Santander hat vor Kurzem elf KI-Projekte auf GitHub veröffentlicht und nennt das “shared innovation”. Fast zeitgleich hat die Commonwealth Bank of Australia eine Studie vorgelegt, die zeigt, warum Bestenlisten-Sieger selten die besten Bank-Modelle sind. Beide Initiativen werben mit demselben Versprechen – Transparenz jenseits der reinen KI-Hype-Logik. Ein Vergleich zeigt: Es handelt sich um zwei grundverschiedene Formen von Offenheit, und nur eine davon lässt sich tatsächlich nachprüfen.
Wenn eine Bank ihre KI-Arbeit “öffnet”, klingt das zunächst nach einer einheitlichen Geste: Wir zeigen, was wir können, damit andere davon lernen. Tatsächlich verbergen sich hinter diesem Wort mindestens zwei sehr unterschiedliche Dinge – und der Unterschied lohnt einen genaueren Blick, weil er etwas Grundsätzliches über die Grenzen von Transparenz im Bankensektor offenlegt.
Der Fall Santander: Governance-Werkzeuge statt Kernmodelle
Santanders AI Lab hat kürzlich elf Repositories unter Apache‑2.0‑Lizenz veröffentlicht. Darunter: ein Generator für synthetische Betrugsnetzwerke (gen-fraud-graph), ein Framework zur Fairness-Prüfung mittels kontrafaktischer Vergleichspersonen (mutatis-mutandis), ein Governance-Layer für risikobehaftete LLM-Entscheidungen (mech-gov-framework) sowie ein herstellerneutraler LLM-Client. Der Leiter des AI Lab begründet den Schritt damit, dass die nächste Phase der KI nicht davon abhänge, wer Zugang zu den leistungsfähigsten Modellen habe, sondern wer in der Lage sei, sie mit Sorgfalt und Nachvollziehbarkeit einzusetzen.
Das klingt zunächst überzeugend – und ist es in einem engen Sinn auch. Nur lohnt der Blick auf das, was nichtveröffentlicht wurde. Santander selbst beschreibt intern einen zweistufigen F…