Souveränität ist für Geldinstitute mit einem heftigen „Rums“ von der politischen Bühne auf die Aufsichtsagenda gewandert. Für sie lautet die Frage nicht mehr, ob man als Bank souverän wird, sondern – allerspätestens seit DORA – wie. Wer für seine KI-Anwendungen in diesem Kontext zur ambitionslosen Antwort greift „dann nehmen wir eben ein souveränes Modell“ –, läuft in einen regulatorischen Zwiespalt.
Souveränitäts-Paradoxon betrifft Modelle selbst – und ihre Entwickler
Wenn Banken ihr Augenmerk ausschließlich auf das in Produktion befindliche KI-Modell legen, beutet Souveränität über geschäftskritische Daten, eben dieses Modell auf eigener Infrastruktur zu betreiben. Das gelingt realistischerweise – insbesondere auf Grund von Lizenzkosten – ausschließlich über Open-Weights-Modelle, also LLMs, die Open Source verfügbar sind.
Doch die leistungsfähigen Open-Weight-Modelle stammen heute überwiegend aus China: DeepSeek, Qwen, GLM, Kimi und MiniMax führen die offenen Bestenlisten an, während die europäischen Vertreter wie Mistral, Aleph Alpha und das Fraunhofer-Modell Teuken bei der reinen Leistungsfähigkeit hinterherlaufen. Wer Souveränität also an der Herkunft des Modells festmacht, muss sich zwischen Leistungsfähigkeit und Herkunft entscheiden – ein Zielkonflikt, der unauflösbar bleibt, solange China einen hinsichtlich ethischer Unbefangenheit nur bedingt geeigneten Partner darstellt.
Souveränität ist keine Eigenschaft des Modells
Und dennoch stellen Open-Weights-Modelle für einige Finanzinstitute eine gangbare Option dar, auch wenn sie nicht aus Europa kommen. Denn: Modellgewichte telefonieren nicht nach Hause. Wer ein offenes Modell auf eigener Infrastruktur betreibt, behält die Kontrolle über seine Daten – unabhängig davon, woher die Gewichte stammen. Bias oder politische Färbung der Trainingsdaten werden damit zur beherrschbaren Frage der Anwendung, nicht zu einem Ausschlusskriterium der Beschaffung.
Offen bleibt allein die Integrität des Modells selbst, also konkret die Frage, ob im Training unerwünschtes Verhalten angelegt wurde. Doch auch das ist primär eine Frage der individuellen Anwendung im eigenen Anwendungskontext. Klar ist also: Die Auswahl eines Modells ist hinsichtlich der LLM-Fähigkeiten wichtig und hat primär ethische Implikationen, sodass entscheidend bleibt, wer für die Bank eine KI-Anwendung und die damit verbundenen Modelle – egal ob Open Weights oder proprietär – betreibt. KI-Souveränität beginnt somit nicht wie oft vermutet beim Modell, sondern bei der Infrastruktur. Souveränität wird also auf der Betriebsebene entschieden: wo etwas läuft, wie das Modell isoliert ist und ob es sich gemäß DORA-Anforderungen substituieren lässt.
Der eigentliche Hebel heißt Austauschbarkeit
Damit verschiebt sich die strategische Frage von der Modellwahl zur Betriebsfähigkeit. Souverän ist nicht, wer das vermeintlich richtige Modell auswählt, sondern wer eine hybride Architektur betreibt, die das Modell von der Plattform entkoppelt, sodass sich Modell oder Anbieter wechseln lassen, ohne Werkzeuge und Verträge anzutasten. Dabei braucht nicht jeder Anwendungsfall dieselbe Antwort: Über Vertraulichkeitsklassen lässt sich jeder Workload der passenden Säule zuordnen, von der Public Cloud für Unkritisches bis zur On-Premises-Verarbeitung geschäftskritischer Daten. Souveränität ist damit eine bewusst gewählte Risikostruktur, kein Dogma oder Maximalismus.
Souveränität in Verbindung mit Anbieterbetrachtung deckt sich mit geltender Regulatorik
Diese Architektur verlangt die Aufsicht ohnehin. Und auch sie bemisst Sicherheit nicht am Pass eines Anbieters, sondern an der Ersetzbarkeit. DORA fordert für jeden kritischen IKT-Dienstleister eine Konzentrationsanalyse, nachgewiesene Austauschbarkeit und einen dokumentierten Exit-Plan. Die BaFin hat Konzentrationsrisiken bei IKT-Auslagerungen für 2026 zum Fokusthema erklärt und nennt die großen US-Hyperscaler ausdrücklich als Beispiel, obwohl die meisten Finanzunternehmen ihre KI auf eben diesen Hyperscalern betreiben. Eine austausch- und prüfbare, exit-fähige Architektur löst also nicht nur das Souveränitäts-Paradoxon, sondern ist regulatorisch dringend gefordert.
Souveränität kauft man somit nicht einmalig über ein Label und nicht über die Nationalität eines Modells. Sie ist eine Architekturentscheidung und Betriebsdisziplin einer Bank zugleich, sodass am Ende nicht der souverän ist, der das „richtige“ Modell wählt – sondern der, der jederzeit LLM-Modelle wechseln kann.
Quellen u. a.: Deutsch-französische Definition digitaler Souveränität (VivaTech 2026)
EU Cloud and AI Development Act (2026)
BaFin, Fokusrisiken IKT-Auslagerungen 2026
DORA Art. 28/29.
Fabian Forthmann blickt auf rund 10 Jahre Beratungserfahrung unter anderem bei Axel Springer und der PPI AG zurück, wo er Machine-Learning-Anwendungen für die Betrugsprävention entwickelte. Heute begleitet er als Manager der msg for banking im Bereich Artificial Intelligence Banken dabei, das Potenzial von GenAI sicher und profitabel zu erschließen – und Künstliche Intelligenz für Mitarbeiterinnen und
Mitarbeiter nutzbar und erlebbar zu machen. Für seine Kunden ist er ein verlässlicher Begleiter, der hilft, die Berührungsängste neuer KI-Technologien abzubauen und diese nutzbringend in bankfachlichen Prozessen zu verankern.