EU-KI-Verordnung gibt Banken zwei Jahre Zeit, Fundamente für agente Systeme zu legen

Zwei Jahre nachdem der EU AI Act in Kraft getreten ist, hat sich das Gespräch im europäischen Bankwesen verschoben. Die Verordnung ist kein ferner Horizont mehr, sondern ein fixer Kalender. Hochrisiko-KI-Systeme für Kredit-Scoring, Risikobewertung und Betrugserkennung müssen bis August 2027 konform sein. Doch die Institute, die in ihren Vorbereitungen am weitesten fortgeschritten sind, feiern nicht die regulatorische Bereitschaft. Sie sorgen sich darum, ob die Technologie unter ihren Compliance-Programmen tatsächlich liefern kann, was das Gesetz fordert: Erklärbarkeit, Rechenschaftspflicht und menschliche Aufsicht über Systeme, die autonom handeln.

Der Compliance-Kalender ist nicht die Beschränkung

Die gestaffelte Umsetzung der Verordnung gibt Banken ein Vorbereitungsfenster, das für die meisten Hochrisiko-Anwendungen im Finanzsektor bis Mitte 2027 reicht. Das klingt nach reichlich Zeit. In der Praxis ist die relevante Frist nicht die im Amtsblatt gedruckte. Es ist der Zeitpunkt, an dem die Kerninfrastruktur einer Bank die Audit-Trails, den Echtzeit-Datenzugriff und die Orchestrierungsebenen unterstützen kann, die vertrauenswürdige KI erfordert. Liegt dieser Zeitpunkt nach der regulatorischen Frist, steht die Institution vor der Wahl zwischen Nichteinhaltung und Abschalten von Fähigkeiten, die sie bereits Kunden und Aufsehern verkauft hat.

Die Europäische Bankenaufsichtsbehörde (EBA) hat signalisiert, dass die Aufsichtsanforderungen sich parallel zur Technologie weiterentwickeln werden. In ihrem 2024er Bericht zu KI im Finanzsektor stellte die EBA fest, dass Governance-Rahmenwerke den gesamten Lebenszyklus von KI-Modellen adressieren müssen, von der Entwicklung über den Einsatz bis zur Außerbetriebnahme. Die Europäische Zentralbank (EZB), die die größten Banken des Euroraums direkt beaufsichtigt, hat KI-Risiko in ihre thematischen Prüfungen aufgenommen. Keine der beiden Behörden hat eine finale Checkliste veröffentlicht. Beide haben klargemacht, dass die Checkliste, wenn sie kommt, nicht statisch sein wird.

Governance ist ein Architekturproblem, keine Papierübung

KI-Governance als Dokumentationsübung zu behandeln, ist verlockend. Es erlaubt Compliance-Teams, Modellkarten, Risikobewertungen und Aufsichtsgremien zu produzieren, ohne die Systeme anzufassen, die tatsächlich Geld bewegen. Doch die Anforderungen der Verordnung an Rückverfolgbarkeit und menschliche Aufsicht werden exponentiell schwieriger, wenn KI vom Generieren von Erkenntnissen zum Ausführen von Aktionen übergeht. Ein Agent, der eine verdächtige Transaktion untersucht, die Kundendaten abfragt, Sanktionslisten prüft und eine Sperre veranlasst, tut dies in Sekunden über mehrere Systeme hinweg. Ein oberflächliches Log, das Entscheidung und Modellversion festhält, wird einen Aufseher nicht zufriedenstellen, der fragt: Welcher Datensatz wurde zu welcher Millisekunde, von welcher Komponente, unter wessen Autorität abgerufen?

Hier bricht die Architektur der meisten europäischen Banken zusammen. Kernbanksysteme, die in den 1990er- und 2000er-Jahren gebaut wurden, waren für Batch-Verarbeitung, nächtliche Abstimmungen und menschlich initiierte Transaktionen konzipiert. Sie stellen Daten über fragile Schnittstellen bereit, wenn überhaupt. Sie führen keine unveränderlichen Audit-Trails auf Ebene einzelner Feldzugriffe. Sie können keine feingranularen Zugriffskontrollen pro Agent durchsetzen. Wenn ein KI-Agent einen Workflow über Kernbank, Zahlungsmotor, CRM und Dokumentenmanagement orchestrieren muss, wird die Integrationsschicht zum Flaschenhals und zum blinden Fleck.

Von generativen Zusammenfassungen zur agenten Ausführung

Die meisten aktuellen KI-Pilotprojekte im Bankwesen fallen in die generative Kategorie: Zusammenfassen regulatorischer Dokumente, Verfassen von Kundenantworten, Programmierunterstützung. Das ist wertvoll, aber auch sicher. Das Modell liefert Text; ein Mensch prüft ihn; das Risiko ist begrenzt. Die nächste Welle ist agentisch. Systeme, die mehrstufige Aufgaben planen, APIs aufrufen, in Datenbanken schreiben und nachgelagerte Prozesse anstoßen. Der Finanzstabilitätsbericht der EZB hat bereits gewarnt, dass autonome Agenten operationale Risiken verstärken können, wenn Schutzmechanismen versagen. Für einen sicheren Übergang benötigen Banken vier Fundamente, die die meisten noch nicht besitzen: Echtzeit-Zugriff auf strukturierte Daten, API-first-Konnektivität zwischen Systemen, Orchestrierungsebenen, die Policy zur Laufzeit durchsetzen, und Audit-Trails, die granular genug sind, um jede Agentenentscheidung nachträglich zu rekonstruieren.

Menschliche Aufsicht muss in den Workflow hineingedesigned sein, nicht als Genehmigungsqueue nachträglich angeklebt. Die Verordnung verlangt, dass Hochrisikosysteme menschliches Eingreifen ermöglichen. Im agentischen Kontext bedeutet das: Die Architektur muss Checkpoints unterstützen, an denen eine Person die Überlegungen des Agenten, die genutzten Daten und die vorgeschlagene Aktion vor der Ausführung prüfen kann. Legacy-Kerne mit synchronen, screen-scraped Schnittstellen können diesen Latenzbudget nicht liefern. Die Aufsicht wird entweder zum Gummi-stempel oder zum Flaschenhals, der den Zweck der Automatisierung zunichtemacht.

Legacy-Modernisierung ohne Big Bang

Der Instinkt angesichts dieser Lücke ist, ein Kernersatzprogramm zu starten. Die europäische Bankengeschichte ist gespickt mit mehrjährigen, milliardenschweren Transformationen, die zu spät, über Budget und mit reduzierter Funktionalität lieferten. Die Alternative ist progressive Modernisierung: Den bestehenden Kern mit einer API-Schicht umhüllen, ein Data Fabric aufbauen, das saubere, versionierte Datensätze bereitstellt, und cloud-native Orchestrierungs- und Governance-Tools neben dem Mainframe betreiben. So können Banken Use Cases schrittweise auf die neue Ebene verschieben, Wert beweisen und die Migration entrisiken.

Digital-native Banken wie N26, Bunq und Revolut bauten ihre Stacks von Tag eins an so auf. Traditionelle Institute können diese Historie nicht replizieren, aber sie können das gleiche Muster adaptieren. Spezialisierte Technologiepartner liefern heute die komponierbaren Bausteine, Identität, Ledger, Compliance, Orchestrierung, , die sonst interne Engineering-Teams erfordern würden, die sich kaum eine europäische Bank leisten oder halten kann. Der pragmatische Weg: Die Rohrleitung kaufen, die Differenzierung bauen.

Das Vorbereitungsfenster als strategischer Vorteil

Regulierung wird meist als Bremse für Innovation gerahmt. In diesem Fall schafft die zweijährige Umsetzungsverzögerung eine seltene Übereinstimmung. Die Arbeit, die nötig ist, um die Verordnung zu erfüllen, saubere Daten, komponierbare Services, Echtzeit-Konnektivität, Erklärbarkeit, Auditierbarkeit, ist genau die Arbeit, die nötig ist, um jede KI-Fähigkeit zu adoptieren, die sich nächstes Jahr oder das Jahr darauf als nützlich erweist. Banken, die die Frist als Ziellinie behandeln, bauen die minimal viable Compliance-Schicht und stehen vor einem Neubau, sobald der erste agente Use Case anlandet. Banken, die sie als Fundament behandeln, werden diejenigen sein, die der nächsten Fähigkeit ohne zweijähriges Integrationsprojekt Ja sagen können.