banKIng3 – Drei Generationen, eine Vision
Die Finanzbranche steht vor einem Generationenwechsel – nicht nur in der Führung, sondern auch in der Technologie. banKIng³ zeigt, wie künstliche Intelligenz das Banking neu definiert und welche Rolle verschiedene Generationen in dieser Transformation spielen. Experten diskutieren über innovative KI-Anwendungen, regulatorische Herausforderungen und den Balanceakt zwischen Erfahrung und technologischer Disruption.
Unabhängig davon, ob Sie Teil der jungen Generation im Banking sind oder auf bewährtes Wissen setzen – banKIng³ liefert Ihnen die Insights, mit denen Sie die Zukunft aktiv mitgestalten können.
Wenn die KI-Branche Regeln fordert: So sollten Banken jetzt reagieren
In Folge 39 von banKIng³ sprechen wir darüber, warum die Anbieter der leistungsfähigsten KI-Modelle nach Regulierung rufen und wie Banken jetzt reagieren sollten. Unsere KI-Experten ordnet die oberflächliche öffentliche Debatte ein und erklärt, welche spieltheoretische Dynamik hinter dem Wettlauf der Frontier-Modelle steckt.
Weitere Themen in dieser Folge sind die Wahl zwischen Frontier- und Open-Weight-Modellen für Run the Bank und Change the Bank sowie der Einsatz von KI in der Cyberabwehr. Am Ende steht die Frage, welche Governance Banken brauchen, um KI-Agenten sicher zu steuern.
Die Debatte um KI-Regulierung: Was wirklich dahintersteckt
Wenn die Anbieter der leistungsfähigsten KI-Modelle selbst nach Regulierung rufen, horcht die Branche auf. In der öffentlichen Diskussion haben sich schnell zwei Lager gebildet. Die einen warnen vor unkontrollierbarer KI und fordern, die Entwicklung zu stoppen. Die anderen zweifeln an den Motiven der Anbieter und sehen vor allem Marketing und Bewertungsinteressen.
Für Banken ist hier allerdings eine andere Frage entscheidend: Was folgt aus dieser Debatte für Risikomanagement, Modellwahl und IT-Sicherheit? Dafür lohnt es sich, hinter die Schlagzeilen zu schauen.
Warum die Hersteller auf mehr Sicherheit drängen
Der Kern des Arguments lautet: Die Fähigkeiten der Modelle wachsen schneller als die Sicherheitsforschung, die sie begleiten soll. Dabei geht es vor allem um Alignment, also um die Frage, ob Modelle auch dann im Sinne ihrer Nutzer handeln, wenn sie zunehmend autonom arbeiten. Erste Beobachtungen zeigen, dass Modelle in Tests nach Abkürzungen suchen, ähnlich wie Schüler, die sich einen Spickzettel schreiben. Je selbstständiger Agenten agieren, desto weniger darf man sich auf „gutes Verhalten“ verlassen.
Warum verlangsamt dann nicht einfach jemand die Entwicklung? Die Spieltheorie kennt solche Konstellationen als Wettbewerbsdilemma: Jeder Beteiligte handelt für sich genommen vernünftig, und trotzdem entsteht ein Ergebnis, das für alle schlechter ist. Für die Modellhersteller heißt das, dass das Problem weniger im fehlenden Willen einzelner Anbieter liegt als in der Struktur des Marktes.
Eigentlich wäre es gut, wenn wir alle ein bisschen langsamer machen und mehr Sicherheit geben würden. Das bedeutet aber auch: Der Erste, der langsamer macht, verliert natürlich in den Fähigkeiten seiner eigenen Modelle.
Tim S. KörwersPartner | Management & Business Consulting | msg for banking
Als Ausweg wird ausgerechnet die Bankenaufsicht als Vorbild genannt. Externe Prüfer, gemeinsame Standards und verbindliche Regeln sollen auch in der KI-Entwicklung für Verlässlichkeit sorgen. Das funktioniert allerdings nur, wenn sich alle Beteiligten daran halten. Welche Vorfälle den Ruf nach solchen Regeln zuletzt verstärkt haben, ist ein Kapitel für sich.
Das richtige Modell für den richtigen Zweck
Für Banken stellt sich eine ganz praktische Folgefrage: Was passiert, wenn die Spitze langsamer läuft und frei verfügbare Open-Weight-Modelle aufholen? Für viele Aufgaben im Bankalltag reichen diese Modelle heute völlig aus, und Verschlüsselung bis in den Speicher der Grafikkarte sorgt für hohe Sicherheitsstandards. Wer allerdings große agentische Workflows erproben möchte, braucht weiterhin die Frontier-Modelle.
Was sind Frontier-Modelle?
Als Frontier-Modelle gelten die jeweils leistungsfähigsten KI-Modelle auf dem aktuellen Stand der Technik, etwa die Spitzenmodelle hinter ChatGPT oder Claude. Sie setzen die Maßstäbe, an denen sich alle anderen Modelle messen lassen.
Entscheidend ist deshalb, wofür ein Modell eingesetzt wird. Im laufenden Betrieb sind stabile Abläufe gut planbar und bewährte Modelle genügen oft für lange Zeit. Beim Change the Bank, etwa bei Softwareentwicklung und Kernbankmigration, liegt das größte Potenzial, und hier machen bessere Modelle den Unterschied. Warum Regeln manchmal sogar die bessere Lösung sind als ein KI-Agent, lohnt sich ebenfalls anzuhören.
KI in der Cyberabwehr: Schwachstellen schneller bewerten
Das zweite große Thema ist die Cyberabwehr, und es hängt direkt mit dem ersten zusammen. Wenn Modelle immer schneller Schwachstellen finden, bleibt den Banken immer weniger Zeit zum Reagieren. IT-Abteilungen kommen vor lauter Patchen kaum noch zum Arbeiten. KI kann dort helfen, wo es auf Tempo ankommt: Schwachstellen einordnen, auf die eigene Systemlandschaft beziehen und die Dringlichkeit bewerten. Auch Testfälle für den Patch lassen sich vorbereiten, sodass Menschen am Ende vor allem validieren und freigeben.
Ganz ohne Sorgenfalten geht es dabei nicht. Angreifer müssen nur eine einzige ungepatchte Lücke finden, Verteidiger müssen alle schließen. Dazu kommt die Frage, wie weit Banken Agenten eigenständig patchen lassen. Die Zeitspanne zwischen Bekanntwerden einer Lücke und dem ersten Angriff ist kürzer, als viele vermuten.
Cybersecurity im KI-Zeitalter:Die neue Realität für Banken
Governance als Grundlage für den Einsatz von KI-Agenten
Was bedeutet das alles für Banken? KI schafft nur dann Wertschöpfung, wenn ein stabiles Regelwerk dahintersteht. Statt jede KI-Entscheidung einzeln zu bewerten, braucht es eine Architektur, die vorgibt, wie Agenten sicher betrieben werden. Die zweite Verteidigungslinie spielt dabei eine zentrale Rolle, weil sie den Rahmen setzt, in dem Fachbereiche eigenständig handeln können. Die Kontrolle der Agenten selbst bleibt ein Thema, das noch viel Aufmerksamkeit verdient.
Ob Modellwahl, Cyberabwehr oder Aufsicht: Banken sind darin geübt, Risiken zu steuern, und genau diese Stärke ist jetzt gefragt. Wer früh klare Strukturen aufsetzt, muss neue Regeln nicht fürchten, sondern kann sie mitgestalten.
