Confidential Computing in der Finanz- und Versicherungsbranche
Banken und Versicherungen stehen vor einem Zielkonflikt: Sie wollen hochsensible Daten für Cloud-Dienste, KI und gemeinsame Analysen nutzen, ohne externen Dienstleistern Zugriff auf diese Informationen zu gewähren. Confidential Computing schützt Daten auch während ihrer Verarbeitung vor privilegierten Zugriffen. Damit eröffnet die Technologie neue Anwendungsmöglichkeiten und unterstützt zugleich die Umsetzung der Data-in-Use-Anforderungen von DORA.
Finanzunternehmen und Versicherungen verarbeiten in nahezu allen Kernprozessen besonders schützenswerte Informationen wie Identitäts- und Kontodaten, Transaktionsinformationen, Handelspositionen, Risiko- und Bewertungsmodelle oder Versicherungs- und Schadendaten. Das Grundproblem: Diese hochsensiblen Informationen durchlaufen zahlreiche Systeme, von der eigenen IT-Landschaft bis zu Cloud-basierten Plattformen und Infrastrukturen externer Dienstleister – und müssen dabei jederzeit vertraulich bleiben.
Solange die Daten gespeichert oder zwischen Systemen übertragen werden, sind sie meist gut geschützt (= verschlüsselt). Damit Transaktionen ausgeführt, Risiken bewertet oder Betrugsmuster erkannt werden können, müssen Daten jedoch verarbeitet werden. In klassischen Architekturen sind sie dabei im Klartext (= unverschlüsselt) zugänglich. Abhängig von der Architektur verfügen dabei das Betriebssystem sowie privilegierte Administratoren des Unternehmens oder des Plattformbetreibers über privilegierte Zugriffsmöglichkeiten. Klassische Verschlüsselung greift hier zu kurz.
Confidential Computing schließt diese Lücke mit hardwarebasierten Trusted Execution Environments (TEEs). Diese Ausführungsumgebungen isolieren Workloads von der übrigen Infrastruktur und schützen Daten während der Verarbeitung. Mithilfe der sogenannten Remote Attestation lässt sich kryptografisch prüfen, ob die Ausführungsumgebung und die von der jeweiligen TEE erfassten Komponenten dem freigegebenen Referenzzustand entsprechen. In einer entsprechend konzipierten Architektur werden Schlüssel erst dann freigegeben, wenn die Attestierung erfolgreich gegen die vorgegebenen Richtlinien geprüft wurde – nach dem Prinzip „No attest, no key“.
Datenkontrolle bei Nutzung der Cloud und externer Dienstleister
Würde die unverschlüsselte Datenverarbeitung komplett On-Premises und In-house laufen, bliebe der fehlende Schutz von Data in Use zwar problematisch, wäre jedoch weniger risikobehaftet. Banken, Versicherungen, Broker, Verwahrstellen und regulierte Fintechs greifen allerdings zunehmend auf externe Technologieanbieter zurück. Dazu gehören Cloudplattformen, spezialisierte Fraud- und AML-Lösungen und KI-Dienste.
Damit entsteht ein Zielkonflikt: Diese Drittanbieterlösungen sind fachlich sinnvoll oder für die Modernisierung bestehender Prozesse sogar zwingend notwendig. Gleichzeitig dürfen die Anbieter nicht automatisch Zugriff auf Kunden- und Transaktionsdaten erhalten.
Vertragliche Vorgaben und Identity & Access Management-Lösungen begrenzen dieses Risiko in erster Linie organisatorisch. Confidential Computing ergänzt diese Maßnahmen um eine neue Schutzebene, die sensible Daten auch gegenüber privilegierten Nutzern abschirmt. In diesem Modell verwaltet der Dienstleister die Infrastruktur, während sein Zugriff auf die innerhalb der TEE verarbeiteten Daten und Anwendungen durch die hardwarebasierte Isolation erheblich eingeschränkt ist. Voraussetzung ist ein kundenseitig kontrolliertes oder vom Infrastrukturbetreiber unabhängiges Schlüssel- und Secrets-Management. Schlüssel dürfen dabei erst nach erfolgreicher Prüfung der vorgesehenen Ausführungsumgebung freigegeben werden.
So können Finanzunternehmen und Versicherungen sensible Anwendungen auch in externen Cloud-Umgebungen betreiben und dabei das Risiko eines unbefugten Zugriffs auf die verarbeiteten Daten erheblich reduzieren. Auch bei KI-Anwendungen mit sensiblen oder regulatorisch relevanten Daten sollte risikobasiert geprüft werden, ob Confidential Computing als zusätzliche Vertrauens- und Schutzschicht erforderlich ist.
Confidential AI: Risiken effektiv reduzieren
Erfahren Sie hier mehr über die Grundlagen von Confidential AI (inklusive Confidential RAG).
Künstliche Intelligenz unterstützt Unternehmen der Finanz- und Versicherungsbranche dabei, große interne Informationsbestände effizienter zu nutzen und damit etwa Betrugsmuster früher zu erkennen und Risiken schneller zu bewerten. Viele Projekte geraten jedoch ins Stocken oder scheitern bereits an der Sicherheitsprüfung, sobald reale Unternehmensdaten verarbeitet werden sollen.
Confidential AI unterstützt zwei Ansätze, um diese Herausforderung zu adressieren:
Beim ersten Ansatz läuft das KI-Modell selbst innerhalb einer TEE. Dort werden beispielsweise ein eigenentwickeltes oder offen verfügbares Modell sowie die benötigten Daten geschützt zusammengeführt. Training, Fine-Tuning oder Inferenz finden innerhalb der isolierten Umgebung statt.
Bei proprietären Modellen externer Anbieter lassen sich Modellgewichte und Laufzeitumgebung in der Regel nicht in eine vom Kunden unabhängig betriebene Enklave überführen. Bietet der Modellanbieter selbst keine überprüfbare Confidential-Inference-Umgebung an, kann eine innerhalb einer TEE betriebene GenAI-Firewall das Risiko des Datenabflusses reduzieren. Sie filtert oder pseudonymisiert sensible Prompt-Inhalte vor der Übermittlung und reichert die Antwort anschließend innerhalb der geschützten Umgebung wieder mit internen Informationen an. Eine solche Firewall macht also nicht das externe Modell selbst zu einer Confidential-Computing-Anwendung, sondern stellt sicher, dass sensible Informationen nur innerhalb vertraulicher Ausführungsumgebungen verarbeitet werden.
Genau dieses Grundprinzip ist auch bei der Zusammenarbeit mehrerer Organisationen entscheidend.
Vertrauliche, organisationsübergreifende Zusammenarbeit
Viele Aufgaben im Finanzsektor lassen sich nicht innerhalb eines einzelnen Unternehmens lösen, da relevante Informationen über verschiedene Akteure verteilt sind. Eine gemeinsame Auswertung könnte hier bessere Erkenntnisse liefern, doch ist der Austausch von Daten ist in der Praxis oftmals schwierig. Die beteiligten Organisationen dürfen ihre vollständigen Transaktions- und Kundendaten weder untereinander noch gegenüber einem zentralen Analyseanbieter offenlegen. Deshalb bleibt die Zusammenarbeit häufig punktuell und langsam.
Confidential Computing ermöglicht es, dass mehrere Organisationen Daten für einen klar definierten Prozess bereitstellen, ohne dass sie für die übrigen Beteiligten oder den Plattformbetreiber im Klartext lesbar sind. Die Verarbeitung erfolgt innerhalb einer hardwareisolierten und attestierbaren Umgebung, deren Arbeitsspeicher gegenüber der übrigen Infrastruktur verschlüsselt und abgeschottet ist. Welche Daten einfließen dürfen, welcher Code ausgeführt wird und welche Ergebnisse die Umgebung verlassen, lässt sich über gemeinsame Regeln festlegen. Die technische Durchsetzung setzt voraus, dass Eingabedaten, zulässiger Code, Referenzwerte, Schlüsselzugriff und erlaubte Ausgaben vorab verbindlich definiert und von allen Beteiligten überprüfbar freigegeben werden.
Ein anschauliches Beispiel ist die Fraud Detection. Zusammenhängende Muster lassen sich oft erst über mehrere Finanzinstitute und Zahlungsdienstleister erkennen. In einer geschützten Kooperationsumgebung analysieren die Beteiligten ausgewählte Signale gemeinsam, ohne vollständige Transaktions- oder Kundendaten untereinander auszutauschen. Nach außen gelangen nur zuvor festgelegte Ergebnisse, beispielsweise Trefferindikatoren. Vergleichbare Modelle sind auch bei gemeinsamen Risikoanalysen, in der Geldwäscheprävention oder bei organisationsübergreifenden Identitätsprüfungen denkbar.
Auf diesem Weg lassen sich auch freiwillige Vereinbarungen zum Austausch von Informationen und Erkenntnissen über Cyberbedrohungen gemäß Artikel 45 DORA technisch unterstützen bzw. absichern. Confidential Computing ist für DORA-Compliance jedoch an anderer Stelle von größerer Bedeutung.
DORA rückt Data in Use in den Fokus
DORA (Artikel 9, Absatz 2) verlangt ausdrücklich hohe Standards für Verfügbarkeit, Authentizität, Integrität und Vertraulichkeit von Daten im Ruhezustand, bei der Übertragung und während ihrer Nutzung. Die ergänzende Delegiertenverordnung 2024/1774 (Artikel 6, Absatz 2) spezifiziert, dass auch Data-in-Use zu verschlüsseln (oder in getrennten und geschützten Umgebungen zu verarbeiten) ist, soweit erforderlich.
Confidential Computing adressiert diese Anforderungen durch hardwareisolierte und attestierbare Trusted Execution Environments, deren Arbeitsspeicher gegenüber der übrigen Infrastruktur geschützt wird. Die Technologie ist damit eine wichtige Ergänzung rechtlicher Vereinbarungen: Während ein Vertrag organisatorisch festlegt, dass ein Dienstleister bestimmte Daten nicht einsehen darf, begrenzt die hardwareisolierte Ausführungsumgebung den entsprechenden Zugriffspfad auch technisch. Attestierungsergebnisse können zusätzliche technische Evidenz für Kontroll- und Nachweisprozesse liefern. Sie werden jedoch erst durch definierte Policies, eine verlässliche Verifikation, manipulationsgeschützte Protokollierung und die Einbindung in das interne Kontrollsystem zu belastbaren Nachweisen.
Confidential Computing zahlt darüber hinaus auf verschiedene DORA-Schutzziele ein, besonders in den Bereichen IKT-Risikomanagement und IKT-Drittparteienrisiken.
Einen ausführlichen Beitrag zu Confidential Computing und DORA-Compliance finden Sie hier.
Fazit
Confidential Computing ist nicht einfach eine weitere Verschlüsselungsschicht. Die Technologie verändert, wem ein Unternehmen bei der Verarbeitung sensibler Daten vertrauen muss und ob sich dieses Vertrauen technisch überprüfen lässt.
So können Finanzunternehmen und Versicherungen nun die privilegierten Zugriffsmöglichkeiten von Administratoren und externen Betreiber effektiv einschränken. Zugang zu sensiblen Daten lässt sich nun technisch an einen attestierten Zustand des Workloads und an definierte Freigaberegeln binden.
Genau deshalb ist Confidential Computing für die Finanz- und Versicherungsbranche so relevant – weil es zwei bislang häufig gegensätzliche Ziele miteinander verbindet: sensible Daten besser zu schützen und sie zugleich für Cloud, KI, externe Dienstleister und organisationsübergreifende Analysen nutzbar zu machen. Das Ergebnis sind effizientere und sichere Prozesse, die zugleich einen wichtigen technischen Beitrag zur Erfüllung regulatorischer Anforderungen wie DORA leisten.
“Confidential Computing ist nicht einfach eine weitere Verschlüsselungsebene. Die Technologie verändert, wem Unternehmen bei der Verarbeitung sensibler Daten vertrauen müssen – und ob sich dieses Vertrauen technisch überprüfen lässt.”
See the sealed version on your own stack, with the evidence your auditor gets to check.
TALK TO AN EXPERT →.png)