Die Federal Reserve arbeitet fieberhaft an einem Regelwerk für den Einsatz von künstlicher Intelligenz im Bankensektor – eine Aufgabe, die die grundlegende Spannung zwischen Förderung von Innovation und Eindämmung von Systemrisiken offenbart. Michelle W. Bowman, Vizepräsidentin der Federal Reserve für Aufsicht, signalisierte die Dringlichkeit dieser Herausforderung in Reden vor dem Financial Stability Oversight Council diese Woche und verwies auf rapide Fortschritte bei KI-Fähigkeiten als Antrieb für die Aktualisierung von Aufsichtsrichtlinien, die für eine sich langsamer entwickelnde technologische Landschaft geschrieben wurden.

Das regulatorische Dilemma ist nicht akademisch. Da die neuesten KI-Modelle von Anthropic zunehmend ausgefeilte Denk- und Problemlösungsfähigkeiten zeigen, beeilen sich Finanzinstitute, diese Systeme in die Kreditvergabe, Betrugserkennung, Risikobewertung und den Kundenservice zu integrieren. Banken sehen einen klaren Wettbewerbsvorteil in der Technologie. Doch die Geschwindigkeit der KI-Entwicklung hat die traditionelle Aufsichtsfrequenz der Fed überholt und schafft eine gefährliche Verzögerung zwischen Einsatz und Überwachung. Bowmans Anerkennung dieser Lücke stellt einen seltenen Moment regulatorischer Offenheit dar – die Zentralbank gibt zu, schneller handeln zu müssen oder Gefahr zu laufen, die Kontrolle darüber zu verlieren, wie eine transformative Technologie das Finanzsystem umgestaltet.

Die Herausforderung der Fed entsteht aus einer grundlegenden Asymmetrie. KI-Entwickler und Finanzinstitute profitieren von schneller Iteration, Echtzeit-Performance-Feedback und kontinuierlicher Modellverbesserung. Regulatoren hingegen operieren auf längeren Zyklen: jährliche Prüfungen, vierteljährliche Stresstests und mehrjährige Regelgebungsprozesse. Diese strukturelle Unausgewogenheit schafft gewissermaßen einen regulatorischen Blindfleck. Wenn eine Bank ein neues Large Language Model für Kreditvergabentscheidungen einsetzt, prüft die Fed dessen Verhalten, Vorurteile oder Fehlermodi möglicherweise erst Monate später. Bis dahin könnte das Modell bereits Tausende von Kreditentscheidungen getroffen haben, was möglicherweise Verbraucher schadet oder Risiken konzentriert, die bei der anfänglichen Bereitstellung nicht offensichtlich waren.

Das vorgeschlagene Regelwerk signalisiert vermutlich eine Bewegung in Richtung dessen, was Praktiker „embedded supervision" nennen – einen Übergang von periodischer Prüfung zu kontinuierlicher Überwachung durch Datenaustauschvereinbarungen und Echtzeit-Performance-Dashboards. Dies würde es der Fed ermöglichen, KI-Systeme in Produktionsumgebungen zu beobachten und Anomalien oder diskriminierende Muster zu kennzeichnen, bevor sie sich zu Compliance-Verstößen oder Systemproblemen ausweiten. Einige Banken haben bereits damit begonnen, Regulatoren Dashboards zur Verfügung zu stellen, die die Modellleistung verfolgen und Datenabweichungen erkennen. Doch die Standardisierung dieses Ansatzes über Tausende von Institutionen, besonders kleinere Regional- und Gemeindebanken, stellt enorme technische und administrative Herausforderungen dar.

Doch es gibt eine tiefere Frage unter den operativen Mechaniken: ob die Fed die technische Expertise besitzt, um KI-Systeme in erforderlicher Geschwindigkeit zu evaluieren. Die Zentralbank beschäftigt talentierte Ökonomen und Finanzingenieure, aber KI-Sicherheit und Interpretierbarkeit bleiben Grenzgebiete der Wissenschaft, wo selbst führende Forscher mit tiefgreifenden Unbekannten kämpfen. Die Fed kann sich aus diesem Problem nicht einfach durch Einstellungen herausarbeiten. Sie muss stattdessen kollaborative Beziehungen mit KI-Anbietern, akademischen Experten und gleichgesinnten Regulatoren aufbauen – ein Abweichen von der traditionellen gegnerischen Haltung zwischen Regulator und reguliertem Unternehmen.

Die internationale Dimension fügt eine weitere Komplexitätsebene hinzu. Europäische Regulatoren bewegen sich bereits in einigen Aspekten schneller, mit der Europäischen Zentralbank und der European Banking Authority, die detaillierte Richtlinien zur KI-Governance und zum Risikomanagement veröffentlichten. Wenn die Fed zu weit zurückfällt, riskiert sie, eine transatlantische regulatorische Arbitrage zu schaffen – Finanzinstitute lenken KI-intensive Operationen durch europäische Tochtergesellschaften um, um strengere amerikanische Aufsicht zu vermeiden. Dies würde das globale Finanzsystem fragmentieren und die Aufsichtsbefugnis der Fed untergraben.

Die Einsätze reichen über einzelne Institutionen oder sogar nationale Wettbewerbsfähigkeit hinaus. KI-Systeme im Banking sind zunehmend miteinander verbunden durch Datenpipelines, Modelltrainingsdatensätze und gemeinsame Cloud-Infrastruktur. Ein Fehler in einem KI-System einer Bank könnte sich durch Korrespondenzbeziehungen, Liquiditätsmärkte und Zahlungsnetzwerke ausbreiten. Die Finanzkrise von 2008 offenbarte, wie Undurchsichtigkeit und Vernetzung lokale Probleme in systemische Katastrophen verwandeln können. KI führt neuartige Fehlermodi ein – adversariale Angriffe, vergiftete Trainingsdaten, emergente Modellverhalten – die vor einem Jahrzehnt nicht existierten. Das Aufsichtsregelwerk der Fed muss diese Risiken antizipieren, ohne die legitimen Vorteile zu ersticken, die KI durch verbesserte Entscheidungsfindung, schnellere Verarbeitung und bessere Risikenerkennung liefern kann.

Bowmans Bemerkungen stellen den Anfang eines notwendigen Gesprächs dar, nicht dessen Abschluss. Die Fed hat Problembewusstsein signalisiert, was an sich schon Fortschritt ist. Doch Bewusstsein muss sich in konkrete Maßnahmen übersetzen: veröffentlichte Prinzipien für KI-Governance, explizite Standards für Modellvalidierung und Bias-Tests sowie Ressourcen zur Stärkung der regulatorischen technischen Kapazität. Banken brauchen Klarheit über das, was die Fed erwartet, nicht vage Mahnungen zur verantwortungsvollen Bereitstellung. Genauso wichtig ist, dass die Fed eine eigene Risikobewertung von KI im Banking veröffentlicht – eine offene Analyse darüber, wo die größten Anfälligkeiten liegen und welche aufsichtsrechtlichen Interventionen sich als am wirksamsten erweisen dürften.

Die kommenden Monate werden zeigen, ob die Fed diesen Übergang von traditioneller Aufsicht zu KI-gestützter Überwachung ausführen kann. Die Behörde hat zuvor Anpassungsfähigkeit demonstriert, besonders im Stresstesting-Rahmenwerk, das nach der Krise von 2008 eingeführt wurde. Aber das Tempo der KI-Entwicklung könnte selbst diesen historischen Präzedenzfall übertreffen. Wenn das neue Regelwerk der Fed erfolgreich ist, könnte es zum Modell für andere Regulatoren werden, die mit demselben Problem kämpfen. Wenn es scheitert, werden die Konsequenzen nicht nur im Bankensektor, sondern im gesamten Finanzsystem spürbar sein.

Verfasst vom Redaktionsteam – unabhängiger Journalismus von Codego Press.

Quellen: PYMNTS · 1. Mai 2026