„AI first“ im Banking mag auf den ersten Blick konsequent und technologisch modern wirken. Wie erfolgreich Banken KI einsetzen, hängt jedoch maßgeblich davon ab, wie sie die Arbeitsteilung zwischen Mensch und Maschine organisieren. Das Ziel sollte nicht maximale Automatisierung sein, sondern der Einsatz von KI dort, wo sie technologisch, regulatorisch und wirtschaftlich sinnvoll ist.
Von Michael Baldauf, Financial Services Senior Director bei Pegasystems.
Wie sieht die ideale Zusammenarbeit von Mensch und KI aus? Diese Frage treibt derzeit viele Banken um. Dass eine Zusammenarbeit erforderlich ist, bezweifelt inzwischen wohl niemand mehr. KI ist zwar ein massiver Effizienztreiber und kann viele Routineaufgaben automatisieren, die früher erhebliche manuelle Aufwände verursachten. Aber sie hat auch Schwächen.
Vor allem generative KI-Modelle, die auch den Kern vieler agentenbasierter Anwendungen bilden, arbeiten nicht deterministisch, liefern keine reproduzierbaren Ergebnisse und neigen zu Halluzinationen. Das ist insbesondere in einem hochregulierten Umfeld wie der Bankenbranche ein großes Problem. Nicht umsonst verlangen Regulatorik und Aufsichtspraxis in kritischen Anwendungsfällen menschliche Kontrolle und Verantwortlichkeit.
Hinzu kommt ein Aspekt, der in der ersten KI-Euphorie oft unterschätzt wurde: KI ist kein kostenloser digitaler Mitarbeiter. Jede Nutzung verursacht Rechen- und insbesondere Tokenkosten, die sich in der Breite schnell summieren. Besonders teuer und auch fehleranfällig wird es, wenn KI-Agenten Prozesse oder Aufgaben bei jeder Anfrage neu planen und definieren müssen. Viele Banken stellen deshalb derzeit fest, dass zwar die Automatisierung vieler Aufgaben technisch möglich, aber nicht jede Automatisierung auch sinnvoll ist.
Wie sieht vor diesem Hintergrund jetzt also die ideale Zusammenarbeit von Mensch und KI aus? Sie besteht nicht darin, möglichst viel mit KI zu automatisieren, menschliche Kontrolle nur dort einzubauen, wo sie regulatorisch zwingend ist, oder auf herkömmliche Automatisierungstechniken zu verzichten. Entscheidend ist vielmehr die richtige Kombination aus technologischer Eignung, rechtlicher Zulässigkeit und wirtschaftlicher Sinnhaftigkeit.
KI kann vor allem hochstandardisierte, repetitive Tätigkeiten vollständig übernehmen. Dazu zählt das, was im Bankenumfeld häufig als „Swivel Chair Activities“ bezeichnet wird: also etwa das Suchen, Kopieren und Übertragen von Informationen zwischen Systemen, das Aufbereiten von Dokumenten oder die Bearbeitung standardisierter Vorgänge ohne Entscheidungsspielraum.
Beim Menschen müssen Aufgaben verbleiben, in denen Verantwortung, Urteilsfähigkeit, persönlicher Kundenkontakt und regulatorische Absicherung entscheidend sind. Dazu zählen insbesondere beratungsintensive Entscheidungen sowie die Prüfung und Einordnung von Ergebnissen aus KI-gestützten Prozessen. Zwischen diesen Polen entsteht ein breites Einsatzspektrum, in dem KI unterschiedlich stark eingebunden wird: vom unterstützenden Werkzeug bis hin zur fest integrierten Workflow-Komponente.
Mit dieser Integration von KI in die bankfachlichen Prozesse verändern sich auch die Rollen von menschlichen Mitarbeitenden. Rein operative Tätigkeiten verlieren an Bedeutung, gleichzeitig entsteht Bedarf an neuen Rollen wie KI-Überwacher, Compliance-Spezialisten, KI-Trainer oder Datenexperten.
Zudem werden die Fachbereiche auch immer öfter KI dazu nutzen, um in Abstimmung mit der IT ihre Prozesse selbst zu digitalisieren und KI-Lösungen für ihre Aufgabenbereich zu entwickeln. Das erfordert von den Mitarbeitenden neben fachlicher Expertise auch zunehmend Prozessverständnis und KI-Kompetenz.
Im Banking oder anderen regulierten Branchen greift der „AI first“-Ansatz zu kurz. Erfolgsentscheidend ist nicht maximale Automatisierung, sondern eine wirtschaftlich sinnvolle und regulatorisch abgesicherte Integration von KI in klar definierte menschliche Verantwortungsstrukturen.