KI-Personalisierung in Banken: Was EU AI Act, DSGVO und MaRisk erlauben

Teil 3 unserer Serie zu KI-Personalisierung in Banken, nach dem Praxisleitfaden und den Use Cases mit belegtem Mehrwert. KI-Personalisierung in Banken bewegt sich in einem dichten Rechtsrahmen aus EU AI Act, DSGVO und MaRisk — drei Regelwerke, die ineinandergreifen: der AI Act als produktbezogenes KI-Recht, die DSGVO als Rahmen für Profiling und automatisierte Entscheidungen, die MaRisk als aufsichtsrechtlicher Modellrisiko-Standard der BaFin. Wer nur eines prüft, übersieht regelmäßig Anforderungen aus den anderen beiden. Dieser Beitrag ordnet die zentralen Fundstellen ein und zeigt Praxisleitplanken — er ersetzt keine Rechtsberatung und keine institutsspezifische Prüfung, sondern bietet strukturierte Orientierung für Fachbereiche.

KI-Personalisierung in Banken: Wann Modelle als Hochrisiko-KI gelten

Der AI Act stuft bestimmte KI-Systeme in Anhang III als hochriskant ein. Für Banken zentral ist Anhang III Nr. 5 lit. b: KI-Systeme, „die dazu bestimmt sind, die Kreditwürdigkeit natürlicher Personen zu bewerten oder ihre Kreditwürdigkeit zu ermitteln, mit Ausnahme von KI-Systemen, die zur Aufdeckung von Finanzbetrug eingesetzt werden" (EU AI Act, Anhang III). Weitere relevante Fälle: Nr. 5 lit. c (Risikobewertung und Preisgestaltung bei Lebens- und Krankenversicherungen), Nr. 1 lit. c (Emotionserkennung), Nr. 4 lit. a (Recruiting) (EU AI Act, Anhang III).

Entscheidend ist eine oft übersehene Klausel in Art. 6: Zwar erlaubt Art. 6 Abs. 3 Ausnahmen von der Hochrisiko-Einstufung, etwa bei enger verfahrenstechnischer Aufgabe. Diese greifen aber nicht, wenn das System ein Profiling natürlicher Personen durchführt: „gilt ein in Anhang III genanntes KI-System immer dann als mit hohem Risiko behaftet, wenn das KI-System ein Profiling natürlicher Personen durchführt" (EU AI Act, Art. 6). Da KI-Personalisierung im Banking im Kern auf Profiling basiert, entfällt für viele Anhang-III-relevante Use Cases diese Ausnahme.

EU AI Act: Verbotene Praktiken mit direkter Relevanz für Kredit- und Kontoangebote

Art. 5 Abs. 1 AI Act verbietet bestimmte KI-Praktiken vollständig. Für Kredit- und Überziehungsangebote relevant: lit. a untersagt manipulative oder täuschende Techniken mit erheblichem Schadenspotenzial; lit. b untersagt die Ausnutzung von Schwachstellen aufgrund von Alter, Behinderung oder einer „besonderen sozialen oder wirtschaftlichen Situation"; lit. c verbietet Social Scoring (EU AI Act, Art. 5). Personalisierungslogiken, die finanziell angespannte Kunden gezielt mit Überziehungs- oder Kreditangeboten adressieren, bedürfen sorgfältiger rechtlicher Prüfung im Einzelfall.

EU AI Act: Transparenzpflichten und Recht auf Erläuterung

Art. 50 AI Act regelt Transparenzpflichten gegenüber natürlichen Personen: Abs. 1 verlangt eine Offenlegung bei direkter Interaktion mit KI-Systemen wie Chatbots, sofern dies nicht offensichtlich ist; Abs. 5 verlangt, dass diese Information „spätestens zum Zeitpunkt der ersten Interaktion oder Exposition in klarer und erkennbarer Weise" erfolgt (EU AI Act, Art. 50). Besonders relevant ist Art. 86: Er gewährt Anspruch auf „klare und aussagekräftige Erklärungen zur Rolle des AI-Systems im Entscheidungsverfahren und zu den wichtigsten Elementen der getroffenen Entscheidung" (EU AI Act, Art. 86). Personalisierungsmodelle, die Scores ohne nachvollziehbare Begründung ausgeben, erfüllen diese Anforderung strukturell nicht.

EU AI Act: Sanktionsrahmen und Zeitplan

Die Bußgeldandrohungen sind gestaffelt: Art. 5-Verstöße bis zu 35.000.000 EUR oder 7 % des weltweiten Jahresumsatzes (Art. 99 Abs. 3); Verstöße gegen Betreiberpflichten (Art. 26) und Transparenzpflichten (Art. 50) bis zu 15.000.000 EUR oder 3 % (Art. 99 Abs. 4); ein dritter Rahmen bis zu 7.500.000 EUR oder 1 % (Art. 99 Abs. 5). Für KMU gilt jeweils der niedrigere Betrag (EU AI Act, Art. 99).

Der Zeitplan nach Art. 113 ist gestaffelt: Kapitel I und II gelten seit 2. Februar 2025; Kapitel III Abschnitt 4, V, VII, XII und Art. 78 seit 2. August 2025; die allgemeine Anwendbarkeit beginnt am 2. August 2026; Art. 6 Abs. 1 — die Hochrisiko-Einstufung nach Anhang III — erst am 2. August 2027 (EU AI Act, Art. 113). Institute mit Anhang-III-relevanten Modellen sollten diese Fristen aktiv in ihre Roadmap einplanen.

DSGVO: Profiling, automatisierte Entscheidungen und Widerspruchsrecht

Art. 22 Abs. 1 DSGVO gewährt das Recht, nicht einer ausschließlich automatisierten Entscheidung — einschließlich Profiling — unterworfen zu werden, die rechtliche Wirkung entfaltet oder eine Person in ähnlicher Weise erheblich beeinträchtigt. Abs. 2 nennt drei Ausnahmen: Erforderlichkeit für einen Vertragsabschluss, eine gesetzliche Grundlage, oder ausdrückliche Einwilligung. Greift eine Ausnahme, verlangt Abs. 3 dennoch Mindestgarantien — Recht auf Eingreifen einer Person, auf Darlegung des eigenen Standpunkts und auf Anfechtung der Entscheidung. Abs. 4 verbietet automatisierte Entscheidungen auf Basis besonderer Datenkategorien nach Art. 9 Abs. 1 grundsätzlich (DSGVO, Art. 22 · englische Fassung).

Für Marketing-Personalisierung besonders relevant ist Art. 21 Abs. 2 DSGVO: Bei Direktwerbung — „einschließlich eines Profilings, soweit es mit solcher Direktwerbung in Verbindung steht" — hat die betroffene Person ein unbedingtes Widerspruchsrecht; danach darf für diese Zwecke nicht mehr verarbeitet werden. Abs. 4 verlangt eine ausdrückliche, getrennte Mitteilung spätestens zur ersten Kommunikation; Abs. 5 erlaubt automatisierten Widerspruch bei Diensten der Informationsgesellschaft (DSGVO, Art. 21). Die Rechtsgrundlagen der Verarbeitung selbst ergeben sich aus Art. 6 Abs. 1 DSGVO, von lit. a (Einwilligung) bis lit. f (berechtigte Interessen) (DSGVO, Art. 6).

Eine wegweisende Klarstellung kommt vom EuGH: Im Urteil vom 7. Dezember 2023 (Rechtssache C-634/21) stellte er fest, dass ein Bonitäts-„Scoring" eine grundsätzlich von der DSGVO verbotene automatisierte Einzelentscheidung darstellt, sofern der Kunde des Scoring-Anbieters — etwa eine Bank — dem Score bei der Kreditentscheidung „eine maßgebliche Rolle" beimisst (EuGH, Pressemitteilung Nr. 186/23 · englische Fassung). Je stärker der Score die tatsächliche Kreditentscheidung determiniert, desto eher greift Art. 22 DSGVO.

MaRisk AT 4.3.5: Modellrisiko-Governance gilt ausdrücklich für KI

Die MaRisk der BaFin — konkretisiert im Rundschreiben 05/2023 (BA) — enthalten mit AT 4.3.5 ein eigenes Modul zu Modellrisiken, das explizit auch für KI gilt. Tz. 1: „Die Anforderungen dieses Moduls gelten für Modelle, die für die in diesem Rundschreiben geregelten Prozesse eingesetzt werden. Sie finden auch Anwendung bei automatisierten Modellen, technologiegestützter Innovation und künstlicher Intelligenz." (BaFin-Rundschreiben 05/2023 (BA), MaRisk AT 4.3.5).

Fünf Anforderungen aus AT 4.3.5 sind für KI-Personalisierungsmodelle besonders praxisrelevant:

Quelle: BaFin-Rundschreiben 05/2023 (BA), MaRisk AT 4.3.5

Tz. 6 formuliert die Erklärbarkeitspflicht deutlich: „Neben der angestrebten Genauigkeit ist auch auf eine hinreichende Erklärbarkeit zu achten. Dies gilt insbesondere für Modelle, die Charakteristika von technologiegestützter Innovation und künstlicher Intelligenz aufweisen." (MaRisk AT 4.3.5). Das deckt sich inhaltlich mit dem Recht auf Erläuterung aus Art. 86 AI Act — wer ein Modell für beide Zwecke zugleich auditierbar macht, vermeidet doppelte Governance-Aufwände.

Die Governance-Lücke: Warum das relevant ist

Diese drei Regelwerke laufen ins Leere, wenn kein institutioneller Rahmen existiert, der sie operationalisiert. Bemerkenswert: Nur 14 % der Banken verfügen über ein spezifisches KI-Governance-Framework (McKinsey, Getting personal) — genau die Lücke, die AI Act und MaRisk AT 4.3.5 gemeinsam adressieren: dokumentierte Modellwahl, Validierung, Erklärbarkeit, laufende Überprüfung. Auch bei ausgelagerten KI- und CDP-Diensten bestehen vertragliche Pflichten: Art. 30 Abs. 3 lit. e DORA verlangt für kritische Funktionen „unrestricted rights of access, inspection and audit", lit. f zusätzlich Exit-Strategien mit verbindlichem Übergangszeitraum (DORA, Art. 30) — unabhängig davon, ob die KI-Komponente intern oder extern betrieben wird.

Praxisleitplanken für die Umsetzung

Aus den oben zitierten Fundstellen lassen sich vier Leitplanken ableiten, die keine abschließende rechtliche Bewertung ersetzen, aber als Ausgangspunkt für die institutsinterne Prüfung dienen können:

1. Anhang-III-Prüfung vor Modellstart: Jedes Personalisierungsmodell mit Bezug zu Kreditwürdigkeit oder Versicherungs-Pricing vor Produktivsetzung gegen Anhang III Nr. 5 AI Act prüfen — inklusive der Frage, ob ein Profiling-Bezug die Ausnahmen nach Art. 6 Abs. 3 ausschließt.

2. Erklärbarkeit als Designprinzip: Modelle so bauen, dass sie Art. 86 AI Act und Tz. 6 MaRisk AT 4.3.5 zugleich erfüllen — auditierbare, nachvollziehbare Scores statt Black-Box-Ausgaben.

3. Kontaktfrequenz- und Vulnerabilitäts-Leitplanken: Personalisierungslogiken für Kredit- und Überziehungsangebote sollten Mechanismen gegen die Ausnutzung wirtschaftlicher Schwächephasen im Sinne von Art. 5 Abs. 1 lit. b AI Act enthalten.

4. Widerspruchsrecht technisch abbilden: Das Widerspruchsrecht nach Art. 21 Abs. 2 DSGVO gegen profilingbasierte Direktwerbung sollte technisch so umgesetzt sein, dass ein Widerspruch die Verarbeitung zuverlässig und nachweisbar beendet.

Acceleraids Prediction Engine & AI Framework ist auf erklärbare, auditierbare Scores ausgelegt; das CDP & Data-Governance-Modul verarbeitet Consent, Datenherkunft und PII-Schutz nach GDPR-by-design mit deutschem Hosting; das Regulatory-Reporting-Modul unterstützt MaRisk-Meldewesen sowie FINREP-, COREP- und AnaCredit-Anforderungen (Acceleraid Platform). Das ersetzt keine eigene rechtliche Prüfung, kann aber als technische Grundlage für die Leitplanken dienen.

KI-Personalisierung in Banken: Regulierung als Rahmen, nicht als Bremse

EU AI Act, DSGVO und MaRisk formulieren keinen Widerspruch zu wirksamer KI-Personalisierung in Banken — sie formulieren die Bedingungen dafür. Wer Erklärbarkeit, Datenqualität und Governance von Beginn an mitdenkt, vermeidet nicht nur Bußgeldrisiken, sondern schafft die Vertrauensbasis, die laut Teil eins dieser Serie über den langfristigen Erfolg von Personalisierung entscheidet. Dieser Beitrag ersetzt keine Rechtsberatung; für die verbindliche Bewertung einzelner Use Cases sollten Institute ihre Rechts- und Compliance-Funktion sowie bei Bedarf externe Rechtsberatung einbeziehen.

Illustration: KI-generiert. KI-gestützte Inhalte: Bei der Erstellung unserer Beiträge setzen wir KI-Technologien und automatisierte Agenten ein, unter anderem von Microsoft, Google, OpenAI, Anthropic und weiteren Anbietern. Themen, fachliche Ausrichtung und finale Freigabe liegen bei unserem Team.