Der erfolgreiche Einsatz generativer KI und KI-Agenten im Banking ist nicht nur ein technologisches Thema, sondern erfordert vor allem auch ein innovatives Mindset. Erfolgsfaktoren für langfristige und messbare Erfolge entlang der gesamten Wertschöpfungskette sind eine klare strategische Positionierung mit dem Ziel einer ganzheitlichen Transformation, der Aufbau von KI-Kompetenzen auf allen Ebenen, disziplinierte, gut vorbereitete und risikobasierte Piloten sowie eine gute Governance hinsichtlich der Nutzung von Daten und Tools sowie der nötigen kritischen Reflexion des Outputs.
Generative KI und Agenten werden zur Pflicht
Die Beschäftigung mit KI ist für Banken inzwischen Pflicht statt Kür. Ihr Einsatz ermöglicht signifikante Effizienzsteigerungen und Prozessautomatisierung, insbesondere im Kontext unstrukturierter Daten. Außerdem erlaubt generative KI eine zunehmende Personalisierung, Kontextualisierung und Automatisierung der Kundenschnittstellen. Generative KI kann helfen, Kundenerlebnisse und Interaktionen zu optimieren, bestehende Produkte durch Zusatzleistungen zu ergänzen oder neue datenbasierte Services aufzubauen. Dies kann in einer höheren Share-of-Wallet und einer intensiveren Kundenbeziehung bei Bestandskunden sowie einer steigenden Neukundenakquise resultieren.
Strategische Positionierung als Basis
Wichtig sind dabei im ersten Schritt eine klare strategische Positionierung und Priorisierung. Auf Basis einer systematischen Geschäftsmodell-Analyse kann eine strategische Heatmap abgeleitet werden zur Identifikation der Chancen und Herausforderungen für das eigene Geschäftsmodell: In welchen Geschäftsbereichen ermöglichen es generative KI und der Einsatz von KI-Agenten, schneller, günstiger und besser zu werden, und wo können Kundennutzen und Erlebnisse auf eine andere Ebene gehoben und optimiert werden? Die Heatmap muss einerseits das umfassende Ausnutzen von Chancen und das Heben von Potenzialen adressieren, andererseits aber auch die Bereiche identifizieren, in denen das bisherige Modell durch den Einsatz generativer KI von Akteuren außerhalb des Bankensektors systematisch in Gefahr gerät. Ziel sollte es sein, KI langfristig im Sinne einer echten Transformation zu nutzen und Prozesse und Bereiche neu zu denken, statt den Status Quo kleinteilig mit fragmentierten Maßnahmen zu verbessern, auch wenn am Anfang die ersten Schritte zunächst mit einzelnen Use Cases beginnen.
Mindset als wichtige Herausforderung
Der Einsatz generativer KI bringt aber auch eine Reihe an Herausforderungen mit sich. Diese sind einerseits technischer, organisatorischer oder regulatorischer Natur. Dazu gehören der Aufbau einer entsprechenden Infrastruktur und Governance, die Auswahl, Integration und Weiterentwicklung der Modelle und Tools, die Sicherstellung der notwendigen Datenqualität und Verfügbarkeit sowie die Sicherstellung der Compliance im Rahmen der geltenden regulatorischen Frameworks. Dies alles sind wichtige und notwendige Voraussetzungen, doch ohne ein innovatives Mindset werden entweder keine wirklich transformativen und innovativen Anwendungen entwickelt und ausprobiert, oder sie entfalten keine langfristige Wirkung, da die Mitarbeitenden sie nicht vollumfänglich nutzen und in ihren Arbeitsalltag integrieren.
Eine weitere Herausforderung ist daher auch die Etablierung eines entsprechenden Mindsets für den Umgang mit generativer KI und KI-Agenten. Im Gegensatz zu den herkömmlichen Maschine-Learning-Anwendungen, die Banken schon seit vielen Jahren im Risiko- und Betrugsmanagement, im Trading oder bei Kreditbewertungen im Einsatz haben, bringen generative KI und der Einsatz von KI-Agenten eine neue Dimension der Unsicherheit mit sich, bieten aber komplett neue und vielfältige Einsatzmöglichkeiten. In diesem Sinne ist es wichtig, den Mitarbeitenden einerseits Sicherheit im Umgang mit Tools und Anwendungen zu vermitteln, andererseits aber auch das Bewusstsein für die Limitationen und Risiken zu schärfen. Dies fängt jedoch nicht erst im Regelbetrieb an, sondern bereits bei der Entwicklung und dem ersten Testen der Use Cases.
Innovatives Denken und Handeln als Grundlage
Gerade am Anfang „scheitert“ ein signifikanter Anteil der Proof-of-Concepts. Aus Innovationssicht ist dies jedoch völlig normal, vor allem beim Einsatz neuer Technologien und bei einer derart rasanten Entwicklungsgeschwindigkeit, wie wir sie derzeit bei KI sehen. Beim Umgang damit helfen typische Ansätze aus dem Innovationsmanagement: Eine Kultur, die kontrollierte Experimente zulässt, einen konstruktiven Umgang mit Unsicherheit und Risiko sowie schnelles und systematisches Lernen fördert und auf cross-funktionaler Zusammenarbeit basiert. Silos müssen aufgebrochen, Freiräume für unkonventionelle Ideen, aber auch für kritisches Hinterfragen geschaffen, und der Kundennutzen sowie die Customer Journeys und Experiences konsequent ins Zentrum gestellt werden. Bewährte Ansätze sind hier beispielsweise eine Kultur der psychologischen Sicherheit sowie das intelligente Scheitern im Umgang mit Piloten auf einem für die Organisation neuen und unbekannten Terrain.
Traditionelle Häuser sind tendenziell risikoavers sozialisiert. In einigen Bereichen ist dies eine Stärke, die sich in hohem Kundenvertrauen widerspiegelt. Gerade beim Einsatz neuartiger und sehr dynamischer Technologien führt jedoch kein Weg um einen innovationsorientierten und in Teilen auch experimentellen Ansatz herum, einschließlich des systematischen Lernens aus anfänglichen Misserfolgen. Dies ist jedoch kein zielloses Ausprobieren, sondern im Gegenteil ein diszipliniertes Experimentieren zum Testen konkreter Hypothesen und Ideen unter risikominimierenden Rahmenbedingungen, basierend auf einer klaren strategischen Priorisierung sowie einer systematischen und fundierten Vorbereitung der einzelnen Piloten. Dies erhöht die Erfolgswahrscheinlichkeit der einzelnen Proof-of-Concepts und fokussiert knappe und wertvolle Ressourcen auf die vielversprechendsten Use Cases im Portfolio.
Ganzheitliche Transformation als Ziel
Langfristiger Erfolg erfordert außerdem eine ganzheitliche Transformation der gesamten Organisation. Eine bankweite AI-First-Mentalität bedeutet, den Einsatz von generativer KI soweit sinnvoll end-to-end anzustreben und anstelle von punktuellen Verbesserungen komplette Abläufe und Geschäftsmodelle neu zu denken. Dies erlaubt auch eine Skalierung und damit eine prozessuale und organisatorische Transformation, die für das Erzielen signifikanter finanzieller Vorteile entscheidend ist.
In diesem Kontext verändern sich auch Rollenmodelle, Verantwortlichkeiten und die benötigten Skills grundlegend. Im Zusammenspiel von Mensch und Maschine geht es darum, die optimale Aufgabenteilung zu finden und die Mitarbeitenden zu befähigen, ihre Arbeit so gut und effizient wie möglich zu erledigen. Ein Beispiel für eine klare AI-First-Devise ist das AI-Usage Memorandum von Shopify-CEO Tobias Lütke, in dem er unter anderem dazu aufruft, Abläufe und Lösungen konsequent unter Berücksichtigung von KI zu denken statt zusätzliche Ressourcen einzusetzen. In diesem Sinne werden KI-Anwendungen von Tools zu kollaborativen Partnern, mit allen Vor- und Nachteilen hinsichtlich der Zusammenarbeit. Einerseits können Sie eine signifikante Unterstützung darstellen und die Automatisierung von Tätigkeiten ermöglichen. Andererseits sind je nach Tool und Kontext auch eine entsprechende Qualitätssicherung sowie die kritische Reflexion der Ergebnisse erforderlich. Genau dieses Mindset muss ebenfalls Teil der AI-Literacy der Organisation sein, ebenso wie der tatsächliche Umgang mit den entsprechenden Anwendungen und den Fragen der Compliance. Nur so wird KI zu einem transformativen und umfassenden Enabler entlang der gesamten Wertschöpfungskette.
Autorin
Silke Finken ist Professorin für Innovationsmanagement. Darüber hinaus ist sie gefragte Keynote-Speakerin, Beiratsmitglied und Buchautorin, und unterstützt Führungsteams mit fokussierten Workshops bei Strategie-, KI- und Innovationsfragen. Ihre Kernthemen sind Innovationsmanagement und -kultur, KI und digitale Transformation im Banking sowie Embedded Finance.
Vor Übernahme der Professur leitete Silke Finken das Innovations- und Consultingmanagement im Transaction Banking der DZ BANK. Davor war sie Projektleiterin in der Financial Service Practice von Bain & Company.