FEAT im Kontext: Singapurs Führungsrolle in der KI-Governance

Die Monetary Authority of Singapore (MAS) veröffentlichte im November 2018 ihre Grundsätze zur Förderung von Fairness, Ethik, Verantwortlichkeit und Transparenz (Principles to Promote Fairness, Ethics, Accountability and Transparency, FEAT) beim Einsatz von künstlicher Intelligenz und Datenanalyse und war damit eine der ersten großen Finanzaufsichtsbehörden weltweit, die eine KI-spezifische Governance-Leitlinie herausgab. Die FEAT-Prinzipien sind seither zum grundlegenden Rahmen für KI-Governance im singapurischen Finanzsektor geworden und haben Rahmenwerke für die KI-Governance in der gesamten ASEAN-Region und darüber hinaus beeinflusst.

Obwohl die FEAT-Prinzipien formell freiwillig sind, die MAS hat sie (noch) nicht rechtsverbindlich gemacht, wirken sie in der Praxis als aufsichtsrechtliche Erwartungen. Aufsichtsgespräche der MAS, thematische Prüfungen und der Austausch mit der Branche verweisen durchgängig auf FEAT als den Maßstab, an dem die KI-Governance-Praktiken von Finanzinstituten gemessen werden. Die Konsultation vom November 2025 zu Leitlinien für das KI-Risikomanagement signalisiert, dass formelle verbindliche Anforderungen bevorstehen, doch Institute, die FEAT noch nicht umgesetzt haben, sollten nicht auf die endgültigen Regeln warten.

Fairness: mehr als rechtliche Compliance

Das FEAT-Fairnessprinzip umfasst zwei Komponenten. Erstens die Nichtdiskriminierung: KI-Systeme sollten keine Ergebnisse erzeugen, die Einzelpersonen oder Gruppen aufgrund geschützter Merkmale in unfairer Weise diskriminieren. Zweitens, und anspruchsvoller, gerechte Ergebnisse: KI-Systeme sollten historische Verzerrungen, die in den Trainingsdaten eingebettet sind, nicht fortschreiben, selbst wenn diese Verzerrungen nicht ausdrücklich auf geschützte Merkmale Bezug nehmen. Diese zweite Komponente geht über das hinaus, was die meisten Antidiskriminierungsgesetze verlangen, und begründet eine proaktive Pflicht, Proxy-Diskriminierung zu erkennen und ihr zu begegnen.

Die Fairness-Bewertungsmethodik des Veritas-Konsortiums bietet spezifische quantitative Kriterien zur Bewertung von Fairness in KI-Systemen für Finanzdienstleistungen. Die Methodik legt fest: welche Fairness-Metriken für welche Arten von Entscheidungen geeignet sind (Kredit, Versicherung, Anlageberatung), welche Schwellenwerte auf ein Fairness-Problem hindeuten, das einer Untersuchung bedarf, und wie die Zielkonflikte zwischen verschiedenen Fairness-Definitionen zu bewerten sind. Die Umsetzung der Veritas-Methodik erfordert Investitionen in Data-Science-Kompetenz und statistisches Fachwissen, liefert jedoch belastbare Nachweise der Fairness-Bewertung, die den aufsichtsrechtlichen Erwartungen der MAS gerecht werden.

Erklärbarkeit: der Ansatz Singapurs

Das FEAT-Transparenzprinzip verlangt, dass Finanzinstitute ihre KI-gestützten Entscheidungen gegenüber betroffenen Kunden und gegenüber der MAS erläutern können. Die Anforderung der Erklärbarkeit hat sowohl technische als auch operative Dimensionen. Die technische Dimension: Das KI-System muss Erklärungen seiner Entscheidungen erzeugen, nicht nur einen Score, sondern die Faktoren, die zu dem Score beigetragen haben, und deren relative Bedeutung. Die operative Dimension: Die Erklärungen müssen den Kunden in einer Weise vermittelt werden, die zutreffend, verständlich und umsetzbar ist, ein Kunde, dem ein Kredit verweigert wurde, sollte nachvollziehen können, was er anders machen könnte, um sein Ergebnis zu verbessern.

Weiterführende Lektüre: PDPC AI Governance

Verwandte Artikel

Weiterführende Lektüre: PDPC AI Governance