Insight
Fit für KI: Welche Strukturen Finanzinstitute wirklich brauchen
KI wirkt erst mit klaren Rollen: wer baut, wer betreibt, wer entscheidet. Wie Finanzinstitute ihre Organisation dafür passend zur eigenen Größe aufstellen.
Organisation und Kultur
7 min Lesezeit
Kernaussage
KI wirkt erst, wenn geklärt ist, wer baut, wer betreibt und wer entscheidet. Wer neue Technik in alte Zuständigkeiten legt, bekommt eine Innovationsinsel statt Wirkung in der Fläche.

Die wichtigsten Erkenntnisse
Struktur bestimmt, ob KI wirklich wirkt
Hybrides Modell schlägt beide Reinformen
Anreize entscheiden über echte Zusammenarbeit
Die Struktur bestimmt das Ergebnis
Finanzinstitute investieren viel in KI-Technologie und wenig in die Frage, wie ihre Organisation aufgestellt sein muss, um KI wirklich zu nutzen. Genau hier liegt einer der häufigsten Gründe, warum gute KI-Lösungen im Alltag nicht die erwartete Wirkung erzielen: KI wirkt erst, wenn geklärt ist, wer sie baut, wer sie betreibt und wer über ihren Einsatz entscheidet. Fehlt diese Klarheit, landet neue Technik in alten Zuständigkeiten und bleibt eine Insel.
Die aktuelle Studienlage stützt diesen Befund deutlich. In der Studie „KI in Banken 2025“ von Cofinpro und VÖB-Service mit 317 befragten Fachleuten aus deutschen Finanzinstituten haben 58 Prozent der Institute KI in ihrer IT-Strategie verankert, aber nur 48 Prozent in der Unternehmensstrategie. 70 Prozent der Befragten beschreiben die KI-Projekte ihres Instituts als meist isolierte Einzelinitiativen. Für Versicherer kommt das Whitepaper „Auf dem Weg zum KI-nativen Versicherer“ des InsurTech Hub Munich vom März 2026 zu einem ähnlichen Bild: Mehr als die Hälfte der Versicherungsunternehmen nutzt KI bereits, aber nur punktuell. Technologie verändert Arbeit, sie verändert aber nicht automatisch, wie Verantwortung verteilt ist und wie Entscheidungen fallen.

Zentrale KI-Einheit oder Kompetenz in den Fachbereichen?
In der Praxis bewährt sich ein hybrides Modell. Eine zentrale Einheit ist schnell und kohärent, läuft aber Gefahr, an der Praxis vorbeizuarbeiten. Verteilte Kompetenz in den Fachbereichen ist näher am Problem, aber langsamer und uneinheitlich. Beide Reinformen zeigen ihre Schwächen spätestens im Betrieb.
Im hybriden Modell setzt eine kleine zentrale Einheit Standards, bündelt Wissen, klärt die Governance und unterstützt Projekte. In den Fachbereichen sitzen benannte Ansprechpersonen, die die konkreten Probleme kennen und die Umsetzung tragen. Die Zentrale industrialisiert das Wiederholbare, der Fachbereich liefert die Nähe zum Problem. Diese Aufteilung verhindert sowohl die abgehobene Stabsstelle als auch den unkoordinierten Wildwuchs, den die Cofinpro-Zahlen beschreiben.
Wer baut, wer betreibt, wer entscheidet?
Drei Rollen gehören getrennt und klar benannt. Es gibt die, die ein KI-System bauen oder einführen, die, die es im Alltag betreiben und nutzen, und die, die über seinen Einsatz und seine Grenzen entscheiden. Sind diese Rollen vermischt, entsteht ein vorhersehbares Muster: Das System wird gebaut, niemand fühlt sich für den Betrieb zuständig, und bei der ersten schwierigen Entscheidung ist offen, wer sie treffen darf.
Klar zugeordnete Rollen lösen dieses Problem zuverlässig. Die zentrale Einheit baut und unterstützt, der Fachbereich betreibt das System und verantwortet das Ergebnis im Tagesgeschäft, und eine benannte Stelle entscheidet über Einsatzgrenzen und Eskalationen. Diese Zuordnung kostet nichts außer Klarheit, und sie entscheidet, ob ein System im Betrieb ankommt oder im Niemandsland zwischen den Bereichen liegen bleibt.

Die Aufsicht erwartet dieselbe Ordnung. Auf ihrer Seite zur KI-Marktüberwachung schreibt die BaFin, Finanzunternehmen sollten einen Überblick über die eingesetzten KI-Systeme haben und die Anforderungen der KI-Verordnung in ihren Governance-, Risiko- und Compliance-Strukturen berücksichtigen; als Orientierung nennt sie das bereits unter dem Digital Operational Resilience Act (DORA) vorgesehene Inventar der Informations- und IKT-Assets.
Warum bleiben KI-Vorhaben in Freigaberunden hängen?
Weil Verantwortung ungeklärt ist. Der häufigste organisatorische Defekt ist nicht das Organigramm, sondern die offene Frage, wer ein Ergebnis verantwortet, das ein KI-System vorbereitet oder vorentschieden hat. Solange sie offen ist, wird das System im Zweifel umgangen, weil niemand das persönliche Risiko tragen will.
KI-Vorhaben scheitern selten an einem Nein, sondern an der ausbleibenden Entscheidung. Muss jede Freigabe durch drei Gremien, ist ein Vorhaben erschöpft, bevor es produktiv wird. Organisationsdesign für KI heißt deshalb auch, Entscheidungsbefugnisse so nah wie möglich an die Umsetzung zu legen und festzuhalten, wer was allein entscheiden darf. Wie agile Arbeitsweisen dabei helfen, ohne zur Kulisse zu werden, beschreibt der Beitrag zu agilen Methoden in Finanzinstituten.
Wie viel Experiment verträgt die Struktur?
So viel, wie die Struktur ausdrücklich zulässt. KI verlangt Ausprobieren, und Ausprobieren verlangt einen Raum, in dem ein Fehlversuch nicht bestraft wird. In einer Organisation, die auf Stabilität trainiert ist, ist das nicht selbstverständlich. Werden Experimente eingefordert, ohne psychologische Sicherheit zu schaffen, entsteht Stillstand.
Sorgfalt im Kerngeschäft bleibt dabei unangetastet. Die Organisation trennt klar, wo null Fehlertoleranz gilt und wo ein kontrolliertes Experiment erwünscht ist. Diese Trennung ist selbst eine strukturelle Entscheidung und gehört ins Organisationsdesign, nicht in einen Wertekatalog.
Braucht eine kleine Sparkasse oder Volksbank eine eigene KI-Einheit?
Meist nicht. Ein großes Institut mit eigener IT und vielen Beschäftigten in der Marktfolge braucht eine andere Struktur als eine kleinere Sparkasse oder Volksbank, die stärker auf ihren Rechenzentrumsdienstleister angewiesen ist. Für kleinere Institute liegt der Hebel in klar benannten Verantwortlichen und in der gezielten Nutzung dessen, was Verbund und zentrale Dienstleister bereitstellen, etwa Assistenzlösungen wie S-KIPilot oder genoGPT.
Ein Modell zu kopieren, das für ein Institut anderer Größe gedacht war, wäre der Fehler. Eine zentrale Einheit, die im Großinstitut sinnvoll ist, kann ein kleines Institut überfordern. Ob Pläne und Mittel tatsächlich in Umsetzung münden, hängt dann weniger am Geld als an der Zuordnung, wie der Beitrag zur Umsetzungslücke in Sparkassen zeigt.
Was passiert, wenn KI eine Innovationsinsel bleibt?
Dann entstehen Prototypen, aber keine Wirkung. Ein Institut gründet eine engagierte, gut ausgestattete Innovationseinheit, die beeindruckende Prototypen baut, aber von den operativen Bereichen abgekoppelt ist. Die Fachbereiche sehen die Insel als Spielwiese, nicht als Partner, und die Prototypen bleiben Prototypen.
Der Fehler liegt nicht im Engagement der Einheit, sondern in ihrer Stellung. Wird Innovation organisatorisch von der Umsetzung getrennt, entsteht genau die Lücke, an der KI später scheitert. Die zentrale Einheit arbeitet deshalb mit den Fachbereichen an deren echten Problemen und mit deren Verantwortung für das Ergebnis. Warum reine Oberflächenautomatisierung dabei selten trägt, beschreibt der Beitrag RPA war ein Fehler. Hier ist, was stattdessen funktioniert.
Welche Anreize machen Zusammenarbeit wahrscheinlich?
Gemeinsame Ziele für produktive Nutzung. Wird die zentrale Einheit an der Zahl ihrer Prototypen gemessen und der Fachbereich an seinen klassischen Kennzahlen, arbeiten beide aneinander vorbei, völlig rational. Erst wenn beide an der produktiven Nutzung im Tagesgeschäft gemessen werden, entsteht das gemeinsame Interesse, einen Anwendungsfall wirklich über die Ziellinie zu bringen.
Strukturen geben vor, wer mit wem reden soll. Anreize entscheiden, ob es auch geschieht. Ein KI-Organisationsmodell, das die Anreize nicht anfasst, bleibt ein Schaubild. Ebenso wichtig ist Geduld: Neue Rollen und Anreize wirken erst, wenn die Beteiligten sie verinnerlicht haben. Wird nach drei Monaten bereits wieder umorganisiert, erzeugt das genau die Unsicherheit, die das Modell beseitigen sollte. Auch die Kapazitätsfrage gehört in diese Überlegung, wie der Beitrag zu Nearshoring gegen den IT-Fachkräftemangel zeigt.
Was das Management jetzt klären sollte
Selten braucht es eine große Reorganisation, meist einen Satz klarer Antworten:
Rollen festlegen: benennen, wer baut, wer betreibt und wer über Einsatzgrenzen und Eskalationen entscheidet.
Inventar aufbauen: alle eingesetzten KI-Systeme erfassen und jedem System eine verantwortliche Stelle zuordnen.
Entscheidungswege kürzen: Freigaben nah an die Umsetzung legen und dokumentieren, wer was allein entscheidet.
Experimentierräume definieren: abgrenzen, wo Versuche erwünscht sind und wo null Fehlertoleranz gilt.
Ziele angleichen: zentrale Einheit und Fachbereich gemeinsam an der produktiven Nutzung messen.
Häufige Fragen
Welches Organisationsmodell passt für KI in Finanzinstituten?
Meist ein hybrides: eine kleine zentrale Einheit für Standards, Wissen und Governance, dazu benannte Verantwortliche in den Fachbereichen, die Umsetzung und Ergebnis tragen.
Muss ein kleines Institut eine eigene KI-Abteilung gründen?
In der Regel nicht. Wirksamer sind klar benannte Verantwortliche und die gezielte Nutzung von Lösungen aus Verbund und Rechenzentrum.
Woran scheitert KI organisatorisch am häufigsten?
An ungeklärter Verantwortung für KI-gestützte Ergebnisse und an Anreizen, die Prototypen statt produktiver Nutzung belohnen.
Weitere Beiträge zu Führung, Rollen und Zusammenarbeit bündelt das Dossier Organisation & Führung.
Wie weit ein Institut organisatorisch ist, lässt sich oft an einer Frage ablesen: Wer trägt heute die Verantwortung, wenn ein KI-gestütztes Ergebnis im Tagesgeschäft falsch ist? Veränderung beginnt mit einem ersten Gespräch. Wir freuen uns darauf.
Ein Thema, das gerade beschäftigt?
Gemeinsam einordnen, was daraus folgt.

Die wichtigsten Erkenntnisse
Struktur bestimmt, ob KI wirklich wirkt
Hybrides Modell schlägt beide Reinformen
Anreize entscheiden über echte Zusammenarbeit
Die Struktur bestimmt das Ergebnis
Finanzinstitute investieren viel in KI-Technologie und wenig in die Frage, wie ihre Organisation aufgestellt sein muss, um KI wirklich zu nutzen. Genau hier liegt einer der häufigsten Gründe, warum gute KI-Lösungen im Alltag nicht die erwartete Wirkung erzielen: KI wirkt erst, wenn geklärt ist, wer sie baut, wer sie betreibt und wer über ihren Einsatz entscheidet. Fehlt diese Klarheit, landet neue Technik in alten Zuständigkeiten und bleibt eine Insel.
Die aktuelle Studienlage stützt diesen Befund deutlich. In der Studie „KI in Banken 2025“ von Cofinpro und VÖB-Service mit 317 befragten Fachleuten aus deutschen Finanzinstituten haben 58 Prozent der Institute KI in ihrer IT-Strategie verankert, aber nur 48 Prozent in der Unternehmensstrategie. 70 Prozent der Befragten beschreiben die KI-Projekte ihres Instituts als meist isolierte Einzelinitiativen. Für Versicherer kommt das Whitepaper „Auf dem Weg zum KI-nativen Versicherer“ des InsurTech Hub Munich vom März 2026 zu einem ähnlichen Bild: Mehr als die Hälfte der Versicherungsunternehmen nutzt KI bereits, aber nur punktuell. Technologie verändert Arbeit, sie verändert aber nicht automatisch, wie Verantwortung verteilt ist und wie Entscheidungen fallen.

Zentrale KI-Einheit oder Kompetenz in den Fachbereichen?
In der Praxis bewährt sich ein hybrides Modell. Eine zentrale Einheit ist schnell und kohärent, läuft aber Gefahr, an der Praxis vorbeizuarbeiten. Verteilte Kompetenz in den Fachbereichen ist näher am Problem, aber langsamer und uneinheitlich. Beide Reinformen zeigen ihre Schwächen spätestens im Betrieb.
Im hybriden Modell setzt eine kleine zentrale Einheit Standards, bündelt Wissen, klärt die Governance und unterstützt Projekte. In den Fachbereichen sitzen benannte Ansprechpersonen, die die konkreten Probleme kennen und die Umsetzung tragen. Die Zentrale industrialisiert das Wiederholbare, der Fachbereich liefert die Nähe zum Problem. Diese Aufteilung verhindert sowohl die abgehobene Stabsstelle als auch den unkoordinierten Wildwuchs, den die Cofinpro-Zahlen beschreiben.
Wer baut, wer betreibt, wer entscheidet?
Drei Rollen gehören getrennt und klar benannt. Es gibt die, die ein KI-System bauen oder einführen, die, die es im Alltag betreiben und nutzen, und die, die über seinen Einsatz und seine Grenzen entscheiden. Sind diese Rollen vermischt, entsteht ein vorhersehbares Muster: Das System wird gebaut, niemand fühlt sich für den Betrieb zuständig, und bei der ersten schwierigen Entscheidung ist offen, wer sie treffen darf.
Klar zugeordnete Rollen lösen dieses Problem zuverlässig. Die zentrale Einheit baut und unterstützt, der Fachbereich betreibt das System und verantwortet das Ergebnis im Tagesgeschäft, und eine benannte Stelle entscheidet über Einsatzgrenzen und Eskalationen. Diese Zuordnung kostet nichts außer Klarheit, und sie entscheidet, ob ein System im Betrieb ankommt oder im Niemandsland zwischen den Bereichen liegen bleibt.

Die Aufsicht erwartet dieselbe Ordnung. Auf ihrer Seite zur KI-Marktüberwachung schreibt die BaFin, Finanzunternehmen sollten einen Überblick über die eingesetzten KI-Systeme haben und die Anforderungen der KI-Verordnung in ihren Governance-, Risiko- und Compliance-Strukturen berücksichtigen; als Orientierung nennt sie das bereits unter dem Digital Operational Resilience Act (DORA) vorgesehene Inventar der Informations- und IKT-Assets.
Warum bleiben KI-Vorhaben in Freigaberunden hängen?
Weil Verantwortung ungeklärt ist. Der häufigste organisatorische Defekt ist nicht das Organigramm, sondern die offene Frage, wer ein Ergebnis verantwortet, das ein KI-System vorbereitet oder vorentschieden hat. Solange sie offen ist, wird das System im Zweifel umgangen, weil niemand das persönliche Risiko tragen will.
KI-Vorhaben scheitern selten an einem Nein, sondern an der ausbleibenden Entscheidung. Muss jede Freigabe durch drei Gremien, ist ein Vorhaben erschöpft, bevor es produktiv wird. Organisationsdesign für KI heißt deshalb auch, Entscheidungsbefugnisse so nah wie möglich an die Umsetzung zu legen und festzuhalten, wer was allein entscheiden darf. Wie agile Arbeitsweisen dabei helfen, ohne zur Kulisse zu werden, beschreibt der Beitrag zu agilen Methoden in Finanzinstituten.
Wie viel Experiment verträgt die Struktur?
So viel, wie die Struktur ausdrücklich zulässt. KI verlangt Ausprobieren, und Ausprobieren verlangt einen Raum, in dem ein Fehlversuch nicht bestraft wird. In einer Organisation, die auf Stabilität trainiert ist, ist das nicht selbstverständlich. Werden Experimente eingefordert, ohne psychologische Sicherheit zu schaffen, entsteht Stillstand.
Sorgfalt im Kerngeschäft bleibt dabei unangetastet. Die Organisation trennt klar, wo null Fehlertoleranz gilt und wo ein kontrolliertes Experiment erwünscht ist. Diese Trennung ist selbst eine strukturelle Entscheidung und gehört ins Organisationsdesign, nicht in einen Wertekatalog.
Braucht eine kleine Sparkasse oder Volksbank eine eigene KI-Einheit?
Meist nicht. Ein großes Institut mit eigener IT und vielen Beschäftigten in der Marktfolge braucht eine andere Struktur als eine kleinere Sparkasse oder Volksbank, die stärker auf ihren Rechenzentrumsdienstleister angewiesen ist. Für kleinere Institute liegt der Hebel in klar benannten Verantwortlichen und in der gezielten Nutzung dessen, was Verbund und zentrale Dienstleister bereitstellen, etwa Assistenzlösungen wie S-KIPilot oder genoGPT.
Ein Modell zu kopieren, das für ein Institut anderer Größe gedacht war, wäre der Fehler. Eine zentrale Einheit, die im Großinstitut sinnvoll ist, kann ein kleines Institut überfordern. Ob Pläne und Mittel tatsächlich in Umsetzung münden, hängt dann weniger am Geld als an der Zuordnung, wie der Beitrag zur Umsetzungslücke in Sparkassen zeigt.
Was passiert, wenn KI eine Innovationsinsel bleibt?
Dann entstehen Prototypen, aber keine Wirkung. Ein Institut gründet eine engagierte, gut ausgestattete Innovationseinheit, die beeindruckende Prototypen baut, aber von den operativen Bereichen abgekoppelt ist. Die Fachbereiche sehen die Insel als Spielwiese, nicht als Partner, und die Prototypen bleiben Prototypen.
Der Fehler liegt nicht im Engagement der Einheit, sondern in ihrer Stellung. Wird Innovation organisatorisch von der Umsetzung getrennt, entsteht genau die Lücke, an der KI später scheitert. Die zentrale Einheit arbeitet deshalb mit den Fachbereichen an deren echten Problemen und mit deren Verantwortung für das Ergebnis. Warum reine Oberflächenautomatisierung dabei selten trägt, beschreibt der Beitrag RPA war ein Fehler. Hier ist, was stattdessen funktioniert.
Welche Anreize machen Zusammenarbeit wahrscheinlich?
Gemeinsame Ziele für produktive Nutzung. Wird die zentrale Einheit an der Zahl ihrer Prototypen gemessen und der Fachbereich an seinen klassischen Kennzahlen, arbeiten beide aneinander vorbei, völlig rational. Erst wenn beide an der produktiven Nutzung im Tagesgeschäft gemessen werden, entsteht das gemeinsame Interesse, einen Anwendungsfall wirklich über die Ziellinie zu bringen.
Strukturen geben vor, wer mit wem reden soll. Anreize entscheiden, ob es auch geschieht. Ein KI-Organisationsmodell, das die Anreize nicht anfasst, bleibt ein Schaubild. Ebenso wichtig ist Geduld: Neue Rollen und Anreize wirken erst, wenn die Beteiligten sie verinnerlicht haben. Wird nach drei Monaten bereits wieder umorganisiert, erzeugt das genau die Unsicherheit, die das Modell beseitigen sollte. Auch die Kapazitätsfrage gehört in diese Überlegung, wie der Beitrag zu Nearshoring gegen den IT-Fachkräftemangel zeigt.
Was das Management jetzt klären sollte
Selten braucht es eine große Reorganisation, meist einen Satz klarer Antworten:
Rollen festlegen: benennen, wer baut, wer betreibt und wer über Einsatzgrenzen und Eskalationen entscheidet.
Inventar aufbauen: alle eingesetzten KI-Systeme erfassen und jedem System eine verantwortliche Stelle zuordnen.
Entscheidungswege kürzen: Freigaben nah an die Umsetzung legen und dokumentieren, wer was allein entscheidet.
Experimentierräume definieren: abgrenzen, wo Versuche erwünscht sind und wo null Fehlertoleranz gilt.
Ziele angleichen: zentrale Einheit und Fachbereich gemeinsam an der produktiven Nutzung messen.
Häufige Fragen
Welches Organisationsmodell passt für KI in Finanzinstituten?
Meist ein hybrides: eine kleine zentrale Einheit für Standards, Wissen und Governance, dazu benannte Verantwortliche in den Fachbereichen, die Umsetzung und Ergebnis tragen.
Muss ein kleines Institut eine eigene KI-Abteilung gründen?
In der Regel nicht. Wirksamer sind klar benannte Verantwortliche und die gezielte Nutzung von Lösungen aus Verbund und Rechenzentrum.
Woran scheitert KI organisatorisch am häufigsten?
An ungeklärter Verantwortung für KI-gestützte Ergebnisse und an Anreizen, die Prototypen statt produktiver Nutzung belohnen.
Weitere Beiträge zu Führung, Rollen und Zusammenarbeit bündelt das Dossier Organisation & Führung.
Wie weit ein Institut organisatorisch ist, lässt sich oft an einer Frage ablesen: Wer trägt heute die Verantwortung, wenn ein KI-gestütztes Ergebnis im Tagesgeschäft falsch ist? Veränderung beginnt mit einem ersten Gespräch. Wir freuen uns darauf.
Ein Thema, das gerade beschäftigt?
Gemeinsam einordnen, was daraus folgt.

Die wichtigsten Erkenntnisse
Struktur bestimmt, ob KI wirklich wirkt
Hybrides Modell schlägt beide Reinformen
Anreize entscheiden über echte Zusammenarbeit
Die Struktur bestimmt das Ergebnis
Finanzinstitute investieren viel in KI-Technologie und wenig in die Frage, wie ihre Organisation aufgestellt sein muss, um KI wirklich zu nutzen. Genau hier liegt einer der häufigsten Gründe, warum gute KI-Lösungen im Alltag nicht die erwartete Wirkung erzielen: KI wirkt erst, wenn geklärt ist, wer sie baut, wer sie betreibt und wer über ihren Einsatz entscheidet. Fehlt diese Klarheit, landet neue Technik in alten Zuständigkeiten und bleibt eine Insel.
Die aktuelle Studienlage stützt diesen Befund deutlich. In der Studie „KI in Banken 2025“ von Cofinpro und VÖB-Service mit 317 befragten Fachleuten aus deutschen Finanzinstituten haben 58 Prozent der Institute KI in ihrer IT-Strategie verankert, aber nur 48 Prozent in der Unternehmensstrategie. 70 Prozent der Befragten beschreiben die KI-Projekte ihres Instituts als meist isolierte Einzelinitiativen. Für Versicherer kommt das Whitepaper „Auf dem Weg zum KI-nativen Versicherer“ des InsurTech Hub Munich vom März 2026 zu einem ähnlichen Bild: Mehr als die Hälfte der Versicherungsunternehmen nutzt KI bereits, aber nur punktuell. Technologie verändert Arbeit, sie verändert aber nicht automatisch, wie Verantwortung verteilt ist und wie Entscheidungen fallen.

Zentrale KI-Einheit oder Kompetenz in den Fachbereichen?
In der Praxis bewährt sich ein hybrides Modell. Eine zentrale Einheit ist schnell und kohärent, läuft aber Gefahr, an der Praxis vorbeizuarbeiten. Verteilte Kompetenz in den Fachbereichen ist näher am Problem, aber langsamer und uneinheitlich. Beide Reinformen zeigen ihre Schwächen spätestens im Betrieb.
Im hybriden Modell setzt eine kleine zentrale Einheit Standards, bündelt Wissen, klärt die Governance und unterstützt Projekte. In den Fachbereichen sitzen benannte Ansprechpersonen, die die konkreten Probleme kennen und die Umsetzung tragen. Die Zentrale industrialisiert das Wiederholbare, der Fachbereich liefert die Nähe zum Problem. Diese Aufteilung verhindert sowohl die abgehobene Stabsstelle als auch den unkoordinierten Wildwuchs, den die Cofinpro-Zahlen beschreiben.
Wer baut, wer betreibt, wer entscheidet?
Drei Rollen gehören getrennt und klar benannt. Es gibt die, die ein KI-System bauen oder einführen, die, die es im Alltag betreiben und nutzen, und die, die über seinen Einsatz und seine Grenzen entscheiden. Sind diese Rollen vermischt, entsteht ein vorhersehbares Muster: Das System wird gebaut, niemand fühlt sich für den Betrieb zuständig, und bei der ersten schwierigen Entscheidung ist offen, wer sie treffen darf.
Klar zugeordnete Rollen lösen dieses Problem zuverlässig. Die zentrale Einheit baut und unterstützt, der Fachbereich betreibt das System und verantwortet das Ergebnis im Tagesgeschäft, und eine benannte Stelle entscheidet über Einsatzgrenzen und Eskalationen. Diese Zuordnung kostet nichts außer Klarheit, und sie entscheidet, ob ein System im Betrieb ankommt oder im Niemandsland zwischen den Bereichen liegen bleibt.

Die Aufsicht erwartet dieselbe Ordnung. Auf ihrer Seite zur KI-Marktüberwachung schreibt die BaFin, Finanzunternehmen sollten einen Überblick über die eingesetzten KI-Systeme haben und die Anforderungen der KI-Verordnung in ihren Governance-, Risiko- und Compliance-Strukturen berücksichtigen; als Orientierung nennt sie das bereits unter dem Digital Operational Resilience Act (DORA) vorgesehene Inventar der Informations- und IKT-Assets.
Warum bleiben KI-Vorhaben in Freigaberunden hängen?
Weil Verantwortung ungeklärt ist. Der häufigste organisatorische Defekt ist nicht das Organigramm, sondern die offene Frage, wer ein Ergebnis verantwortet, das ein KI-System vorbereitet oder vorentschieden hat. Solange sie offen ist, wird das System im Zweifel umgangen, weil niemand das persönliche Risiko tragen will.
KI-Vorhaben scheitern selten an einem Nein, sondern an der ausbleibenden Entscheidung. Muss jede Freigabe durch drei Gremien, ist ein Vorhaben erschöpft, bevor es produktiv wird. Organisationsdesign für KI heißt deshalb auch, Entscheidungsbefugnisse so nah wie möglich an die Umsetzung zu legen und festzuhalten, wer was allein entscheiden darf. Wie agile Arbeitsweisen dabei helfen, ohne zur Kulisse zu werden, beschreibt der Beitrag zu agilen Methoden in Finanzinstituten.
Wie viel Experiment verträgt die Struktur?
So viel, wie die Struktur ausdrücklich zulässt. KI verlangt Ausprobieren, und Ausprobieren verlangt einen Raum, in dem ein Fehlversuch nicht bestraft wird. In einer Organisation, die auf Stabilität trainiert ist, ist das nicht selbstverständlich. Werden Experimente eingefordert, ohne psychologische Sicherheit zu schaffen, entsteht Stillstand.
Sorgfalt im Kerngeschäft bleibt dabei unangetastet. Die Organisation trennt klar, wo null Fehlertoleranz gilt und wo ein kontrolliertes Experiment erwünscht ist. Diese Trennung ist selbst eine strukturelle Entscheidung und gehört ins Organisationsdesign, nicht in einen Wertekatalog.
Braucht eine kleine Sparkasse oder Volksbank eine eigene KI-Einheit?
Meist nicht. Ein großes Institut mit eigener IT und vielen Beschäftigten in der Marktfolge braucht eine andere Struktur als eine kleinere Sparkasse oder Volksbank, die stärker auf ihren Rechenzentrumsdienstleister angewiesen ist. Für kleinere Institute liegt der Hebel in klar benannten Verantwortlichen und in der gezielten Nutzung dessen, was Verbund und zentrale Dienstleister bereitstellen, etwa Assistenzlösungen wie S-KIPilot oder genoGPT.
Ein Modell zu kopieren, das für ein Institut anderer Größe gedacht war, wäre der Fehler. Eine zentrale Einheit, die im Großinstitut sinnvoll ist, kann ein kleines Institut überfordern. Ob Pläne und Mittel tatsächlich in Umsetzung münden, hängt dann weniger am Geld als an der Zuordnung, wie der Beitrag zur Umsetzungslücke in Sparkassen zeigt.
Was passiert, wenn KI eine Innovationsinsel bleibt?
Dann entstehen Prototypen, aber keine Wirkung. Ein Institut gründet eine engagierte, gut ausgestattete Innovationseinheit, die beeindruckende Prototypen baut, aber von den operativen Bereichen abgekoppelt ist. Die Fachbereiche sehen die Insel als Spielwiese, nicht als Partner, und die Prototypen bleiben Prototypen.
Der Fehler liegt nicht im Engagement der Einheit, sondern in ihrer Stellung. Wird Innovation organisatorisch von der Umsetzung getrennt, entsteht genau die Lücke, an der KI später scheitert. Die zentrale Einheit arbeitet deshalb mit den Fachbereichen an deren echten Problemen und mit deren Verantwortung für das Ergebnis. Warum reine Oberflächenautomatisierung dabei selten trägt, beschreibt der Beitrag RPA war ein Fehler. Hier ist, was stattdessen funktioniert.
Welche Anreize machen Zusammenarbeit wahrscheinlich?
Gemeinsame Ziele für produktive Nutzung. Wird die zentrale Einheit an der Zahl ihrer Prototypen gemessen und der Fachbereich an seinen klassischen Kennzahlen, arbeiten beide aneinander vorbei, völlig rational. Erst wenn beide an der produktiven Nutzung im Tagesgeschäft gemessen werden, entsteht das gemeinsame Interesse, einen Anwendungsfall wirklich über die Ziellinie zu bringen.
Strukturen geben vor, wer mit wem reden soll. Anreize entscheiden, ob es auch geschieht. Ein KI-Organisationsmodell, das die Anreize nicht anfasst, bleibt ein Schaubild. Ebenso wichtig ist Geduld: Neue Rollen und Anreize wirken erst, wenn die Beteiligten sie verinnerlicht haben. Wird nach drei Monaten bereits wieder umorganisiert, erzeugt das genau die Unsicherheit, die das Modell beseitigen sollte. Auch die Kapazitätsfrage gehört in diese Überlegung, wie der Beitrag zu Nearshoring gegen den IT-Fachkräftemangel zeigt.
Was das Management jetzt klären sollte
Selten braucht es eine große Reorganisation, meist einen Satz klarer Antworten:
Rollen festlegen: benennen, wer baut, wer betreibt und wer über Einsatzgrenzen und Eskalationen entscheidet.
Inventar aufbauen: alle eingesetzten KI-Systeme erfassen und jedem System eine verantwortliche Stelle zuordnen.
Entscheidungswege kürzen: Freigaben nah an die Umsetzung legen und dokumentieren, wer was allein entscheidet.
Experimentierräume definieren: abgrenzen, wo Versuche erwünscht sind und wo null Fehlertoleranz gilt.
Ziele angleichen: zentrale Einheit und Fachbereich gemeinsam an der produktiven Nutzung messen.
Häufige Fragen
Welches Organisationsmodell passt für KI in Finanzinstituten?
Meist ein hybrides: eine kleine zentrale Einheit für Standards, Wissen und Governance, dazu benannte Verantwortliche in den Fachbereichen, die Umsetzung und Ergebnis tragen.
Muss ein kleines Institut eine eigene KI-Abteilung gründen?
In der Regel nicht. Wirksamer sind klar benannte Verantwortliche und die gezielte Nutzung von Lösungen aus Verbund und Rechenzentrum.
Woran scheitert KI organisatorisch am häufigsten?
An ungeklärter Verantwortung für KI-gestützte Ergebnisse und an Anreizen, die Prototypen statt produktiver Nutzung belohnen.
Weitere Beiträge zu Führung, Rollen und Zusammenarbeit bündelt das Dossier Organisation & Führung.
Wie weit ein Institut organisatorisch ist, lässt sich oft an einer Frage ablesen: Wer trägt heute die Verantwortung, wenn ein KI-gestütztes Ergebnis im Tagesgeschäft falsch ist? Veränderung beginnt mit einem ersten Gespräch. Wir freuen uns darauf.
Ein Thema, das gerade beschäftigt?
Gemeinsam einordnen, was daraus folgt.




