetzte keine Prüfung im Einzelfall. Und RTS 6 wurde für deterministische Algorithmen geschrieben. Was die Handelsregeln dem Kreditgeschäft bieten können, ist deshalb eine Architektur, kein fertiges Werkzeug.

Der sichere Zustand eines Kreditprozesses ist die offene Frage

Der AI Act verwendet für die Stopptaste einen Begriff, der aus der Handelswelt vertraut klingt und im Kredit erst zu füllen ist: den sicheren Zustand. Für einen Handelsalgorithmus ist er leicht beschrieben, die offenen Aufträge sind storniert, die Positionen liegen beim Händler, und der Markt läuft weiter. Für einen Kreditprozess, der zu großen Teilen automatisch entscheidet, gibt es keine vergleichbare Selbstverständlichkeit. Wird das Modell angehalten, stauen sich Anträge, und jemand muss sie bearbeiten. Bei einer Bank, die wie das kanadische Beispiel in ihren Retail-Portfolios mehr als 90 Prozent der Entscheidungen KI-basiert und mit wenig menschlicher Beteiligung trifft, liegt die Frage nahe, ob die manuelle Kapazität für einen Stopp reicht. Die Studie sagt dazu nichts.

Marilin Pikaro verlangt in der Studie einen Notfallplan für den Fall, dass nicht nur ein System betroffen ist. Wer KI einsetze, müsse klären, was die Bank tue, „if there are multi-system failures, if it’s not just one system that is being impacted“. Für den Handel schreibt RTS 6 vor, die Notfallvorkehrungen jährlich zu prüfen. Eine auf automatisierte Kreditentscheidungen zugeschnittene jährliche Prüfung nennen die für diesen Text ausgewerteten Rechtstexte nicht. Wie viele Anträge eine Bank am Tag nach dem Abschalten von Hand entscheiden kann, mit welchen Leuten und nach welchen Regeln, muss deshalb jedes Haus für sich beantworten.

Auch die Auslöser müssen andere sein als im Handel. Wo dort die Zahl wiederholter Ausführungen oder ein Verlustlimit greift, bieten sich im Kredit Größen an, die einen Fehler zeigen, bevor er im Ausfall sichtbar wird: die Genehmigungs- und Ablehnungsquote je Segment, die Verteilung der Eingangsdaten gegenüber der Entwicklungsstichprobe und die Quote der Overrides, die Kreditanalysten gegen das Modell setzen. Diese Auswahl ist eine Ableitung aus der Handelspraxis und keine Vorgabe einer Behörde. Die BaFin nennt keine dieser Größen, beschreibt 2021 aber das Prinzip der Schwellenwertstufen, auf das sie sich übertragen lassen.

Im ALM stellt sich die Frage womöglich früher, als die Studie vermuten lässt. Erzeugt ein Agent Sicherungsgeschäfte und bestimmt dabei selbst, ob ein Auftrag eingeleitet wird und zu welchem Zeitpunkt, Preis und Volumen, beschreibt das ziemlich genau die Definition des algorithmischen Handels in § 80 (2) des Wertpapierhandelsgesetzes (WpHG), die auf Aufträge „mit eingeschränkter oder überhaupt keiner menschlichen Beteiligung“ abstellt. Ob ein solcher Agent darunter fällt, hängt am Einzelfall und ist eine Auslegung dieses Textes, keine Aussage der Aufsicht. Fiele er darunter, gälte RTS 6 unmittelbar, und der rechtlich freieste Bereich der Risikosteuerung bekäme die strengste Abschaltregel, die das Bankrecht kennt.

Für Banken, die autonome Entscheidungen binnen fünf Jahren erwarten, zählt deshalb vor dem Datum, ob sie für jeden automatisierten Prozess benennen können, wer ihn anhält, wann er sich selbst anhält, wer ihn wieder anlaufen lässt und was in der Zwischenzeit mit den Anträgen geschieht. Als Ableitung aus der Handelspraxis liegt nahe, dass an dieser Architektur kaum vorbeikommt, wer Maschinen entscheiden lassen will. Dass sie sich bei lernenden Modellen bewährt, belegt der Handel allerdings nicht, RTS 6 behandelt KI laut ESMA ausdrücklich nicht. Im Wertpapierhandel steht die Antwort seit 2018 im Gesetz, im Kredit bislang in einer Orientierungshilfe von 2021.

Handlungsempfehlungen für Kreditrisiko, ALM und Treasury

1. Für jeden automatisierten Entscheidungsprozess Abschaltauslöser festlegen

Neben den Produkten, Segmenten und Limiten, die EBA/GL/2020/06 (Rz 38 g) und MaRisk BTO 1.2 für automatisierte Kreditentscheidungen ohnehin verlangen, lassen sich Schwellen definieren, bei denen der Prozess stoppt: eine auffällige Genehmigungs- oder Ablehnungsquote je Segment, eine Verschiebung der Eingangsdaten, eine steigende Override-Quote. Wirksam sind sie nur, wenn sie ohne Verhandlung im Einzelfall greifen, nach dem Vorbild der automatischen Abschaltung in Art. 15 (3) RTS 6.

2. Die Rückfallkapazität je Kreditsegment beziffern

Für jeden automatisierten Kreditprozess sollte feststehen, welche Anträge nach einem Stopp von Hand weiterlaufen, wie viele davon das Team am Tag entscheiden kann und nach welchen Regeln, und was mit Anträgen geschieht, die liegen bleiben. Die Kapazität ergibt sich aus dem Antragsvolumen je Segment und dem Anteil, den das Modell heute allein entscheidet, und lässt sich deshalb in Anträgen pro Tag beziffern. Wie sich Abschalten und Rückfallweg gemeinsam testen lassen, beschreibt die Analyse des OCC-Prüfrahmens vom 9. November. Für Kreditscoring natürlicher Personen muss das System ab dem 2. Dezember 2027 nach Art. 14 (4) e AI Act eine Stopptaste haben, die es in einen sicheren Zustand bringt. Was mit den liegen gebliebenen Anträgen geschieht, regelt die Vorschrift nicht.

3. Das Wiedereinschalten an eine benannte Funktion binden

Wer ein angehaltenes Modell wieder freigibt, sollte vorab benannt sein und unabhängig von der Fachabteilung arbeiten, die das Modell nutzt, etwa in Risikocontrolling oder Modellvalidierung. Im Handel verlangt Art. 15 (3) RTS 6 für den Wiederanlauf einen eigens bestimmten Mitarbeiter, die Unabhängigkeit von der Fachabteilung ist eine naheliegende Ergänzung. Art. 26 (2) AI Act verlangt für Hochrisiko-Systeme Personen mit der nötigen Kompetenz, Schulung und Befugnis. Die Freigabe nach einem Stopp ist die Stelle, an der sich zeigt, wer für den Prozess einsteht.

4. Agenten in ALM und Treasury auf algorithmischen Handel prüfen

Bevor ein Agent Sicherungsgeschäfte mit selbst bestimmten Auftragsparametern erzeugt, empfiehlt sich eine Prüfung durch Compliance und Rechtsabteilung, ob das Vorhaben unter § 80 (2) WpHG fällt. Fällt es darunter, gelten die Kill-Funktion, die Abschaltung und die Vorhandelskontrollen nach RTS 6 vom ersten Tag an, und das ESMA-Briefing vom Februar 2026 behandelt jede Rekalibrierung lernender Komponenten als prüfpflichtige Änderung.

Timeline: Von der Abschaltregel im Handel zur Stopptaste im Kredit
Regeln, Fälle und Erhebungen zur Autonomie von Maschinenentscheidungen in Banken
1. August 2012
Knight Capital
Ein Router ohne Abschaltverfahren erzeugt in rund 45 Minuten Millionen Aufträge, am Ende steht ein Verlust von 460 Millionen US-Dollar.
3. Januar 2018
RTS 6 anwendbar
Kill-Funktion, Abschaltung im Notfall und automatische Abschaltung nach wiederholten Ausführungen werden für den algorithmischen Handel Pflicht.
15. Juni 2021
BaFin-Prinzipien für Algorithmen
Stufenweise Schwellenwerte mit „Stopping-Rule“, veröffentlicht als Orientierungshilfe.
30. Juni 2021
EBA/GL/2020/06 gilt
Kreditrisikopolitik muss Produkte, Segmente und Limite für automatisierte Kreditentscheidungen festlegen.
7. Dezember 2023
EuGH-Urteil zur SCHUFA
Ein Score mit maßgeblicher Rolle bei der Kreditvergabe ist selbst eine automatisierte Entscheidung nach Art. 22 DSGVO.
10. Juni 2026
FSB-Konsultation
Kill Switch für KI als Spektrum von der vollständigen Abschaltung bis zum gestuften Rückfall auf menschlichen Betrieb.
22. Oktober 2026
Studie von FT Longitude, SAS und Microsoft
76 Prozent der Befragten erwarten autonome Kredit- oder Risikoentscheidungen binnen fünf Jahren.
26. Oktober 2026
Erhebung von Bank of England und FCA
Höchstens 9 Prozent der Teilnehmer erwarten binnen zwölf Monaten Agenten, die über Kundenergebnisse entscheiden, Handelsaufträge ausführen, Zahlungen auslösen oder Limite ändern.
20. November 2026
§ 30 (6) BDSG in Kraft
Darlehensnehmer können bei Allgemein-Verbraucherdarlehen mit automatisierter Kreditwürdigkeitsprüfung das Eingreifen einer Person verlangen.
2. Dezember 2027
AI Act für Kreditscoring
Hochrisiko-Pflichten einschließlich Stopptaste für die Kreditwürdigkeitsprüfung natürlicher Personen.

Begriffserklärung

Kill-Funktion: Pflicht nach Art. 12 RTS 6, alle oder einen Teil der noch nicht ausgeführten Aufträge sofort zu stornieren. Sie nimmt Aufträge aus dem Markt, schaltet aber die Strategie nicht ab.

Abschaltung: Stopp des Handelsalgorithmus oder Handelssystems selbst, nach Art. 14 (3) RTS 6 im Notfall und nach Art. 15 (3) automatisch nach einer festgelegten Zahl wiederholter Ausführungen, mit Wiedereinschalten durch eine benannte Person.

Sicherer Zustand: Begriff aus Art. 14 (4) e EU AI Act. Gemeint ist der Zustand, in dem ein angehaltenes Hochrisiko-System zum Stillstand kommt, ohne neuen Schaden anzurichten.

IRB-Ansatz: Verfahren, bei dem eine Bank die Eigenkapitalanforderungen für Kreditrisiken mit eigenen, von der Aufsicht genehmigten Ratingmodellen berechnet.

Override: bewusste Abweichung eines Kreditanalysten vom Ergebnis des Modells. Eine steigende Override-Quote zeigt, dass Menschen dem Modell häufiger widersprechen.

ALM: Asset-Liability-Management, die Steuerung von Zins- und Liquiditätsrisiken aus dem Zusammenspiel von Aktiv- und Passivseite der Bilanz.

Christian Schablitzki

Christian Schablitzki – the agentic banker

Strategy & Management Consultant · Agentic-AI-Experte für Finanzinstitute

Über 20 Jahre in Investmentbanking und Derivatehandel, anschließend mehr als 10 Jahre als Berater für Finanzinstitute. Zertifiziert als Claude Partner – Claude Code (Anthropic), außerdem in Google AI, Generative AI Leader (Google Cloud) und IBM RAG and Agentic AI.

LinkedIn-Profil → · agenticbanker.ai →
newsletter
the agentic banker

Lesen Sie weiter – alle 14 Tage in Ihrem Postfach.

Kapitalmarkt-Insights, Regulierungs-Updates und AI-Trends. Kompakt, fundiert, kostenlos.

DSGVO-konform. Jederzeit abbestellbar.

← Zurück zur Übersicht