banKIng3 – Drei Generationen, eine Vision
Die Finanzbranche steht vor einem Generationenwechsel – nicht nur in der Führung, sondern auch in der Technologie. banKIng³ zeigt, wie künstliche Intelligenz das Banking neu definiert und welche Rolle verschiedene Generationen in dieser Transformation spielen. Experten diskutieren über innovative KI-Anwendungen, regulatorische Herausforderungen und den Balanceakt zwischen Erfahrung und technologischer Disruption.
Unabhängig davon, ob Sie Teil der jungen Generation im Banking sind oder auf bewährtes Wissen setzen – banKIng³ liefert Ihnen die Insights, mit denen Sie die Zukunft aktiv mitgestalten können.
Process first: Warum Tempo über die KI-Transformation entscheidet
Wie schnell muss eine Bank eigentlich sein, wenn es um künstliche Intelligenz geht? Diese Frage treibt die Branche seit Monaten um, und in dieser Folge nehmen sich unsere Experten sie noch einmal ganz konkret vor. Es geht um eine Digitalbank, die in drei Monaten mehr geschafft hat als mancher Konzern in einem Jahr, um die Frage, ob Daten oder Prozesse den ersten Schritt machen sollten, und um eine Anekdote, die zeigt, wie nah die KI-Bank tatsächlich schon ist.
Dazu kommt ein Blick auf Legacy-Systeme, die sich plötzlich bespielen lassen wie ein Instrument, und die Frage, wer eigentlich die Verantwortung trägt, wenn die künstliche Intelligenz zur echten Entscheidungsinstanz wird. Eine Folge über Geschwindigkeit, Struktur und den Mut, einfach anzufangen.
Mehr KI-Praxis gefällig?
Tempo im Wandel: vom Piloten zum Produktivsystem
Von der ersten Willensbekundung bis zum tatsächlichen Piloten vergehen bei vielen Banken nach wie vor mehrere Monate; manchmal dauert es auch länger. Diese Trägheit hat gute Gründe, aber sie hat auch ihren Preis. Wie anders es laufen kann, zeigt eine Digitalbank aus Berlin: Erst vor drei Monaten offiziell zur AI-First-Bank erklärt, hat sie mit einem Team von fünf Personen und einem Budget von unter 100.000 Euro bereits einen kompletten Prozess zur Digitalisierung von Kundendokumenten produktiv gesetzt.
Was diesen Fall bemerkenswert macht, ist weniger der späte Start als das, was danach passiert ist. Wer eigene IT-Entwicklerinnen und -Entwickler hat und die passende Infrastruktur mitbringt, kann verlorene Zeit erstaunlich schnell wieder aufholen, selbst wenn andere Institute längst im Rennen sind. Und selbst dort, wo man objektiv langsamer unterwegs ist als etwa amerikanische Banken auf dem deutschen Markt, bleibt die Wettbewerbsfrage am Ende zweitrangig: Wer durch KI wirklich effizienter werden kann, muss handeln, ganz gleich, was die Konkurrenz gerade tut.
Der entscheidende Punkt ist nicht, ob wir vor einem Monat oder heute angefangen haben, sondern dass wir es mit echtem Commitment tun.
Fabian ForthmannManager | Artificial Intelligence | msg for banking ag
Prozess oder Daten zuerst? Ein handfester Formstreit
Kaum ein Thema wird so kontrovers verhandelt wie die Frage, was am Anfang jeder Transformation stehen sollte. Die eine Seite denkt konsequent datengetrieben: Jede eingehende E-Mail, jedes PDF, jedes Dokument wird zu einem strukturierten Datensatz, mit dem Systeme und KI-Agenten programmatisch weiterarbeiten können.
Genau hier hakt eine steile Gegenthese ein: Wer stattdessen von den Prozessen selbst her denkt und auf agentische Entwicklung setzt, kann eine Organisation heute viel direkter umbauen, ganz ohne den Umweg über eine perfekte Datenbasis.
Beide Seiten haben gute Argumente, und beide räumen am Ende dasselbe ein: Der eigentliche Hebel liegt weder allein in den Daten noch allein im Prozess, sondern in der Bereitschaft, gewachsene Abläufe nicht einfach zu digitalisieren, sondern grundlegend neu zu denken. Ein Prozess, der für Menschen geschnitten ist, bleibt auch mit der besten KI im Hintergrund ein Prozess für Menschen, solange ihn niemand anfasst.
Kontextwissen als blinder Fleck
Ein kurzer Nebenstrang dreht sich um das Wissen, das in keiner Datenbank steht: jenes Erfahrungswissen, das erfahrene Mitarbeiterinnen und Mitarbeiter im Kopf haben und das oft nur zwischen zwei Arbeitsschritten sichtbar wird, etwa beim Bearbeiten eines Dokuments. Eine neue technische Funktionalität, die genau dieses Wissen mitschneiden könnte, klingt vielversprechend und ein wenig unheimlich zugleich, und landet prompt bei der nüchternen Einschätzung, dass so etwas in einer Bankorganisation aus guten Gründen so schnell keinen Einzug halten wird.
Die Klaviatur-Metapher: wenn Legacy-Systeme plötzlich spielbar werden
Kaum ein Bild bleibt so gut hängen wie das für den Umgang mit Bestandssystemen. Das Model Context Protocol, kurz MCP, macht Legacy-Software für KI bespielbar, ähnlich wie ein Instrument, das erst gestimmt werden muss, bevor jemand darauf spielen kann.
Die KI schnappt sich diese Klaviatur und spielt darauf.
Prof. Dr. Dirk SchiebornHead of Artificial Intelligence and Data Analytics Hub | msg for banking ag
Wie schnell das in der Praxis eskalieren kann, zeigt eine kleine Geschichte aus einem laufenden Demo-Projekt:
Weil eine bestehende Software für ein KI-gestütztes Workflow-Konzept noch nicht bereit war, schlug die KI kurzerhand vor, das fehlende System einfach selbst nachzubauen, und zwar auf Basis von gerade einmal fünf Screenshots aus dem Netz. In rund zwei Stunden entstand daraus ein funktionierender Nachbau, der für den geplanten Demo-Case nicht nur ausreichte, sondern deutlich überzeugte.
Eine Anekdote mit Augenzwinkern, die trotzdem eine ernste Frage aufwirft: Was passiert, wenn ein derart schneller Partner irgendwann selbst vorschlägt, welche Funktionen einer gewachsenen Bestandssoftware eigentlich noch gebraucht werden und welche nicht?
Die Stunde der kleinen KI-Bank
Während große, gewachsene Organisationen mit ihrer eigenen Komplexität kämpfen, zeichnet sich bei den kleinen ein ganz anderes Bild ab: Kleinste Unternehmen und Vorhaben auf der grünen Wiese können ihre komplette Organisation heute im Grunde per Knopfdruck durchleuchten und verbessern lassen. Eine ganz alltägliche Steuerangelegenheit bringt das überraschend gut auf den Punkt: Statt für 200 Euro im Quartal eine fertige Software zu kaufen, entstand am Schreibtisch des Steuerberaters in Echtzeit eine eigene kleine Pipeline für die USt-Voranmeldung, noch bevor der Termin zu Ende war.
Solche Geschichten wirken zunächst wie Randnotizen, zeigen aber im Kleinen, was im Großen genauso gilt. Nicht der genaue Zeitpunkt des Starts entscheidet über den Erfolg mit künstlicher Intelligenz, sondern das Commitment, mit dem man dabei bleibt. Wer zögert und wieder zögert, riskiert, dass aus einem vielversprechenden Thema ein Dauerbrenner ohne Ergebnis wird.
