Serie: KI-Technologie aus China KI-Systeme: Offensive von China im Bankensektor – Teil 13

Anbieter zum Thema

CHINABRAND Consulting Ltd Ndl. München

xSuite Group GmbH

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

Auch im Bankensektor sind viele der in China entwickelten KI-Lösungen technisch attraktiv. KI-Systeme zur automatisierten Kreditprüfung, zur Echtzeit-Betrugserkennung oder zur Analyse großer Finanzdatensätze zeigen eindrucksvoll, welches Effizienzpotenzial künstliche Intelligenz entfalten kann.

Da die strengen EU-Vorgaben den direkten Einsatz externer KI-Systeme erheblich begrenzen, liegt die Zukunft nicht im Import chinesischer KI-Plattformen, sondern im Lernen von chinesischen KI-FinTech-Konzepten. Die europäische Bankenwirtschaft ist eine der am stärksten regulierten Branchen. Neben Datenschutz- und Sicherheitsanforderungen müssen Banken eine Vielzahl regulatorischer Vorgaben einhalten, darunter den EU AI Act, den Digital Operational Resilience Act (DORA), die NIS2-Richtlinie sowie zahlreiche spezifische Aufsichtsregeln von BaFin und Europäischer Zentralbank.

DORA adressiert dabei insbesondere die digitale operationelle Resilienz und das Management von IT-Drittrisiken, während NIS2 als übergreifender Cyber-Sicherheitsrahmen gilt, unter den Banken in der Regel als Essential Entities fallen. Diese Rahmenbedingungen bestimmen maßgeblich, welche KI-Systeme in der Praxis überhaupt eingesetzt werden können. Vor diesem Hintergrund stellt sich eine zentrale Frage: Welche Rolle könnten chinesische KI-Anwendungen im europäischen Bankensektor tatsächlich spielen?

Stärke chinesischer KI-Systeme für Banken

In China hat sich der Finanzsektor in den vergangenen zwei Jahrzehnten zu einem der dynamischsten Innovationsfelder für künstliche Intelligenz entwickelt. Digitale Zahlungsplattformen, mobile Finanzdienste und riesige Transaktionsvolumina haben ein Umfeld geschaffen, in dem KI-Systeme unter realen Bedingungen erprobt und optimiert werden konnten. Diese Entwicklung hat zu einer Vielzahl spezialisierter Anwendungen geführt, die in unterschiedlichen Bereichen des Finanzwesens eingesetzt werden.

Ein Beispiel ist die Automatisierung interner Geschäftsprozesse bei Banken. Plattformen wie SinoAgent sind darauf ausgelegt, komplexe Abläufe im Bankbetrieb zu automatisieren. Dazu gehören etwa Kreditprüfungen oder Kontoeröffnungen, bei denen KI-Systeme Informationen aus unterschiedlichen Datenquellen zusammenführen und vorstrukturierte Entscheidungsvorschläge erstellen.

Auch im Bereich der KI-Infrastruktur für Banken sind chinesische Anbieter aktiv. So bietet Alibaba Cloud mit seinem System Model Studio: Exclusive eine Plattform an, die den Betrieb großer Sprachmodelle in abgeschotteten privaten Cloud-Umgebungen ermöglichen soll. Banken können dort Modelle der Qwen-Familie einsetzen, ohne dass sensible Daten das eigene Rechenzentrum verlassen – zumindest auf konzeptioneller Ebene, solange Datenflüsse und Speicherorte regulatorisch sauber gestaltet sind.

KI-Systeme ermöglichen Analyse von Marktinformationen

Ein weiteres Feld ist der algorithmische Handel und die Analyse von Research-Daten. Das Unternehmen SiegPath entwickelt mit seiner Plattform SiegAI spezialisierte Module wie AI-Trader oder AI-Advisor, die unter anderem große Mengen von Marktinformationen analysieren und daraus Handelssignale oder Research-Hypothesen ableiten können. Auch etablierte KI-Unternehmen wie Xiao-I Corporation arbeiten an Lösungen für Banken. Das Unternehmen kombiniert sein Sprachmodell Hua Zang mit Analyseplattformen für Investment Research und automatisierten Kundenservice. Parallel dazu betreibt Xiao-I mit iBot Pro eine Plattform für intelligente Kundeninteraktion, die in Banken einen Teil der Standardanfragen automatisieren kann.

Besonders weit entwickelt sind chinesische Lösungen im Bereich der Betrugsbekämpfung und Risikoanalyse. Der Fintech-Anbieter XTransfer nutzt KI-Systeme, um internationale Handelszahlungen zu analysieren und potenziell verdächtige Muster frühzeitig zu erkennen. Dabei werden nicht nur einzelne Transaktionen bewertet, sondern auch Handelsstrukturen und Lieferketten berücksichtigt. Ein weiteres Beispiel ist Qfin Holdings, eine sogenannte Credit-Tech-Plattform, die Banken bei der Bewertung von Kreditnehmern unterstützt. Die Systeme analysieren große Mengen von Finanz- und Verhaltensdaten, um Kreditentscheidungen effizienter und personalisierter zu gestalten.

Regulierung als entscheidender Faktor

So beeindruckend diese technischen Entwicklungen sind, so entscheidend ist im europäischen Kontext die regulatorische Dimension. Viele KI-Systeme im Bankbereich fallen zumindest dann, wenn sie direkt über Zugang zu Finanzdienstleistungen oder die Kreditwürdigkeit von natürlichen Personen entscheiden, unter die Kategorie der Hochrisiko-Systeme im EU AI Act. Dazu zählen insbesondere Systeme zur Kreditwürdigkeitsprüfung, zum Risikomanagement oder zur Anlageberatung für Privatkunden. Für solche Anwendungen gelten strenge Anforderungen. Banken müssen nachweisen können, wie ein KI-Modell funktioniert, auf welchen Daten es basiert und wie seine Entscheidungen zustande kommen. Modelle müssen überprüfbar, dokumentiert und reproduzierbar sein. Gleichzeitig verlangen Aufsichtsbehörden, dass menschliche Kontrolle jederzeit möglich bleibt.

Hinzu kommen weitere regulatorische Vorgaben. DORA verpflichtet Finanzinstitute zu umfassendem Risikomanagement und Lieferkettenmanagement für IT-Dienstleister und adressiert explizit kritische IKT-Dienstleistungen, zu denen auch KI-Plattformen externer Anbieter zählen können. Die NIS2-Richtlinie fordert hohe Standards für Cybersicherheit und Transparenz digitaler Systeme und wird im Bankensektor in enger Abstimmung mit den gesetzlichen Anforderungen umgesetzt. Auch nationale Aufsichtsbehörden verlangen detaillierte Modellinventare, Modellvalidierungen und Risikobewertungen, die EZB-Bankenaufsicht und nationale Aufseher binden Fragen der KI-Governance zunehmend in ihre aufsichtlichen Prüfprozesse ein.

Diese Anforderungen führen dazu, dass der Einsatz externer KI-Systeme – unabhängig davon, ob sie aus China oder aus den USA stammen – mit erheblichen Governance-Aufwänden verbunden ist. Besonders kritisch sind sogenannte Black-Box-Modelle, deren interne Entscheidungslogik schwer nachvollziehbar ist. Für viele Banken bedeutet dies, dass sie KI-Systeme nur dann einsetzen können, wenn sie zumindest eine effektive Kontrolle über Architektur, Trainingsdaten, Modelländerungen und zentrale Modellparameter behalten.

Neben den sektoralen Regelwerken erschweren auch Vorgaben zum internationalen Datentransfer die direkte Nutzung chinesischer Plattformen. Die Weitergabe personenbezogener Daten in Drittländer unterliegt der DSGVO sowie ergänzenden nationalen Regelungen, auf der chinesischen Seite greifen unter anderem PIPL, CSL und DSL für den Umgang mit Finanz- und Kundendaten. Damit würden bei einer Verarbeitung europäischer Kundendaten in chinesischen Cloud-Umgebungen gleich mehrere Rechtsordnungen parallel relevant, was die Komplexität und das Risiko zusätzlich erhöht.