Der Kunde — Eine Sparkasse mit rund 700 Mitarbeitenden und einer Bilanzsumme von über 3 Mrd. Euro. Breites Retail- und Firmenkundengeschäft, gewachsene IT-Infrastruktur, ambitioniertes Vorstandsteam.

Die Ausgangslage — KI stand auf der strategischen Agenda – aber ohne klaren Plan. Einzelne Bereiche hatten Piloten gestartet, die ins Leere liefen. Es gab keine übergreifende KI-Strategie, kein Priorisierungsframework und keine Klarheit darüber, welche Use Cases wirklich zur Sparkasse passen.

Die Herausforderung — Die Heterogenität war das eigentliche Problem: 700 Mitarbeitende mit unterschiedlichem KI-Reifegrad, über 15 Fachbereiche mit eigenen Anforderungen, eine IT mit begrenzten Ressourcen und hohen Datenschutzanforderungen. Ohne klare Governance würden Einzelprojekte weiterhin verpuffen.

Was wir getan haben — Wir haben das Projekt in vier Phasen strukturiert.

Phase 1 – Standortanalyse: Bewertung des KI-Reifegrads, Interviews mit 12 Führungskräften, Prüfung der technologischen Infrastruktur.

Phase 2 – Use-Case-Entwicklung: Gemeinsam mit den Fachbereichen haben wir 14 KI-Use-Cases entwickelt und nach Wirkung, Umsetzbarkeit und strategischer Passung bewertet.

Phase 3 – Roadmap und Governance: Priorisierte KI-Roadmap, Aufbau eines KI-Steuerungsgremiums, Rollendefinition für die Umsetzung.

Phase 4 – Implementierung der Top-3-Use-Cases: KI-Unterstützung in der Beratungsvorbereitung, automatisierte Kategorisierung von Kundenanfragen im Service-Center, KI-gestützte Bonitätsvorbereitung in der Marktfolge.

Die Ergebnisse — Vierzehn Use Cases wurden identifiziert und bewertet. Drei davon sind innerhalb von sechs Monaten produktiv. Im Beratungsbereich berichten Kundenberater von 30 % Zeitersparnis bei der Vorbereitung von Kundenterminen. Die Sparkasse hat eine skalierbare KI-Governance, die direkt auf weitere Use Cases ausgerollt werden kann.