Blog
•
12 Min. Lesezeit
SR 26-2, die am 17. April 2026 veröffentlichte überarbeitete behördenübergreifende Leitlinie zum Modellrisikomanagement, hält fest, dass generative und agentische KI-Modelle „nicht in den Anwendungsbereich dieser Leitlinie fallen“. Banken betreiben ihre am schnellsten wachsenden KI-Systeme damit außerhalb des Rahmens, der fünfzehn Jahre lang für Modelle galt, und die angekündigte Informationsanfrage (Request for Information, RFI) ist bislang nicht erschienen.
Was hat SR 26-2 am 17. April 2026 geändert?
Federal Reserve, OCC und FDIC haben am 17. April 2026 gemeinsam SR 26-2, „Revised Guidance on Model Risk Management“ herausgegeben. Die Leitlinie ersetzt SR 11-7 (4. April 2011) und SR 21-8. Das OCC veröffentlichte denselben Text als Bulletin 2026-13 und hob damit die Bulletins 2011-12, 1997-24 und 2021-19 sowie das Heft zum Modellrisiko im Comptroller's Handbook auf. Die FDIC veröffentlichte ihn als FIL-15-2026.
Für KI-Governance-Teams sind drei Änderungen relevant. Die Definition eines Modells wurde eingeengt auf „eine komplexe quantitative Methode, ein System oder einen Ansatz, der statistische, ökonomische oder finanzwirtschaftliche Theorien anwendet, um Eingabedaten in quantitative Schätzungen umzuwandeln“; einfache Arithmetik und deterministische Regeln fallen nicht mehr darunter. Die Überwachung richtet sich nun nach der Wesentlichkeit. Und generative sowie agentische KI wurden vollständig aus dem Anwendungsbereich herausgenommen.
Die Leitlinie ist nach eigener Aussage „voraussichtlich vor allem für Bankorganisationen mit einer Bilanzsumme von über 30 Milliarden US-Dollar relevant“ und keine verbindliche Vorschrift. Im Begleitschreiben der FDIC heißt es: „Die Nichteinhaltung dieser Leitlinie allein führt nicht zu aufsichtlicher Kritik.“ Aufsichtsmaßnahmen bleiben bei Rechtsverstößen oder unsicheren und unsoliden Praktiken weiterhin möglich.
Was besagt die Ausnahme für generative und agentische KI genau?
Der maßgebliche Text besteht aus zwei Sätzen: „Generative KI- und agentische KI-Modelle sind neuartig und entwickeln sich rasch weiter. Daher fallen sie nicht in den Anwendungsbereich dieser Leitlinie.“
Anschließend zieht die Leitlinie die Grenze von der anderen Seite. Ihre Grundsätze „gelten für traditionelle statistische und quantitative Modelle sowie für nicht generative, nicht agentische KI-Modelle“. Ein Kreditentscheidungsmodell auf Basis von Gradient Boosting oder ein Machine-Learning-Modell zur Betrugserkennung bleibt ein Modell im Sinne von SR 26-2 und unterliegt wie gewohnt der Identifizierung, Validierung und fortlaufenden Überwachung.
Die Leitlinie definiert keinen der beiden Begriffe. Sie sagt nicht, dass generative Systeme keine Modelle seien oder weniger streng gesteuert werden sollten. Sie sagt lediglich, dass dieses Dokument sie nicht abdeckt und dass Banken auf Instrumente, die es nicht behandelt, ihre übergreifenden Praktiken für Risikomanagement und Governance anwenden sollen.
Laut der Pressemitteilung des OCC planen die Behörden, „in naher Zukunft eine Informationsanfrage zu veröffentlichen, die das Modellrisikomanagement allgemein behandelt und insbesondere den Einsatz von KI durch Banken berücksichtigt, einschließlich generativer KI, agentischer KI und KI-basierter Modelle“. Zum Stand 14. September 2026 wurde noch keine RFI veröffentlicht.
Bedeutet „außerhalb des Anwendungsbereichs“, dass generative KI bei Banken unreguliert ist?
Nein. Außerhalb des Anwendungsbereichs einer einzelnen Aufsichtsleitlinie zu liegen heißt nicht, außerhalb der Aufsicht zu stehen. Jedes Gesetz, das für eine Entscheidung, eine Offenlegung oder eine Kundeninteraktion gilt, findet Anwendung, unabhängig davon, mit welcher Technologie sie zustande kam.
Ein generatives System, das Begründungen für Kreditablehnungen (Adverse Action Notices) entwirft, unterliegt dem Equal Credit Opportunity Act und der Regulation B. Ein Agent mit Kundenkontakt, der Produkte beschreibt, unterliegt den UDAAP-Verboten nach Section 1031 und 1036 des Dodd-Frank Act. Ein bei einem Drittanbieter gehostetes großes Sprachmodell ist eine Drittparteienbeziehung im Sinne der 2023 veröffentlichten Interagency Guidance on Third-Party Relationships: Risk Management (SR 23-4). Pflichten zu betrieblicher Resilienz, Geldwäscheprävention (BSA/AML), Datenschutz und Aufbewahrung gelten unverändert.
Michelle Bowman, Vice Chair for Supervision, ging in einer Rede vom 1. Mai 2026 darauf ein: „Heute stützen sich Banken auf bestehende Risikomanagement-Rahmenwerke, um ihren Einsatz von KI zu steuern.“ Sie nannte auch einen Teil des Motivs für die Ausnahme: „Im Laufe der Zeit haben die Aufseher den Anwendungsbereich der bisherigen Leitlinie über ihren ursprünglichen Zweck hinaus ausgedehnt und sie in nicht beabsichtigter Weise angewendet.“
Die Lücke ist konkret: Die rechtlichen Pflichten bestehen, und die Fragen der Prüfer werden kommen. Doch das eine Dokument, das einer Modellrisikofunktion sagte, wie sie Kontrolle nachweist, gilt nicht für die Systeme, die die schwierigsten Fragen aufwerfen.
Welche KI-Systeme fallen weiterhin unter SR 26-2?
Systemtyp | Beispiel | Status unter SR 26-2 |
|---|---|---|
Traditionelles quantitatives Modell | Ausfallwahrscheinlichkeit, Stresstests, Preisgestaltung | Im Anwendungsbereich |
Nicht generatives, nicht agentisches KI-Modell | Betrugsscore per Gradient Boosting, ML-gestützte Transaktionsüberwachung | Im Anwendungsbereich |
Generative KI | LLM, das Gesprächsprotokolle zusammenfasst, Kreditvorlagen entwirft und Kundenanfragen beantwortet | Außerhalb des Anwendungsbereichs, RFI ausstehend |
Agentische KI | Mehrstufiger Agent mit Tool-Zugriff, der Systeme abfragt und Aktionen ausführt | Außerhalb des Anwendungsbereichs, RFI ausstehend |
Deterministische Regeln oder Arithmetik | Gebührenberechnung, Regel-Engine ohne statistische Grundlage | Kein Modell nach der Definition von 2026 |
Zwei Grenzfälle erfordern eine dokumentierte Position. Ein System, das einen traditionellen Klassifikator mit einer generativen Zusammenfassungsfunktion kombiniert, enthält ein Modell im Anwendungsbereich, das ein Modell außerhalb des Anwendungsbereichs speist. Ein Agent, der ein Kreditmodell im Anwendungsbereich als Tool aufruft, nimmt dieses Modell nicht aus SR 26-2 heraus; er legt eine Ebene ohne Governance darüber. Halten Sie im KI-Inventar fest, welcher Kategorie jedes System angehört und warum, denn davon hängt ab, welches Kontrollset gilt.
Wie sollte eine Bank in der Zwischenzeit mit generativer und agentischer KI umgehen?
Eine Bank hat drei wesentliche Optionen, um in der Übergangszeit mit generativer und agentischer KI umzugehen.
Die erste besteht darin, generative und agentische Systeme in das bestehende Programm für Modellrisikomanagement zu zwängen. Validierungsverfahren, die für ein Modell zur Ausfallwahrscheinlichkeit entwickelt wurden, lassen sich nicht auf ein System übertragen, dessen Ausgaben nicht deterministisch sind, dessen Verhalten sich ändert, wenn der Anbieter das Basismodell aktualisiert, und dessen Risiko in Aktionen über verschiedene Tools hinweg liegt. Bowmans Bemerkung über eine Leitlinie, die „in nicht beabsichtigter Weise“ angewendet wurde, lässt sich als Warnung genau davor lesen.
Die zweite besteht darin, sie ohne Governance zu lassen, bis aus der RFI eine Leitlinie hervorgeht. Damit bleibt die Bank bei jeder der oben genannten rechtlichen Pflichten angreifbar und kann keine Nachweise vorlegen, wenn ein Prüfer fragt, wie ein Agent mit Kundenkontakt freigegeben wurde.
Der dritte Weg, den inzwischen die meisten Banken einschlagen, ist ein paralleles Rahmenwerk für generative und agentische Systeme. Es übernimmt aus dem MRM, was weiterhin gilt, ergänzt die Kontrollen, die diese Systeme benötigen, und ist so angelegt, dass es mit allem in Einklang gebracht werden kann, was die Behörden letztlich herausgeben. Mindestens erforderlich sind:
Eine Definition von generativer und agentischer KI, die als Inventarattribut erfasst wird, sodass jedes System anhand der Grenze von SR 26-2 eingeordnet ist.
Risikoklassifizierung nach Autonomie und Tragweite: was das System ohne menschliches Zutun tun kann und was passiert, wenn es falsch liegt.
Freigabe des Anwendungsfalls vor dem Einsatz, mit Trennung zwischen freigebender und entwickelnder Stelle.
Evaluierungsnachweise, die zusammen mit der Version des Basismodells und der Prompt-Konfiguration aufbewahrt werden, mit denen sie erzeugt wurden.
Lieferantenbewertung, die Änderungsmitteilungen, Datenverarbeitung und Unterauftragsverarbeiter abdeckt.
Menschliche Aufsicht und ein definierter Stoppmechanismus für jeden Agenten mit Schreibzugriff auf ein führendes System.
Überwachung von Ausgaben und Aktionen mit Berichterstattung an den bestehenden Risikoausschuss.
Die Referenz-Kontrollsets gibt es bereits. Das NIST Generative AI Profile (NIST AI 600-1, Juli 2024) ordnet zwölf Risikokategorien generativer KI den Funktionen GOVERN, MAP, MEASURE und MANAGE zu. Das Financial Services AI Risk Management Framework (FS AI RMF), im Februar 2026 vom Cyber Risk Institute veröffentlicht, enthält 230 Kontrollziele, die am NIST AI RMF ausgerichtet sind. Beide sind freiwillig, und beide geben einer Bank eine zitierfähige Grundlage für Übergangskontrollen. Der Enzai-Leitfaden zur Governance für agentische KI behandelt die agentenspezifischen Kontrollen im Detail.
Portabilität ist entscheidend. Eine Bank, die erfasst hat, welche Systeme generativ oder agentisch sind, wer sie freigegeben hat, wogegen sie getestet wurden und welche Kontrollen gelten, kann diese Nachweise auf alles abbilden, was die Behörden nach der RFI herausgeben. Eine Bank, deren Freigaben in E-Mail-Verläufen liegen, fängt von vorn an. Das Enzai-Modul für Compliance-Frameworks ist für genau dieses Muster gebaut: Nachweise werden einmal für ein System erfasst und in jedem anwendbaren Framework wiederverwendet, einschließlich FS AI RMF und NIST AI RMF. Ein künftiges SR-Schreiben wird so zu einem weiteren Mapping und nicht zu einem neuen Programm.
Wie verhält sich die Ausnahme zu PRA SS1/23, MAS, dem FS AI RMF und dem EU AI Act?
Große Banken werden in mehreren Rechtsordnungen zugleich beaufsichtigt, und die US-Ausnahme ist der Ausreißer. Kein anderes Regelwerk, mit dem eine global tätige Bank voraussichtlich zu tun hat, nimmt generative oder agentische Systeme aus.
Regelwerk | Herausgeber und Status | Umgang mit generativer und agentischer KI |
|---|---|---|
SR 26-2 / OCC 2026-13 / FIL-15-2026 | Fed, OCC, FDIC. Aufsichtsleitlinie, 17. April 2026 | Ausdrücklich außerhalb des Anwendungsbereichs. RFI ausstehend |
PRA SS1/23 | UK PRA. Supervisory Statement, in Kraft seit 17. Mai 2024 | Keine Ausnahme. Technologieneutrale Modelldefinition |
MAS-FEAT-Prinzipien | MAS. Unverbindliche Grundsätze, 12. November 2018 | Gilt allgemein für KI und Datenanalyse |
Von der MAS vorgeschlagene Guidelines on AI Risk Management | MAS. Konsultation von November 2025 bis 31. Januar 2026, noch nicht final | Entwurf erfasst ausdrücklich generative KI und KI-Agenten |
FS AI RMF | Cyber Risk Institute mit dem FSSCC, Februar 2026. Freiwillig | Erfasst den KI-Einsatz allgemein, keine Ausnahme vom Anwendungsbereich |
EU AI Act (Verordnung (EU) 2024/1689 in geänderter Fassung) | EU. Verbindliche Verordnung | Technologieneutral. KI-Modelle mit allgemeinem Verwendungszweck in Kapitel V geregelt |
PRA SS1/23 gilt für im Vereinigten Königreich gegründete Banken, Building Societies und von der PRA benannte Wertpapierfirmen mit Genehmigung für interne Modelle (IRB, IMA oder IMM). Das Supervisory Statement stellt ausdrücklich klar, dass Versicherer und Rückversicherer nicht erfasst sind. Es definiert ein Modell als „eine quantitative Methode, ein System oder einen Ansatz, der statistische, ökonomische, finanzwirtschaftliche oder mathematische Theorien, Techniken und Annahmen anwendet, um Eingabedaten in Ergebnisse umzuwandeln“, ohne Ausnahme für generative oder agentische Systeme. Eine britische Tochter einer US-Bank mit IRB-Genehmigung hat es in London daher mit einer umfassenderen Modelldefinition zu tun als ihre Muttergesellschaft in New York, und alle fünf Grundsätze von SS1/23 gelten für jedes generative System, das diese Definition erfüllt.
Die MAS hat den umgekehrten Weg eingeschlagen. Die FEAT-Prinzipien vom 12. November 2018 sind unverbindlich. Im November 2025 startete die MAS eine Konsultation zu den Guidelines on AI Risk Management für Finanzinstitute; sie lief bis zum 31. Januar 2026. Der Entwurf befasst sich mit komplexer KI „einschließlich generativer KI und KI-Agenten“ und sieht nach der endgültigen Veröffentlichung eine Übergangsfrist von zwölf Monaten vor. Eine Bank mit einer Einheit in Singapur sollte damit rechnen, dass ihre agentischen Systeme unter MAS-Leitlinien fallen, bevor die US-Behörden ihre Konsultation abgeschlossen haben.
Das FS AI RMF wurde vom Cyber Risk Institute in Abstimmung mit dem Financial Services Sector Coordinating Council in einem vom US-Finanzministerium einberufenen öffentlich-privaten Prozess entwickelt. Es ist von der Branche getragen und freiwillig, nicht von einer Aufsichtsbehörde erlassen, und es ersetzt SR 26-2 nicht. Sein Nutzen liegt darin, dass es eine fertige Kontrollbibliothek für das Übergangsrahmenwerk liefert.
Der EU AI Act ist technologieneutral. Die Kreditwürdigkeitsprüfung und Bonitätsbewertung natürlicher Personen ist in Anhang III Nummer 5 Buchstabe b aufgeführt, Risikobewertung und Preisbildung bei Lebens- und Krankenversicherungen in Nummer 5 Buchstabe c. Ein generatives System, das für einen dieser Zwecke eingesetzt wird, gilt unabhängig von seiner Architektur als Hochrisiko-KI-System. Nach Artikel 17 Absatz 4 können Finanzinstitute den Großteil der Anforderungen an das Qualitätsmanagementsystem über die interne Governance erfüllen, die das EU-Finanzdienstleistungsrecht bereits vorschreibt. An dieser Stelle müssen MRM und KI-Governance ohnehin zusammengeführt werden. Der Digital Omnibus on AI (Verordnung (EU) 2026/1744) ist am 27. Juli 2026 in Kraft getreten und hat die Hochrisikopflichten nach Anhang III auf den 2. Dezember 2027 und die für Systeme nach Anhang I auf den 2. August 2028 verschoben. Der Enzai-Leitfaden zur Konformität mit dem EU AI Act enthält die vollständige Fristentabelle.
Wie sieht die Zeitleiste der aufsichtlichen Änderungen aus?
Datum | Ereignis |
|---|---|
4. April 2011 | SR 11-7 veröffentlicht |
17. Mai 2023 | PRA veröffentlicht SS1/23 |
17. Mai 2024 | SS1/23 tritt in Kraft |
Juli 2024 | NIST veröffentlicht das Generative AI Profile (AI 600-1) |
1. August 2024 | EU AI Act tritt in Kraft |
2. August 2025 | Pflichten des EU AI Act für KI-Modelle mit allgemeinem Verwendungszweck gelten |
November 2025 | MAS konsultiert zu den Guidelines on AI Risk Management |
Februar 2026 | FS AI RMF veröffentlicht |
17. April 2026 | SR 26-2, OCC 2026-13 und FIL-15-2026 veröffentlicht; SR 11-7 ersetzt; generative und agentische KI vom Anwendungsbereich ausgenommen |
April 2026 | Klarstellende Änderungen der PRA an SS1/23 |
1. Mai 2026 | Rede von Bowman zu KI im Finanzsystem |
27. Juli 2026 | Digital Omnibus on AI tritt in Kraft |
Ausstehend | Behördenübergreifende RFI zu Modellrisikomanagement und KI |
Ausstehend | Endgültige Guidelines on AI Risk Management der MAS |
2. Dezember 2027 | Hochrisikopflichten des EU AI Act nach Anhang III gelten |
2. August 2028 | Hochrisikopflichten des EU AI Act nach Anhang I gelten |
Was ist noch ungewiss?
Für die RFI gibt es keinen Termin. „In naher Zukunft“ wurde im April 2026 geschrieben, und eine RFI ist eine Informationsanfrage, kein Regelungsvorschlag. Jede Leitlinie wird also erst nach einer weiteren Kommentierungsrunde folgen.
Der endgültige Anwendungsbereich ist offen. Die Behörden könnten die Modelldefinition auf generative Systeme ausdehnen, eine eigenständige KI-Leitlinie herausgeben oder Erwartungen in bestehende Leitlinien zu Drittparteienrisiken und betrieblicher Resilienz einbetten. Die Formulierung der RFI, „Modellrisikomanagement allgemein“, lässt jeden Weg offen.
Die Prüfungspraxis in der Übergangszeit ist nicht dokumentiert. Bowmans Rede beschreibt, dass Banken sich auf bestehende Rahmenwerke stützen, nicht aber, wie Prüfer eine Bank behandeln werden, deren generative Systeme keinem Rahmenwerk unterliegen.
Die Definitionen sind offen. SR 26-2 definiert generative oder agentische KI nicht. Bis die Behörden das tun, ist die eigene Definition jeder Bank der Maßstab, an dem sie geprüft wird, und sie sollte schriftlich festgehalten werden.
Was das operativ bedeutet
Für ein Governance-Team in einer Bank, die generative oder agentische Systeme einsetzt, ist die Arbeit konkret.
Ordnen Sie jedes KI-System im Inventar anhand der Grenze von SR 26-2 ein: traditionelles Modell, nicht generatives KI-Modell, generativ, agentisch oder kein Modell. Dokumentieren Sie die Begründung. Gemischte Systeme erhalten eine Antwort auf Komponentenebene.
Bauen Sie für die generativen und agentischen Systeme ein dokumentiertes Übergangsrahmenwerk auf und nutzen Sie das NIST Generative AI Profile und das FS AI RMF als Kontrollquellen. Lassen Sie es über den Ausschuss laufen, der für das Modellrisiko zuständig ist, damit die Governance beider Bestände abgestimmt bleibt.
Erfassen Sie Nachweise für Systeme, nicht für Frameworks. Freigaben, Evaluierungen, Lieferantenbewertungen und Überwachungsergebnisse sollten einem bestimmten System und einer bestimmten Version zugeordnet sein. So lassen sie sich heute auf mehrere Frameworks abbilden und neu zuordnen, sobald aus der RFI eine Leitlinie hervorgeht.
Stimmen Sie das Vorgehen mit den anderen Regelwerken ab, denen die Gruppe unterliegt. Eine britische Tochter mit IRB-Genehmigung stellt möglicherweise fest, dass ihre generativen Systeme die Modelldefinition von SS1/23 erfüllen. Bei einer EU-Präsenz mit Kredit- oder Versicherungsentscheidungen ist der 2. Dezember 2027 der Planungshorizont.
Bereiten Sie die Stellungnahme zur RFI jetzt vor. Eine Bank mit Inventar und Übergangsrahmenwerk kann auf Basis von Nachweisen Stellung nehmen. Jetzt ist auch der Moment, die Verantwortlichen für Modellrisiko und KI-Governance zusammenzubringen, denn in der RFI entscheiden die Behörden, ob daraus eine Disziplin wird oder zwei.
Enzai ist insbesondere für den dritten Schritt gebaut: ein Systemdatensatz, eine durchgängige Nachweiskette, abgebildet auf jedes anwendbare Framework. Das ist das Muster hinter automatisierter KI-Governance für eine GRC-Funktion. Sprechen Sie mit dem Enzai-Team, um zu sehen, wie das für ein Finanzinstitut funktioniert.
Seit 2023 nach ISO 27001 zertifiziert, jährlich von NQA auditiert
An der DSGVO ausgerichtete Datenverarbeitung
Kundendaten auf AWS in mehreren Regionen gehostet
Eigenes KI-Modell über eine private Verbindung nutzen
Finden Sie die KI, die Ihre Teams nutzen, prüfen Sie sie vor der Einführung, bewerten Sie sie anhand der geltenden Vorschriften und kontrollieren Sie, was Agenten tun dürfen. Entwickelt für regulierte Organisationen.