Wie verhält sich diese Ausgabe zu The Auditability Gap?

The Auditability Gap legt die Argumentation für regulierte Institute allgemein dar. Diese Ausgabe spielt sie am AuM-Quartalsbericht eines hypothetischen Asset Managers durch — vom Entwurf über die Freigabe bis ins nächste Quartal —, überträgt dieselbe Prüfung auf eine Bank und einen Versicherer und ergänzt ein Arbeitsblatt und einen vierwöchigen Pilotplan. Die fünf Ebenen und die vier Stufen sind dieselben.

Erfasst der EU AI Act KI-entworfenes Management-Reporting?

Das hängt von der Zweckbestimmung des Systems ab. Zu den Hochrisiko-Anwendungen in Anhang III gehören die Bonitätsbewertung natürlicher Personen (ausgenommen die Betrugserkennung) sowie Risikobewertung und Preisbildung für natürliche Personen in der Lebens- und Krankenversicherung; internes Management-Reporting wie im Beispiel des Reports gehört nicht dazu. Laut Europäischer Kommission gelten die Regeln aus Anhang III ab dem 2. Dezember 2027. Die Einstufung eines konkreten Systems sollte rechtlich geprüft werden.

Ist eine KI-Entwurfsschicht ein Modell im Sinne von SR 26-2?

SR 26-2, im April 2026 von Federal Reserve, OCC und FDIC als Ersatz für SR 11-7 veröffentlicht, erfasst quantitative Modelle und nimmt einfache Arithmetik und deterministische regelbasierte Prozesse aus. Generative und agentische KI liegen außerhalb ihres Geltungsbereichs; für deren Kontrollen sollen die übergeordneten Risikomanagement- und Governance-Praktiken der Bank maßgeblich sein. Die Leitlinie setzt nach eigener Aussage keine durchsetzbaren Standards. Die nützliche Frage lautet: Welche Teile eines Workflows sind Modelle, welche Arithmetik und welche eine generative Entwurfsschicht?

Der Auditability Gap · Ausgabe Finanzsektor

2026 · PDF · 24 Seiten

Ihre KI hat den Bericht erstellt. Können Sie die Zahlen verteidigen?

Ein DataQube-Report für Banken, Asset Manager und Versicherer darüber, wie sich KI-generierte Analysen prüfen und verteidigen lassen — durchgespielt an einem Quartalsbericht, vom KI-Entwurf über die Freigabe bis ins nächste Quartal.

Ein durchgerechnetes Beispiel: ein KI-entworfener AuM-Quartalsbericht mit richtiger Zahl und unbelegter Erklärung
Vier Stellen, an denen die Evidenz abreißt, und die fünf Ebenen einer prüfbaren Antwort
EU, USA und Großbritannien, Stand Oktober 2026: AI Act und AI-Omnibus, SR 26-2, BCBS 239 und die FCA
Ein Arbeitsblatt mit sechs Fragen und ein vierwöchiger Pilot für einen Ihrer eigenen Berichte

The AI Auditability Gap in Financial Services — Ihre KI hat den Bericht erstellt. Können Sie die Zahlen verteidigen?

Geschrieben fürVerantwortliche und Freigebende von Berichten in Daten, Analytics, Reporting und Investment Operations, die Risiko- und Compliance-Funktionen, die sie überwachen, und die Interne Revision.

01Im Report

Eine richtige Zahl, eine unbelegte Erklärung

Im Fallbeispiel des Reports meldet der KI-Entwurf eines hypothetischen Asset Managers 2,4 % AuM-Wachstum, „getragen von einer starken Anlageperformance“. Die Zahl stimmt, die Erklärung nicht: Nettozuflüsse von 17 Mio. $ haben einen Anlageverlust von 5 Mio. $ mehr als ausgeglichen. Das Executive Brief leitet daraus drei Praktiken ab.

01
Die Erklärung prüfen, nicht nur die Zahl.Eine richtige Zahl kann mit einer unbelegten Erklärung einhergehen. Jeder wesentliche Satz gehört zu seiner Berechnung, seinen Quellen und den geltenden Definitionen.
02
Die Prüfung festhalten.Was hinterfragt wurde, was sich änderte, warum, und wer freigegeben hat. Derselbe Nachweis dient Risiko, Compliance und Interner Revision — die Freigabe durch die Verantwortlichen ist aber keine unabhängige Prüfung.
03
Die Arbeit für den nächsten Zyklus bewahren.Der Nachweis, der die Freigabe stützt, ist auch der Ausgangspunkt für den nächsten Bericht — so lässt sich eine Datenänderung von einer Definitionsänderung unterscheiden.

Der Nachweis hinter dem freigegebenen Satz, die Beispiele aus Bank und Versicherung, das regulatorische Umfeld, das Arbeitsblatt und der Pilotplan stehen im Report. Report anfordern

17. Apr. 2026SR 26-2 ersetzt SR 11-7 als US-Leitlinie zum Modellrisiko; generative und agentische KI liegen außerhalb ihres GeltungsbereichsFederal Reserve, OCC und FDIC · im Report zitiert
19. Okt. 2026Die FCA veröffentlicht gute und schlechte KI-Praxis, darunter Audit-Trails von KI-InteraktionenFinancial Conduct Authority · im Report zitiert
2. Dez. 2027Die Hochrisiko-Regeln aus Anhang III des EU AI Act gelten, nach dem AI-OmnibusEuropäische Kommission, Juli 2026 · im Report zitiert

Definition

Was ist der Auditability Gap bei KI-Analysen?

Der Abstand zwischen einer KI-generierten Schlussfolgerung und der Evidenz, die ein Institut darüber herstellen kann, wie sie entstanden ist. Er ist wichtig, weil eine richtige Zahl mit einer unbelegten Erklärung einhergehen kann. Wenn die Prüfenden die Quellen, die Berechnung und die Definitionen hinter einem Satz nicht sehen können, müssen sie die Arbeit vor der Freigabe nachbauen — und die beim Entwurf gesparte Zeit wird in der Prüfung erneut aufgewendet.

Wie verhält sich diese Ausgabe zu The Auditability Gap?: The Auditability Gap legt die Argumentation für regulierte Institute allgemein dar. Diese Ausgabe spielt sie am AuM-Quartalsbericht eines hypothetischen Asset Managers durch — vom Entwurf über die Freigabe bis ins nächste Quartal —, überträgt dieselbe Prüfung auf eine Bank und einen Versicherer und ergänzt ein Arbeitsblatt und einen vierwöchigen Pilotplan. Die fünf Ebenen und die vier Stufen sind dieselben.
Erfasst der EU AI Act KI-entworfenes Management-Reporting?: Das hängt von der Zweckbestimmung des Systems ab. Zu den Hochrisiko-Anwendungen in Anhang III gehören die Bonitätsbewertung natürlicher Personen (ausgenommen die Betrugserkennung) sowie Risikobewertung und Preisbildung für natürliche Personen in der Lebens- und Krankenversicherung; internes Management-Reporting wie im Beispiel des Reports gehört nicht dazu. Laut Europäischer Kommission gelten die Regeln aus Anhang III ab dem 2. Dezember 2027. Die Einstufung eines konkreten Systems sollte rechtlich geprüft werden.
Ist eine KI-Entwurfsschicht ein Modell im Sinne von SR 26-2?: SR 26-2, im April 2026 von Federal Reserve, OCC und FDIC als Ersatz für SR 11-7 veröffentlicht, erfasst quantitative Modelle und nimmt einfache Arithmetik und deterministische regelbasierte Prozesse aus. Generative und agentische KI liegen außerhalb ihres Geltungsbereichs; für deren Kontrollen sollen die übergeordneten Risikomanagement- und Governance-Praktiken der Bank maßgeblich sein. Die Leitlinie setzt nach eigener Aussage keine durchsetzbaren Standards. Die nützliche Frage lautet: Welche Teile eines Workflows sind Modelle, welche Arithmetik und welche eine generative Entwurfsschicht?

02Der Inhalt

Zehn Abschnitte, ein Quartalsbericht vom Entwurf bis zur Freigabe

01
Der Bericht ist bereit zur PrüfungEin KI-gestützter Workflow entwirft einen AuM-Quartalsbericht, und vor der Freigabe stehen fünf Fragen.
02
Fallbeispiel: was das AuM bewegt hatEine richtige Zahl und eine unbelegte Erklärung, abgeglichen in einer Überleitung von Mittelflüssen und Anlageergebnis.
03
Wo die Evidenz abreißtQuelle, Definition, Berechnung, Interpretation: vier Lücken, die aus einer Prüfung eine Rekonstruktion machen.
04
Regulatorisches UmfeldEU AI Act, SR 26-2, BCBS 239 und die gute und schlechte Praxis der FCA, gelesen an einem Workflow.
05
Fünf Ebenen einer prüfbaren AntwortQuelle, Transformation, Kontext, Herleitung und Reproduzierbarkeit, angewandt auf den AuM-Bericht.
06
Der Evidenznachweis und eine wirksame PrüfungEine freigegebene Aussage mit ihrer Evidenz, und was die Prüfung hinterfragt, geändert und freigegeben hat.

07
Wiederverwendung im nächsten BerichtszyklusDas nächste Quartal beginnt beim letzten, das so bleibt, wie es freigegeben wurde.
08
Anwendungen in Bank und VersicherungDieselbe Prüfung für Exposure-Kommentare einer Bank und Schadenkommentare eines Versicherers.
09
Einen Workflow bewerten und einen Pilot durchführenEin Arbeitsblatt mit sechs Fragen, vier Stufen analytischer Prüfbarkeit und ein vierwöchiger Pilot.
10
Wo DataQube ansetztEine Architektur, die Analysen von der Quelle über den Satz bis zur Freigabe verbunden halten soll.
+
Quellen und EvidenzhinweisFCA, Basler Ausschuss, Federal Reserve, OCC und FDIC sowie EU AI Act; Recherchestand 20. Oktober 2026.

Für wen

Verantwortliche und Freigebende von Berichten in Daten, Analytics, Reporting und Investment Operations bei Banken, Asset Managern und Versicherern; die Risiko- und Compliance-Funktionen, die sie überwachen; und die Interne Revision, die unabhängige Prüfungssicherheit gibt.

Wie man ihn liest

Die Abschnitte 1–3 begleiten den AuM-Bericht vom KI-Entwurf bis zu den Lücken, die die Prüfung findet. Abschnitt 4 ist das regulatorische Umfeld. Die Abschnitte 5–7 sind das Framework, der Evidenznachweis und die Wiederverwendung im nächsten Zyklus. Die Abschnitte 8–9 übertragen die Prüfung auf Bank und Versicherung und machen daraus ein Arbeitsblatt und einen Pilot. Institute, Personen und Zahlen in den Beispielen sind hypothetisch; das Framework ist DataQubes eigenes und keine regulatorische Anforderung.

Format: PDF · 24 Seiten
Sprache: Englisch
Veröffentlicht: 2026

Den vollständigen Report lesen

24 Seiten: das Fallbeispiel, wo die Evidenz abreißt, das regulatorische Umfeld, die fünf Ebenen, das Arbeitsblatt und der Pilotplan. Lieber mit uns darüber sprechen?

Report anfordern Demo buchen