Generative KI in Banken verlangt Präzision

Generative KI revolutioniert die Kapitalanlage, beeinflusst Kunden und ihre Entscheidungen. Banken müssen ihre Geschäftsmodelle der Entwicklung anpassen, um Milliardenverluste zu vermeiden, ergibt eine internationale Analyse.

Künstliche Intelligenz (KI) gehört für viele Menschen bereits zum Alltag. Auch bei Finanz- und Anlagethemen liefert generative KI Informationen zu einzelnen Finanzprodukten, erklärt die Funktion von Anleihen oder ETFs, erläutert steuerliche Aspekte oder Investmentstrategien. "In Zukunft könnten solche KI-Agenten möglicherweise auch die Verwaltung von Finanzen und den Abschluss von Finanzprodukten für ihre Nutzer übernehmen - mit erheblichen Auswirkungen auf die Bankenbranche", lautet die These im "Global Banking Annual Review 2025", den das Beratungshaus McKinsey & Company Ende Oktober veröffentlicht hat. 

Globale Bankenbranche erzielt 2024 Rekordergebnis

Laut Branchenanalyse erzielten Banken weltweit im vergangenen Jahr einen Rekordgewinn von etwa 1,2 Billionen US-Dollar (rund 1,03 Billionen Euro). Auch ihre Profitabilität konnten die Institute steigern: Die durchschnittliche Eigenkapitalrendite (ROE) erreichte mit 10,3 Prozent ein 20-Jahres-Hoch.

Zwischen 2021 und 2024 hat der Bankensektor insgesamt 3,36 Billionen US-Dollar, rund 2,9 Billionen Euro, an ausschüttungsfähigem Kapital, dem Free Cash Flow to Equity, generiert und damit das Gesamtvolumen jeder anderen Branche übertroffen.

Gewinne kein Zeichen "langfristiger Stärke"

Dass dieses Ergebnis wirklich nachhaltig ist, bezweifelt die Studie allerdings. Sie nennt gleich mehrere makroökonomische Faktoren als Gründe: sinkende Zinsen, technologische Umbrüche, Veränderungen im Verbraucherverhalten sowie eine Abwanderung lukrativer Geschäftsfelder zu Fintechs, privaten Kreditgebern oder Vermögensverwaltern. Dies deute darauf hin, dass die Zahlen eher die Folge günstiger Umstände waren als ein Ausdruck langfristiger Stärke. 

So wird die Bankenbranche auch trotz der jüngsten Erfolgsmeldungen im Vergleich zum Durchschnitt aller anderen Sektoren um 67 Prozent niedriger bewertet. "Banken müssen die Transformation ihrer Geschäftsmodelle weiter vorantreiben", so Max Flötotto, Leiter der Bankenberatung bei McKinsey in Deutschland und Österreich. "Denn die Kosten allein werden sich nicht schnell genug senken lassen, um den Rückgang der Zinsmargen auszugleichen."

Zinsentwicklung birgt Verlustgefahr

Passen klassische Institute ihre Geschäftsmodelle der Entwicklung nicht an, droht der Branche ein globaler Gewinnrückgang von bis zu 170 Milliarden US-Dollar (147 Milliarden Euro). "Dies entspräche neun Prozent der Gesamtgewinne oder bis zu zwei Prozent der durchschnittlichen Eigenkapitalrendite (ROTE)", lautet die Prognose der Studie. 

Durch zum Teil große Zinsunterschiede verschiedener Anbieter wäre der Effekt bei Einlagen besonders deutlich: Eine möglicherweise durch KI-Agenten vermittelte Umverteilung von lediglich fünf bis zehn Prozent des auf Niedrigzinskonten befindlichen Kapitals auf höher verzinste Konten, würde laut Analyse die Erträge der Banken auf Einlagen bereits um 20 Prozent reduzieren. 

Mit KI-Agenten Kosten sparen

Dabei bietet der Einsatz von KI-Agenten den Geldhäusern die Chance, ihre Kosten in Bereichen wie Kundenservice, Risikomanagement und der Bekämpfung von Finanzkriminalität zu senken. Die Studie spricht hier von 700 bis 800 Milliarden US-Dollar. Das wären rund 604 bis 690 Milliarden Euro und damit ein Minus von 15 bis 20 Prozent. Allerdings setze dies erhebliche Technologieinvestitionen voraus. 

Early Adopter sichern sich Marktvorteile

Vor allem den sogenannten Early Adoptern, also den frühen Vögeln unter den Instituten, winken laut den Analysten Wettbewerbsvorteile. Denn noch befänden sich agentenbasierte wie auch generative KI in der Branche in einem frühen Entwicklungsstadium.

Eine gezielte Prüfung, wo die Technologie tatsächlich zu Gewinnsteigerungen beiträgt, ist dabei entscheidend. Vorschnelles Handeln, um keinen Trend zu verpassen, berge hingegen Risiken, binde unnötig Ressourcen und liefere keinen Mehrwert. 

Werkzeugkasten für strukturierten Einsatz von KI

Dabei ist laut Studie die Größe des Instituts nicht entscheidend für den Erfolg. Auch kleinere Banken können überdurchschnittliche Gewinne mit generativen KI-Tools erzielen, wenn die strategische Ausrichtung stimmt. Die Analyse schlägt für ein strukturiertes Vorgehen eine sogenannte Präzisions-Toolbox mit vier zentralen Bereichen vor: 

1. Technologie gezielt einsetzen: Geldhäuser sollten sich auf Lösungen konzentrieren, die nachweislich Prozesse verbessern, Kunden stärker binden und neue, innovative Angebote ermöglichen. 
2. Verbraucher verstehen: Die Branche muss weg von klassischer Kundensegmentierung und hin zu einem individuellen, datengestützten Zugang. Hierzu gehören auch hyperpersonalisierte Angebote, die für mehr Kundenloyalität sorgen.
3. Kapitaleffizienz auf Mikroebene: Statt grober Umschichtungen braucht es eine präzise Bilanzsteuerung, die einzelne Produkte und Kunden stärker in den Fokus rückt. Bislang gebundenes Kapital sollte dorthin fließen, wo es den höchsten Ertrag bringt. Die Steuerung einzelner risikogewichteter Vermögenswerte wird so zum strategischen Hebel. 
4. M&A mit Fokus: Fusionen und Übernahmen sollten ebenfalls der strategischen Präzision dienen, nicht der Größe. Ziele seien Transaktionen, die helfen, Mikromärkte zu erschließen oder sich mehr Know-how in den Bereichen IT, Datenanalyse oder Kundenservice ins Team zu holen.