KI ist in Banken angekommen, die Koordination meist nicht

Die Technologie ist angekommen, die Organisation nicht

Fast alle haben KI, wenige haben eine gemeinsame Richtung. KI-Vorhaben in deutschen Banken scheitern 2026 seltener an der Technik als an fehlender Koordination: In der Studie „KI in Banken 2025“ von Cofinpro und VÖB-Service sagen 70 Prozent der Befragten, die KI-Projekte ihres Instituts seien überwiegend isolierte Einzelinitiativen. Solange Vorhaben nebeneinander herlaufen, summieren sich Einzelerfolge nicht zu Wirkung.

Vor drei Jahren lautete die Frage noch, ob KI im regulierten Bankbetrieb überhaupt trägt. Diese Frage ist beantwortet. Die neue Frage lautet, warum ein Institut mit vielen laufenden KI-Vorhaben am Jahresende so wenige messbare Effekte vorweisen kann.

Wie weit ist KI in deutschen Banken tatsächlich verbreitet?

Weit, und schneller als erwartet. Für die Studie von Cofinpro und VÖB-Service wurden im Juli 2025 insgesamt 317 Fachleute aus Privatbanken, Sparkassen, Genossenschaftsbanken und Förderbanken befragt. Die große Mehrheit der Banken nutzt KI demnach produktiv, deutlich mehr als 2023. In der Unternehmensstrategie verankert haben KI aber nur 48 Prozent der Institute, in der IT-Strategie 58 Prozent.

Die häufigsten Anwendungen sind die Automatisierung manueller Prozesse und die intelligente Informationssuche, jeweils bei 59 Prozent der Institute. Nach den Studienangaben nutzen 57 Prozent der Bankmitarbeitenden Tools wie ChatGPT oder Microsoft Copilot bereits im Arbeitsalltag. Verbreitung ist damit kein Engpass mehr, sondern Normalzustand. Der Engpass liegt in der Verbindung der Vorhaben untereinander.

Warum erzeugen isolierte KI-Initiativen so wenig Wirkung?

Weil jede isolierte Initiative alles selbst verhandelt: Datenzugang, Betriebsmodell, Freigabeweg, Modellauswahl und Nachweise für Revision und Datenschutz. Jede dieser Verhandlungen kostet Wochen bis Monate. Führt eine zweite Einheit dieselbe Verhandlung noch einmal, entsteht kein zweiter Nutzen, sondern doppelter Aufwand.

Am Ende steht ein Portfolio, in dem die Kosten mit jedem Vorhaben wachsen und der Nutzen nicht. Die Folie im Management zeigt Bewegung, die Gewinn-und-Verlust-Rechnung zeigt wenig. Der Unterschied zwischen Pilotbetrieb und Transformation liegt nicht in der Zahl der Anwendungsfälle, sondern darin, ob der zweite Anwendungsfall günstiger und schneller ist als der erste. Warum so viele Vorhaben vor dem Regelbetrieb stehen bleiben, beschreibt der Beitrag zur Pilotfalle in Banken.

Hinzu kommt ein Effekt, der selten eingeplant wird: Isolierte Vorhaben konkurrieren um dieselben Menschen. In einem Institut mittlerer Größe gibt es nur wenige Personen, die Fachprozess, Datenhaushalt und Regulatorik zugleich überblicken. Viele parallele Initiativen bedeuten deshalb nicht viele Teams, sondern dieselben Schlüsselpersonen in immer mehr Terminen.

Was hat Compliance mit dem Wirkungsproblem zu tun?

Mehr, als es scheint. In der Studie nennen 55 Prozent der Institute ohne KI-Anwendungen regulatorische Anforderungen als größtes Hindernis, 2023 waren es 41 Prozent. Nur 23 Prozent der Institute fühlen sich gut auf die KI-Verordnung der EU vorbereitet.

Die Zahlen sind weniger eine Regulierungsklage als eine Folge der Zersplitterung. Wo kein gemeinsamer Rahmen existiert, baut jede Initiative ihren eigenen: sechs Teams, sechs Auslegungen derselben Pflicht, sechs Antworten auf dieselbe Revisionsfrage. Ein Beispiel ist Artikel 4 der KI-Verordnung zur KI-Kompetenz. Seit dem 27. Juli 2026 ist er durch den sogenannten Digital Omnibus abgeschwächt: Anbieter und Betreiber müssen Maßnahmen zur Förderung der KI-Kompetenz ihrer Beschäftigten ergreifen, statt ein ausreichendes Niveau für jede Person sicherzustellen. Die Pflichten für Hochrisiko-Systeme nach Anhang III gelten nach der Änderung ab dem 2. Dezember 2027. Ein Institut mit gemeinsamem Rahmen setzt solche Änderungen einmal um, ein Institut mit vielen Insellösungen vielfach.

Woran ist ein koordiniertes KI-Portfolio erkennbar?

An drei Merkmalen, die sich ohne Technikkenntnis prüfen lassen. Erstens gibt es eine vollständige Übersicht aller laufenden Vorhaben mit Ziel, Verantwortung und Status. Zweitens nutzen neue Vorhaben vorhandene Bausteine für Datenzugang, Betrieb und Freigabe, statt sie neu zu bauen. Drittens wird Wirkung berichtet statt Aktivität: eingesparte Bearbeitungsstunden, gesenkte Durchlaufzeit, verlagerte Kapazität.

Fehlt eines dieser Merkmale, entsteht der Effekt, den die Studie misst. Die Überzeugung ist dabei kein Engpass: 92 Prozent der Befragten erwarten deutliche Wettbewerbsnachteile für Banken ohne KI, 89 Prozent sehen besonderes Potenzial für generative KI im Prozessmanagement. Was fehlt, ist die Priorisierung. Welche Fehler dabei am häufigsten passieren, wiederholt sich über Institute hinweg erstaunlich zuverlässig.

Was bedeutet das für Steuerung und Organisation?

Koordination ist keine Zentralisierung. Die Fachbereiche bleiben Eigentümer ihrer Anwendungsfälle, denn nur sie kennen Prozess, Ausnahmen und Kennzahlen. Zentral gebündelt werden die Bausteine, die jedes Vorhaben braucht: Plattform und Datenzugang, Freigabeweg mit festen Bearbeitungszeiten, Dokumentation für Revision und Datenschutz sowie ein gemeinsames Verfahren zur Wirkungsmessung.

Für das Management heißt das, KI wie ein Portfolio zu steuern und nicht wie eine Sammlung einzelner Projekte. Ein Portfolio hat eine Reihenfolge, ein Budget je Stufe und eine Stelle, die Dopplungen sichtbar macht. Sinnvoll ist ein fester Takt, etwa ein Quartalsblick auf alle Vorhaben, in dem über Überführung, Zusammenlegung oder Beendigung entschieden wird. So bleibt die Liste kurz, und die knappen Schlüsselpersonen arbeiten an den Vorhaben mit dem größten Hebel. Wie sich die richtigen Anwendungsfälle für diese Reihenfolge finden lassen, beschreibt der Beitrag zur Auswahl von KI-Anwendungsfällen. Wie schnell ein Institut mit gebündelten Grundlagen vorankommt, zeigt sich meist beim dritten Anwendungsfall: Er braucht deutlich weniger Abstimmung als der erste.

Was das Management jetzt konkret ändern kann

1. Das gesamte KI-Portfolio auf eine Seite bringen: alle laufenden Vorhaben mit Ziel, Verantwortung, Status und erwarteter Wirkung. Dopplungen werden dabei fast immer sofort sichtbar.

2. Betriebsmodell, Datenzugang und Freigabeweg einmal bauen und danach für jedes Vorhaben wiederverwenden.

3. Wirkung messen statt Aktivität: eingesparte Bearbeitungsstunden und Durchlaufzeiten berichten, nicht die Zahl der Piloten.

4. Eine Reihenfolge festlegen und Vorhaben ohne Beitrag zu einem strategischen Ziel begründet zurückstellen.

5. Regulatorische Änderungen zentral umsetzen, etwa die angepasste Pflicht zur KI-Kompetenz, statt sie jedem Projekt einzeln zu überlassen.

Häufige Fragen

Wie verbreitet ist KI in deutschen Banken?
Nach der Studie „KI in Banken 2025“ von Cofinpro und VÖB-Service nutzt die große Mehrheit der Banken KI produktiv, deutlich mehr als 2023. In der Unternehmensstrategie verankert ist KI bei 48 Prozent.

Was ist eine isolierte KI-Initiative?
Ein Vorhaben, das Datenzugang, Betrieb, Freigabe und Nachweise selbst organisiert, ohne auf gemeinsame Bausteine zurückzugreifen. Es kann im Einzelnen erfolgreich sein, macht aber den nächsten Anwendungsfall nicht günstiger.

Bedeutet Koordination, dass die IT alle KI-Vorhaben übernimmt?
Nein. Die fachliche Verantwortung bleibt im Fachbereich. Gebündelt werden Plattform, Freigabeweg, Dokumentation und Wirkungsmessung, damit nicht jedes Vorhaben sie neu erfindet.

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

Wie viele KI-Vorhaben im eigenen Institut gerade parallel laufen, ist oft schwerer zu beantworten, als es klingt, und gerade deshalb ein guter Ausgangspunkt. Über einen ersten Austausch dazu freuen wir uns.