Teil 3 — Die Architektur: Vier Verschiebungen und die Übersetzer-These

Serie „Compliance-Disruption“ · Teil 3 von 3

Eine Vorbemerkung zur Tonlage

Disruption in Compliance klingt nach Bühnenpräsentation und Startup-Auftritt. Sie ist aber nie so abgelaufen. Die tatsächlichen Umbrüche dieses Marktes in den letzten zwei Jahrzehnten waren leise. Und genau deshalb nachhaltig. Wer die nächste Welle verstehen will, sieht zuerst nach, wie die vergangenen abgelaufen sind.

Drei stille Disruptionen der letzten fünfzehn Jahre

Drei Umbrüche. Fünfzehn Jahre. Drei Anbieter, die stehen geblieben sind, während ihre Technologie unter ihnen ausgetauscht wurde.

Name-Matching und Fellegi-Sunter-Algorithmen (späte 2000er). Von handgepflegten Sanktionslisten mit Fuzzy-Logik zu probabilistischem Record Linkage. Niemand rief Disruption. World-Check und Dow Jones bauten auf dieser technischen Welle ihre Marktmacht erst aus. Die Oberfläche zum Compliance-Officer veränderte sich kaum. Die Unterlage wurde komplett ausgetauscht.

Cloud-Migration (2015–2022). Actimize, SAS und Oracle zogen widerstrebend aus dem On-Premise-Modell in die Cloud. Kein einziger Cloud-nativer Startup-Disruptor verdrängte einen der drei. Aber das Betriebsmodell der gesamten Branche kippte. Was 2015 als „Cloud-First-Bewegung“ verkauft wurde, war 2022 eine Selbstverständlichkeit, über die niemand mehr schrieb.

Erklärbarkeit (seit 2020). Shapley Values, LIME, Counterfactuals wanderten vom akademischen Spielzeug zur regulatorischen Pflichtübung. In drei Jahren, ohne Buzzword-Phase. Heute ist es undenkbar, ein AML-Scoring ohne Erklärbarkeit auszuliefern. 2018 war es normal.

Drei Muster, die sich wiederholen:

1. Die Disruption war technologisch, nicht markenstrategisch. Es ging nie darum, einen Anbieter zu verdrängen. Es ging darum, die Technologie unter der Oberfläche auszutauschen.
2. Sie erhöhte die Prüfungsfestigkeit. Jedes Mal wurde die Unterlage, die ein Compliance-Officer an seinen Prüfer schicken konnte, besser — präziser, besser dokumentiert, regulatorisch anschlussfähiger.
3. Die Incumbents absorbierten die Welle. Sie wurden nicht ersetzt. Sie wurden umgebaut.

Das ist die Definition nachhaltiger Disruption in diesem Markt. Alles andere ist Konferenz-Rhetorik.

Die vier Verschiebungen 2026

Vier Bewegungen. Jede für sich bereits in Gang. Zusammen verschieben sie die Mathematik dieses Marktes.

Jede dieser vier Verschiebungen für sich allein würde wenig ändern. Zusammengenommen verschieben sie die Mathematik.

Das Label-Problem, neu verstanden

Eine Mittelbank produziert vielleicht 200 bestätigte Verdachtsmeldungen pro Jahr. Ein ML-Modell braucht für robuste Mustererkennung ein Vielfaches davon. Das war historisch der Grund, warum selbst technisch kompetente Institute auf proprietäre Anbieter zurückgriffen: Die Anbieter aggregierten Daten über ihre Kundenbasis und trainierten darauf. Die Bank kaufte ein Modell, das auf Fremddaten gelernt hatte.

Federated Learning kehrt diese Logik um. Zehn Genossenschaftsbanken, die jeweils 200 Fälle haben, erreichen über einen föderierten Trainingsprozess effektiv 2.000 Fälle — ohne dass eine Bank Rohdaten an eine andere oder an einen Aggregator sendet. Die Parameter-Updates werden homomorph verschlüsselt ausgetauscht. Das zentrale Modell lernt, ohne die zugrunde liegenden Transaktionen zu sehen.

Das ist kein theoretisches Konstrukt mehr. NVIDIAs FLARE-Dokumentation beschreibt explizit den Anwendungsfall „Bridging Data Silos in Financial Services“.⁸ Die technische Machbarkeit ist dokumentiert. Was fehlt, ist die institutionelle Trägerstruktur.

Und genau an dieser Stelle hat der DACH-Raum einen ungewöhnlichen strukturellen Vorteil: Der Genossenschaftsverbund mit Atruvia und der Sparkassen-Verbund mit der Finanz Informatik bieten exakt die föderative Governance, die Federated Learning auf 700 bzw. 350 Institute skalieren könnte. Ohne M&A. Ohne regulatorische Konstrukte, die es noch nicht gibt.

So weit die strukturelle Chance. Die gelebte Realität ist widersprüchlicher. Die Finanz Informatik hat seit 2018 wiederholt ambitionierte KI-Initiativen für den Sparkassenverbund angekündigt; in die Produktion bei 350 Instituten sind bisher nur Bruchstücke gelangt. Atruvia teilt dieses Muster. Das Problem ist nicht fehlende Technologie. Es sind Governance-Gremien, Rechenzentrums-Release-Zyklen, Konsensbildungspflichten über hunderte Institute und eine verständliche Risikoaversion regulierter Infrastruktur-Betreiber. Federated Learning ist technisch marktreif. Der Weg zum flächendeckenden Deployment in einem Verbund bleibt ein mehrjähriger organisatorischer Prozess.

Das entwertet die These nicht. Es präzisiert sie. Die föderative Infrastruktur wird kommen — aber diejenigen, die sie tatsächlich in Betrieb bringen, werden weniger Code schreiben als Sitzungen moderieren. Die entscheidende Kompetenz ist nicht ML-Engineering, sondern die Fähigkeit, technische Machbarkeit und institutionelle Konsensbildung zu synchronisieren. Das ist eine andere Disziplin. Und sie ist der eigentliche Engpass.

Die Übersetzer-These

Die sichtbare Disruption wird nicht stattfinden. Keine Schlagzeile über den Niedergang von NICE Actimize. Keine plötzliche Verdrängung der Thomson-Reuters-Datenhegemonie. Die Oberfläche zum Compliance-Officer wird sich über Jahre nur graduell verändern.

Was stattfindet, ist der systematische Austausch der Unterlage. Bestehende Anbieter werden leise auf offenen Modellen und föderierten Architekturen neu aufbauen. Neue Anbieter werden entstehen, die offene Bausteine in regulatorisch attestierte Produkte verpacken. Verbünde wie Atruvia und Finanz Informatik werden föderative Infrastrukturen deployen — ohne sie „disruptiv“ zu nennen, weil das ihre Institute abschrecken würde.

Ein Vorbehalt zur Ökonomie dieses Austauschs: Die Verlagerung von Lizenzkosten zu Integrationsarbeit ist betriebswirtschaftlich kein automatischer Gewinn. Senior-ML-Engineers mit GwG- und Regulatorik-Tiefe liegen im DACH-Raum bei 180.000–250.000 € Jahresgesamtkosten. Fünf davon in einem Team kompensieren rechnerisch die Actimize-Lizenzersparnis einer Mittelbank. Die TCO-Rechnung kippt erst bei skalierter Nutzung — also genau dort, wo Verbundstrukturen die Spezialistenkosten auf viele Institute verteilen können. Für ein einzelnes Mittelinstitut, das isoliert eine eigene Lösung bauen will, bleibt die proprietäre Option vorerst die betriebswirtschaftlich rationalere. Die Disruption passiert im Verbund, nicht in der Einzelbank. Das ist keine Einschränkung der These. Es ist ihre Präzisierung: Sie adressiert das richtige Subjekt.

Die Gewinner sind Übersetzer: diejenigen, die offene Fähigkeiten in seriöse Oberflächen verwandeln, die ein Risikoausschuss unterschreibt, die ein Prüfer akzeptiert, die ein Vorstand verantworten kann.

Diese Rolle verlangt eine ungewöhnliche Kombination: tiefe Regulatorik-Kenntnis, technische Engineering-Kompetenz, die Fähigkeit zur nachweisbaren Dokumentation nach Annex III — und die Disziplin, nicht disruptiv zu klingen. Die lautesten Stimmen im Markt besetzen diese Rolle nicht. Es sind die leisesten.

Die Prognose

Die 206 Milliarden globaler Compliance-Kosten werden nicht verschwinden. Sie werden umgelenkt. Von Lizenzgebühren zu Integrationsarbeit. Von Black-Box-Abhängigkeit zu dokumentierter eigener Fachlichkeit. Von zentralisierten Datenaggregatoren zu föderierten Netzwerken.

Das ist keine Disruption im Silicon-Valley-Sinn. Es ist, historisch präziser, die vierte stille Welle nach Name-Matching, Cloud und Erklärbarkeit.

Wer sie als Disruption inszeniert, wird ignoriert. Wer sie als Übersetzungsarbeit betreibt, wird in fünf Jahren gelesen.