KI skaliert nicht auf provisorischer Infrastruktur

Der Pilot war ein Erfolg. Deshalb gibt es jetzt vierzig davon.

So sieht KI-Fortschritt in vielen Finanzinstituten aus: eine wachsende Sammlung von Einzelfällen. KI-Piloten scheitern selten an der Technik, sondern am fehlenden organisatorischen Unterbau. Ein Pilot beweist, dass etwas funktioniert; Governance mit benannter Verantwortung, abgestuften Freigabewegen und verbindlichen Fristen entscheidet, ob es sich wiederholen lässt.

Die Deloitte-Studie „Künstliche Intelligenz im Bankensektor“ vom November 2025, eine Erhebung bei 40 Banken mit rund einem Viertel der Bilanzsumme des deutschen Bankensektors, beziffert den Zustand: 95 Prozent der Banken haben KI eingeführt oder planen es, aber nur 15 Prozent haben KI umfassend in Governance und Organisation integriert. 83 Prozent arbeiten mit provisorischen KI-Infrastrukturen, 43 Prozent nutzen KI ohne klare strategische Verankerung. Die Branche hat kein Ideenproblem, sondern ein Unterbau-Problem.

Warum skalieren erfolgreiche Piloten nicht von selbst?

Weil Pilot und Produktivbetrieb zwei verschiedene Disziplinen sind. Der Pilot zeigt Machbarkeit unter Idealbedingungen: ein Anwendungsfall, ein motiviertes Team, Sonderfreigaben, ein begrenzter Zeitraum. Der Produktivbetrieb verlangt das Gegenteil von Sonderbedingungen: benannte Verantwortung für das Modell, geregelte Freigaben, überwachten Betrieb und einen Plan für den Fall, dass das Modell falsch liegt. Warum so viele Vorhaben genau an dieser Schwelle stehen bleiben, beschreibt der Beitrag zur Pilotfalle in Banken.

Was macht provisorische Infrastruktur so teuer?

Provisorische Infrastruktur verwandelt jeden neuen Anwendungsfall in ein neues Projekt. Werden Zugänge, Datenanbindungen und Freigaben je Fall einzeln gebaut, zahlt das Institut die Grundkosten jedes Mal neu und erzeugt nebenbei einen Wildwuchs an Insellösungen, den später niemand mehr überblickt. Eine tragfähige KI-Plattform dreht das Verhältnis um: Datenzugriff, Modellbetrieb, Protokollierung und Berechtigungen existieren einmal, jeder weitere Anwendungsfall nutzt sie.

Dass der Aufwand real ist, bestreitet niemand: Für 64 Prozent der von Deloitte befragten Banken sind technologische und regulatorische Anforderungen die zentrale Herausforderung. Daraus folgt aber nicht das Provisorium, sondern das Gegenteil. Wer die Anforderungen einmal in Plattform und Freigabeweg übersetzt, erfüllt sie danach für jeden Anwendungsfall mit, statt sie vielfach einzeln nachzuweisen. Wie sich die Entscheidung zwischen eigener Plattform und Zukauf strukturieren lässt, zeigt der Beitrag zur internen KI-Plattform oder SaaS.

Was gehört in eine KI-Governance, die Skalierung trägt?

Vier Elemente, und keines davon ist ein Gremium mit Vetorecht. Erstens Verantwortung: Für jedes produktive Modell gibt es eine benannte fachliche Eigentümerin oder einen Eigentümer, nicht die IT und nicht einen Ausschuss. Zweitens ein abgestufter Freigabeweg: Ein internes Text-Tool durchläuft eine andere Prüftiefe als ein Modell mit Kundenwirkung. Drittens Betriebsregeln: Überwachung der Ergebnisqualität, definierte Eingriffsschwellen und geregelte Außerbetriebnahme. Viertens Fristen: Jeder Freigabeschritt hat eine verbindliche Bearbeitungszeit, denn eine Governance ohne Fristen ist eine Warteschlange mit Briefkopf.

Bei Versicherern zeigt sich dieselbe Entwicklung. Nach der Umfrage der europäischen Versicherungsaufsicht EIOPA unter 347 Versicherern, veröffentlicht im Februar 2026, haben 49 Prozent eine eigene KI-Richtlinie; 2023 war es erst ein Viertel. Eine Richtlinie ist der Anfang, wirksam wird sie erst mit Freigabeweg, Verantwortung und Fristen im Alltag.

Wie sieht ein abgestufter Freigabeweg aus?

Er ordnet jeden Anwendungsfall vor der Prüfung einer Risikostufe zu. Stufe eins umfasst interne Tools ohne Kundenwirkung und ohne personenbezogene Daten, etwa die Suche in Arbeitsanweisungen; hier genügen Standardprüfung und Dokumentation. Stufe zwei umfasst Anwendungen, die Vorgänge vorbereiten, über die ein Mensch entscheidet. Stufe drei umfasst Anwendungen mit unmittelbarer Kundenwirkung oder mit Bezug zu Hochrisiko-Kategorien der KI-Verordnung, etwa die Bewertung der Kreditwürdigkeit natürlicher Personen.

Für Stufe drei gilt ein zusätzlicher Zeitpunkt: Nach dem Digital Omnibus, der am 27. Juli 2026 in Kraft trat, gelten die Pflichten für Hochrisiko-Systeme nach Anhang III der KI-Verordnung ab dem 2. Dezember 2027. Ein Freigabeweg, der diese Stufe heute schon sauber dokumentiert, spart später Nacharbeit. Der Blick auf die Prioritäten der BaFin zur KI-Governance zeigt, welche Erwartungen an Verantwortlichkeiten bestehen.

Warum ist die strategische Verankerung mehr als ein Papier?

Weil sie die Auswahlfrage beantwortet, an der Institute ohne Verankerung scheitern: Welche der vielen Ideen wird gebaut, welche nicht? Ohne Priorisierungslogik gewinnt der lauteste Fachbereich oder der überzeugendste Anbieter. Mit ihr gewinnt der Anwendungsfall, der auf ein strategisches Ziel einzahlt und auf der vorhandenen Plattform läuft. Die Ablehnung ist dabei der wertvollere Teil: Ein Institut, das Nein sagen kann, schützt die wenigen Menschen, die KI-Vorhaben fachlich und technisch tragen, vor der Zersplitterung. Wie sich Vorhaben vorher belastbar bewerten lassen, beschreibt der Beitrag zum Business Case für KI.

Wie kommen die laufenden Piloten in den Regelbetrieb?

Durch Bestandsaufnahme und Dreiteilung statt durch einen Stopp. Jeder laufende Anwendungsfall wird einer von drei Gruppen zugeordnet: überführen, wenn er auf ein strategisches Ziel einzahlt und sich auf die Plattform heben lässt; beenden, wenn er es nicht tut, mit dokumentierter Begründung, damit dieselbe Idee nicht kurz darauf erneut als Pilot startet; zusammenlegen, wenn mehrere Fachbereiche dasselbe Problem mit unterschiedlichen Tools lösen.

Unbeliebt ist die Sortierung, weil jeder Pilot Fürsprecher hat. Trotzdem ist sie der Punkt, an dem aus Experimentierfreude ein Betriebsmodell wird, und sie fällt umso leichter, je früher die Kriterien feststehen. Der Unterbau hat dabei keinen natürlichen Fürsprecher: Fachbereiche wollen ihre Anwendungsfälle, die IT will Stabilität, Compliance will Risikominimierung. Deshalb braucht er einen Auftrag aus dem Management mit Namen und Termin.

Was das Management jetzt anstoßen kann

1. Eine Bestandsaufnahme beauftragen: alle KI-Anwendungen mit Grundlage, Verantwortung und Risikostufe.

2. Für jedes produktive Modell eine fachliche Verantwortung benennen, nicht die IT und nicht einen Ausschuss.

3. Einen abgestuften Freigabeweg mit festen Bearbeitungszeiten einführen, getrennt nach interner Nutzung, Vorbereitung und Kundenwirkung.

4. Plattformbausteine einmal bauen: Datenzugriff, Modellbetrieb, Protokollierung und Berechtigungen für alle Anwendungsfälle.

5. Laufende Piloten sortieren: überführen, zusammenlegen oder begründet beenden.

Häufige Fragen

Was bedeutet KI-Governance in einem Finanzinstitut konkret?
Benannte fachliche Verantwortung je Modell, ein abgestufter Freigabeweg, Betriebsregeln für Überwachung und Eingriff sowie verbindliche Fristen für jeden Freigabeschritt.

Bremst Governance die KI-Einführung?
Nur, wenn sie alle Anwendungsfälle gleich behandelt oder keine Fristen kennt. Abgestuft und mit festen Bearbeitungszeiten beschleunigt sie den zweiten und jeden weiteren Anwendungsfall.

Warum ist provisorische KI-Infrastruktur ein Problem?
Weil jeder neue Anwendungsfall Zugänge, Datenanbindungen und Nachweise neu aufbaut. Die Grundkosten fallen mehrfach an, und es entstehen Insellösungen, die schwer zu überblicken sind.

Weitere Beiträge zu Anwendungsfällen, Plattformen und Steuerung bündelt das Dossier KI-Strategie & Plattformen.

Wie lange ein neuer KI-Anwendungsfall im eigenen Institut heute von der Idee bis zur Freigabe braucht, ist meist der ehrlichste Gradmesser für den Unterbau. Über einen ersten Austausch dazu freuen wir uns.