Der Stand von KI und Daten in Finanzdienstleistungen

Die Finanzbranche verfolgt unterschiedliche Ziele bei der digitalen Transformation – abhängig von regionalen Vorgaben, Kundenerwartungen und Marktbedingungen. Doch ein Thema verbindet alle: Künstliche Intelligenz (KI), generative KI (GenAI) und der Einsatz von Daten sind zugleich große Chancen und zentrale Herausforderungen. Diese Kombination prägt derzeit die gesamte Branche.

KI und GenAI haben sich bereits als starke Werkzeuge bewährt, um Abläufe bei Banken, Kreditgenossenschaften und Finanzdienstleistern zu verbessern. Sie optimieren die Kundenkommunikation, beschleunigen Prozesse, erleichtern die Kreditvergabe und stärken das Risikomanagement. Im Investment- und Aktiengeschäft sorgt KI für einfacheren Handel – durch bessere Informationen, mehr Transparenz und geringere Risiken. Doch KI steht nicht nur für Effizienz, Automatisierung und Geschwindigkeit. In einem Umfeld, das stark auf Sicherheit und Compliance achtet, unterstützt sie die Betrugserkennung, schützt sensible Daten und hilft, gesetzliche Vorgaben einzuhalten.

Die Basis für jede KI-Innovation sind Daten. Große Mengen hochwertiger, gut strukturierter Daten ermöglichen es, KI-Modelle wirksam zu trainieren. Deshalb sollte jede KI-Initiative mit einer Analyse und meist auch Verbesserung der Datenerfassung, -speicherung und -verwaltung beginnen. Unabhängig von Region oder Geschäftsmodell setzen Finanzunternehmen in Großbritannien, Europa und den USA zunehmend auf KI und Daten, um effizienter zu arbeiten, ihr Angebot zu erweitern, den Service zu verbessern und die Sicherheit zu erhöhen. Mehr dazu erfahren Sie in unserem kostenlosen E-Book über KI und Daten im Finanzdienstleistungssektor.

Überblick über die Implementierung von KI in Finanzdienstleistungen

In der EU

• 85 % der Institutionen nutzen KI aktiv
• 40 % der Institutionen setzen GenAI aktiv ein
• 80 % der Institutionen nutzen Big-Data-Analysen aktiv
• 69 % der Banken entwickeln eigene KI-Modelle oder -Systeme
• 39 % der Banken lagern die Entwicklung von KI-Modellen oder -Systemen aus
• In den nächsten drei Jahren planen 18 % der Unternehmen, zwischen 0,25 % und <0,50 % in GenAI zu investieren, während 58 % zwischen 0 % und <0,25 % (als Prozentsatz des Eigenkapitals) investieren wollen.

In den USA

• 78 % der Finanzunternehmen nutzen GenAI für mindestens einen Anwendungsfall
• 86 % der Finanzunternehmen erwarten durch die Einführung von GenAI einen deutlichen oder moderaten Anstieg ihres Modellbestands
• Im Jahr 2025 werden amerikanische Unternehmen 100 Milliarden US-Dollar in KI investieren

Strategische Herausforderungen im globalen Finanzdienstleistungssektor

Finanzinstitute in Großbritannien, der EU und den USA befinden sich aktuell in einer Phase rasanter Veränderung.

Sie müssen gleichzeitig mehreren komplexen Anforderungen gerecht werden:

• Den immer vielfältigeren Datenschutzgesetzen wie DSGVO, CCPA und DORA
• Der Erwartung, über alle digitalen Kanäle hinweg ein hochpersonalisiertes Kundenerlebnis zu bieten
• Der verantwortungsvollen Integration neuer Technologien wie KI und maschinellem Lernen in bestehende Systeme

Dieser wachsende Druck verändert nicht nur die Aufgaben von Compliance- und IT-Abteilungen, sondern beeinflusst auch die strategische Ausrichtung des gesamten Finanzsektors.

Die Komplexität der Regulierung nimmt zu

Banken und Finanzunternehmen stehen zunehmend unter Druck, sich an immer komplexere und uneinheitliche Vorschriften anzupassen – etwa an FCA und DORA in Europa, SEC und CCPA in den USA sowie an weltweite ESG-Offenlegungspflichten.

Die Einhaltung dieser Standards erfordert laufende Investitionen in die Compliance-Infrastruktur, was häufig Innovationen bremst.

Da finanzielle und reputationsschädigende Risiken bei Verstößen weiter steigen, müssen Unternehmen ihre Prozesse konsequent an die geltenden Regelwerke anpassen, um hohe Strafen zu vermeiden.

Vertrauen bleibt fragil und unverzichtbar

Das Vertrauen der Öffentlichkeit kann durch Datenpannen, Fehlverhalten oder intransparente Geschäftspraktiken schnell verloren gehen. In allen wichtigen Märkten erwarten Kundinnen und Kunden heute digitale Services, die transparent, ethisch und individuell gestaltet sind.

FinTech-Unternehmen setzen neue Maßstäbe, indem sie intuitive und vertrauensbasierte Nutzererlebnisse schaffen.

Traditionelle Banken müssen darauf reagieren und sich weiterentwickeln, um langfristig relevant zu bleiben.

Altsysteme schränken die Agilität ein

Viele Finanzinstitute arbeiten weiterhin mit veralteten Kernsystemen, isolierten Datensilos und konservativen Governance-Strukturen.

Diese bremsen ihre Fähigkeit, flexibel auf Marktveränderungen zu reagieren, neue Technologien einzubinden oder Innovationen gezielt zu skalieren – besonders im Vergleich zu technologiegetriebenen Wettbewerbern.

Skalierbarkeit und Integration bleiben große Hindernisse

Viele ältere Systeme stoßen bei Echtzeitverarbeitung, sicherer API-Anbindung und Cloud-Transformation an ihre Grenzen.

Die Umstellung auf moderne Plattformen ist komplex – vor allem, weil dabei geschäftskritische Prozesse und Compliance-Anforderungen jederzeit gewährleistet bleiben müssen.

Cybersicherheitsbedrohungen nehmen zu

Finanzinstitute gehören zu den bevorzugten Zielen für immer ausgefeiltere Cyberangriffe.
Die sichere Verwaltung sensibler Daten – bei gleichzeitiger Offenheit über APIs, Open Banking und digitale Kanäle – verlangt kontinuierliche Investitionen in Widerstandsfähigkeit, Überwachung und qualifiziertes Fachpersonal in allen Regionen.

Praktische Anwendungen von KI in Finanzdienstleistungen

Künstliche Intelligenz – insbesondere generative KI (GenAI) – verändert die Finanzbranche in rasantem Tempo. Sie bietet Lösungen, die sowohl die betriebliche Effizienz als auch das Kundenerlebnis deutlich verbessern.

Laut McKinsey könnte die vollständige Einführung von GenAI allein im Bankensektor einen zusätzlichen jährlichen Wert von 200 bis 340 Milliarden US-Dollar schaffen. Dieses enorme Potenzial treibt hohe Investitionen an: Die weltweiten Ausgaben für KI im Bankwesen sollen von 21 Milliarden US-Dollar im Jahr 2023 auf 85 Milliarden US-Dollar im Jahr 2030 steigen.

Im Folgenden sind die wichtigsten Bereiche aufgeführt, in denen KI-Anwendungen die Finanzdienstleistungen grundlegend verändern:

Finanzberichtsanalyse mit KI

KI-Modelle können heute Informationen aus umfangreichen Dokumenten zusammenfassen und relevante Inhalte extrahieren – etwas, das früher kaum möglich war.

So kann ein generatives Modell etwa eine 100-seitige behördliche Meldung oder mehrere Jahre an Handelsdaten in kurzer Zeit verdichten, um einen klaren Überblick über die Risiken eines Portfolios zu liefern.

Ein Beispiel: ABN Amro nutzt GenAI, um Kundenanrufprotokolle und andere Dokumente automatisch zu durchsuchen und zusammenzufassen. In einem Fall erhöhte sich dadurch die Produktivität der Contact-Center-Mitarbeitenden um 25 %, da manuelle Notizen überflüssig wurden.

KI fungiert hier als intelligenter Vermittler, der komplexe Rohdaten in verständliche und umsetzbare Erkenntnisse für Entscheidungsträger und Kunden übersetzt.
Zudem kann sie die Analyse historischer Daten, Social-Media-Inhalte, Nachrichten und Analystenberichte automatisieren – und so Markttrends und Veränderungen in der Anlegerstimmung frühzeitig sichtbar machen.

KI-gestützte Dokumentenprüfung und -verwaltung

KI automatisiert und beschleunigt Aufgaben, die früher manuell in Dokumentenprozessen erledigt wurden – und steigert damit die Effizienz sowohl im Backoffice als auch im Midoffice deutlich.

Wells Fargo hat beispielsweise ein agentenbasiertes KI-System in der Kreditvergabe eingeführt, das relevante Daten aus Dokumenten extrahiert, Berechnungen durchführt und Kredite innerhalb weniger Minuten neu bewertet – ein Vorgang, der zuvor Tage menschlicher Arbeit erforderte. Die finale Entscheidung bleibt weiterhin beim Menschen.

Darüber hinaus kann GenAI große Mengen unstrukturierter Daten – etwa Pressemitteilungen, Unternehmensberichte oder Gesprächsprotokolle – analysieren, um Zusammenfassungen und wertvolle Erkenntnisse für Stakeholder zu liefern.

Im Ausgabenmanagement automatisiert KI die Erfassung und Eingabe von Transaktionsdaten aus Firmenkarten. Dadurch werden Prozesse gestrafft und Fehler reduziert, weil die manuelle Belegverarbeitung entfällt. Ein Beispiel hierfür ist die Partnerschaft zwischen SAP Concur und Mastercard.

Wissensmanagement durch intelligente Suche

KI verändert grundlegend, wie Mitarbeitende in Finanzinstituten auf Informationen zugreifen und Wissen organisieren.

Die Vermögensverwaltungsabteilung von J.P. Morgan nutzt beispielsweise ein KI-basiertes „Coach“-Tool, mit dem Privatbankiers Informationen bis zu 95 % schneller finden. So bleibt mehr Zeit für die persönliche Kundenbetreuung. Der Assistent kann Daten zu Kundenportfolios und Marktentwicklungen sofort zusammenstellen und sogar Antworten auf Kundenanfragen formulieren.

Auch Morgan Stanley hat mit dem AI @ Morgan Stanley Assistant ein GPT-4-gestütztes Tool eingeführt, das auf über 100.000 interne Forschungsberichte trainiert wurde. Es liefert Beratern in Sekunden passgenaue Einblicke für ihre Kundengespräche.

Darüber hinaus hat JPMorgan Chase mit der internen GenAI-Plattform „LLM Suite“ ein System geschaffen, das rund 200.000 Mitarbeitende bei Aufgaben wie dem Schreiben von E-Mails, der Erstellung von Präsentationen und der Zusammenfassung von Dokumenten unterstützt.

Echtzeit-ML-Plattform für Betrugserkennung und Bonitätsbewertung

KI unterstützt Risiko- und Compliance-Abteilungen, indem sie synthetische Beispiele für betrügerische Transaktionen oder verdächtige Handelsmuster erstellt. Diese dienen als Trainingsgrundlage für präzisere Erkennungsalgorithmen – mit dem Ziel, Betrügern stets einen Schritt voraus zu sein.

Feedzai nutzt GenAI, um Betrugsszenarien zu simulieren und dadurch die Erkennung neuer Muster zu verbessern. Eine große europäische Bank verzeichnete nach der Einführung dieses Ansatzes 60 % weniger Fehlalarme und eine 20 % höhere Trefferquote bei tatsächlichen Betrugsfällen.

Auch andere Finanzinstitute erzielen messbare Erfolge:

• Die Bank of America reduzierte ihre Verluste durch Kreditkartenbetrug im Jahr 2024 um 45 % – rund 500 Millionen US-Dollar –, dank KI-gestützter Erkennungssysteme.
• Mastercard nutzt KI-basierte Cybersicherheit zur Echtzeitüberwachung von Zahlungen und hat in den vergangenen drei Jahren Betrugsverluste von über 35 Milliarden US-Dollar

Ein weiteres Beispiel ist MYbank, die digitale Bank der Ant Group. Sie setzt auf das sogenannte „310-Kreditmodell“: Kleinunternehmen können innerhalb von drei Minuten einen Kredit ohne Sicherheiten beantragen, der in einer Sekunde genehmigt wird – ganz ohne menschliche Beteiligung. Das Modell bewertet Risiken anhand von Umsatz- und Rückzahlungsdaten und ermöglicht so schnelle, sichere Entscheidungen.

KI und ML für die Beratung zur Einhaltung gesetzlicher Vorschriften

Generative KI kann den manuellen Aufwand in der Compliance deutlich reduzieren. Sie unterstützt bei der schnellen Erstellung von Risikoberichten und regulatorischen Dokumenten sowie bei der Analyse komplexer Rechts- und Regulierungstexte.

Citi setzt GenAI beispielsweise ein, um neue Projekte für Compliance-Prüfungen vorzubereiten, Projektsummaries zu erstellen und relevante Vorschriften automatisch zu identifizieren.

KI-Assistent für die Anlageberatung

Als virtueller Finanzcoach kann KI Kundinnen und Kunden aktiv bei der Finanzplanung unterstützen.

FinTechs entwickeln dafür Chatbots, die Ausgaben- und Spargewohnheiten analysieren, um personalisierte Empfehlungen zu geben. Generative KI kann Beratungsgespräche für Millionen von Kundinnen und Kunden gleichzeitig simulieren und – kombiniert mit deren Finanzdaten – individuelle Einblicke und Produktempfehlungen liefern.

Auch etablierte Häuser wie UBS und HSBC nutzen KI, um Marktdaten zu analysieren, Risiken zu bewerten und maßgeschneiderte Anlagestrategien zu entwickeln. Dadurch optimieren ihre Vermögensverwalter die Marktforschung und verkürzen den Zeitaufwand für die Datensynthese erheblich.

Einen Partner mit technischer Erfahrung und Fachwissen finden

Weltweit investieren Finanzinstitute in KI, um ihre betriebliche Effizienz zu steigern, die Sicherheit zu erhöhen und das Kundenerlebnis zu verbessern.

Neben den technologischen Entscheidungen und Anfangsinvestitionen stehen sie jedoch vor strategischen Herausforderungen: der Einhaltung komplexer Datenschutzgesetze, der wachsenden Nachfrage nach personalisierten Kundenerlebnissen und der Integration neuer Technologien in bestehende Systeme.

Deshalb wenden sich viele Unternehmen an Software Mind. Mit langjähriger Branchenerfahrung und einem starken Partnernetzwerk – darunter Databricks, Backbase, ServiceNow, Bloomreach und andere – bietet Software Mind technische und fachliche Expertise, die alle Bereiche der Softwareentwicklung abdeckt.

Kontaktieren Sie unsere Expertinnen und Experten, um zu erfahren, wie wir Ihre digitalen Strategien erfolgreich unterstützen können.

FAQ

Wie hoch ist die KI-Akzeptanzrate bei Unternehmen in der Finanzdienstleistungsbranche?

Die Akzeptanz von Künstlicher Intelligenz in der Finanzbranche wächst weltweit rasant.
In Großbritannien nutzen bereits 75 % der Unternehmen KI, weitere 10 % planen den Einsatz innerhalb der nächsten drei Jahre. Zudem setzen 41 % KI gezielt zur Optimierung interner Prozesse ein.

In der Europäischen Union verwenden mehr als 85 % der Finanzinstitute KI aktiv, und über 40 % nutzen bereits generative KI. Bis 2028 planen 18 % der Unternehmen, zwischen 0,25 % und <0,50 % ihres Eigenkapitals in GenAI zu investieren, während 58 % Investitionen zwischen 0 % und <0,25 % vorsehen.

Auch in den USA ist die Akzeptanz hoch: 78 % der Finanzunternehmen setzen GenAI bereits in mindestens einem Anwendungsfall ein. Bis 2025 sollen amerikanische Finanzinstitute insgesamt rund 100 Milliarden US-Dollar in KI-Technologien investieren.

Wo setzen Finanzinstitute KI ein?

Sowohl KI als auch generative KI (GenAI) werden in der Finanzbranche vielseitig eingesetzt, um Prozesse bei Banken, Kreditgenossenschaften und Finanzdienstleistern effizienter zu gestalten.

KI-Lösungen verbessern die Kundeninteraktion, beschleunigen Serviceprozesse, unterstützen die Kreditvergabe und stärken das Risikomanagement.

Unternehmen, die auf Investitionen und Aktienmärkte spezialisiert sind, nutzen KI zudem zur Optimierung des Handels: Sie vereinfacht die Informationsaufbereitung, erhöht die Transparenz und reduziert Risiken.

Doch der Nutzen von KI geht weit über Effizienz, Automatisierung und Geschwindigkeit hinaus. In einem Sektor, in dem Compliance und Sicherheit oberste Priorität haben, sorgt KI für präzise Überwachung, stärkt die Betrugserkennung, schützt sensible Daten und unterstützt die Einhaltung gesetzlicher Vorgaben.

Welche Herausforderungen müssen bei der Integration von KI-Lösungen in den Betrieb bewältigt werden?

Neben den erforderlichen Anfangsinvestitionen und der Schulung von Mitarbeitenden müssen Finanzunternehmen bei der Einführung von KI zahlreiche regulatorische Anforderungen erfüllen – darunter Datenschutzgesetze wie DSGVO, CCPA und DORA sowie weitere branchenspezifische Vorschriften.

Wie bei jeder digitalen Transformation gilt es, KI-Lösungen verantwortungsvoll und transparent in bestehende Systeme zu integrieren, ohne den laufenden Betrieb zu beeinträchtigen.

Darüber hinaus müssen Unternehmen ein ausgewogenes Verhältnis zwischen personalisierter Nutzererfahrung und Datensicherheit schaffen, um sowohl Vertrauen als auch Effizienz zu gewährleisten.

Welche Rolle spielen Daten bei KI-Innovationen?

Daten sind das Fundament jeder KI-Innovation – sowohl in ihrer Qualität als auch in ihrer Menge. Damit KI-Modelle zuverlässig arbeiten, benötigen Unternehmen saubere, vollständige und gut strukturierte Datensätze als Trainingsgrundlage. Deshalb sollte jede KI-Initiative mit einer sorgfältigen Bewertung – und meist auch einer Aktualisierung – der Prozesse zur Datenerfassung, -speicherung und -verwaltung beginnen.

Was sind praktische Beispiele für den Einsatz von KI?

KI hat sich als äußerst wirkungsvoll erwiesen, wenn es darum geht, Informationen aus Finanzberichten zu analysieren, zusammenzufassen und zu extrahieren. Sie verwandelt komplexe Rohdaten in verständliche, handlungsrelevante Erkenntnisse für Entscheidungsträger. Darüber hinaus unterstützt KI-gestützte Automatisierung die Überprüfung und Verwaltung von Dokumenten. Weitere Anwendungsfelder reichen von intelligenten Suchfunktionen über die Erstellung von Risikoberichten und Compliance-Dokumentationen bis hin zur Unterstützung bei der Anlageberatung.