Ein einzelnes US-Bundesgesetz zu KI für Finanzinstitute gibt es weiterhin nicht, und Mitte 2026 wurde klar, dass es so bald auch keines geben wird. Stattdessen existiert ein mehrschichtiges Regime, das in diesem Frühjahr zweimal die Form gewechselt hat: Das Treasury veröffentlichte Anfang des Jahres ein KI-Risikoframework für den Finanzsektor, und am 17. April 2026 hoben OCC, Federal Reserve und FDIC gemeinsam den Modellrisiko-Kanon auf, der Bankmodelle seit 2011 regierte, SR 11-7, OCC Bulletin 2011-12 und FIL-22-2017, und ersetzten ihn durch einen einheitlichen, prinzipienbasierten Rahmen, auf Seiten der Federal Reserve als SR 26-2 bekannt.
Der überraschende Teil des Resets ist seine Richtung. Die traditionelle Modellrisiko-Governance wurde enger, nicht breiter: Die Behörden stellten generative und agentische KI ausdrücklich außerhalb des Anwendungsbereichs der neuen Modellrisiko-Leitlinie, mit der Begründung, diese Systeme seien zu neu und zu schnelllebig für den traditionellen Rahmen. Die Governance-Last ist mit dem Scope nicht geschrumpft. Sie ist gewandert: in Third-Party-Risikomanagement, Cybersecurity, Fair Lending, UDAAP, Aufbewahrungspflichten und Landesrecht.
Für Compliance- oder Modellrisiko-Verantwortliche lautet die Frage nicht mehr, ob KI erfasst ist. Alles ist von irgendetwas erfasst. Die Arbeit besteht darin, jeden Use Case der Schicht zuzuordnen, die ihn erfasst, und zu bemerken, wo sich Schichten überlappen oder ein System nur von Erwartungen regiert wird, die nie für es geschrieben wurden.
Der Modellrisiko-Reset und sein Carve-out
SR 26-2 und seine OCC- und FDIC-Parallelen gelten am unmittelbarsten für größere Bankorganisationen und bleiben für kleinere Häuser überall dort relevant, wo Modellrisiko wesentlich ist. Für konventionelle Modelle, Kredit-Scorecards, Bewertungsmodelle, Stresstests, ist die praktische Kontinuität hoch: Prinzipienbasierte Sprache ersetzt den älteren präskriptiven Text, aber die Erwartungen an solide Entwicklung, Validierung und Governance tragen sich fort.
Die strukturelle Neuheit ist der Ausschluss. Generative und agentische KI liegen außerhalb des Anwendungsbereichs der Leitlinie, womit die am stärksten beäugten neuen Systeme einer Bank genau diejenigen sind, die ihr Modellrisiko-Rahmen formal nicht mehr erreicht. Die Behörden waren explizit: Das ist keine Deregulierung; diese Systeme bleiben über andere Aufsichtskanäle reguliert, und Prüfer werden sie nutzen. Die operative Implikation: Eine Modellrisiko-Funktion, die ihr Inventar über “was SR 26-2 abdeckt” definiert, baut sich einen blinden Fleck genau dort, wo die Aufmerksamkeit des Boards liegt. Die Häuser, die das gut handhaben, führen ein Inventar über alles, taggen jeden Eintrag mit dem maßgeblichen Regime und wenden auf generative Systeme freiwillig die Disziplin der Validierung an, nachgewiesen gegen die angrenzenden Rechtsgrundlagen, die tatsächlich gelten.
Treasurys Framework wird zum Maßstab
Treasurys Sektor-Framework, im Umlauf als Financial Services AI Risk Management Framework, ist eine Finanzsektor-Adaption des NIST AI RMF: ein Kontrollziel-Dokument mit 230 Kontrollzielen, gemappt auf Prinzipien des KI-Risikomanagements und darauf ausgelegt, sich in bestehende Compliance-Programme einzufügen, statt sie zu ersetzen.
Es ist Leitlinie, keine Vorschrift. Aber Branchenkommentare behandeln es bereits als De-facto-Governance-Standard, mit der Erwartung, dass es über die Zeit zu Prüfungsmaßstäben verhärtet, und dieses Muster ist von früheren Framework-Übernahmen vertraut. Die pragmatische Antwort ist eine Mapping-Übung: die bestehenden KI-Governance-Kontrollen gegen die Kontrollziele des Frameworks mappen und festhalten, welche Ziele man erfüllt, welche man anders erfüllt und welche man bewusst ausgeschlagen hat, mit Begründung. Dieses Dokument kostet ein paar Wochen und verwandelt ein offenes Prüfungsgespräch in die Durchsicht einer durchdachten Position.
Die SEC und die Bundesstaaten
Die SEC hat kein eigenständiges KI-Regelwerk für Emittenten, Adviser oder Broker-Dealer erlassen. Ihre Haltung läuft über bestehendes Wertpapierrecht: Disclosure Controls, Books-and-Records, Anti-Fraud, interne Kontrollen und Aufsichtspflichten greifen, wann immer KI Filings, Handel, Kommunikation oder Kundeninteraktionen berührt. Berichte über das Aufsichtsklima bestätigen, dass die Aufsicht über KI bei Finanzfirmen primär über bestehende Risikomanagement-Instrumente läuft. Die regulatorische Logik: KI ist von bestehendem Recht erfasst, und Enforcement kommt über vertraute Doktrinen, angewandt auf unvertraute Systeme. Eine halluzinierte Offenlegung ist ein Offenlegungsproblem, eine unbeaufsichtigte KI-verfasste Kundenkommunikation ein Aufsichtsproblem.
Die Bundesstaaten-Schicht ist der Ort, an dem tatsächlich neue Pflichten geschrieben werden, und Colorado bleibt die Jurisdiktion, die man beobachten muss, weil ihr Regime Kreditvergabe und andere Finanzdienstleistungen als folgenreiche Entscheidungen behandelt. Die Struktur hat sich dieses Jahr verschoben: SB26-189, unterzeichnet am 14. Mai 2026 und wirksam ab 1. Januar 2027, ersetzt die frühere Struktur des Colorado AI Act, streicht die ursprünglichen Impact-Assessment- und Risikomanagement-Pflichten und erhält die Hinweispflichten für Deployer. Was übrig bleibt, reicht weiterhin direkt in automatisierte Entscheidungs-Workflows hinein: Hinweis am Interaktionspunkt und eine allgemeinverständliche Beschreibung, geknüpft an nachteilige Ergebnisse. Für Underwriting- und Kredit-Pipelines ist das eine Systemanforderung, kein Policy-Memo.
Einen Multi-Regime-Compliance-Stack betreiben
Die Engineering-Konsequenz eines fragmentierten Regimes: Compliance wird zu einer Mapping-Tabelle, die man pflegt, nicht zu einem Projekt, das man abschließt. Die Version, die in der Praxis funktioniert:
- Ein Inventar, viele Regime. Jeder KI-Use-Case trägt Tags für die Schichten, die ihn regieren: SR 26-2 für traditionelle Modelle, TPRM und angrenzende Aufsichtserwartungen für generative Systeme, SEC-Doktrinen, wo Filings oder Kommunikation berührt sind, und Landesgesetze nach Kundenstandort.
- Kontrollen einmal gebaut, mehrfach gemappt. Ein einziger Testing-, Monitoring- und Dokumentations-Stack, querverwiesen auf Treasury-Kontrollziele, Modellrisiko-Erwartungen und Notice-Pflichten der Bundesstaaten, schlägt vier parallele Compliance-Programme. Die meisten Kontrollziele erfüllen mehrere Regime zugleich, wenn die Evidenz so organisiert ist, dass sie es zeigt.
- Vendor-Reichweite. Wo Scoring-Engines oder generative Fähigkeiten von Dritten kommen, muss dasselbe Mapping durch den Vertrag hindurchreichen: Audit-Rechte, Evidenzlieferung und Änderungsanzeigen, denn TPRM ist inzwischen ein primärer Kanal, über den Regulatoren die eigene KI erreichen.
- Ein Beobachtungsprozess mit Verantwortlichen. Die April-Aufhebung hat fünfzehn Jahre gefestigter Leitlinien mit einer Veröffentlichung ausgemustert, und Colorado hat sein Gesetz ein Jahr nach Verabschiedung umgeschrieben. Jede Schicht bekommt einen Owner, die Karte wird quartalsweise durchgesehen, und Regimewechsel gelten als stehendes operatives Risiko, nicht als Überraschung.
Die Kosten dieses Regimes sind Koordination, und der Fehlermodus ist die Annahme, die Schicht von jemand anderem decke einen ab. Die Häuser in der besten Position sind dieses Jahr nicht die, die die Regeln vorhergesagt haben. Es sind die, deren Inventar, Evidenz und Mapping in so gutem Zustand waren, dass eine Scope-Änderung im April ein Edit war, kein Programm.
Häufige Fragen
Bedeutet der Generative-KI-Carve-out aus SR 26-2, dass unsere LLM-Tools weniger Governance brauchen?
Nein, sie brauchen Governance aus einer anderen Richtung. Die Behörden haben generative und agentische KI aus dem Modellrisiko-Scope ausgenommen, weil der traditionelle Validierungsrahmen schlecht auf sie passt, nicht weil sie risikoarm wären. Prüfer erreichen dieselben Systeme über Third-Party-Risikomanagement, Cybersecurity, Fair Lending, UDAAP und Aufbewahrungspflichten. In der Praxis raten wir, LLM-Systeme ohnehin mit der Disziplin des Modellrisikomanagements zu fahren: Inventar, Testing, Monitoring und dokumentiertes menschliches Review, gemappt auf die angrenzenden Rechtsgrundlagen.
Ist das Treasury-Framework für Banken und Fintechs verpflichtend?
Es ist keine bindende Vorschrift, aber es als optional zu behandeln, ist ein Fehler. Branchenkommentare beschreiben es bereits als De-facto-Governance-Standard, und Frameworks dieser Art verhärten erfahrungsgemäß zu Prüfungsmaßstäben: Prüfer fragen, warum man abgewichen ist, nicht ob man es übernommen hat. Die effiziente Haltung: bestehende KI-Kontrollen gegen die Kontrollziele mappen, bewusst akzeptierte Lücken dokumentieren und dieses Mapping im Examen erklären können.
Wie sollte ein in mehreren Bundesstaaten tätiger Kreditgeber Colorados revidiertes KI-Gesetz handhaben?
Die Notice-Fähigkeit einmal bauen und konfigurierbar ausrollen. SB26-189, wirksam ab 1. Januar 2027, hat die Hinweispflichten für folgenreiche Entscheidungen erhalten, einschließlich Hinweis am Interaktionspunkt und einer allgemeinverständlichen Beschreibung bei nachteiligen Ergebnissen, auch wenn die früheren Impact-Assessment-Pflichten entfallen sind. Da Kreditvergabe eindeutig eine folgenreiche Entscheidung ist, gehört die Notice-Erzeugung in den Entscheidungs-Workflow statt in das bundesstaatsspezifische Frontend, damit das nächste Landesgesetz eine Konfigurationsänderung ist und kein Umbau.