Künstliche Intelligenz ist heute in jeder Bank präsent – doch sie ist nur selten ein echter Werttreiber im operativen Tagesgeschäft. Zwar planen rund 74 Prozent der Finanzinstitute KI-Investitionen, aber nur 3 Prozent verfügen über eine vollständig integrierte Strategie mit messbarem Beitrag zum Geschäftserfolg.
Die Zeit der ersten kleinen Experimente ist vorbei, doch die erhofften Effizienzgewinne lassen bei den meisten noch auf sich warten. Gleichzeitig steigen die weltweiten IT-Budgets im Bankensektor um fast 9 Prozent pro Jahr – der Druck auf das Management, greifbare Ergebnisse zu liefern, wächst entsprechend. Eine Erkenntnis setzt sich dabei zunehmend durch: Es reicht nicht, einfach KI-Tools zu kaufen.
Fünf Beobachtungen aus der Praxis
- Vom Testlauf zur echten Strategie: Die überwiegende Mehrheit der KI-Projekte der vergangenen Jahre kam über den Pilotstatus nicht hinaus. Messbarer Nutzen in der Produktion bleibt die Ausnahme. Der nächste Schritt muss sein, KI fest in Kernprozesse zu verankern, um den operativen Erfolg der Bank nachhaltig zu beeinflussen.
- Fokus auf die echten Hebel: Viele Banken haben KI bisher vorrangig genutzt, um im Kundenservice oder in der Verwaltung Kosten zu senken. Der deutlich größere Hebel liegt in der Enterprise Intelligence: KI hilft, Fehlentscheidungen im Management zu vermeiden und regulatorische Anforderungen sicher einzuhalten – das ist strategisch und finanziell relevanter als reines Cost Cutting.
- IT-Ressourcen bleiben endlich: KI-Tools beschleunigen die Softwareentwicklung, doch für Banken verpufft dieser Vorteil oft. Der Druck durch neue Gesetze und Reporting-Pflichten absorbiert die gewonnenen Freiräume. Anders als in anderen Branchen bleibt im Bankwesen kaum Spielraum für Innovationsprojekte, weil regulatorische Anforderungen die IT-Teams für den laufenden Betrieb voll auslasten.
- Datenzentralismus war gestern: Die Zentralisierung aller Daten auf einer Plattform war das uneingelöste IT-Versprechen der vergangenen Jahrzehnte. Zu langwierig, zu teuer, zu viele Migrationsprobleme – und am Ende ein Zielsystem, das Veränderungen in Quellsystemen und Regulatorik nie vollständig einholt.
- Datensouveränität gewinnt an Bedeutung: Banken brauchen volle Kontrolle über ihre sensiblen Daten. Hybride Modelle setzen sich deshalb durch: Kritische Daten verbleiben im eigenen Haus, für unkritische Aufgaben wird die Cloud genutzt. So bleiben Institute unabhängig und erfüllen gleichzeitig gesetzliche Anforderungen.
Diese Beobachtungen erheben keinen Anspruch auf universelle Gültigkeit; sie spiegeln Erfahrungen aus der täglichen Arbeit wider und skizzieren Herausforderungen, die in der Branche immer wieder anzutreffen sind.
Drei Leitprinzipien für eine tragfähige KI- und Datenstrategie
Institute, die jetzt die richtigen Weichen stellen, können einen echten Technologiesprung vollziehen. Drei Prinzipien haben sich dabei als wegweisend erwiesen:
- KI als Enabler für Compliance: Regulatorik und KI sind keine Gegenspieler. Über Ansätze wie RegTech fungiert KI als zentraler Compliance-Enabler. Banken sollten dies als strategisches Investment verstehen – um regulatorische Prozesse nicht nur zu erfüllen, sondern proaktiv zu gestalten.
- Auf Daten zugreifen statt sie zu sammeln: Statt Daten physisch in einem System zu bündeln, ist es effizienter, über Plattformen direkt auf verschiedene Quellen zuzugreifen. Das ist schneller, kostengünstiger und deutlich weniger fehleranfällig als physische Konsolidierung.
- Data Access und Datenhoheit: Indem Banken Datenzugangsplattformen in der eigenen Infrastruktur betreiben, behalten sie die volle Kontrolle über sensible Daten. Moderne KI-Modelle lassen sich so sicher nutzen, ohne dass vertrauliche Informationen das Haus verlassen.
Was institutionelle Anleger von ihrer Bank erwarten sollten
Für institutionelle Investoren ist die KI- und Datenstrategie einer Bank kein rein technisches Thema mehr – sie ist ein Indikator für strategische Reife und operative Belastbarkeit. Wer beurteilen möchte, ob eine Hausbank oder ein Asset Manager wirklich auf dem richtigen Kurs ist, sollte auf folgende Signale achten:
Konkrete Ergebnisse statt Pilotprojekte: Eine belastbare Strategie zeigt sich nicht in Ankündigungen, sondern in messbaren Erfolgen – etwa in der Geschwindigkeit regulatorischer Berichterstattung, der Qualität des Risikomanagements oder der Effizienz von Compliance-Prozessen.
KI als Teil der Governance, nicht als Abteilungsprojekt: Sind KI-Initiativen auf C-Level-Ebene verankert und in die strategische Steuerung eingebunden, ist das ein Zeichen institutioneller Ernsthaftigkeit. Ist KI hingegen nur in einer isolierten Innovationseinheit angesiedelt, fehlt es häufig an operativer Wirkung.
Nachvollziehbarer Umgang mit Regulatorik: Banken, die KI aktiv für Compliance und Reporting einsetzen, sind regulatorisch robuster aufgestellt. Investoren sollten gezielt fragen, wie ihr Institut mit wachsenden Anforderungen – etwa aus Dora, Basel IV oder ESG-Reporting – umgeht und ob KI dabei eine aktive Rolle spielt.
Diese Fragen lassen sich in Gesprächen mit Relationship Managern, in Investorenberichten oder bei Due-Diligence-Prozessen gezielt einsetzen – und helfen dabei, echte strategische Substanz von gut vermarkteten Schlagworten zu unterscheiden.
Fazit
Die nächste Phase der KI-Transformation entscheidet sich nicht am Modell, sondern an der Datenarchitektur. Banken, die ihre Datenstrategie vom Sammeln auf Zugreifen umstellen, werden Enterprise Intelligence schneller produktiv einsetzen als Institute, die weiter auf zentrale Plattformprojekte warten. Datenhoheit ist dabei kein regulatorisches Zugeständnis, sondern der entscheidende Hebel.
Hinweis zum Interessenkonflikt: Korbinian Zollner ist als Solution Architect bei Starburst tätig, einem Anbieter von Daten- und Analyseplattformen, deren Ansätze sich mit den im Artikel beschriebenen Lösungskonzepten inhaltlich überschneiden. Der vorliegende Beitrag gibt die persönliche Einschätzung der Autoren wieder und stellt keine Produktempfehlung dar.
Über die Autoren
Manfred Artmeier ist Gründer und Geschäftsführer der auf Regtech spezialisierten Investment- und Consulting-Boutique Acceederate sowie Inhaber mehrerer Advisory-Mandate im Technologiebereich. Zuvor war er in mehreren Managementpositionen im FinTech-Sektor tätig.
Korbinian Zollner ist Solution Architect im Europa-Management von Starburst und berät seit mehr als 15 Jahren Geschäftskunden bei IT-Transformationsprojekten mit den Schwerpunkten Datenmanagement und Anwendungsintegration.