NDSG-konforme KI-Systeme in Schweizer Banken, Anforderungen und Praxis

Die fortschreitende Digitalisierung des Schweizer Bankensektors erfordert einen fundierten Ausgleich zwischen algorithmischer Innovationskraft und strengen regulatorischen Vorgaben [5]. Mit dem Inkrafttreten des totalrevidierten Datenschutzgesetzes (nDSG) sowie parallelen internationalen Standards zur Regulierung von Hochrisiko-Systemen [7] stehen Finanzinstitute vor der Aufgabe, komplexe Modelle maschinellen Lernens transparent, nachvollziehbar und rechtskonform zu gestalten. Insbesondere im Private Banking [1] und im anspruchsvollen Kreditvergabeprozess [4] verlangen aufsichtsrechtliche Pflichten sowie der Schutz von Kundenpersönlichkeitsrechten präzise Governance-Mechanismen.

In der Praxis kollidieren die mathematische Opazität fortgeschrittener KI-Modelle und die datenintensiven Trainingsanforderungen häufig mit den Grundsätzen von Privacy by Design, Datensparsamkeit und Zweckbindung. Verschärft wird diese Gemengelage durch regulatorische Pflichten zur Bekämpfung von Finanzkriminalität [3] und die wachsende Notwendigkeit grenzüberschreitender Datenübermittlungen bei Nutzung globaler Cloud-Infrastrukturen [2]. Schweizer Banken müssen daher technologische Fern-Service- und Analysestrukturen [8] so operationalisieren, dass automatisierte Einzelentscheidungen und Profiling mit hohem Risiko rechtskonform nachgewiesen werden können.

Ziel der vorliegenden Untersuchung ist es, die spezifischen rechtlichen Anforderungen des nDSG systematisch aufzuschlüsseln und anhand institutioneller Anwendungsfelder im Schweizer Bankensektor auf ihre praktische Umsetzbarkeit hin zu prüfen. Mittels einer rechtsdogmatischen Normenanalyse und eines systematischen Literaturvergleichs werden methodische Prüfkriterien entwickelt, die Risikofaktoren bei der Implementierung von KI-Architekturen abbilden. Die Untersuchung schliesst damit eine Forschungslücke an der Schnittstelle von Schweizer Finanzmarktrecht, Data Governance und angewandter Modellierung physikalisch-technischer sowie datengetriebener Systeme [6].

Der Erkenntnisgewinn dieser Arbeit liegt in der theoretisch fundierten Synthese von Datenschutzdoktrin und institutioneller Bankpraxis. Durch die detaillierte Ausarbeitung eines ganzheitlichen Governance- und Auditierungsrahmens wird dargelegt, wie Schweizer Finanzinstitute technologische Effizienzgewinne mit den hohen Schutzanforderungen des nDSG in Einklang bringen können. Dies liefert sowohl der rechtswissenschaftlichen Forschung als auch der bankbetrieblichen Praxis eine fundierte Orientierung zur langfristigen Gewährleistung von Konformität und digitalem Vertrauen.