Banken stecken in der KI-Exploration fest

Fast alle Banken in Deutschland nutzen bereits intelligente Tools. Allerdings skalieren nur zehn Prozent KI-Technologien, um deren Potenziale umfassend zu heben. Den anderen fehlen Strategie, Governance, Dateninfrastruktur und Know-how, zeigt eine Deloitte-Studie. 

Der Einsatz intelligenter Technologien ist im deutschen Bankensektor angekommen. Fast alle Geldhäuser (95 Prozent) haben Künstliche Intelligenz (KI) bereits in ihrer Organisation implementiert oder planen dies zumindest. Das zeigt eine aktuelle Studie "Wie Banken ihre Potenziale aktivieren und Profitabilität steigern" von Deloitte und dem BWL-Lehrstuhl der Heinrich-Heine-Universität in Düsseldorf, die auf dem sogenannten KI-Transformations-Framework der Beratungsgesellschaft fußt.

Dieses misst den Reifegrad der Integration intelligenter Systeme in den Bereichen Strategie, Governance und Risikomanagement, Prozesse, Talente sowie Technologie und Daten. Insgesamt 40 Banken aus allen Säulen wurden in einem zweistufigen Verfahren zur Nutzung von KI in ihrem Geschäfts- und Betriebsmodell befragt. Von einem geschätzten Profitabilitätspotenzial von 20 bis 40 Milliarden Euro wurde allerdings erst ein kleiner Teil gehoben. 

Vielfältiger Einsatz von KI denkbar

Kreditinstitute erhalten durch Künstliche Intelligenz ein breites Spektrum zahlreicher neuer Perspektiven zur Weiterentwicklung ihres Bankgeschäfts - von der detaillierten Analyse vorhandener Kundendaten bis hin zur Antizipation zukünftiger Verhaltensweisen. So können Institute beispielsweise frühzeitig passende Finanzierungslösungen anbieten, wenn sie erkennen, wann Kunden voraussichtlich einen höheren Kapitalbedarf haben. Diese und andere Möglichkeiten steigern nicht nur die Zufriedenheit der Kunden, sondern weisen zugleich ein erhebliches Potenzial für zukünftiges Umsatzwachstum auf", schreibt hierzu Detlef Hellenkamp im Buch "Bankwesen im Zeitalter von Disruptionen".

Laut der Auswertung von Deloitte befindet sich die Mehrheit der deutschen Geldhäuser derzeit allerdings noch in der Explorationsphase. Pilotprojekte wie Chatbots im Bankvertrieb oder die Dokumentenanalyse arbeiten zwar produktiv, seien aber häufig nicht skaliert. Es fehle an einer strategischen Steuerung, belastbaren Dateninfrastrukturen sowie Governance-Modellen. Nur etwa ein Drittel der Institute sei bereits in der Phase des KI-Ausbaus oder der KI-Skalierung angekommen.

Herausforderungen intelligenter Systeme

Die größten Herausforderungen hat die Analyse in fünf Bereichen identifiziert: 

Es fehlt an strategischer Integration

Die Studienautoren betonen, dass die Banken zügig den Schritt vom IT-Experiment hin zur strategischen Integration vollziehen müssen. Aktuell befindet sich gut die Hälfte (52 Prozent) der Institute noch in der KI-Exploration. Erst zehn Prozent skalieren intelligente Systeme innerhalb ihrer Organisation.

Banken sollten intelligente Technologien als integralen Bestandteil der Geschäftsstrategie verankern. Dazu gehören quantifizierbare Ziele wie die Senkung der Prozesskosten etwa um 20 Prozent oder die Steigerung der Kundenzufriedenheit um zehn Prozent. 

Robuste Data-Governance-Struktur schaffen

Die Governance sollte nach dem 3-Lines-of-Defense-Modell organisiert sein: Operative Fachbereiche stellen die erste Linie, ein zentrales KI-Office für Standards und Kontrolle die zweite Linie und die interne Revision die dritte Linie im Abwehrmechanismus dar. Technologisch sind hierbei eine skalierbare Multi-Cloud-Architektur und eine robuste Data-Governance-Struktur entscheidend. Damit werden Silos im Unternehmen aufgebrochen und eine flexible, sichere Dateninfrastruktur geschaffen. 

KI-Wissen auf- und ausbauen

Doch das gelingt nicht, ohne ausreichend KI-Know-how in der Bank auf- und auszubauen. Immerhin klagen der Erhebung zufolge 58 Prozent der Banken bei der Skalierung über Talentengpässe. Daher sind Schulungsprogramme und ein aktives Changemanagement unverzichtbar.