KI, Robotik und Krypto, eingeordnet English

KI

KI im Finanzwesen: Wo Modelle Risiken senken und neue schaffen

Versicherer prüfen Schäden per Bilderkennung, Börsenaufseher suchen Muster im Handel, Betrüger fälschen Stimmen. Wie KI die Risiken in der Finanzwelt verschiebt und wer sie kontrolliert.

KI im Finanzwesen: Wo Modelle Risiken senken und neue schaffen

Kaum eine Branche rechnet so selbstverständlich mit Wahrscheinlichkeiten wie die Finanzwelt. Versicherungsmathematiker schätzen seit jeher, wie oft Schäden eintreten. Banken bewerten mit Scores das Ausfallrisiko von Krediten. Künstliche Intelligenz ist hier deshalb weniger ein Bruch als eine Fortsetzung mit stärkeren Werkzeugen.

Neu ist die Breite. Lernende Verfahren erkennen Muster in Daten, die für klassische Statistik zu unübersichtlich waren. Sprachmodelle lesen Verträge, Berichte und Schadenmeldungen. Das verspricht schnellere Abläufe und bessere Kontrolle. Zugleich entstehen Risiken, die in der Finanzwelt besonders schwer wiegen, weil sich Fehler dort schnell vervielfachen.

Dieser Beitrag blickt auf Versicherungen, Kapitalmärkte und das Innenleben von Finanzhäusern. Kreditentscheidungen und Kontoführung stehen nicht im Mittelpunkt. Die zentrale Frage lautet: Wo senkt KI Risiken, und wo schafft sie neue?

Versicherungen: schneller regulieren, genauer prüfen

Bei Versicherern fällt viel Papier an. Schadenmeldungen, Gutachten, Rechnungen und Fotos müssen gelesen und bewertet werden. KI kann hier viel Vorarbeit leisten. Sie liest Dokumente aus, ordnet Schäden einer Sparte zu und schätzt bei einfachen Fällen die Höhe. Bei einem Blechschaden am Auto kann ein Foto für eine erste Einschätzung genügen.

Ein zweites Feld ist die Betrugserkennung. Software sucht nach Auffälligkeiten, etwa nach Rechnungen, die in mehreren Fällen auftauchen, oder nach ungewöhnlichen Häufungen bei einer Werkstatt. Ein Treffer ist kein Beweis. Er markiert einen Fall, den Fachleute genauer ansehen.

Heikler ist die Tarifierung, also die Berechnung von Prämien. Je feiner ein Modell Risiken unterscheidet, desto eher zahlen manche Kunden mehr, ohne zu verstehen, warum. Die europäische KI-Verordnung stuft KI-Systeme zur Risikobewertung und Preisbildung bei Lebens- und Krankenversicherungen für Privatpersonen deshalb als hochriskant ein. Für sie gelten strenge Pflichten zu Datenqualität, Dokumentation und menschlicher Aufsicht.

Kapitalmärkte: Muster im Handel erkennen

An den Börsen ist automatisierter Handel seit Langem Alltag. Algorithmen platzieren und verwalten einen großen Teil der Aufträge. Neu ist, dass lernende Verfahren auch Nachrichten, Berichte und Stimmungen auswerten. Ob das dauerhaft Vorteile bringt, ist offen. Sobald viele Marktteilnehmer dieselben Signale nutzen, verschwindet der Vorsprung meist.

Ein nüchterneres Feld ist die Ausführung großer Aufträge. Algorithmen verteilen sie über den Tag, um den Kurs möglichst wenig zu bewegen. Das ist kein Blick in die Zukunft, sondern eher Logistik für Wertpapiere.

Wichtiger für die Stabilität ist die Gegenseite. Börsen und Aufsichtsbehörden nutzen Mustererkennung, um Marktmanipulation und Insiderhandel aufzuspüren. Auffällige Orderfolgen kurz vor einer Unternehmensmeldung fallen so schneller auf. Auch hier gilt: Die Software liefert Verdachtsfälle, Menschen bewerten sie.

Für private Anleger gibt es eine nüchterne Lehre. Kein Modell kann Kurse verlässlich vorhersagen. Angebote, die mit sicheren Gewinnen durch KI werben, sollten Sie misstrauisch machen. Dieser Beitrag gibt ausdrücklich keine Anlageempfehlung, sondern beschreibt, wie die Technik arbeitet.

Im Inneren der Häuser: Berichte, Prüfungen, Code

Ein großer Teil der Arbeit in Banken und Versicherungen findet im Hintergrund statt. Die Häuser erstellen Berichte für die Aufsicht, prüfen Verträge auf Klauseln und beantworten interne Anfragen. Sprachmodelle können hier viel Zeit sparen. Typische Einsatzfelder sind:

  • Auswertung von Verträgen und Unterlagen nach bestimmten Klauseln.
  • Entwürfe für Berichte an Aufsicht und Geschäftsleitung.
  • Zusammenfassungen neuer Vorschriften für die Fachabteilungen.
  • Suche in internen Handbüchern und Richtlinien für Mitarbeitende.
  • Unterstützung beim Programmieren und beim Verstehen von altem Code.

Die Grenze liegt bei der Verlässlichkeit. Ein Sprachmodell kann eine Vorschrift falsch wiedergeben, ohne dass es auffällt. In einer Branche, in der Berichte rechtliche Folgen haben, muss jedes Ergebnis geprüft werden. Viele Häuser setzen Sprachmodelle deshalb zuerst intern ein und nicht im direkten Kontakt mit Kunden.

Hinzu kommt die Vertraulichkeit. Kundendaten und interne Berichte dürfen nicht unkontrolliert in öffentliche Dienste wandern. Viele Institute betreiben Sprachmodelle deshalb in abgeschotteten Umgebungen oder schließen Verträge, die eine Weiterverwendung der Eingaben ausschließen. Das kostet Zeit, ist aber Voraussetzung für jeden ernsthaften Einsatz.

Neue Risiken: wenn Modelle irren

Das bekannteste Problem ist der Datenwandel. Ein Modell lernt aus der Vergangenheit. Ändert sich das Verhalten von Kunden plötzlich, liegt es daneben. In der Pandemie veränderten viele Menschen ihr Kauf- und Zahlungsverhalten abrupt, und manche Modelle lieferten danach schlechtere Ergebnisse. Finanzhäuser überwachen ihre Modelle deshalb laufend und lassen sie von unabhängigen Teams prüfen.

Ein zweites Risiko ist Gleichförmigkeit. Wenn viele Institute ähnliche Modelle von wenigen Anbietern nutzen, reagieren sie in einer Krise womöglich gleich. Das kann Bewegungen am Markt verstärken. Aufsichtsbehörden beobachten auch die Abhängigkeit von wenigen Cloud- und Modellanbietern. Die europäische DORA-Verordnung verlangt deshalb, Risiken durch IT-Dienstleister gezielt zu steuern.

Drittens geht es um Erklärbarkeit. Ein Haus muss gegenüber Kunden, Prüfern und Aufsicht darlegen können, wie ein Ergebnis zustande kam. Bei komplexen Modellen ist das schwer. Manche Institute wählen bewusst einfachere Verfahren, die etwas weniger treffsicher sind, sich aber begründen lassen.

Im Finanzwesen ist ein Modell nur so viel wert wie die Begründung, die man für seine Ergebnisse geben kann.

Schließlich nutzen auch Betrüger KI. Gefälschte Stimmen geben sich am Telefon als Vorgesetzte aus und verlangen eilige Überweisungen. Gefälschte Ausweise und Gehaltsnachweise lassen sich leichter herstellen. Banken und Versicherer rüsten ihre Prüfungen deshalb ebenfalls auf. Es entsteht ein Wettlauf, in dem beide Seiten dieselbe Technik einsetzen.

Wer die Modelle kontrolliert

Finanzunternehmen unterliegen ohnehin einer strengen Aufsicht. In Deutschland ist das vor allem die Bundesanstalt für Finanzdienstleistungsaufsicht, für große Banken im Euroraum zusätzlich die Europäische Zentralbank. Diese Stellen erwarten, dass Modelle dokumentiert, getestet und regelmäßig überprüft werden. Das galt schon lange vor dem Aufkommen der Sprachmodelle.

In der Praxis bewährt sich ein festes Gerüst. Jedes Modell steht in einem Verzeichnis, mit Zweck, Datenbasis und einer verantwortlichen Person. Bevor es in Betrieb geht, prüft es ein Team, das es nicht gebaut hat. Im laufenden Einsatz zeigen Kennzahlen, ob die Treffsicherheit nachlässt. Und für den Ernstfall gibt es einen Plan: Wer entscheidet, wenn ein Modell abgeschaltet werden muss, und was tritt an seine Stelle?

Neu hinzu kommt die europäische KI-Verordnung. Sie stellt besondere Anforderungen an Systeme mit hohem Risiko, im Finanzbereich vor allem bei der Kreditwürdigkeit von Privatpersonen und bei bestimmten Versicherungen. Für andere Anwendungen gelten vor allem Transparenzpflichten, etwa wenn Kunden mit einem Chatbot sprechen.

Für Kundinnen und Kunden zählt am Ende eine einfache Frage: Bekommen sie eine verständliche Antwort, wenn eine Software über sie mitentschieden hat? Fragen Sie im Zweifel nach. Die Datenschutz-Grundverordnung gibt Ihnen ein Recht auf Auskunft über Ihre Daten. Die nächsten Jahre dürften weniger von spektakulären Durchbrüchen geprägt sein als von Kleinarbeit: bessere Prüfungen, sauberere Daten und klare Zuständigkeiten, wenn ein Modell danebenliegt.

Fragen und Antworten

Entscheidet bei meiner Versicherung schon eine KI über Schäden?

Bei einfachen Fällen übernehmen Programme oft die Vorprüfung und manchmal auch die Auszahlung. Bei größeren oder strittigen Schäden entscheiden in der Regel Sachbearbeiter. Hat eine rein automatische Entscheidung erhebliche Folgen für Sie, können Sie verlangen, dass ein Mensch den Fall prüft.

Können KI-Systeme Aktienkurse vorhersagen?

Nicht verlässlich. Modelle finden Muster in vergangenen Daten, doch Märkte reagieren schnell auf neue Informationen, und entdeckte Muster verschwinden oft. Wer sichere Gewinne durch KI verspricht, verspricht mehr, als die Technik leisten kann.

Ist es ein Risiko, wenn viele Banken dieselben KI-Anbieter nutzen?

Aufseher sehen darin ein mögliches Risiko. Fällt ein zentraler Anbieter aus oder liefert ein verbreitetes Modell Fehler, betrifft das viele Häuser zugleich. Die DORA-Verordnung verpflichtet Finanzunternehmen deshalb, Abhängigkeiten von IT-Dienstleistern zu erfassen und zu steuern.

Wie schütze ich mich vor Betrug mit gefälschten Stimmen?

Seriöse Banken fragen am Telefon nicht nach PIN, TAN oder Passwörtern. Legen Sie bei ungewöhnlichen Anrufen auf und rufen Sie selbst über die bekannte Nummer zurück. Auch eine vertraute Stimme ist heute kein sicherer Beweis mehr.

Muss mir ein Finanzunternehmen erklären, wie ein Algorithmus über mich entschieden hat?

Bei automatisierten Entscheidungen mit erheblichen Folgen haben Sie nach der Datenschutz-Grundverordnung ein Recht auf aussagekräftige Informationen über die verwendete Logik. Das heißt nicht, dass ein Haus seinen Code offenlegen muss. Es muss aber verständlich machen, wie es zu dem Ergebnis gekommen ist.