Die Einsatzfelder reichen von der Datenanalyse über die Kunden-Personalisierung bis zu Kreditprozessen, Compliance sowie Risiko- und Wissensmanagement. KI ist mittlerweile im Kern des Bankgeschäfts angekommen, der messbare Wert bleibt jedoch häufig noch aus.
Warum die meisten KI-Piloten verpuffen
Anwendungsfälle zu finden, fällt Banken heute leicht. Die eigentliche Hürde liegt darin, KI-Investitionen in konkrete Produktivitäts- und Effizienzgewinne zu übersetzen. Viele Finanzinstitute verfügen über zahlreiche Ideen und Pilotprojekte, scheitern jedoch an der Skalierung. Aus unserer Erfahrung betreibt die große Mehrheit der Institute ihre KI-Projekte weiterhin als isolierte Einzelinitiativen ohne strategische Koordination.
Warum der EU AI Act gerade die wertvollsten Anwendungen trifft
Zusätzlich steigt der regulatorische Druck durch den EU AI Act. Gerade im Bankensektor fallen viele der relevantesten KI-Anwendungen in die höchste Risikoklasse. Systeme zur Kreditentscheidung beispielsweise müssen künftig nachvollziehbar, datenbasiert und durch menschliche Kontrollmechanismen abgesichert sein. Gleichzeitig gelten weiterhin Anforderungen aus DORA, DSGVO und dem Modellrisikomanagement. Dadurch entsteht erhebliche Komplexität. Umso wichtiger ist ein integrierter Governance-Ansatz, der diese Vorgaben zusammenführt. Die ursprünglich für August 2026 geplanten Pflichten werden nach der politischen Einigung zum Digital Omnibus voraussichtlich erst Ende 2027 vollständig wirksam. Wer die zusätzliche Zeit jetzt nutzt, kann sich einen entscheidenden Vorsprung sichern.
Den Hebel an den Kernprozessen ansetzen
Erfolgreiche Banken betrachten KI als festen Bestandteil ihrer Transformation. Entscheidend ist, wo KI den größten geschäftlichen Mehrwert schafft. Das größte Potenzial liegt in Kernprozessen mit hohem Dokumentationsaufwand, vielen manuellen Arbeitsschritten und Medienbrüchen: von der Kreditbearbeitung über das Kunden-Onboarding bis zu KYC- und Compliance-Prozessen.
Ein Beispiel aus der Praxis verdeutlicht, was das konkret bedeutet: Eine internationale Großbank stand vor der Aufgabe, über 300 kritische Batch-Prozesse auf Legacy-Mainframes zu modernisieren. Die darin eingebettete Geschäftslogik war in knapp drei Millionen Zeilen COBOL-Code gewachsen und für die eigenen Teams kaum noch nachvollziehbar; für jede Veränderung ein erhebliches operatives Risiko. Mithilfe KI-gestützter Code-Analyse wurden die Geschäftsregeln innerhalb von acht Wochen extrahiert und in strukturierte, prüfbare Spezifikationen überführt, bei 70 bis 85 Prozent weniger manuellem Aufwand. Die Analysezeit pro Batch-Feed sank von 35 auf fünf Tage. Entscheidend für die Bank: Die regulatorische Nachvollziehbarkeit blieb dabei jederzeit gewährleistet.
Der eigentliche Wettbewerb beginnt jetzt
Entscheidend ist nicht die Zahl der Use Cases, sondern ob KI das Geschäftsergebnis spürbar verbessert. Banken, die KI heute konsequent in ihre Wertschöpfung integrieren, werden in den kommenden Jahren produktiver arbeiten und Wettbewerbsvorteile aufbauen. Andere werden weiterhin über erfolgreiche Pilotprojekte berichten, ohne deren wirtschaftlichen Nutzen zu sehen. Im Banking ist KI längst eine strategische Führungsentscheidung.
Über den Autor: Alexander Schroff verantwortet bei Publicis Sapient, einem Technologieunternehmen für Enterprise-AI-Plattformen und Strategy-Consulting-Services, die Leitung der Financial Services Practice in der DACH-Region.
Fotocredit ist Publicis Sapient.
Autor:
