Advertorial Artikel aus dem Handelsblatt Journal Banking 2025 vom 03.09.2025
Herr Hammann, wo sehen Sie aktuell das größte Potenzial für KI in Banken?
Das größte Potenzial liegt zurzeit darin, dass KI uns viele manuelle, zeitraubende Prozesse abnehmen kann. Je datengetriebener Banken agieren, desto wichtiger werden Systeme, die große Datenmengen effizient analysieren. Statt Informationen mühsam in verschiedenen Quellen zu suchen, liefert KI strukturierte Antworten auf einfache Abfragen. Das spart Zeit, reduziert Fehler und entlastet die Mitarbeitenden. In der Zukunft sehe ich auch große Chancen zum Beispiel bei der Liquiditätsplanung oder bei Cashflow-Szenarien. Da kann KI auf Basis großer Mengen historischer Daten realistische Einschätzungen treffen.
Wie verändert sich durch KI die Rolle von Bank-CFOs?
KI befreit den CFO von operativer Last und eröffnet neue Möglichkeiten in Strategie, Risikomanagement und Wertschöpfung. Allerdings verlangt das auch ein Umdenken in Kultur, Technologieverständnis und Führungsstil. Gleichzeitig sind CFOs gerade oft diejenigen, die eine entscheidende Rolle spielen, wenn es darum geht, ob und wo KI implementiert wird.
Wie identifiziert man geeignete KI‑Anwendungsfälle?
Den Anfang macht man immer bei den Teams: Welche Herausforderungen haben sie in ihrem Arbeitsalltag? Welche sich wiederholenden Aufgaben kann eine KI heute schon übernehmen? Ein gutes Beispiel sind Prozesse zur Berichterstattung und Offenlegung, wo Daten und Berichte oft noch aufwändig manuell aufbereitet und zu Ergebnissen verdichtet werden.
Wenn ein Anwendungsfall identifiziert wurde, wie gelingt es dann, das Management zu überzeugen?
Für das Management zählt das Kosten-Nutzen-Verhältnis. Deswegen ist es auch so wichtig, dass man KI wirklich nur dort implementiert, wo konkrete Effizienzgewinne oder Kundennutzen zu erwarten sind. Es braucht konkrete KPIs, um die Investition in neue Technologien zu rechtfertigen. Am besten testet man das mit einem Proof of Concept und gibt den Mitarbeitenden auch die Möglichkeit, nach dem Co-Pilot-Modell mit der KI zu arbeiten, ohne dass gleich alle Prozesse verändert werden.
Sie sprechen viel mit Banken über das Thema KI. Worauf achten die Institute besonders, wenn es um konkrete Lösungen geht?
Viele Banken haben schon intern mit KI experimentiert oder Pilotprojekte aufgesetzt und dabei schnell festgestellt, dass sie mit Standard-LLMs an ihre Grenzen stoßen. Diese kennen die branchenspezifischen Anforderungen nicht. Wir schon, das ist unsere große Stärke: Wir kombinieren unser Fachwissen – also unsere Kenntnis der Schmerzpunkte der Banken – mit der Technologie. Auf dem schon recht überfüllten KI-Markt ist es ein klarer Vorteil, den Gegenstand und den Kontext zu beherrschen.
Wie sieht diese Kombination aus Fachwissen und Technologie konkret in Ihrem eigenen KI-Agenten aus?
Unser Fioneer AI Agent ist genau aus diesem Verständnis heraus entstanden. Wir haben uns in Discovery Sprints eng mit den Fachabteilungen unserer Kunden ausgetauscht, um deren Anforderungen zu verstehen und Probleme zu identifizieren. Das Ergebnis ist der AI Agent, mit dem sich unter anderem komplexe Abfragen in SQL-Datenbanken einfach per natürlicher Sprache steuern lassen. Das heißt, das mühsame, fehleranfällige und technisch anspruchsvolle Abrufen und Auswerten von Daten fällt weg. Um noch einmal auf die notwendigen KPIs zurückzukommen: Unsere Kunden, die den Fioneer AI Agent schon nutzen, berichten von einer Effizienzsteigerung von etwa 37 Prozent. Hier hat KI also einen echten Mehrwert für die Mitarbeitenden und ist nachweislich eine gute Investition.
Was raten Sie CFOs, die sich jetzt mit KI befassen wollen?
Viele Technologien sind marktreif. Es ist also ein guter Zeitpunkt, um anzufangen. Aber KI sollte niemals eingesetzt werden, nur um etwas mit KI zu machen oder den Anschluss nicht zu verlieren, sondern immer, um echte Probleme anzugehen. Um dahin zu kommen, braucht man ein klares Verständnis für die Bedürfnisse im Unternehmen. Aktuell liegt die eigentliche Herausforderung oft noch in der Qualität beziehungsweise der Struktur der vorhandenen Daten; da würde ich unbedingt ansetzen.
Vielen Dank für das Gespräch!
Mehr im Whitepaper von SAP Fioneer: Welche Anwendungsfälle eignen sich für den Einsatz von KI im Finanzbereich? Und wie lässt sich sicherstellen, dass messbarer Mehrwert entsteht?
Jetzt kostenfrei herunterladen:
