Sibos: Banken bringen KI aus der Pilotphase in den Großeinsatz

Auf der SIBOS kamen führende Technologie- und KI-Verantwortliche von Deutsche Bank, BNP Paribas, BNY und Citi mit Google Cloud zu einem Mediengespräch zusammen. Im Mittelpunkt stand die Frage, wie Finanzinstitute künstliche Intelligenz aus der Experimentierphase in den unternehmensweiten Einsatz überführen.

Die zentrale Botschaft der Diskussion war eindeutig: Die Finanzbranche tritt in eine Ära der agentischen KI ein, in der KI-Systeme komplexe Informationen durchdringen, mehrstufige Arbeitsabläufe ausführen und Mitarbeitende dabei unterstützen können, schneller und fundierter zu entscheiden.

Für Banken, die in stark regulierten Umfeldern tätig sind, geht es dabei jedoch längst nicht mehr nur darum, was KI leisten kann. Immer stärker rückt die Frage in den Vordergrund, wie sie sicher, in großem Maßstab und mit messbarem geschäftlichem Nutzen eingesetzt werden kann.

Von Pilotprojekten zur Transformation

Jo Hannaford, CIO und CPO der Unternehmensbank der Deutschen Bank, beschrieb den KI-Weg des Instituts als Übergang vom Experimentieren zum industriellen Maßstab. Die Deutsche Bank hat ein Framework für agentische KI namens ADA entwickelt, mit dem sich Agenten in unterschiedlichen Anwendungen wiederverwenden lassen.

Hannaford hob zwei große Kategorien von KI-Anwendungsfällen in der Finanzbranche hervor: Prozessoptimierung und Finanzintelligenz. Automatisierung könne zwar die betriebliche Effizienz steigern, doch die größere Chance liege ihrer Ansicht nach darin, mit KI Finanz- und Marktinformationen zu verdichten und daraus verwertbare Erkenntnisse für kundennahe Teams zu gewinnen.

Auch bei BNP Paribas reicht der Anspruch über eine schrittweise Automatisierung hinaus. Charles Holive, Chief AI Officer für das Firmen- und Institutionenkundengeschäft, sagte, die Bank betrachte KI als Geschäftstreiber und nicht bloß als Technologie- oder Kosteninitiative.

Statt Tausende einzelner Machbarkeitsstudien zu verfolgen, konzentriert sich BNP Paribas auf eine kleinere Zahl großer Transformationen in ihren Geschäftsbereichen. Ziel ist es, Prozesse neu zu gestalten und ihre zugrunde liegende Wirtschaftlichkeit zu verändern.

Agentische KI hält Einzug in die Arbeitsabläufe

Die Diskussion lieferte zudem konkrete Beispiele dafür, wie Banken agentische KI in alltäglichen Finanzprozessen einsetzen.

Bei BNP Paribas betrifft ein Anwendungsfall das Wertpapierdienstleistungsgeschäft, darunter die Bearbeitung von Trade Breaks. Die Bank gestaltete den Arbeitsablauf zunächst neu, bevor sie einen KI-Agenten einführte, der Teile des Prozesses übernimmt.

Laut Holive löste das System anfangs rund 95 % der eingehenden Triage-Fälle, während die verbleibenden Ausnahmen dem Agenten Gelegenheit gaben, aus menschlichem Feedback zu lernen. Innerhalb weniger Wochen erreichte der Prozess eine automatisierte Effizienz von etwa 80–85 %.

BNY verfolgt im Zahlungsverkehr einen ähnlichen Ansatz. Sarthak Pattanaik, Chief Data and AI Officer, beschrieb eine agentische Lösung für den geringen Anteil von Zahlungsaufträgen, die manuell bearbeitet werden müssen.

Das System verbindet ein semantisches Verständnis der Zahlungsinformationen – darunter Begünstigte, Währungen, Adressen und Zahlungsarten – mit einer syntaktischen Prüfung anhand der Standards nach ISO 20022. Anschließend bewertet es den weiteren Kontext der Transaktion, um festzustellen, ob die Zahlung plausibel ist. Deterministische Kontrollen und menschliches Eingreifen bleiben dabei Teil des Prozesses.

Der Unterschied ist wichtig: Die KI-Ebene ersetzt bestehende Kontrollen nicht, sondern ergänzt sie um zusätzliche Fähigkeiten zum Schlussfolgern.

Von Effizienz zu Finanzintelligenz

Für die Deutsche Bank liegt eine weitere große Chance darin, mit KI Qualität und Geschwindigkeit der Finanzintelligenz zu verbessern.

Die Bank hat gemeinsam mit Google Cloud eine Lösung namens Financial Insights entwickelt, die Finanzintelligenz, Marktdynamik und kundenspezifische Informationen zusammenführt. Das System kann Empfehlungen für Betreuungsteams erstellen und Folgeaufgaben automatisieren, etwa das Entwerfen von Finanzmemos und Kreditbewertungen.

Hannaford zufolge soll das Werkzeug den Kundenbetreuungsteams helfen, sich abzeichnende Probleme zu erkennen, bevor die Kunden selbst sie unbedingt bemerkt haben.

Auch Citi erprobt agentische KI in Bereichen wie Liquidität, Dokumentenverarbeitung und Vermögensverwaltung. Stephen Randall, Interim-COO des Services-Geschäfts und Leiter Liquidity Management Services, betonte, wie wichtig es sei, Produktivitätsgewinne mit klaren unternehmensweiten Grenzen zu verbinden.

Governance wird Teil der Architektur

Wenn es ein Thema gab, das die verschiedenen Beispiele verband, dann dieses: Vertrauen und Governance lassen sich nicht nachträglich hinzufügen.

Die Diskussionsteilnehmer betonten immer wieder die Bedeutung von Data Governance, Beobachtbarkeit, regulatorischen Kontrollen und menschlicher Aufsicht.

Bei BNP Paribas wird eine Governance unter Einbeziehung von Compliance, Rechtsabteilung, Cybersicherheit und Personalwesen von Beginn der Entwicklung an berücksichtigt. Die Bank kann zudem interne Infrastruktur nutzen, um sensible Anwendungen prototypisch zu erproben, bevor bewährte Lösungen die vollständige unternehmensweite Governance durchlaufen.

Bei Citi nutzen die Teams Kontrollen, die festlegen, auf welche internen und externen Datenquellen bestimmte Arbeitsabläufe zugreifen dürfen, und halten zugleich an definierten Human-in-the-Loop- oder Human-on-the-Loop-Modellen fest.

Die Deutsche Bank erprobt Ansätze mit Wissensgraphen, um semantische Informationen über herkömmliche Datenstrukturen hinweg zu verknüpfen. Laut Hannaford hat dies in bestimmten Bereichen der Bank dazu beigetragen, Prozesse wie das Onboarding und die Kreditvergabe zu beschleunigen.

Auch bei BNY ist Governance direkt in die Daten- und KI-Plattform eingebettet: Metadaten und Semantik helfen zu bestimmen, ob Informationen für einen bestimmten Zweck rechtmäßig verwendet werden dürfen.

Google stellt die eigene Finanzabteilung auf die Probe

Google präsentierte zudem die eigene Finanzorganisation als Praxis-Testfeld für KI im Unternehmenseinsatz.

Kristin Reinke, VP of Finance bei Google, bezeichnete das Unternehmen als „Customer Zero“ für die eigenen KI-Technologien. Google setzt KI in seiner gesamten Finanzorganisation ein, unter anderem bei der Rechnungsprüfung und im Reporting für die Geschäftsleitung.

Jason Allen, Assistant Treasurer bei Google, stellte ein agentisches Cash-Management-System vor, das für das globale Treasury von Google entwickelt wurde. Die Lösung setzt separate Agenten für Prognose, Bewertung und Ausführung ein, um überschüssige Liquidität zu identifizieren, zu bewerten, wo sie angelegt werden sollte, und Transaktionen zur Ausführung vorzubereiten.

Nach Angaben des Unternehmens hat das System Arbeitszeit der Mitarbeitenden für höherwertige Tätigkeiten freigesetzt und zugleich zusätzliche Zinserträge erwirtschaftet.

Google betonte ausdrücklich, dass die KI nicht die endgültige Anlageentscheidung trifft. Die Verantwortung für die Entscheidung liegt weiterhin bei menschlichen Cash-Managern; die Technologie liefert Empfehlungen und verringert den manuellen Aufwand, der nötig ist, um zu ihnen zu gelangen.

Die nächste Phase der KI im Bankwesen

Die Diskussion auf der SIBOS deutet darauf hin, dass sich die KI-Debatte der Branche weiterentwickelt. Der Fokus verschiebt sich weg von isolierten Produktivitätswerkzeugen hin zu KI-Systemen, die direkt in kritische Finanzprozesse eingebettet sind.

Die Beispiele von Deutsche Bank, BNP Paribas, BNY und Citi weisen auf ein gemeinsames Modell hin: KI übernimmt zunehmend komplexe Schlussfolgerungen und Ausführungsschritte, während Datenkontrollen, deterministische Überprüfung, Governance und menschliches Urteilsvermögen unverzichtbar bleiben.

Für Finanzinstitute dürfte die Wettbewerbsfrage daher weniger lauten, wer das größte KI-Modell einsetzen kann, sondern vielmehr, wer die Infrastruktur, die Datengrundlagen und die Governance aufbauen kann, die nötig sind, um KI-Fähigkeiten in vertrauenswürdige Geschäftsprozesse zu verwandeln.

Wie das Panel von Google Cloud deutlich machte, ersetzt KI im sich abzeichnenden Modell nicht die Fachleute der Finanzbranche. Vielmehr beseitigt sie Reibungsverluste und stärkt das Urteilsvermögen der Menschen, die für finanzielle Entscheidungen verantwortlich sind.