Welche Probleme können Banken mit KI wirklich lösen?

Herr Söchtig, Sie haben kürzlich auf dem AI:FinDay des Bank-Verlags eine steile These formuliert: „Banken brauchen keine KI-Strategie.“ Was genau meinen Sie damit?

Die Zeit, in der man Künstliche Intelligenz als Selbstzweck behandelte, sollte jetzt in allen Instituten abgeschlossen sein. Wir haben über Monate hinweg einen extremen Hype erlebt, indem KI vor allem um ihrer selbst willen betrachtet wurde. Damit sollte jetzt Schluss sein. Wenn ich sage, es braucht keine KI-Strategie, dann meine ich: Was es braucht, ist eine Business-Strategie und eine Antwort auf die Frage, welche Rolle KI innerhalb dieser Business-Strategie spielt. Wir müssen uns konkret fragen: Welche Probleme kann ich mit KI lösen? Wo kann ich KI schnell implementieren und nutzen?

Was bedeutet das genau? Wie sollten Banken vorgehen, um KI sinnvoll einzusetzen?

Ich sehe drei unterschiedliche Kategorien von KI. Einmal die Alltags-KI, GPT-Modelle zum Beispiel, die jede:r an seinem Arbeitsplatz nutzen kann. Zweitens so genannte Build-in oder Off-the-shelf-AI. Damit meine ich Künstliche Intelligenz, die in standardisierte Prozesse integriert werden kann und diese damit deutlich effizienter macht. Und drittens Individualisierte-KI, also vollkommen neue Ansätze für Produkte und Lösungen, die wirklich innovativ sein können.

Und wo steckt der größte Impact?

Ich denke, im zweiten Thema. Also in Prozessen, die hundert- oder tausendfach täglich vorkommen und die mittels KI in Effizienz und Qualität auf Level gehoben werden können, die bislang undenkbar waren. Noch besser ist es natürlich, wenn das Use Cases sind, die auch die Kund:innen unmittelbar spüren. Diese Prozesse zu identifizieren, sollte jetzt die dringlichste Aufgabe sein. Zum Beispiel im Kundenservice oder im KYC-Bereich. Und wer einen echten Unterschied im Wettbewerb machen will, der schaut parallel noch auf das Thema Individualisierte-KI und die Frage: Was kann ich mit KI bauen, das bislang einfach nicht denkbar und machbar war?

Warum sehen Sie keine Fantasie in der alltäglichen KI, also der, die alle Mitarbeitenden nutzen? Steckt da nicht in der Masse der Anwender:innen echtes Potenzial?

Ich sehe das nicht – welche Tätigkeiten sollten hier profitieren? Wer sich von der KI eine Mail schreiben lässt, dafür zwei- oder dreimal prompten, anschließend Korrektur lesen muss und sich, während die KI arbeitet, einen Kaffee holt, der arbeitet nicht effizienter. Diese Tools sind gut, um Berührungsängste abzubauen und für Aufgaben wie Übersetzungen, Recherchen, Zusammenfassungen oder als Sparringspartner bei analytischen Aufgaben.

Aber hängt der Erfolg beim Einsatz von KI nicht auch davon ab, dass alle in der Organisation mitziehen?

Ja natürlich, aber das ist eine andere Frage. Die Change-Management-Aufgabe, die mit KI verbunden ist, ist tatsächlich eine der größten und leider auch oft am meisten vernachlässigten Aufgaben in vielen Instituten. Das Gap zwischen den Expert:innen und jenen, die technologisch abgehängt sind, wird immer größer. Hier können Unternehmen mehr in die Mitarbeitenden investieren.

Warum wird das nicht stärker beachtet?

KI scheitert nicht an der Technologie, sondern an fehlender Konsequenz im Management. Wer nicht bereit ist, Rollen, Entscheidungsrechte und Arbeitsweisen anzupassen, sollte ehrlich sein und das Thema nicht priorisieren. Darüber hinaus geht das Budget immer zuerst in Konzept und Entwicklung. Dann drängen irgendwann die Deadlines und es wird immer schwieriger, einen Management Buy-in für mehr Zeit im Change-Management zu bekommen – einige Wochen, die man nutzen könnte und müsste, um alle abzuholen und einzubinden. Den meisten Instituten gelingt es, 30 oder 40 Prozent der Mitarbeitenden für die Veränderung zu gewinnen. Aber jedes weitere Prozent mehr erfordert einen höheren Aufwand. Die Institute, die jetzt klar priorisieren, pragmatisch umsetzen und konsequent verändern, werden in fünf Jahren nicht als KI-Banken gelten – sondern einfach als bessere Banken.