Zwei Lager, zwei Wege zur KI

In der deutschen Kreditwirtschaft wird gern so getan, als gebe es die eine richtige KI-Plattform. Die gibt es nicht. Sparkassen und Genossenschaftsbanken führen generative KI über ihre zentralen IT-Dienstleister ein, die Sparkassen mit dem S-KIPilot der Finanz Informatik, die Genossenschaftsbanken mit plainGPT und dem Nachfolger GenoGPT von Atruvia, und die beiden Wege unterscheiden sich in Architektur, Datenhoheit und Tempo deutlich.

Wichtig vorweg, ein einzelnes Institut wählt diese Plattform nicht frei, es bekommt die seines Verbunds. Genau deshalb lohnt der Vergleich, denn er zeigt, welche Stärken und welche Grenzen die jeweilige Ausgangslage mitbringt.

Der Sparkassen-Weg: S-KIPilot

Mit dem S-KIPilot stellt die Finanz Informatik den Sparkassen einen generativen KI-Assistenten bereit, der tief in OSPlus integriert ist und auf das spezifische Wissen der Häuser zugreift. Der Rollout ging schnell und breit, vom Start im Sommer 2024 mit rund 30.000 Arbeitsplätzen über 60.000 Mitarbeiter im Dezember 2024 bis zu rund 200.000 Mitarbeitern der Sparkassen-Finanzgruppe bis Ende 2025.

Die Architektur ist auf Souveränität ausgelegt. Der S-KIPilot läuft ohne Verbindung zur Public Cloud, alle Daten bleiben im Rechenzentrum der Finanz Informatik. Technisch setzt die FI auf vortrainierte Open-Source-Modelle wie Mixtral von Mistral und Llama von Meta, die in den eigenen Rechenzentren weitertrainiert werden, dafür hat sie den langjährigen KI-Zulieferer Web Computing übernommen. Laut Finanz Informatik erfüllt die Lösung die aufsichtsrechtlichen Vorgaben inklusive AI Act und DORA, und die nächste Stufe sind teilautonome Agenten für komplexere Aufgaben.

Der genossenschaftliche Weg: plainGPT und GenoGPT

Atruvia, der IT-Dienstleister der Volksbanken und Raiffeisenbanken, ist einen anderen Weg gegangen. plainGPT ist die regulatorisch konforme Einstiegslösung, mit der Genossenschaftsbanken erste Schritte in der generativen KI machen, sie basiert auf Modellen von OpenAI und nutzt zunächst nur frei zugängliches Wissen. Atruvia berichtet von einer der steilsten Adoptionskurven unter allen eigenen Produkten.

Der entscheidende Sprung kommt mit dem Nachfolger GenoGPT, der auch bankinterne Dokumente und Wissensquellen einbindet, mit breitem Start ab dem dritten Quartal 2025. Flankiert wird das durch das gemeinsame KI-Kompetenzcenter von BVR, Atruvia und der DZ Bank, das seit Mai 2024 die strategische Linie für die Gruppe setzt.

Die eigentliche Trennlinie

Drei Unterschiede stechen heraus. Erstens die Architektur, die Finanz Informatik setzt auf Open-Source-Modelle im eigenen Rechenzentrum, Atruvia begann mit OpenAI-Modellen für den Einstieg. Zweitens das Tempo, der S-KIPilot wurde früh in die Fläche gebracht, während der genossenschaftliche Weg in Stufen vom öffentlichen zum internen Wissen führt. Drittens die Reife beim internen Wissen, das der S-KIPilot früh nutzte und das auf genossenschaftlicher Seite erst GenoGPT bringt.

Was beide eint, ist wichtiger als was sie trennt. Beide Dienstleister machen Datensouveränität und Regulatorik zur Leitplanke, nicht zur nachträglichen Pflicht. Kein Lager schickt vertrauliche Kundendaten unkontrolliert in eine externe Cloud, und beide richten ihre Lösungen an DORA und dem AI Act aus.

Was das fürs einzelne Institut heißt

Weil das Institut die Plattform nicht wählt, ist die Plattform auch nicht der Hebel. Den Unterschied macht, was das Haus daraus macht. Eine KI-Assistenz entfaltet ihre Wirkung erst, wenn sie an die richtigen Wissensquellen angebunden ist, wenn die Daten sauber sind und wenn klar geregelt ist, wer eine Antwort verantwortet. Ob ein Institut mit seiner Plattform vorankommt, hängt also an Integration, Datenqualität und Governance, nicht an der Frage, welcher Dienstleister das bessere Modell einkauft. Wer sich vorher ehrlich fragt, ob das eigene Haus überhaupt KI-bereit ist, spart sich teure Umwege.

Der nächste Schritt ist in beiden Lagern derselbe, weg von der Assistenz, die nur antwortet, hin zu Agenten, die Vorgänge übernehmen, etwa in der Marktfolge mit Human-in-the-Loop. Und die typischen Fehler bleiben auch dieselben, eine lange Use-Case-Liste ohne Priorisierung und eine Strategie ohne klare Verantwortung, die wir in den drei häufigsten Fehlern beschrieben haben.

Wenn Sie aus der Plattform Ihres Verbunds echten Nutzen ziehen wollen, statt nur eine Lizenz zu betreiben, ist das unser Thema. In einer Sotica-Sprechstunde ordnen wir, welche Anwendungsfälle in Ihrem Haus zuerst tragen und wie der Weg von der Assistenz zum produktiven Einsatz aussieht.