Künstliche Intelligenz gilt in der Finanzbranche als einer der wichtigsten Hebel für Effizienz, Automatisierung und bessere Entscheidungsprozesse.
Banken, Versicherungen und Finanzdienstleister testen KI bereits in zahlreichen Bereichen: im Kundenservice, in der Betrugserkennung, bei der Dokumentenverarbeitung, in der Risikoanalyse oder in der Softwareentwicklung. Der Handlungsdruck ist hoch. Margen stehen unter Druck, Kundenerwartungen steigen, regulatorische Anforderungen nehmen zu und Cyberrisiken werden komplexer.
Trotzdem bleibt der produktive Einsatz häufig hinter den Erwartungen zurück. Viele Initiativen funktionieren in einzelnen Teams oder kontrollierten Testumgebungen, schaffen aber nicht den Sprung in geschäftskritische Prozesse. Die eigentliche KI-Lücke liegt deshalb nicht nur in der Technologie. Sie liegt in der Fähigkeit, KI vertrauenswürdig, integriert und skalierbar zu machen – so, dass daraus messbarer geschäftlicher Mehrwert entsteht.
Der aktuelle Kyndryl Readiness Report zeigt diese Spannung deutlich: Die KI-Ausgaben von Unternehmen sind im Vergleich zum Vorjahr im Durchschnitt um 33 Prozent gestiegen. 54 Prozent der Unternehmen berichten bereits von positiven Renditen aus KI-Investitionen. Gleichzeitig haben 62 Prozent ihre KI-Initiativen bislang nicht über die Pilotphase hinausgeführt.
Die Infrastruktur entscheidet
Gerade in der Finanzbranche wird oft über Modelle, Algorithmen und neue Anwendungen gesprochen. Weniger sichtbar, aber häufig entscheidender, ist die darunterliegende IT-Infrastruktur. Viele Institute arbeiten mit über Jahre gewachsenen Kernsystemen. Daten liegen in verschiedenen Silos, Schnittstellen sind komplex, Prozesse historisch entstanden und regulatorische Anforderungen hoch.
Für KI ist das ein zentrales Problem. Modelle benötigen konsistente, aktuelle und gut zugängliche Daten. Sie müssen in bestehende Prozesse eingebettet werden können. Ergebnisse müssen nachvollziehbar sein. Und sensible Informationen dürfen nicht unkontrolliert verarbeitet werden. Wenn Daten fragmentiert sind oder Kernsysteme nicht flexibel angebunden werden können, bleibt KI auf einzelne Experimente beschränkt.
Auch hier zeigt sich eine deutliche Diskrepanz zwischen Anspruch und Realität. Laut dem Readiness Report sagen 90 Prozent der Organisationen, ihre Tools und Prozesse erlaubten es ihnen, neue Ideen rasch zu testen und zu skalieren. Gleichzeitig sieht mehr als die Hälfte den eigenen Technologie-Stack als Innovationshemmnis. Bereits im Vorjahr hielten 90 Prozent der Unternehmenslenker ihre IT-Infrastruktur für "Best in Class", aber nur 39 Prozent stuften sie als zukunftsfähig ein.
Warum Finanzinstitute besonders gefordert sind
Für Schweizer und europäische Finanzinstitute ist die Herausforderung besonders anspruchsvoll. Sie müssen innovieren, ohne Vertrauen, Stabilität oder regulatorische Kontrolle zu gefährden. Ein KI-Pilot lässt sich relativ schnell aufsetzen. Die produktive Nutzung in Kernprozessen ist jedoch eine andere Aufgabe.
Dann stellen sich Fragen, die weit über die Auswahl eines Tools hinausgehen: Woher stammen die Daten? Wer kann Ergebnisse überprüfen? Wie werden Fehler erkannt? Welche Systeme sind angebunden? Wie lassen sich Datenschutz, Aufsichtspflichten und interne Kontrollen sicherstellen? Wie lassen sich Richtlinien und Kontrollen so in automatisierte, maschinenlesbare Prozesse einbetten, dass sie konsistent angewendet werden? Und wer trägt Verantwortung, wenn KI Prozesse vorbereitet oder Entscheidungen beeinflusst?
Damit wird IT zu einem strategischen Thema für Geschäftsleitungen und Vorstände. Datenarchitektur, Resilienz, Integration und Sicherheit entscheiden darüber, ob KI tatsächlich zu niedrigeren Kosten, besseren Prozessen und neuen Geschäftsmodellen führen kann. Technologie ist damit nicht mehr nur operative Infrastruktur, sondern Teil der Unternehmenssteuerung.
Cybercrime verändert die Ausgangslage
Eine besondere Rolle spielt Cybersecurity. Finanzinstitute gehören seit jeher zu den attraktivsten Zielen für Angriffe. KI verändert dieses Risikobild auf beiden Seiten. Sie kann helfen, Anomalien schneller zu erkennen, Sicherheitsprozesse zu automatisieren und Bedrohungen früher zu identifizieren. Gleichzeitig können Angreifer KI nutzen, um Phishing, Social Engineering oder Schadcode professioneller zu gestalten.
Im Readiness Report wird Cybersicherheit als häufigster Anwendungsbereich für KI genannt. Das ist konsequent: In einer Branche, die auf Vertrauen und Verfügbarkeit basiert, ist Cyberresilienz Voraussetzung für jede weitere Digitalisierung.
Für Finanzinstitute bedeutet das, dass KI-Readiness und Cyber-Readiness nicht getrennt betrachtet werden können. Wer KI skalieren will, muss Datenzugriffe, Identitäts- und Berechtigungsmodelle, Sicherheitsarchitektur und Notfallfähigkeit mitdenken. Sonst erhöht neue Technologie nicht nur Effizienz, sondern auch Angriffsflächen.
Der Mensch bleibt Teil der Skalierung
Neben Infrastruktur und Sicherheit entscheidet auch die Belegschaft über den Erfolg. KI wird nur dann Wirkung entfalten, wenn Mitarbeiterinnen und Mitarbeiter sie verstehen, akzeptieren, ihr vertrauen und sie sinnvoll einsetzen können. Der Readiness Report zeigt: 87 Prozent der Führungskräfte erwarten, dass KI innerhalb von zwölf Monaten Arbeitsplätze in ihrem Unternehmen grundlegend verändern wird. Gleichzeitig sehen nur 29 Prozent ihre Belegschaft ausreichend vorbereitet, KI erfolgreich im Arbeitsalltag einzusetzen.
Das ist gerade im Finanzsektor wichtig. Viele Prozesse sind wissensintensiv und risikosensitiv. Mitarbeiterinnen und Mitarbeiter müssen nicht nur Tools bedienen, sondern Ergebnisse kritisch hinterfragen, Datenqualität beurteilen und Risiken erkennen können. Dafür braucht es zunehmend Brückenrollen – etwa Human Systems Architects –, die gestalten, wie Mitarbeiter, Entscheidungswege und KI-Systeme zusammenspielen. KI-Einführung ist deshalb kein reines IT-Projekt. Sie ist ein Transformationsprojekt, das Weiterbildung, klare Leitlinien und Vertrauen braucht.
Vom Pilotprojekt zum Produktivitätshebel
Die Finanzbranche hat die Bedeutung von KI erkannt. Die Investitionen steigen und erste Erträge werden sichtbar. Doch die nächste Phase wird schwieriger: Es geht nicht darum, noch mehr Pilotprojekte zu starten, sondern KI-Investitionen in messbaren geschäftlichen Mehrwert zu übersetzen.
Dafür braucht es moderne Datenarchitekturen, integrierbare Kernsysteme, klare Governance, robuste Cyberresilienz und Mitarbeitet, die sicher mit KI umgehen können. Institute, die diese Grundlagen schaffen, können KI in ihre operative Wertschöpfung integrieren und verantwortungsvoll skalieren. Sie werden Prozesse automatisieren, Risiken früher erkennen und Kunden schneller bedienen können.
Die entscheidende Frage lautet deshalb nicht, welche Bank die meisten KI-Anwendungen testet. Entscheidend ist, welche Institute ihre technologische und organisatorische Basis so weiterentwickeln, dass KI vertrauenswürdig, transparent und wirtschaftlich nutzbar wird. In einer Branche, die auf Vertrauen basiert, entscheidet nicht der ambitionierteste KI-Plan, sondern die Fähigkeit, ihn belastbar umzusetzen und zu skalieren.
