Insight

KI-Strategie in Sparkassen und Genobanken: drei Reifegrade im Check

Nicht die Verbundplattform entscheidet über die KI-Strategie, sondern der Reifegrad im Institut. Drei Stufen und fünf Kriterien für eine ehrliche Einordnung.

Geschäftsmodell und Innovation

6 min Lesezeit

Kernaussage

Der Verbund liefert die Plattform, die Wirkung entsteht im einzelnen Institut. Ohne geordnete Prozesse und gepflegte Daten bleibt auch die beste KI-Infrastruktur ein Tool ohne Ertrag.

Betonkuben einer modernen Fassade vor blauem Himmel

Die wichtigsten Erkenntnisse

Ein Tool ist noch keine Strategie

Der Reifegrad der Nutzung entscheidet

Fünf Kriterien zeigen den eigenen Reifegrad

Gleiche Plattform, unterschiedliche Wirkung

Sparkassen und Genossenschaftsbanken haben in kurzer Zeit eine ernstzunehmende KI-Grundausstattung erhalten: Die Finanz Informatik betreibt den 2024 eingeführten S-KIPilot vollständig im eigenen, abgesicherten Betrieb, Atruvia stellt den Genossenschaftsbanken plainGPT und darauf aufbauende Lösungen bereit. Die naheliegende Frage, welcher Verbund die bessere KI-Strategie hat, führt trotzdem auf die falsche Ebene.

Ob ein Institut eine gute KI-Strategie hat, zeigt sich nicht an der Plattform, sondern an ihrem Reifegrad im eigenen Institut: an priorisierten Anwendungsfällen, an einer tragfähigen Datengrundlage und an klarer Verantwortung. Der Verbund liefert das Tool, die Wirkung entsteht im einzelnen Institut.

Warum ist ein Verbund-Tool noch keine KI-Strategie?

Weil ein Tool die Frage nach dem Wozu nicht beantwortet. Eine Strategie legt fest, welche Prozesse mit KI spürbar verändert werden, in welcher Reihenfolge und mit welchem Ziel. Diese Antwort kann kein Rechenzentrum liefern, weil sie vom Geschäftsmodell und den Engpässen des einzelnen Instituts abhängt.

Wie verbreitet die Verwechslung ist, zeigt die Studie „KI in Banken 2025“ von Cofinpro und VÖB-Service mit 317 befragten Fachleuten aus deutschen Kreditinstituten. 78 Prozent der Institute arbeiten mit KI, in der Unternehmensstrategie verankert ist sie aber nur bei 48 Prozent. 70 Prozent beschreiben ihre KI-Projekte überwiegend als isolierte Einzelinitiativen. Als Erfolgsfaktoren nennen die Befragten vor allem qualitativ hochwertige Daten (53 Prozent), passendes Know-how (47 Prozent) und klar definierte Anwendungsfälle (46 Prozent). Welche Unterschiede zwischen den Verbund-Tools tatsächlich bestehen, zeigt der Vergleich S-KIPilot gegen plainGPT.

Kennzahlen: 78 Prozent der Institute arbeiten mit KI, 48 Prozent haben KI in der Unternehmensstrategie verankert, 58 Prozent in der IT-Strategie, 70 Prozent beschreiben ihre KI-Projekte überwiegend als isolierte Einzelinitiativen. Quelle: Cofinpro/VÖB-Service, KI in Banken 2025, n = 317.

Welche drei Reifegrade einer KI-Strategie lassen sich unterscheiden?

Drei Stufen helfen bei der ehrlichen Einordnung, unabhängig vom Verbund.

Reifegrad eins: Verfügbarkeit. Die Plattform ist freigeschaltet, einzelne Mitarbeitende nutzen sie für kleine Erleichterungen, eine bewusste Steuerung gibt es nicht. Viele Institute stehen hier, und es ist der Reifegrad, der am leichtesten mit einer Strategie verwechselt wird.

Reifegrad zwei: gezielte Anwendung. Das Institut hat wenige Prozesse ausgewählt, an denen es KI bewusst einsetzt, mit verantwortlichen Personen, Ausgangsmessung und messbaren Zielen. Hier beginnt Wirkung.

Reifegrad drei: Verankerung. KI ist Teil der normalen Prozessgestaltung, die Datenbasis wird systematisch gepflegt, neue Anwendungsfälle entstehen routiniert und werden über eine gemeinsame Steuerung priorisiert. Erst hier zahlt sich die Investition voll aus.

Ein Institut im dritten Reifegrad mit plainGPT ist einem Institut im ersten Reifegrad mit S-KIPilot weit voraus, und umgekehrt. Gemessen wird deshalb der Reifegrad, nicht die Plattform.

Prozesskette in drei Stufen: Verfügbarkeit, gezielte Anwendung, Verankerung. Darstellung: Sotica.

Woran lässt sich der Reifegrad im eigenen Institut konkret messen?

An fünf Kriterien, die sich ohne großen Aufwand prüfen lassen:

  • Priorisierte Anwendungsfälle: Gibt es eine kurze, begründete Liste von Prozessen, an denen KI den größten Hebel hat, oder wird ausprobiert, was gerade auffällt?

  • Wirkungsnachweis: Lässt sich mindestens ein Geschäftsprozess benennen, der sich durch KI messbar verändert hat, etwa in Durchlaufzeit oder eingesparten Bearbeitungsstunden?

  • Datengrundlage: Ist das Wissen, auf das die Plattform zugreifen soll, aktuell, widerspruchsfrei und strukturiert abgelegt?

  • Verantwortung: Gibt es eine benannte Person mit Mandat über Bereichsgrenzen, und berichtet sie regelmäßig im Management?

  • Befähigung und Nutzung: Wird die freiwillige Nutzung gemessen, und gibt es in jedem Bereich Ansprechpersonen, die Kolleginnen und Kollegen weiterhelfen?

Zwei oder weniger erfüllte Kriterien sprechen für Reifegrad eins, drei bis vier für Reifegrad zwei, alle fünf für Reifegrad drei. Wie sich die Wirkung belastbar beziffern lässt, beschreibt der Beitrag zum Business Case für KI-Vorhaben.

Was ist die größte Falle auf dem Weg zum nächsten Reifegrad?

Der Stolz auf die eigene Plattform. Wird die bloße Verfügbarkeit als Erfolg verbucht, hört die Frage nach Wirkung auf. Die Plattform wird zum Beleg, modern zu sein, und ersetzt die eigentliche Arbeit. Eine einzige Frage entlarvt das: Welcher konkrete Geschäftsprozess hat sich durch die Plattform messbar verändert? Wird sie mit einem Beispiel beantwortet, ist die Plattform mehr als ein Symbol. Wird sie nur mit Nutzungszahlen beantwortet, bleibt sie ein Anfang.

Die zweite Falle ist das Warten auf das nächste Update. Weil beide Verbünde ihre Tools breit ausrollen, verschwindet der Vorsprung früher Verfügbarkeit. Unterschiede entstehen dann durch Konsequenz in der Umsetzung, nicht durch das Tool. Warum die Abhängigkeit vom Verbundtempo selbst ein Risiko sein kann, beschreibt der Beitrag zum KI-Anschlussrisiko für Genossenschaftsbanken.

Welche Rolle spielen Daten für den Reifegrad?

Die Rolle eines heimlichen Gleichmachers. Ein Tool, das institutsinternes Wissen einbinden soll, ist nur so gut wie dieses Wissen. Liegen Arbeitsanweisungen, Produktinformationen und Prozessbeschreibungen verstreut, widersprüchlich oder veraltet vor, liefert auch die beste Plattform unzuverlässige Antworten. Ein Institut, das seine Daten und Dokumente im Griff hat, holt aus jeder Plattform mehr heraus als eines mit derselben Plattform und ungeordneter Ablage.

Ein Teil der strategischen Arbeit verschiebt sich damit von der Plattformnutzung zur Pflege der Wissensbasis. Wie das gelingt, zeigt der Beitrag zur KI-Wissensdatenbank in Banken.

Was kleinere Institute beachten sollten

Kleinere Sparkassen und Genossenschaftsbanken verfügen selten über eigene KI-Spezialisten und sind stärker auf das angewiesen, was der Verbund bereitstellt. Das ist kein Nachteil, verlangt aber eine andere Schwerpunktsetzung: weniger Eigenentwicklung, mehr konsequente Nutzung des Vorhandenen. Der Hebel liegt in klar benannten Verantwortlichen, die die Einführung in die Fläche tragen, und in wenigen konkreten Prozessen, an denen sich der Nutzen zeigt. Auch bei Kernbankthemen gehen beide Gruppen unterschiedliche Wege; der Beitrag zur Kernbank-Migration bei Atruvia und Finanz Informatik zeigt, dass auch dort die Umsetzung im Institut den Ausschlag gibt.

Was das Management für den nächsten Reifegrad anstoßen sollte

  1. Den eigenen Reifegrad bestimmen: die fünf Kriterien mit den Bereichsleitungen gemeinsam prüfen.

  2. Zwei bis drei Prozesse auswählen, die mit dem vorhandenen Verbund-Tool spürbar verbessert werden sollen, und die Ausgangslage messen.

  3. Eine verantwortliche Person benennen und einen festen Berichtstermin im Management vereinbaren.

  4. Die Wissensbasis für diese Prozesse ordnen: veraltete und widersprüchliche Dokumente bereinigen, Zuständigkeit für Pflege festlegen.

  5. Freiwillige Nutzung und Wirkung messen, nicht nur Freischaltungen und Lizenzen.

Häufige Fragen

Haben Sparkassen oder Genossenschaftsbanken die bessere KI-Strategie?
Beide Verbünde stellen tragfähige Tools bereit. Über den Erfolg entscheidet der Reifegrad der Nutzung im einzelnen Institut, nicht die Wahl der Plattform.

Woran ist eine reife KI-Strategie zu erkennen?
An priorisierten Anwendungsfällen, mindestens einem messbar veränderten Geschäftsprozess, einer gepflegten Datengrundlage, klarer Verantwortung und gemessener freiwilliger Nutzung.

Brauchen kleinere Institute eine eigene KI-Einheit?
Meist nicht. Wirksamer sind eine benannte verantwortliche Person, wenige ausgewählte Prozesse und die konsequente Nutzung der Verbund-Tools.

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

Auf welchem Reifegrad ein Institut steht, zeigt sich selten in der Strategiepräsentation und oft in der Antwort auf eine Frage: Welcher Prozess ist durch KI heute messbar besser als vor einem Jahr? Wir freuen uns auf ein erstes Gespräch zu dieser Frage.

Sotica Insights

Redaktion · Beiträge aus der Beratungspraxis

Ein Thema, das gerade beschäftigt?

Gemeinsam einordnen, was daraus folgt.

Betonkuben einer modernen Fassade vor blauem Himmel

Die wichtigsten Erkenntnisse

Ein Tool ist noch keine Strategie

Der Reifegrad der Nutzung entscheidet

Fünf Kriterien zeigen den eigenen Reifegrad

Gleiche Plattform, unterschiedliche Wirkung

Sparkassen und Genossenschaftsbanken haben in kurzer Zeit eine ernstzunehmende KI-Grundausstattung erhalten: Die Finanz Informatik betreibt den 2024 eingeführten S-KIPilot vollständig im eigenen, abgesicherten Betrieb, Atruvia stellt den Genossenschaftsbanken plainGPT und darauf aufbauende Lösungen bereit. Die naheliegende Frage, welcher Verbund die bessere KI-Strategie hat, führt trotzdem auf die falsche Ebene.

Ob ein Institut eine gute KI-Strategie hat, zeigt sich nicht an der Plattform, sondern an ihrem Reifegrad im eigenen Institut: an priorisierten Anwendungsfällen, an einer tragfähigen Datengrundlage und an klarer Verantwortung. Der Verbund liefert das Tool, die Wirkung entsteht im einzelnen Institut.

Warum ist ein Verbund-Tool noch keine KI-Strategie?

Weil ein Tool die Frage nach dem Wozu nicht beantwortet. Eine Strategie legt fest, welche Prozesse mit KI spürbar verändert werden, in welcher Reihenfolge und mit welchem Ziel. Diese Antwort kann kein Rechenzentrum liefern, weil sie vom Geschäftsmodell und den Engpässen des einzelnen Instituts abhängt.

Wie verbreitet die Verwechslung ist, zeigt die Studie „KI in Banken 2025“ von Cofinpro und VÖB-Service mit 317 befragten Fachleuten aus deutschen Kreditinstituten. 78 Prozent der Institute arbeiten mit KI, in der Unternehmensstrategie verankert ist sie aber nur bei 48 Prozent. 70 Prozent beschreiben ihre KI-Projekte überwiegend als isolierte Einzelinitiativen. Als Erfolgsfaktoren nennen die Befragten vor allem qualitativ hochwertige Daten (53 Prozent), passendes Know-how (47 Prozent) und klar definierte Anwendungsfälle (46 Prozent). Welche Unterschiede zwischen den Verbund-Tools tatsächlich bestehen, zeigt der Vergleich S-KIPilot gegen plainGPT.

Kennzahlen: 78 Prozent der Institute arbeiten mit KI, 48 Prozent haben KI in der Unternehmensstrategie verankert, 58 Prozent in der IT-Strategie, 70 Prozent beschreiben ihre KI-Projekte überwiegend als isolierte Einzelinitiativen. Quelle: Cofinpro/VÖB-Service, KI in Banken 2025, n = 317.

Welche drei Reifegrade einer KI-Strategie lassen sich unterscheiden?

Drei Stufen helfen bei der ehrlichen Einordnung, unabhängig vom Verbund.

Reifegrad eins: Verfügbarkeit. Die Plattform ist freigeschaltet, einzelne Mitarbeitende nutzen sie für kleine Erleichterungen, eine bewusste Steuerung gibt es nicht. Viele Institute stehen hier, und es ist der Reifegrad, der am leichtesten mit einer Strategie verwechselt wird.

Reifegrad zwei: gezielte Anwendung. Das Institut hat wenige Prozesse ausgewählt, an denen es KI bewusst einsetzt, mit verantwortlichen Personen, Ausgangsmessung und messbaren Zielen. Hier beginnt Wirkung.

Reifegrad drei: Verankerung. KI ist Teil der normalen Prozessgestaltung, die Datenbasis wird systematisch gepflegt, neue Anwendungsfälle entstehen routiniert und werden über eine gemeinsame Steuerung priorisiert. Erst hier zahlt sich die Investition voll aus.

Ein Institut im dritten Reifegrad mit plainGPT ist einem Institut im ersten Reifegrad mit S-KIPilot weit voraus, und umgekehrt. Gemessen wird deshalb der Reifegrad, nicht die Plattform.

Prozesskette in drei Stufen: Verfügbarkeit, gezielte Anwendung, Verankerung. Darstellung: Sotica.

Woran lässt sich der Reifegrad im eigenen Institut konkret messen?

An fünf Kriterien, die sich ohne großen Aufwand prüfen lassen:

  • Priorisierte Anwendungsfälle: Gibt es eine kurze, begründete Liste von Prozessen, an denen KI den größten Hebel hat, oder wird ausprobiert, was gerade auffällt?

  • Wirkungsnachweis: Lässt sich mindestens ein Geschäftsprozess benennen, der sich durch KI messbar verändert hat, etwa in Durchlaufzeit oder eingesparten Bearbeitungsstunden?

  • Datengrundlage: Ist das Wissen, auf das die Plattform zugreifen soll, aktuell, widerspruchsfrei und strukturiert abgelegt?

  • Verantwortung: Gibt es eine benannte Person mit Mandat über Bereichsgrenzen, und berichtet sie regelmäßig im Management?

  • Befähigung und Nutzung: Wird die freiwillige Nutzung gemessen, und gibt es in jedem Bereich Ansprechpersonen, die Kolleginnen und Kollegen weiterhelfen?

Zwei oder weniger erfüllte Kriterien sprechen für Reifegrad eins, drei bis vier für Reifegrad zwei, alle fünf für Reifegrad drei. Wie sich die Wirkung belastbar beziffern lässt, beschreibt der Beitrag zum Business Case für KI-Vorhaben.

Was ist die größte Falle auf dem Weg zum nächsten Reifegrad?

Der Stolz auf die eigene Plattform. Wird die bloße Verfügbarkeit als Erfolg verbucht, hört die Frage nach Wirkung auf. Die Plattform wird zum Beleg, modern zu sein, und ersetzt die eigentliche Arbeit. Eine einzige Frage entlarvt das: Welcher konkrete Geschäftsprozess hat sich durch die Plattform messbar verändert? Wird sie mit einem Beispiel beantwortet, ist die Plattform mehr als ein Symbol. Wird sie nur mit Nutzungszahlen beantwortet, bleibt sie ein Anfang.

Die zweite Falle ist das Warten auf das nächste Update. Weil beide Verbünde ihre Tools breit ausrollen, verschwindet der Vorsprung früher Verfügbarkeit. Unterschiede entstehen dann durch Konsequenz in der Umsetzung, nicht durch das Tool. Warum die Abhängigkeit vom Verbundtempo selbst ein Risiko sein kann, beschreibt der Beitrag zum KI-Anschlussrisiko für Genossenschaftsbanken.

Welche Rolle spielen Daten für den Reifegrad?

Die Rolle eines heimlichen Gleichmachers. Ein Tool, das institutsinternes Wissen einbinden soll, ist nur so gut wie dieses Wissen. Liegen Arbeitsanweisungen, Produktinformationen und Prozessbeschreibungen verstreut, widersprüchlich oder veraltet vor, liefert auch die beste Plattform unzuverlässige Antworten. Ein Institut, das seine Daten und Dokumente im Griff hat, holt aus jeder Plattform mehr heraus als eines mit derselben Plattform und ungeordneter Ablage.

Ein Teil der strategischen Arbeit verschiebt sich damit von der Plattformnutzung zur Pflege der Wissensbasis. Wie das gelingt, zeigt der Beitrag zur KI-Wissensdatenbank in Banken.

Was kleinere Institute beachten sollten

Kleinere Sparkassen und Genossenschaftsbanken verfügen selten über eigene KI-Spezialisten und sind stärker auf das angewiesen, was der Verbund bereitstellt. Das ist kein Nachteil, verlangt aber eine andere Schwerpunktsetzung: weniger Eigenentwicklung, mehr konsequente Nutzung des Vorhandenen. Der Hebel liegt in klar benannten Verantwortlichen, die die Einführung in die Fläche tragen, und in wenigen konkreten Prozessen, an denen sich der Nutzen zeigt. Auch bei Kernbankthemen gehen beide Gruppen unterschiedliche Wege; der Beitrag zur Kernbank-Migration bei Atruvia und Finanz Informatik zeigt, dass auch dort die Umsetzung im Institut den Ausschlag gibt.

Was das Management für den nächsten Reifegrad anstoßen sollte

  1. Den eigenen Reifegrad bestimmen: die fünf Kriterien mit den Bereichsleitungen gemeinsam prüfen.

  2. Zwei bis drei Prozesse auswählen, die mit dem vorhandenen Verbund-Tool spürbar verbessert werden sollen, und die Ausgangslage messen.

  3. Eine verantwortliche Person benennen und einen festen Berichtstermin im Management vereinbaren.

  4. Die Wissensbasis für diese Prozesse ordnen: veraltete und widersprüchliche Dokumente bereinigen, Zuständigkeit für Pflege festlegen.

  5. Freiwillige Nutzung und Wirkung messen, nicht nur Freischaltungen und Lizenzen.

Häufige Fragen

Haben Sparkassen oder Genossenschaftsbanken die bessere KI-Strategie?
Beide Verbünde stellen tragfähige Tools bereit. Über den Erfolg entscheidet der Reifegrad der Nutzung im einzelnen Institut, nicht die Wahl der Plattform.

Woran ist eine reife KI-Strategie zu erkennen?
An priorisierten Anwendungsfällen, mindestens einem messbar veränderten Geschäftsprozess, einer gepflegten Datengrundlage, klarer Verantwortung und gemessener freiwilliger Nutzung.

Brauchen kleinere Institute eine eigene KI-Einheit?
Meist nicht. Wirksamer sind eine benannte verantwortliche Person, wenige ausgewählte Prozesse und die konsequente Nutzung der Verbund-Tools.

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

Auf welchem Reifegrad ein Institut steht, zeigt sich selten in der Strategiepräsentation und oft in der Antwort auf eine Frage: Welcher Prozess ist durch KI heute messbar besser als vor einem Jahr? Wir freuen uns auf ein erstes Gespräch zu dieser Frage.

Sotica Insights

Redaktion · Beiträge aus der Beratungspraxis

Ein Thema, das gerade beschäftigt?

Gemeinsam einordnen, was daraus folgt.

Betonkuben einer modernen Fassade vor blauem Himmel

Die wichtigsten Erkenntnisse

Ein Tool ist noch keine Strategie

Der Reifegrad der Nutzung entscheidet

Fünf Kriterien zeigen den eigenen Reifegrad

Gleiche Plattform, unterschiedliche Wirkung

Sparkassen und Genossenschaftsbanken haben in kurzer Zeit eine ernstzunehmende KI-Grundausstattung erhalten: Die Finanz Informatik betreibt den 2024 eingeführten S-KIPilot vollständig im eigenen, abgesicherten Betrieb, Atruvia stellt den Genossenschaftsbanken plainGPT und darauf aufbauende Lösungen bereit. Die naheliegende Frage, welcher Verbund die bessere KI-Strategie hat, führt trotzdem auf die falsche Ebene.

Ob ein Institut eine gute KI-Strategie hat, zeigt sich nicht an der Plattform, sondern an ihrem Reifegrad im eigenen Institut: an priorisierten Anwendungsfällen, an einer tragfähigen Datengrundlage und an klarer Verantwortung. Der Verbund liefert das Tool, die Wirkung entsteht im einzelnen Institut.

Warum ist ein Verbund-Tool noch keine KI-Strategie?

Weil ein Tool die Frage nach dem Wozu nicht beantwortet. Eine Strategie legt fest, welche Prozesse mit KI spürbar verändert werden, in welcher Reihenfolge und mit welchem Ziel. Diese Antwort kann kein Rechenzentrum liefern, weil sie vom Geschäftsmodell und den Engpässen des einzelnen Instituts abhängt.

Wie verbreitet die Verwechslung ist, zeigt die Studie „KI in Banken 2025“ von Cofinpro und VÖB-Service mit 317 befragten Fachleuten aus deutschen Kreditinstituten. 78 Prozent der Institute arbeiten mit KI, in der Unternehmensstrategie verankert ist sie aber nur bei 48 Prozent. 70 Prozent beschreiben ihre KI-Projekte überwiegend als isolierte Einzelinitiativen. Als Erfolgsfaktoren nennen die Befragten vor allem qualitativ hochwertige Daten (53 Prozent), passendes Know-how (47 Prozent) und klar definierte Anwendungsfälle (46 Prozent). Welche Unterschiede zwischen den Verbund-Tools tatsächlich bestehen, zeigt der Vergleich S-KIPilot gegen plainGPT.

Kennzahlen: 78 Prozent der Institute arbeiten mit KI, 48 Prozent haben KI in der Unternehmensstrategie verankert, 58 Prozent in der IT-Strategie, 70 Prozent beschreiben ihre KI-Projekte überwiegend als isolierte Einzelinitiativen. Quelle: Cofinpro/VÖB-Service, KI in Banken 2025, n = 317.

Welche drei Reifegrade einer KI-Strategie lassen sich unterscheiden?

Drei Stufen helfen bei der ehrlichen Einordnung, unabhängig vom Verbund.

Reifegrad eins: Verfügbarkeit. Die Plattform ist freigeschaltet, einzelne Mitarbeitende nutzen sie für kleine Erleichterungen, eine bewusste Steuerung gibt es nicht. Viele Institute stehen hier, und es ist der Reifegrad, der am leichtesten mit einer Strategie verwechselt wird.

Reifegrad zwei: gezielte Anwendung. Das Institut hat wenige Prozesse ausgewählt, an denen es KI bewusst einsetzt, mit verantwortlichen Personen, Ausgangsmessung und messbaren Zielen. Hier beginnt Wirkung.

Reifegrad drei: Verankerung. KI ist Teil der normalen Prozessgestaltung, die Datenbasis wird systematisch gepflegt, neue Anwendungsfälle entstehen routiniert und werden über eine gemeinsame Steuerung priorisiert. Erst hier zahlt sich die Investition voll aus.

Ein Institut im dritten Reifegrad mit plainGPT ist einem Institut im ersten Reifegrad mit S-KIPilot weit voraus, und umgekehrt. Gemessen wird deshalb der Reifegrad, nicht die Plattform.

Prozesskette in drei Stufen: Verfügbarkeit, gezielte Anwendung, Verankerung. Darstellung: Sotica.

Woran lässt sich der Reifegrad im eigenen Institut konkret messen?

An fünf Kriterien, die sich ohne großen Aufwand prüfen lassen:

  • Priorisierte Anwendungsfälle: Gibt es eine kurze, begründete Liste von Prozessen, an denen KI den größten Hebel hat, oder wird ausprobiert, was gerade auffällt?

  • Wirkungsnachweis: Lässt sich mindestens ein Geschäftsprozess benennen, der sich durch KI messbar verändert hat, etwa in Durchlaufzeit oder eingesparten Bearbeitungsstunden?

  • Datengrundlage: Ist das Wissen, auf das die Plattform zugreifen soll, aktuell, widerspruchsfrei und strukturiert abgelegt?

  • Verantwortung: Gibt es eine benannte Person mit Mandat über Bereichsgrenzen, und berichtet sie regelmäßig im Management?

  • Befähigung und Nutzung: Wird die freiwillige Nutzung gemessen, und gibt es in jedem Bereich Ansprechpersonen, die Kolleginnen und Kollegen weiterhelfen?

Zwei oder weniger erfüllte Kriterien sprechen für Reifegrad eins, drei bis vier für Reifegrad zwei, alle fünf für Reifegrad drei. Wie sich die Wirkung belastbar beziffern lässt, beschreibt der Beitrag zum Business Case für KI-Vorhaben.

Was ist die größte Falle auf dem Weg zum nächsten Reifegrad?

Der Stolz auf die eigene Plattform. Wird die bloße Verfügbarkeit als Erfolg verbucht, hört die Frage nach Wirkung auf. Die Plattform wird zum Beleg, modern zu sein, und ersetzt die eigentliche Arbeit. Eine einzige Frage entlarvt das: Welcher konkrete Geschäftsprozess hat sich durch die Plattform messbar verändert? Wird sie mit einem Beispiel beantwortet, ist die Plattform mehr als ein Symbol. Wird sie nur mit Nutzungszahlen beantwortet, bleibt sie ein Anfang.

Die zweite Falle ist das Warten auf das nächste Update. Weil beide Verbünde ihre Tools breit ausrollen, verschwindet der Vorsprung früher Verfügbarkeit. Unterschiede entstehen dann durch Konsequenz in der Umsetzung, nicht durch das Tool. Warum die Abhängigkeit vom Verbundtempo selbst ein Risiko sein kann, beschreibt der Beitrag zum KI-Anschlussrisiko für Genossenschaftsbanken.

Welche Rolle spielen Daten für den Reifegrad?

Die Rolle eines heimlichen Gleichmachers. Ein Tool, das institutsinternes Wissen einbinden soll, ist nur so gut wie dieses Wissen. Liegen Arbeitsanweisungen, Produktinformationen und Prozessbeschreibungen verstreut, widersprüchlich oder veraltet vor, liefert auch die beste Plattform unzuverlässige Antworten. Ein Institut, das seine Daten und Dokumente im Griff hat, holt aus jeder Plattform mehr heraus als eines mit derselben Plattform und ungeordneter Ablage.

Ein Teil der strategischen Arbeit verschiebt sich damit von der Plattformnutzung zur Pflege der Wissensbasis. Wie das gelingt, zeigt der Beitrag zur KI-Wissensdatenbank in Banken.

Was kleinere Institute beachten sollten

Kleinere Sparkassen und Genossenschaftsbanken verfügen selten über eigene KI-Spezialisten und sind stärker auf das angewiesen, was der Verbund bereitstellt. Das ist kein Nachteil, verlangt aber eine andere Schwerpunktsetzung: weniger Eigenentwicklung, mehr konsequente Nutzung des Vorhandenen. Der Hebel liegt in klar benannten Verantwortlichen, die die Einführung in die Fläche tragen, und in wenigen konkreten Prozessen, an denen sich der Nutzen zeigt. Auch bei Kernbankthemen gehen beide Gruppen unterschiedliche Wege; der Beitrag zur Kernbank-Migration bei Atruvia und Finanz Informatik zeigt, dass auch dort die Umsetzung im Institut den Ausschlag gibt.

Was das Management für den nächsten Reifegrad anstoßen sollte

  1. Den eigenen Reifegrad bestimmen: die fünf Kriterien mit den Bereichsleitungen gemeinsam prüfen.

  2. Zwei bis drei Prozesse auswählen, die mit dem vorhandenen Verbund-Tool spürbar verbessert werden sollen, und die Ausgangslage messen.

  3. Eine verantwortliche Person benennen und einen festen Berichtstermin im Management vereinbaren.

  4. Die Wissensbasis für diese Prozesse ordnen: veraltete und widersprüchliche Dokumente bereinigen, Zuständigkeit für Pflege festlegen.

  5. Freiwillige Nutzung und Wirkung messen, nicht nur Freischaltungen und Lizenzen.

Häufige Fragen

Haben Sparkassen oder Genossenschaftsbanken die bessere KI-Strategie?
Beide Verbünde stellen tragfähige Tools bereit. Über den Erfolg entscheidet der Reifegrad der Nutzung im einzelnen Institut, nicht die Wahl der Plattform.

Woran ist eine reife KI-Strategie zu erkennen?
An priorisierten Anwendungsfällen, mindestens einem messbar veränderten Geschäftsprozess, einer gepflegten Datengrundlage, klarer Verantwortung und gemessener freiwilliger Nutzung.

Brauchen kleinere Institute eine eigene KI-Einheit?
Meist nicht. Wirksamer sind eine benannte verantwortliche Person, wenige ausgewählte Prozesse und die konsequente Nutzung der Verbund-Tools.

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

Auf welchem Reifegrad ein Institut steht, zeigt sich selten in der Strategiepräsentation und oft in der Antwort auf eine Frage: Welcher Prozess ist durch KI heute messbar besser als vor einem Jahr? Wir freuen uns auf ein erstes Gespräch zu dieser Frage.

Sotica Insights

Redaktion · Beiträge aus der Beratungspraxis

Ein Thema, das gerade beschäftigt?

Gemeinsam einordnen, was daraus folgt.

Sotica ist eine Unternehmensberatung mit Sitz in München. Für alle Aufträge gelten unsere AGB. Die Inhalte dieser Website dienen der allgemeinen Information. Sotica ist eine eingetragene Marke. © 2026 Sotica GmbH. Alle Rechte vorbehalten.

Sotica ist eine Unternehmensberatung mit Sitz in München. Für alle Aufträge gelten unsere AGB. Die Inhalte dieser Website dienen der allgemeinen Information. Sotica ist eine eingetragene Marke. © 2026 Sotica GmbH. Alle Rechte vorbehalten.

Sotica ist eine Unternehmensberatung mit Sitz in München. Für alle Aufträge gelten unsere AGB. Die Inhalte dieser Website dienen der allgemeinen Information. Sotica ist eine eingetragene Marke. © 2026 Sotica GmbH. Alle Rechte vorbehalten.