Zuletzt aktualisiert am:
SR 11-7 war die aufsichtsrechtliche Richtlinie der US-Notenbank (Federal Reserve) und des OCC zum Modellrisikomanagement, die am 4. April 2011 herausgegeben wurde. Fünfzehn Jahre lang setzte sie den Maßstab für die Modellvalidierung, Modellinventare und unabhängige Überprüfungen im US-Bankenwesen. Am 17. April 2026 wurde sie durch SR 26-2 ersetzt, eine überarbeitete Richtlinie, die gemeinsam von der Federal Reserve, dem OCC und der FDIC herausgegeben wurde.
Ist SR 11-7 noch in Kraft?
Nein. Am 17. April 2026 haben die Federal Reserve, das OCC und die FDIC SR 26-2, Revised Guidance on Model Risk Management, herausgegeben, welche SR 11-7 und SR 21-8 ersetzt. Parallel dazu hob das OCC Bulletin 2026-13 die OCC Bulletins 2011-12, 1997-24 und 2021-19 sowie das Handbuch zum Modellrisikomanagement (Model Risk Management booklet of the Comptroller's Handbook) auf. Unternehmen, die in ihren Richtliniendokumenten noch auf SR 11-7 verweisen, müssen eine Neuausrichtung vornehmen.
Was sah SR 11-7 vor?
SR 11-7 stützte sich auf drei Säulen: robuste Modellentwicklung, -implementierung und -nutzung; effektive Validierung sowie solide Governance, Richtlinien und Kontrollen. Die Validierung umfasste drei Komponenten – die Bewertung der konzeptionellen Belastbarkeit, laufendes Monitoring und Ergebnisanalysen wie Backtesting und Benchmarking. Zudem wurde das Prinzip des „effektiven Hinterfragens“ (effective challenge) eingeführt: eine Überprüfung durch Parteien, die über die Kompetenz, den Anreiz und die Stellung verfügen, ein Modell infrage zu stellen. Darüber hinaus waren ein unternehmensweites Modellinventar und eine regelmäßige, mindestens jährliche Überprüfung jedes Modells erforderlich.
Was hat sich unter SR 26-2 geändert?
Die überarbeiteten Leitlinien spiegeln fünfzehn Jahre aufsichtsrechtliche Erfahrung und Fortschritte in der Modellierungspraxis wider. Die wesentliche Neuerung ist der Übergang zu einem explizit risikobasierten Ansatz: Es wird erwartet, dass sich die Praktiken des Modellrisikomanagements nach dem Modellrisikoprofil eines Bankinstituts sowie der Größe und Komplexität seiner Geschäfte richten, anstatt einheitlich angewendet zu werden. Die Federal Reserve stellt fest, dass das Schreiben primär für Bankinstitute mit einer Gesamtbilanzsumme von über 30 Milliarden US-Dollar relevant ist.
Decken die überarbeiteten Leitlinien auch KI-Modelle ab?
Nur teilweise, und dies stellt eine kritische Lücke dar. SR 26-2 stellt fest, dass generative KI und agentenbasierte KI-Modelle „neuartig sind und sich schnell weiterentwickeln“ und daher nicht in den Anwendungsbereich dieser Leitlinien fallen. Die Behörden planen hierzu eine separate Informationsanfrage zur Nutzung von KI durch Banken. Traditionelle statistische und maschinelle Lernmodelle verbleiben im Anwendungsbereich; generative und agentenbasierte Systeme hingegen nicht. Banken, die LLM-Assistenten, Copilots oder agentenbasierte Workflows einsetzen, können sich daher bei deren Steuerung nicht auf die Leitlinien zum Modellrisikomanagement verlassen. Sie benötigen ein separates Kontrollrahmenwerk – in der Regel das FS AI RMF oder das NIST AI RMF – sowie ein KI-Inventar, das beide Kategorien umfasst.
Praxisbeispiel:
Eine US-Regionalbank verbringt das Jahr 2026 damit, ihr Framework für das Modellrisikomanagement an SR 26-2 anzupassen. Ihre ML-basierten Betrugserkennungs- und Bonitätsbewertungsmodelle verbleiben im Anwendungsbereich und behalten ihren unabhängigen Validierungszyklus bei. Ihr generativer KI-Kundenservice-Assistent und der agentenbasierte Abstimmungsworkflow fallen nun jedoch vollständig aus dem Geltungsbereich der Richtlinie heraus. Anstatt diese unreguliert zu lassen, ordnet die Bank beide den Kontrollzielen des FS AI RMF zu und erfasst sie im selben Inventar wie ihre traditionellen Modelle. Wenn Prüfer danach fragen, existiert somit ein einziges Register, das jedes Modell und jedes KI-System abdeckt und in dem das jeweils geltende Governance-Framework hinterlegt ist.
