- Published on
MaRisk AT 9 KI Vertragsprüfung: €80k sparen, 70% schneller
- Authors

- Name
- Phillip Pham
- @ddppham
MaRisk AT 9 & KI: Auslagerungsverträge 70% schneller prüfen
TL;DR
Die 9. MaRisk-Novelle präzisiert die Anforderungen an die Prüfung von Auslagerungsverträgen in Finanzinstituten. Während ICT-Auslagerungen nun primär DORA unterliegen, bleibt MaRisk AT 9 entscheidend für alle anderen Drittleistungen. KI kann diesen Prüfprozess um bis zu 70% beschleunigen, die Fehlerquote um 15-20% senken und so bis zu 80.000€ jährliche Compliance-Kosten für mittelständische Banken einsparen, indem relevante Klauseln und Risiken automatisiert erkannt werden.
Finanzinstitute in Deutschland stehen unter einem permanenten Anpassungsdruck. Die MaRisk (Mindestanforderungen an das Risikomanagement) der BaFin sind hierfür das zentrale Regelwerk. Insbesondere AT 9 befasst sich mit den Anforderungen an Auslagerungen und sonstigen Fremdbezug von Leistungen. Mit der 9. MaRisk-Novelle gibt es hier wichtige Klarstellungen, die mittelständische Banken und Finanzdienstleister nun umsetzen müssen. Eine intelligente KI-Lösung kann dabei helfen, den Prüfaufwand erheblich zu reduzieren und gleichzeitig die Compliance-Sicherheit zu erhöhen.
Das Dilemma der Vertragsprüfung im Finanzwesen
Die manuelle Prüfung von Auslagerungsverträgen ist zeitintensiv und fehleranfällig. Jede Klausel muss auf Konformität mit MaRisk (und ggf. DORA) geprüft, Risiken identifiziert und dokumentiert werden. Ein typischer Vertrag, der mehrere Seiten umfasst, kann Stunden oder sogar Tage binden. Besonders in mittelständischen Banken, wo die Ressourcen begrenzt sind, führt dies zu Engpässen und einer Belastung der Compliance-Abteilungen.
Herausforderungen der manuellen Vertragsprüfung:
- Zeitaufwand: Lange Bearbeitungszeiten pro Vertrag.
- Fehleranfälligkeit: Menschliche Fehler beim Übersehen kritischer Klauseln oder Änderungen.
- Inkonsistenzen: Uneinheitliche Bewertung durch verschiedene Prüfer.
- Ressourcenbindung: Hochqualifiziertes Personal ist für repetitive Aufgaben gebunden.
- Audit-Druck: Immer höhere Anforderungen der BaFin und externer Auditoren.
Laut internen Audits kann bei manueller Prüfung von komplexen Auslagerungsverträgen bis zu 10% der relevanten Klauseln übersehen werden, was zu Compliance-Lücken führen kann.
Die 9. MaRisk-Novelle: AT 9 vs. DORA
Die 9. MaRisk-Novelle bringt eine entscheidende Abgrenzung: Die Steuerung von IKT-Dienstleistungen (Informations- und Kommunikationstechnologie) wird nun primär durch die DORA-Verordnung (Digital Operational Resilience Act) geregelt, welche ab Januar 2025 vollständig wirksam wird. Das bedeutet jedoch nicht, dass MaRisk AT 9 obsolet wird. Ganz im Gegenteil: AT 9 konzentriert sich weiterhin auf alle nicht-IKT-bezogenen Auslagerungen und den sonstigen Fremdbezug.
Was bedeutet das konkret für die Vertragsprüfung?
- IKT-Auslagerungen: Verträge über Cloud-Services, IT-Support, Softwareentwicklung etc. werden unter DORA geprüft. Hier stehen Aspekte der digitalen operationellen Resilienz, des Informationssicherheitsmanagements und der Meldepflichten im Fokus.
- Nicht-IKT-Auslagerungen: Verträge über Facility Management, Reinigungsdienste, Rechtsberatung, Marketing, physische Archivierung und andere geschäftliche Unterstützungsleistungen fallen weiterhin klar unter MaRisk AT 9. Hier sind Themen wie Kontrollrechte, Weisungsrechte, Sub-Auslagerungen und der Schutz von Kundendaten zentral.
Die Einführung von DORA erhöht den Prüfaufwand insgesamt, da Banken nun zwei regulatorische Rahmenwerke parallel beachten müssen. Unabhängig davon, welches Regelwerk Anwendung findet, bleibt die effiziente und fehlerfreie Vertragsprüfung von größter Bedeutung für die Einhaltung der Vorschriften und die Minimierung operativer Risiken.
So funktioniert KI-gestützte Vertragsprüfung nach MaRisk
Eine KI-Lösung zur Vertragsprüfung nutzt fortschrittliche Technologien wie Natural Language Processing (NLP) und Machine Learning (ML), um Verträge zu analysieren. Der Prozess lässt sich in der Praxis in drei Schritten umsetzen:
- Datenerfassung und -vorbereitung: Die Verträge werden als digitale Dokumente (PDF, Word) in das System geladen. Die KI ist darauf trainiert, unterschiedliche Formate zu verarbeiten und Texte zu extrahieren.
- Analyse und Klassifizierung: Die KI identifiziert automatisch kritische Klauseln, Paragrafen und Informationen, die für MaRisk AT 9 (oder DORA) relevant sind. Dies umfasst unter anderem:
- Regulatorische Anforderungen (z.B. BaFin-Anforderungen, Datenschutz, Informationssicherheit)
- Risikoklauseln (Haftung, Kündigung, Sub-Auslagerung)
- Wichtige Datenpunkte (Laufzeiten, Dienstleistungsumfang, Vertragsparteien)
- Verweise auf relevante Anhänge oder Gesetze
- Berichterstattung und Empfehlungen: Die KI generiert einen strukturierten Bericht, der die Konformität des Vertrags bewertet, potenzielle Risiken aufzeigt und Abweichungen von vordefinierten Compliance-Templates markiert. Ein Prüfer erhält somit eine vorausgewählte Liste von Punkten, die einer manuellen Prüfung bedürfen, anstatt den gesamten Vertrag durchlesen zu müssen.
Praxis-Beispiel für einen mittelständischen Finanzdienstleister:
Ein deutscher Finanzdienstleister mit 300 Mitarbeitern musste jährlich rund 200 Auslagerungsverträge und mehrere hundert weitere Dienstleistungsverträge manuell prüfen. Der Zeitaufwand lag bei durchschnittlich 4-6 Stunden pro Vertrag. Durch die Implementierung einer spezialisierten KI-Lösung konnte die Bearbeitungszeit für Standardverträge auf unter 30 Minuten reduziert werden. Bei komplexen Verträgen halbierte sich der Zeitaufwand von 6 auf 3 Stunden. Die Fehlerquote bei der Identifizierung kritischer Klauseln sank von geschätzten 8% auf unter 2%. Dies führte zu einer jährlichen Einsparung von rund 80.000€ allein durch die Effizienzgewinne in der Compliance-Abteilung.
Kosten und Zeitrahmen für KI-gestützte Vertragsprüfung
Die Implementierung einer KI-Lösung für die Vertragsprüfung ist kein "Big Bang"-Projekt, sondern kann schrittweise erfolgen.
| Aspekt | Beschreibung | Schätzung |
|---|---|---|
| Initialisierung | Auswahl der Plattform, Anbindung an bestehende Systeme (DMS), initiale Daten-Labeling für das Training. | 3-6 Monate, 25.000 - 70.000 € (Pilotprojekt) |
| Lizenzkosten | SaaS-Modell pro Nutzer oder pro Vertrag. | 500 - 2.000 €/Monat (für mittelständische Nutzung) |
| Customizing | Anpassung an spezifische Klausel-Bibliotheken und Compliance-Anforderungen des Instituts. | 1-3 Monate, 10.000 - 30.000 € (einmalig) |
| ROI | Einsparungen durch Effizienzgewinn, reduzierte Fehlerkosten, vermiedene Bußgelder. | < 18 Monate (oft schon nach 6-12 Monaten messbar) |
Praxis-Erfahrung zeigt, dass der Return on Investment (ROI) bei gut geplanten Projekten im Finanzwesen in der Regel unter 18 Monaten liegt. Gerade für den deutschen Mittelstand ist eine schrittweise Einführung mit einem Pilotprojekt essenziell, um Risiken zu minimieren und schnelle Erfolge zu erzielen. Ein spezialisierter Partner kann hierbei den Implementierungsprozess erheblich beschleunigen.
Worauf Sie bei der Einführung achten sollten
Die erfolgreiche Implementierung einer KI-Lösung zur Vertragsprüfung erfordert mehr als nur technische Expertise. Hier sind die wichtigsten Punkte, die Sie beachten sollten:
- Regulatorische Expertise: Wählen Sie einen Anbieter, der sowohl KI- als auch tiefgreifende Compliance-Expertise (MaRisk, DORA, BaFin) besitzt.
- Datenqualität: Die Qualität der Trainingsdaten ist entscheidend. Beginnen Sie mit einem Pool gut strukturierter und bereits manuell geprüfter Verträge.
- Erklärbarkeit (Explainability): Gemäß MaRisk AT 4.3.4 müssen KI-Modelle in Finanzinstituten erklärbar sein. Das System muss nachvollziehbar machen können, warum eine bestimmte Klausel als kritisch eingestuft wurde.
- Sicherheit und Datenschutz: Der Schutz sensibler Vertragsdaten hat oberste Priorität. Achten Sie auf DSGVO-Konformität und Hosting in Deutschland.
- User Acceptance: Beziehen Sie die Mitarbeiter aus Compliance, Recht und Risk Management frühzeitig ein. Akzeptanz ist der Schlüssel zum Erfolg.
- Skalierbarkeit: Die Lösung sollte mit dem Wachstum Ihres Vertragsbestands und sich ändernden regulatorischen Anforderungen skalieren können.
- Schnittstellen: Eine reibungslose Integration in bestehende Dokumentenmanagement-Systeme (DMS) oder Archivsysteme ist essenziell für die Dunkelverarbeitung.
Eine präzise KI im KYC-Prozess kann False Positives reduzieren und die Effizienz ebenfalls deutlich steigern, was eine ähnliche Vorgehensweise erfordert.
KI-Betrugserkennung und MaRisk-Compliance
Neben der reinen Vertragsprüfung kann KI auch bei der Betrugserkennung im Finanzwesen eine entscheidende Rolle spielen, was indirekt die Compliance nach MaRisk AT 4 (Risikomanagement) stärkt. Automatisierte Systeme können Muster in Transaktionen oder Kommunikationen erkennen, die auf betrügerische Aktivitäten hindeuten. Dies entlastet nicht nur die Compliance-Abteilung, sondern minimiert auch finanzielle Risiken.
In der Praxis sehen wir, dass der Einsatz von KI im Finanzwesen zunehmend von der BaFin gefordert wird, insbesondere wenn es um Effizienz und Robustheit geht. Die 9. MaRisk-Novelle, die auch das neue Modell-Modul AT 4.3.4 enthält, erfasst explizit KI-Systeme und automatisierte Verfahren. Hier sind insbesondere die Dimensionen Erklärbarkeit, Robustheit, Zuverlässigkeit, Bias und Fairness sowie Interpretierbarkeit entscheidend.
Auch im Mahnwesen von Banken zeigt sich, dass KI-gestützte Ansätze zu erheblichen Einsparungen und einer Reduzierung von Ausfällen führen können, indem sie Risiken frühzeitig erkennen und Prozesse optimieren.
Häufig gestellte Fragen
1. Was ist der Unterschied zwischen MaRisk AT 9 und DORA bei der Vertragsprüfung?
MaRisk AT 9 regelt Auslagerungen und den sonstigen Fremdbezug von Leistungen. Mit der 9. MaRisk-Novelle konzentriert sich AT 9 nun primär auf nicht-IKT-bezogene Auslagerungen (z.B. Reinigung, Rechtsberatung). Die DORA-Verordnung hingegen fokussiert auf die operationelle Resilienz von IKT-Dienstleistungen und regelt entsprechend die Auslagerung von IT-Diensten wie Cloud-Computing. KI-Systeme müssen dabei die spezifischen Anforderungen beider Regelwerke erfüllen, wobei DORA für ICT-Auslagerungen ab 2025 der primäre Bezugspunkt ist.
2. Welche Arten von Verträgen können mit KI unter MaRisk AT 9 geprüft werden?
KI kann alle Arten von Textdokumenten verarbeiten. Unter MaRisk AT 9 sind das insbesondere Verträge über nicht-IKT-Leistungen wie Facility Management, Outsourcing von Backoffice-Prozessen (die keine reine IT sind), Beratungsleistungen, Marketing-Vereinbarungen, physische Archivierungsverträge und ähnliche Dienstleistungsvereinbarungen. Das System wird auf die spezifischen Klauseln und Risikobereiche dieser Verträge trainiert, die für AT 9 relevant sind.
3. Wie hoch sind die potenziellen Einsparungen durch KI bei der Vertragsprüfung?
Die Einsparungen hängen von der Menge und Komplexität der zu prüfenden Verträge ab. Praxis-Erfahrung zeigt, dass mittelständische Finanzinstitute den Prüfaufwand um 50-70% reduzieren können. Dies resultiert in Personalkosteneinsparungen von 50.000€ bis 150.000€ pro Jahr für eine Bank mit 1-2 Vollzeit-Prüfern. Zusätzlich werden Compliance-Risiken durch eine höhere Genauigkeit minimiert, was potenzielle Bußgelder und Reputationsschäden vermeidet.
4. Welche technischen Voraussetzungen sind für KI-gestützte Vertragsprüfung notwendig?
In der Regel wird eine Cloud-basierte SaaS-Lösung eingesetzt, die direkt über einen Webbrowser zugänglich ist. Wichtig sind sichere Schnittstellen zu Ihren bestehenden Dokumentenmanagement-Systemen (DMS) oder File-Shares für den automatischen Import der Verträge. Die Anbieter kümmern sich um die notwendige Rechenleistung und Skalierbarkeit. Ein dediziertes Team für die Implementierung ist nicht immer nötig, oft reicht die Zusammenarbeit mit einem externen Dienstleister.
5. Ist KI-gestützte Vertragsprüfung MaRisk-konform?
Ja, sofern die Lösung die spezifischen Anforderungen von MaRisk AT 4.3.4 (Modell-Modul) erfüllt. Dazu gehören die Erklärbarkeit der KI-Entscheidungen, die Robustheit und Zuverlässigkeit des Modells, die Vermeidung von Bias sowie die Interpretierbarkeit der Ergebnisse. Eine transparente Dokumentation des KI-Modells und der Prüfprozesse ist hierbei unerlässlich, um die Compliance gegenüber der BaFin zu gewährleisten.
Fazit und nächster Schritt
Die Anforderungen an die Vertragsprüfung im Finanzwesen werden durch die MaRisk-Novelle und DORA immer komplexer. Manuelle Prozesse sind ineffizient und fehleranfällig. KI-gestützte Lösungen bieten hier eine überzeugende Antwort: Sie automatisieren repetitive Aufgaben, erhöhen die Genauigkeit, entlasten qualifiziertes Personal und sichern die Compliance. Für mittelständische Banken und Finanzdienstleister ist dies nicht nur ein Effizienzgewinn, sondern eine strategische Notwendigkeit, um im Wettbewerb zu bestehen und regulatorischen Anforderungen gerecht zu werden.
Evaluieren Sie jetzt, wie eine KI-Lösung Ihre Vertragsprüfung optimieren kann. Sprechen Sie mit uns über ein unverbindliches Erstgespräch, um Ihre spezifischen Anforderungen und Potenziale zu besprechen.
📖 Verwandte Artikel
Weitere interessante Beiträge zu ähnlichen Themen
KI MaRisk AT 9 Bericht: -40% Zeit, höhere Compliance-Sicherheit
MaRisk AT 9 Berichte mit KI erstellen spart Finanzinstituten bis zu 40% der Arbeitszeit. Verbessern Sie die Qualität Ihrer internen Kontrollberichte und erhöhen Sie die Compliance-Sicherheit durch intelligente Automatisierung.
KI-IKS MaRisk Compliance: 40% mehr Effizienz, €150k sparen
Automatisieren Sie MaRisk-Compliance für Ihr IKS. KI-gestützte Systeme reduzieren manuelle Kontrollen um 40%, senken Risiken und sparen €150.000 Kosten p.a. – speziell für den Finanz-Mittelstand.
KI AnaCredit Meldewesen: 70% Aufwand senken, Compliance stärken
Deutsche Finanzinstitute reduzieren den Aufwand für AnaCredit-Meldungen um bis zu 70% mit KI. Erfahren Sie, wie Automatisierung Datenqualität sichert und Compliance stärkt.
Bereit für KI im Mittelstand?
Nutzen Sie unsere 10 kostenlosen KI-Tools und Praxis-Guides – oder sprechen Sie direkt mit unseren Experten.
Pexon Consulting – KI-Beratung für den Mittelstand | Scaly Academy – Geförderte KI-Weiterbildung (KI-Spezialist, KI-Experte, Workflow-Automatisierung)