Das Tool ist da, keiner nutzt es: Die KI-Adoptionslücke in Sparkassen

Das Tool liegt bereit. Genutzt wird es kaum.

In vielen Sparkassen steht die KI längst auf dem Schreibtisch. Nur benutzt sie kaum jemand. Die größte Hürde beim KI-Einsatz in Sparkassen ist nicht die fehlende Technik, sondern die Lücke zwischen Bereitstellung und tatsächlicher Nutzung, und diese Lücke schließt sich nur durch Befähigung und Führung, nicht durch ein weiteres Tool.

Der S-KIPilot, der KI-Assistent der Finanz Informatik für die Sparkassen-Finanzgruppe, zeigt das Muster in aller Deutlichkeit. Er startete im Sommer 2024 als erster speziell für Sparkassen entwickelter KI-Assistent, läuft vollständig in den Rechenzentren der Finanz Informatik und steht rund 90.000 Beschäftigten in Sparkassen, Verbänden und Verbundpartnern kostenlos zur Verfügung. Bis Ende 2025 folgten mehrere Ausbaustufen. Die Funktion zur KI-gestützten Gesprächsvorbereitung wurde nach dem Start der Version 4.1 innerhalb weniger Tage über 50.000 Mal aufgerufen. Das Angebot ist da. Die Frage ist, was daraus im Alltag wird.

Warum ein bereitgestelltes KI-Tool allein nichts bewegt

Ein Zugang ist keine Nutzung. Wer 90.000 Menschen ein Tool gibt, hat noch keine 90.000 Anwender. Die Erfahrung deckt sich mit der Forschung. Laut der MIT-Studie The GenAI Divide: State of AI in Business 2025 erreichen nur rund 5 Prozent der Unternehmen mit ihren KI-Piloten spürbares Wachstum, während die große Mehrheit stagniert. Die Autoren führen das nicht auf schwache Modelle zurück, sondern auf eine Lernlücke in den Organisationen.

Diese Lernlücke hat konkrete Ursachen. Mitarbeiter wissen nicht, für welche Aufgaben sich das Tool lohnt. Sie haben kein Vertrauen in die Ergebnisse, wenn eine falsche Antwort früh das Bild geprägt hat. Und sie bekommen im Alltag keine Zeit, sich einzuarbeiten. Ein Tool, das nur zwischen zwei Terminen ausprobiert werden darf, wird nie zur Gewohnheit.

Datenqualität entscheidet über Vertrauen

Ein KI-Assistent ist nur so gut wie die Daten, auf die er zugreift. Wenn hinterlegte Kunden- oder Produktinformationen veraltet sind, liefert das System falsche Empfehlungen. Ein einziger unpassender Vorschlag genügt, und der Mitarbeiter stuft das Tool als unzuverlässig ein. Danach kehrt er zur gewohnten Arbeitsweise zurück, oder er weicht auf frei verfügbare Tools außerhalb der Kontrolle des Instituts aus.

Damit wird die Datenpflege zur Voraussetzung für jede KI-Adoption. Sauber gepflegte Datenbestände sind kein Nebenschauplatz, sondern die Bedingung dafür, dass die Investition in ein Tool überhaupt Wirkung entfaltet. Wer die Nutzung steigern will, beginnt bei der Datenbasis, nicht bei der nächsten Funktion.

Das gilt auch umgekehrt. Jede Verbesserung der Datenqualität zahlt sofort auf die Akzeptanz ein. Ein Assistent, der verlässlich passende Antworten liefert, gewinnt das Vertrauen der Mitarbeiter zurück, das ein früher Fehlgriff gekostet hat. Datenpflege ist damit nicht nur Pflicht, sondern der günstigste Hebel, um die Nutzung eines bereits bezahlten Tools zu erhöhen.

Das mittlere Management ist der Engpass

Die Nutzung eines KI-Tools entscheidet sich selten an der Spitze und selten an der Basis. Sie entscheidet sich in der Mitte. Führungskräfte auf Gruppen- und Abteilungsebene bestimmen, ob ihre Teams Zeit für neue Tools bekommen, ob Erfolge geteilt werden und ob Ausprobieren erlaubt ist. Fehlt dieser Rückhalt, verpufft jede Bereitstellung.

Das gilt umso mehr in Instituten mit heterogener Altersstruktur, in denen die Digitalisierungsniveaus der Mitarbeiter weit auseinanderliegen. Hier braucht es Führung, die abholt statt anordnet. Wer den Umgang mit Wissen und Tools im Institut strukturiert, sichert damit zugleich die Handlungsfähigkeit für die kommenden Jahre, wie wir in Jeder Vierte geht: Wie Sparkassen Schlüsselwissen sichern zeigen.

Wie Sparkassen die Nutzung wirklich steigern

Der Hebel ist nicht das nächste Feature, sondern ein geführter Einführungsprozess. Drei Schritte tragen. Erstens klare Anwendungsfälle: konkrete Aufgaben, bei denen das Tool nachweislich Zeit spart, statt vager Allzweckversprechen. Zweitens Befähigung am realen Fall: kurze, praxisnahe Formate im Team statt einmaliger Theorieschulung. Drittens sichtbare Erfolge: interne Geschichten über gesparte Stunden, die aus Skeptikern Anwender machen.

Nach der MIT-Studie sind übrigens zugekaufte, spezialisierte Lösungen mit rund 67 Prozent deutlich häufiger erfolgreich als Eigenentwicklungen, die nur in etwa einem Drittel der Fälle gelingen. Für Sparkassen, die auf Verbundlösungen wie den S-KIPilot setzen, ist das eine gute Nachricht. Der Erfolg hängt nicht am Tool, sondern an der Einführung. Wer diese Einführung ernst nimmt, verwandelt ein Verbundangebot in einen echten Vorteil im eigenen Institut.

Warum die einmalige Schulung verpufft

Der häufigste Einführungsfehler ist die große Auftaktschulung ohne Fortsetzung. Alle Mitarbeiter sitzen einen halben Tag im Seminarraum, hören eine Einführung und kehren an ihre Arbeit zurück, wo der Alltag die neuen Eindrücke innerhalb einer Woche überschreibt. Ohne Wiederholung am realen Fall bleibt von der Schulung wenig übrig.

Wirksame Befähigung funktioniert anders. Sie findet in kurzen Einheiten direkt am Arbeitsplatz statt, orientiert sich an den tatsächlichen Aufgaben des Teams und wird von Kollegen getragen, die das Tool bereits nutzen. Aus dieser Nähe zur Praxis entsteht Vertrauen, und aus Vertrauen entsteht Gewohnheit. Ein Tool wird nicht durch Ankündigung zur Routine, sondern durch wiederholte, erfolgreiche Anwendung im eigenen Fall.

Erst messen, dann skalieren

Bevor ein Institut mehr Funktionen ausrollt, sollte es die tatsächliche Nutzung kennen. Wer nutzt das Tool, für welche Aufgaben, mit welchem Ergebnis? Ohne dieses Bild bleibt jede Aussage über den Nutzen Spekulation. Warum sich dieser Nutzen so schwer beziffern lässt, behandeln wir in Warum sich der KI-ROI so schwer messen lässt.

Genau hier setzen wir an. Gemeinsam nehmen wir die Ausgangslage auf, machen die reale Nutzung sichtbar und leiten konkrete Schritte ab, die aus einem bereitgestellten Tool einen genutzten Hebel machen. Der Unterschied zwischen einem teuren Symbol und einem echten Produktivitätsgewinn liegt nicht im Tool, sondern in der Konsequenz der Einführung. Wenn die KI mehr sein soll als ein ungenutztes Icon, freuen wir uns über ein erstes Gespräch.