Insight

Workflow-Orchestrierung und ein Sprachmodell: der schlanke KI-Stack

Warum Banken für die meisten KI-Anwendungsfälle zwei Bausteine brauchen: eine Orchestrierung der Abläufe und ein gehärtetes Sprachmodell, sauber integriert.

Geschäftsmodell und Innovation

6 min Lesezeit

Kernaussage

Wirkung entsteht durch Integration, nicht durch Tool-Vielfalt. Wer jedes neue Problem mit einer neuen Lizenz beantwortet, züchtet Schatten-IT statt einer tragfähigen Grundlage.

Titelbild zum Beitrag „Workflow-Orchestrierung und ein Sprachmodell: der schlanke KI-Stack“

Die wichtigsten Erkenntnisse

Orchestrierung plus Sprachmodell genügen meist

Die meisten Fälle folgen einem Grundmuster

Mehr Tools bedeuten oft mehr Schatten-IT

Zu viele Tools, zu wenig Wirkung

In den Technologieabteilungen vieler Finanzinstitute stapeln sich KI-Lizenzen: ein Chatbot-Baukasten, ein Tool zur Dokumentenanalyse, eine KI-Suchplattform, ein Schreibassistent, ein Automatisierungsdienst. Jedes wurde eingekauft, um ein bestimmtes Problem zu lösen. Viele lösen es nicht, weil sie nicht integriert sind, weil niemand für die Pflege zuständig ist oder weil der Anwendungsfall nie zu Ende gedacht wurde.

So entsteht eine paradoxe Lage: viel KI-Investition, wenig KI-Wirkung. Für den weit überwiegenden Teil der KI-Anwendungsfälle in Marktfolge, Schaden und Compliance genügen zwei Bausteine: eine Orchestrierung, die Arbeitsabläufe steuert, und ein gehärtetes, regulatorisch beherrschbares Sprachmodell, das die Inhalte verarbeitet. Wirkung entsteht durch Integration, nicht durch Tool-Vielfalt.

Was leistet die Orchestrierung von Arbeitsabläufen?

Sie legt fest, was in welcher Reihenfolge geschieht: wann ein Dokument geprüft, wann eine Information aus einem System geholt, wann eine Entscheidung vorbereitet und wann ein Fall an einen Menschen übergeben wird. Die Orchestrierung verbindet einzelne Schritte zu einem durchgängigen Prozess und sorgt dafür, dass das Sprachmodell an der richtigen Stelle das Richtige tut.

Ohne diese Schicht bleibt ein Sprachmodell ein Tool, das auf Zuruf antwortet, aber keinen Prozess trägt. Mit ihr wird es Teil eines Ablaufs, der von der eingehenden Anfrage bis zum erledigten Vorgang reicht. Zugleich behält die Orchestrierung die Kontrolle: Sie bestimmt Regeln, Prüfpunkte und Übergaben und protokolliert, was geschieht. Gerade im regulierten Umfeld macht das den automatisierten Prozess nachvollziehbar und steuerbar.

Was bedeutet ein gehärtetes Sprachmodell?

Ein Modell, das in einer Umgebung betrieben wird, die den regulatorischen und datenschutzrechtlichen Anforderungen der Finanzbranche genügt, und dessen Nutzung kontrolliert und nachvollziehbar ist. Es geht nicht um das leistungsfähigste Modell um jeden Preis, sondern um ein verlässliches Modell, dem das Institut Daten und Prozesse anvertrauen kann.

Die Verbünde zeigen, wohin das führt. Im genossenschaftlichen Sektor hatte sich laut Börsen-Zeitung vom Januar 2025 etwa die Hälfte aller Primärbanken für plainGPT von Atruvia entschieden; der Nachfolger genoGPT läuft demnach in einer privaten Cloud ohne Verbindung zum übrigen Internet in einem Rechenzentrum in Frankfurt. Im Sparkassensektor hat die Finanz Informatik im Sommer 2024 den S-KIPilot eingeführt, der vollständig im eigenen Betrieb des Dienstleisters läuft. Beide Beispiele stützen die These: Es setzt sich keine Vielzahl von Speziallösungen durch, sondern ein zentrales, gehärtetes Modell als gemeinsame Grundlage. Wie sich dabei die Abhängigkeit von einem einzelnen Modell begrenzen lässt, beschreibt der Beitrag zur Multi-LLM-Strategie und Modellunabhängigkeit.

Warum decken zwei Bausteine die meisten Fälle ab?

Weil die meisten Anwendungsfälle in Marktfolge, Schaden und Compliance demselben Grundmuster folgen. Ein Vorgang kommt herein; Informationen aus Dokumenten und Systemen werden zusammengeführt, geprüft und bewertet; daraus folgt eine Entscheidung oder ein Entwurf; je nach Komplexität übernimmt ein Mensch. Dieses Muster lässt sich mit Orchestrierung und Sprachmodell abbilden, ob es um eine Schadenprüfung, eine Kreditunterlage oder eine Compliance-Prüfung geht.

Prozesskette in fünf Schritten: Vorgang kommt herein, Informationen aus Dokumenten und Systemen zusammenführen, prüfen und bewerten, Entscheidung oder Entwurf, Mensch übernimmt je nach Komplexität. Darstellung: Sotica.

Die scheinbare Vielfalt der Anwendungsfälle schrumpft damit auf wenige Grundmuster, und diese brauchen keine Spezial-Tools, sondern eine flexible Kombination aus Ablaufsteuerung und Sprachverarbeitung. Fälle, die wirklich Spezielles verlangen, bleiben die Ausnahme und rechtfertigen kein Arsenal an Tools für alle.

Warum kaufen Institute trotzdem immer neue Tools?

Weil jedes Angebot genau das Problem adressiert, das gerade schmerzt, und jedes Versprechen für sich plausibel klingt. Ein Tool für die Dokumentenanalyse, eines für die Suche, eines für das Schreiben: einzeln sinnvoll, in der Summe ein Wildwuchs. Der Fehler liegt im Denken in Einzelproblemen statt in Grundmustern. Wer die Grundmuster hinter den Problemen erkennt, sieht, dass dieselbe Kombination die meisten davon löst.

Jedes zusätzliche Tool, das nicht in die Grundarchitektur integriert ist, erhöht zudem das Risiko unkontrollierter Nutzung: Ein Bereich nutzt es, die zentrale Stelle überblickt es nicht, niemand pflegt es. Ein Tool, das außerhalb der kontrollierten Architektur Daten verarbeitet, ist ein mögliches Einfallstor und ein Prüfungsrisiko. Die Reduktion auf zwei beherrschte Bausteine ist deshalb nicht nur eine Frage der Effizienz, sondern auch der Sicherheit.

Wo liegt die eigentliche Arbeit?

In der Integration. Ein Sprachmodell, das nicht an die richtigen Datenquellen angebunden ist, bleibt ein kluger Gesprächspartner ohne Zugriff auf das Wesentliche. Eine Orchestrierung, die nicht in die Kernsysteme greift, steuert ins Leere. Die Kraft, die nicht mehr in die Pflege vieler Einzel-Tools fließt, gehört in die saubere Anbindung der zwei verbleibenden.

Hier liegt auch der Bezug zur Datenstrategie: Die Anbindung an verlässliche Datenquellen ist nur so gut wie die Daten selbst. Die Reduktion auf zwei Bausteine zwingt dazu, die Datengrundlage in Ordnung zu bringen, und diese Arbeit zahlt über die KI hinaus auf das ganze Institut ein. Warum eine KI-Strategie ohne Datenstrategie nicht trägt, beschreibt der Beitrag zur Datenstrategie für KI; was der laufende Betrieb kostet, vertieft der Beitrag zu den Kosten generativer KI im Regelbetrieb.

Warum ist der schlanke Stack die beste Antwort auf Schatten-KI?

Weil Mitarbeitende zu inoffiziellen Tools greifen, wenn das Institut keine gute Alternative bietet. Der Digitalverband Bitkom hat im Oktober 2025 nach einer Befragung von 604 Unternehmen aller Branchen mit mindestens 20 Beschäftigten berichtet, dass nur 23 Prozent Regeln für den Einsatz von KI-Tools haben und nur 26 Prozent ihren Beschäftigten einen eigenen Zugang zu generativer KI bereitstellen.

Kennzahlen, Bitkom-Befragung von 604 Unternehmen aller Branchen ab 20 Beschäftigten, Oktober 2025: 23 Prozent haben Regeln für den Einsatz von KI-Tools, 26 Prozent stellen einen eigenen Zugang zu generativer KI bereit.

Verbote allein wirken selten. Ein gehärtetes Sprachmodell, das die typischen Aufgaben abdeckt und einfach zu nutzen ist, nimmt der Schatten-KI den Anlass. Wie sich das in Sparkassen zeigt, beschreibt der Beitrag zur Schatten-KI in der Sparkasse.

Was leisten die zwei Bausteine nicht?

Es gibt Anwendungsfälle, die spezialisierte Tools verlangen, etwa hochspezifische Analysen oder Aufgaben mit besonderen Echtzeitanforderungen. Diese Ausnahmen sind real, aber sie bleiben Ausnahmen. Sie rechtfertigen ein zusätzliches Tool, wenn der Bedarf belegt und die Integration gesichert ist. Viele vermeintliche Sonderfälle lassen sich bei genauerem Hinsehen doch mit den zwei Bausteinen lösen, wenn die Orchestrierung entsprechend gestaltet wird.

Was das Management jetzt anstoßen kann

  1. Eine Inventur aller KI-Tools durchführen: Was ist im Einsatz, was wird tatsächlich genutzt, was leistet es?

  2. Orchestrierung und gehärtetes Sprachmodell als Standard festlegen, gegebenenfalls auf Basis der Verbundlösung.

  3. Eine Prüffrage vor jeden Einkauf stellen: Lässt sich der Fall mit den vorhandenen Bausteinen lösen, und wenn nicht, warum nicht?

  4. Die frei werdende Kraft in Integration und Daten lenken, statt in die Pflege vieler Einzel-Tools.

  5. Einen freigegebenen, einfach nutzbaren KI-Zugang bereitstellen, um Schatten-KI den Anlass zu nehmen.

Häufige Fragen

Welche KI-Tools braucht eine Bank wirklich?
Für die meisten Anwendungsfälle zwei Bausteine: eine Orchestrierung, die Arbeitsabläufe steuert und protokolliert, und ein gehärtetes Sprachmodell, das Inhalte verarbeitet. Spezial-Tools bleiben belegten Ausnahmen vorbehalten.

Was ist ein gehärtetes Sprachmodell?
Ein Sprachmodell, das in einer Umgebung läuft, die regulatorische und datenschutzrechtliche Anforderungen erfüllt, und dessen Nutzung kontrolliert und nachvollziehbar ist, etwa die Assistenten der Verbünde im Betrieb ihrer IT-Dienstleister.

Warum reichen einzelne KI-Lizenzen nicht aus?
Weil Wirkung erst durch Integration in Prozesse, Datenquellen und Kernsysteme entsteht. Einzelne, nicht integrierte Tools erhöhen Pflegeaufwand und Prüfungsrisiko, ohne den Prozess zu verändern.

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

Wie viele KI-Lizenzen im eigenen Institut tatsächlich genutzt werden, überrascht bei der ersten Inventur fast immer. Gern nehmen wir uns für ein erstes Gespräch dazu Zeit.

Sotica Insights

Redaktion · Beiträge aus der Beratungspraxis

Ein Thema, das gerade beschäftigt?

Gemeinsam einordnen, was daraus folgt.

Titelbild zum Beitrag „Workflow-Orchestrierung und ein Sprachmodell: der schlanke KI-Stack“

Die wichtigsten Erkenntnisse

Orchestrierung plus Sprachmodell genügen meist

Die meisten Fälle folgen einem Grundmuster

Mehr Tools bedeuten oft mehr Schatten-IT

Zu viele Tools, zu wenig Wirkung

In den Technologieabteilungen vieler Finanzinstitute stapeln sich KI-Lizenzen: ein Chatbot-Baukasten, ein Tool zur Dokumentenanalyse, eine KI-Suchplattform, ein Schreibassistent, ein Automatisierungsdienst. Jedes wurde eingekauft, um ein bestimmtes Problem zu lösen. Viele lösen es nicht, weil sie nicht integriert sind, weil niemand für die Pflege zuständig ist oder weil der Anwendungsfall nie zu Ende gedacht wurde.

So entsteht eine paradoxe Lage: viel KI-Investition, wenig KI-Wirkung. Für den weit überwiegenden Teil der KI-Anwendungsfälle in Marktfolge, Schaden und Compliance genügen zwei Bausteine: eine Orchestrierung, die Arbeitsabläufe steuert, und ein gehärtetes, regulatorisch beherrschbares Sprachmodell, das die Inhalte verarbeitet. Wirkung entsteht durch Integration, nicht durch Tool-Vielfalt.

Was leistet die Orchestrierung von Arbeitsabläufen?

Sie legt fest, was in welcher Reihenfolge geschieht: wann ein Dokument geprüft, wann eine Information aus einem System geholt, wann eine Entscheidung vorbereitet und wann ein Fall an einen Menschen übergeben wird. Die Orchestrierung verbindet einzelne Schritte zu einem durchgängigen Prozess und sorgt dafür, dass das Sprachmodell an der richtigen Stelle das Richtige tut.

Ohne diese Schicht bleibt ein Sprachmodell ein Tool, das auf Zuruf antwortet, aber keinen Prozess trägt. Mit ihr wird es Teil eines Ablaufs, der von der eingehenden Anfrage bis zum erledigten Vorgang reicht. Zugleich behält die Orchestrierung die Kontrolle: Sie bestimmt Regeln, Prüfpunkte und Übergaben und protokolliert, was geschieht. Gerade im regulierten Umfeld macht das den automatisierten Prozess nachvollziehbar und steuerbar.

Was bedeutet ein gehärtetes Sprachmodell?

Ein Modell, das in einer Umgebung betrieben wird, die den regulatorischen und datenschutzrechtlichen Anforderungen der Finanzbranche genügt, und dessen Nutzung kontrolliert und nachvollziehbar ist. Es geht nicht um das leistungsfähigste Modell um jeden Preis, sondern um ein verlässliches Modell, dem das Institut Daten und Prozesse anvertrauen kann.

Die Verbünde zeigen, wohin das führt. Im genossenschaftlichen Sektor hatte sich laut Börsen-Zeitung vom Januar 2025 etwa die Hälfte aller Primärbanken für plainGPT von Atruvia entschieden; der Nachfolger genoGPT läuft demnach in einer privaten Cloud ohne Verbindung zum übrigen Internet in einem Rechenzentrum in Frankfurt. Im Sparkassensektor hat die Finanz Informatik im Sommer 2024 den S-KIPilot eingeführt, der vollständig im eigenen Betrieb des Dienstleisters läuft. Beide Beispiele stützen die These: Es setzt sich keine Vielzahl von Speziallösungen durch, sondern ein zentrales, gehärtetes Modell als gemeinsame Grundlage. Wie sich dabei die Abhängigkeit von einem einzelnen Modell begrenzen lässt, beschreibt der Beitrag zur Multi-LLM-Strategie und Modellunabhängigkeit.

Warum decken zwei Bausteine die meisten Fälle ab?

Weil die meisten Anwendungsfälle in Marktfolge, Schaden und Compliance demselben Grundmuster folgen. Ein Vorgang kommt herein; Informationen aus Dokumenten und Systemen werden zusammengeführt, geprüft und bewertet; daraus folgt eine Entscheidung oder ein Entwurf; je nach Komplexität übernimmt ein Mensch. Dieses Muster lässt sich mit Orchestrierung und Sprachmodell abbilden, ob es um eine Schadenprüfung, eine Kreditunterlage oder eine Compliance-Prüfung geht.

Prozesskette in fünf Schritten: Vorgang kommt herein, Informationen aus Dokumenten und Systemen zusammenführen, prüfen und bewerten, Entscheidung oder Entwurf, Mensch übernimmt je nach Komplexität. Darstellung: Sotica.

Die scheinbare Vielfalt der Anwendungsfälle schrumpft damit auf wenige Grundmuster, und diese brauchen keine Spezial-Tools, sondern eine flexible Kombination aus Ablaufsteuerung und Sprachverarbeitung. Fälle, die wirklich Spezielles verlangen, bleiben die Ausnahme und rechtfertigen kein Arsenal an Tools für alle.

Warum kaufen Institute trotzdem immer neue Tools?

Weil jedes Angebot genau das Problem adressiert, das gerade schmerzt, und jedes Versprechen für sich plausibel klingt. Ein Tool für die Dokumentenanalyse, eines für die Suche, eines für das Schreiben: einzeln sinnvoll, in der Summe ein Wildwuchs. Der Fehler liegt im Denken in Einzelproblemen statt in Grundmustern. Wer die Grundmuster hinter den Problemen erkennt, sieht, dass dieselbe Kombination die meisten davon löst.

Jedes zusätzliche Tool, das nicht in die Grundarchitektur integriert ist, erhöht zudem das Risiko unkontrollierter Nutzung: Ein Bereich nutzt es, die zentrale Stelle überblickt es nicht, niemand pflegt es. Ein Tool, das außerhalb der kontrollierten Architektur Daten verarbeitet, ist ein mögliches Einfallstor und ein Prüfungsrisiko. Die Reduktion auf zwei beherrschte Bausteine ist deshalb nicht nur eine Frage der Effizienz, sondern auch der Sicherheit.

Wo liegt die eigentliche Arbeit?

In der Integration. Ein Sprachmodell, das nicht an die richtigen Datenquellen angebunden ist, bleibt ein kluger Gesprächspartner ohne Zugriff auf das Wesentliche. Eine Orchestrierung, die nicht in die Kernsysteme greift, steuert ins Leere. Die Kraft, die nicht mehr in die Pflege vieler Einzel-Tools fließt, gehört in die saubere Anbindung der zwei verbleibenden.

Hier liegt auch der Bezug zur Datenstrategie: Die Anbindung an verlässliche Datenquellen ist nur so gut wie die Daten selbst. Die Reduktion auf zwei Bausteine zwingt dazu, die Datengrundlage in Ordnung zu bringen, und diese Arbeit zahlt über die KI hinaus auf das ganze Institut ein. Warum eine KI-Strategie ohne Datenstrategie nicht trägt, beschreibt der Beitrag zur Datenstrategie für KI; was der laufende Betrieb kostet, vertieft der Beitrag zu den Kosten generativer KI im Regelbetrieb.

Warum ist der schlanke Stack die beste Antwort auf Schatten-KI?

Weil Mitarbeitende zu inoffiziellen Tools greifen, wenn das Institut keine gute Alternative bietet. Der Digitalverband Bitkom hat im Oktober 2025 nach einer Befragung von 604 Unternehmen aller Branchen mit mindestens 20 Beschäftigten berichtet, dass nur 23 Prozent Regeln für den Einsatz von KI-Tools haben und nur 26 Prozent ihren Beschäftigten einen eigenen Zugang zu generativer KI bereitstellen.

Kennzahlen, Bitkom-Befragung von 604 Unternehmen aller Branchen ab 20 Beschäftigten, Oktober 2025: 23 Prozent haben Regeln für den Einsatz von KI-Tools, 26 Prozent stellen einen eigenen Zugang zu generativer KI bereit.

Verbote allein wirken selten. Ein gehärtetes Sprachmodell, das die typischen Aufgaben abdeckt und einfach zu nutzen ist, nimmt der Schatten-KI den Anlass. Wie sich das in Sparkassen zeigt, beschreibt der Beitrag zur Schatten-KI in der Sparkasse.

Was leisten die zwei Bausteine nicht?

Es gibt Anwendungsfälle, die spezialisierte Tools verlangen, etwa hochspezifische Analysen oder Aufgaben mit besonderen Echtzeitanforderungen. Diese Ausnahmen sind real, aber sie bleiben Ausnahmen. Sie rechtfertigen ein zusätzliches Tool, wenn der Bedarf belegt und die Integration gesichert ist. Viele vermeintliche Sonderfälle lassen sich bei genauerem Hinsehen doch mit den zwei Bausteinen lösen, wenn die Orchestrierung entsprechend gestaltet wird.

Was das Management jetzt anstoßen kann

  1. Eine Inventur aller KI-Tools durchführen: Was ist im Einsatz, was wird tatsächlich genutzt, was leistet es?

  2. Orchestrierung und gehärtetes Sprachmodell als Standard festlegen, gegebenenfalls auf Basis der Verbundlösung.

  3. Eine Prüffrage vor jeden Einkauf stellen: Lässt sich der Fall mit den vorhandenen Bausteinen lösen, und wenn nicht, warum nicht?

  4. Die frei werdende Kraft in Integration und Daten lenken, statt in die Pflege vieler Einzel-Tools.

  5. Einen freigegebenen, einfach nutzbaren KI-Zugang bereitstellen, um Schatten-KI den Anlass zu nehmen.

Häufige Fragen

Welche KI-Tools braucht eine Bank wirklich?
Für die meisten Anwendungsfälle zwei Bausteine: eine Orchestrierung, die Arbeitsabläufe steuert und protokolliert, und ein gehärtetes Sprachmodell, das Inhalte verarbeitet. Spezial-Tools bleiben belegten Ausnahmen vorbehalten.

Was ist ein gehärtetes Sprachmodell?
Ein Sprachmodell, das in einer Umgebung läuft, die regulatorische und datenschutzrechtliche Anforderungen erfüllt, und dessen Nutzung kontrolliert und nachvollziehbar ist, etwa die Assistenten der Verbünde im Betrieb ihrer IT-Dienstleister.

Warum reichen einzelne KI-Lizenzen nicht aus?
Weil Wirkung erst durch Integration in Prozesse, Datenquellen und Kernsysteme entsteht. Einzelne, nicht integrierte Tools erhöhen Pflegeaufwand und Prüfungsrisiko, ohne den Prozess zu verändern.

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

Wie viele KI-Lizenzen im eigenen Institut tatsächlich genutzt werden, überrascht bei der ersten Inventur fast immer. Gern nehmen wir uns für ein erstes Gespräch dazu Zeit.

Sotica Insights

Redaktion · Beiträge aus der Beratungspraxis

Ein Thema, das gerade beschäftigt?

Gemeinsam einordnen, was daraus folgt.

Titelbild zum Beitrag „Workflow-Orchestrierung und ein Sprachmodell: der schlanke KI-Stack“

Die wichtigsten Erkenntnisse

Orchestrierung plus Sprachmodell genügen meist

Die meisten Fälle folgen einem Grundmuster

Mehr Tools bedeuten oft mehr Schatten-IT

Zu viele Tools, zu wenig Wirkung

In den Technologieabteilungen vieler Finanzinstitute stapeln sich KI-Lizenzen: ein Chatbot-Baukasten, ein Tool zur Dokumentenanalyse, eine KI-Suchplattform, ein Schreibassistent, ein Automatisierungsdienst. Jedes wurde eingekauft, um ein bestimmtes Problem zu lösen. Viele lösen es nicht, weil sie nicht integriert sind, weil niemand für die Pflege zuständig ist oder weil der Anwendungsfall nie zu Ende gedacht wurde.

So entsteht eine paradoxe Lage: viel KI-Investition, wenig KI-Wirkung. Für den weit überwiegenden Teil der KI-Anwendungsfälle in Marktfolge, Schaden und Compliance genügen zwei Bausteine: eine Orchestrierung, die Arbeitsabläufe steuert, und ein gehärtetes, regulatorisch beherrschbares Sprachmodell, das die Inhalte verarbeitet. Wirkung entsteht durch Integration, nicht durch Tool-Vielfalt.

Was leistet die Orchestrierung von Arbeitsabläufen?

Sie legt fest, was in welcher Reihenfolge geschieht: wann ein Dokument geprüft, wann eine Information aus einem System geholt, wann eine Entscheidung vorbereitet und wann ein Fall an einen Menschen übergeben wird. Die Orchestrierung verbindet einzelne Schritte zu einem durchgängigen Prozess und sorgt dafür, dass das Sprachmodell an der richtigen Stelle das Richtige tut.

Ohne diese Schicht bleibt ein Sprachmodell ein Tool, das auf Zuruf antwortet, aber keinen Prozess trägt. Mit ihr wird es Teil eines Ablaufs, der von der eingehenden Anfrage bis zum erledigten Vorgang reicht. Zugleich behält die Orchestrierung die Kontrolle: Sie bestimmt Regeln, Prüfpunkte und Übergaben und protokolliert, was geschieht. Gerade im regulierten Umfeld macht das den automatisierten Prozess nachvollziehbar und steuerbar.

Was bedeutet ein gehärtetes Sprachmodell?

Ein Modell, das in einer Umgebung betrieben wird, die den regulatorischen und datenschutzrechtlichen Anforderungen der Finanzbranche genügt, und dessen Nutzung kontrolliert und nachvollziehbar ist. Es geht nicht um das leistungsfähigste Modell um jeden Preis, sondern um ein verlässliches Modell, dem das Institut Daten und Prozesse anvertrauen kann.

Die Verbünde zeigen, wohin das führt. Im genossenschaftlichen Sektor hatte sich laut Börsen-Zeitung vom Januar 2025 etwa die Hälfte aller Primärbanken für plainGPT von Atruvia entschieden; der Nachfolger genoGPT läuft demnach in einer privaten Cloud ohne Verbindung zum übrigen Internet in einem Rechenzentrum in Frankfurt. Im Sparkassensektor hat die Finanz Informatik im Sommer 2024 den S-KIPilot eingeführt, der vollständig im eigenen Betrieb des Dienstleisters läuft. Beide Beispiele stützen die These: Es setzt sich keine Vielzahl von Speziallösungen durch, sondern ein zentrales, gehärtetes Modell als gemeinsame Grundlage. Wie sich dabei die Abhängigkeit von einem einzelnen Modell begrenzen lässt, beschreibt der Beitrag zur Multi-LLM-Strategie und Modellunabhängigkeit.

Warum decken zwei Bausteine die meisten Fälle ab?

Weil die meisten Anwendungsfälle in Marktfolge, Schaden und Compliance demselben Grundmuster folgen. Ein Vorgang kommt herein; Informationen aus Dokumenten und Systemen werden zusammengeführt, geprüft und bewertet; daraus folgt eine Entscheidung oder ein Entwurf; je nach Komplexität übernimmt ein Mensch. Dieses Muster lässt sich mit Orchestrierung und Sprachmodell abbilden, ob es um eine Schadenprüfung, eine Kreditunterlage oder eine Compliance-Prüfung geht.

Prozesskette in fünf Schritten: Vorgang kommt herein, Informationen aus Dokumenten und Systemen zusammenführen, prüfen und bewerten, Entscheidung oder Entwurf, Mensch übernimmt je nach Komplexität. Darstellung: Sotica.

Die scheinbare Vielfalt der Anwendungsfälle schrumpft damit auf wenige Grundmuster, und diese brauchen keine Spezial-Tools, sondern eine flexible Kombination aus Ablaufsteuerung und Sprachverarbeitung. Fälle, die wirklich Spezielles verlangen, bleiben die Ausnahme und rechtfertigen kein Arsenal an Tools für alle.

Warum kaufen Institute trotzdem immer neue Tools?

Weil jedes Angebot genau das Problem adressiert, das gerade schmerzt, und jedes Versprechen für sich plausibel klingt. Ein Tool für die Dokumentenanalyse, eines für die Suche, eines für das Schreiben: einzeln sinnvoll, in der Summe ein Wildwuchs. Der Fehler liegt im Denken in Einzelproblemen statt in Grundmustern. Wer die Grundmuster hinter den Problemen erkennt, sieht, dass dieselbe Kombination die meisten davon löst.

Jedes zusätzliche Tool, das nicht in die Grundarchitektur integriert ist, erhöht zudem das Risiko unkontrollierter Nutzung: Ein Bereich nutzt es, die zentrale Stelle überblickt es nicht, niemand pflegt es. Ein Tool, das außerhalb der kontrollierten Architektur Daten verarbeitet, ist ein mögliches Einfallstor und ein Prüfungsrisiko. Die Reduktion auf zwei beherrschte Bausteine ist deshalb nicht nur eine Frage der Effizienz, sondern auch der Sicherheit.

Wo liegt die eigentliche Arbeit?

In der Integration. Ein Sprachmodell, das nicht an die richtigen Datenquellen angebunden ist, bleibt ein kluger Gesprächspartner ohne Zugriff auf das Wesentliche. Eine Orchestrierung, die nicht in die Kernsysteme greift, steuert ins Leere. Die Kraft, die nicht mehr in die Pflege vieler Einzel-Tools fließt, gehört in die saubere Anbindung der zwei verbleibenden.

Hier liegt auch der Bezug zur Datenstrategie: Die Anbindung an verlässliche Datenquellen ist nur so gut wie die Daten selbst. Die Reduktion auf zwei Bausteine zwingt dazu, die Datengrundlage in Ordnung zu bringen, und diese Arbeit zahlt über die KI hinaus auf das ganze Institut ein. Warum eine KI-Strategie ohne Datenstrategie nicht trägt, beschreibt der Beitrag zur Datenstrategie für KI; was der laufende Betrieb kostet, vertieft der Beitrag zu den Kosten generativer KI im Regelbetrieb.

Warum ist der schlanke Stack die beste Antwort auf Schatten-KI?

Weil Mitarbeitende zu inoffiziellen Tools greifen, wenn das Institut keine gute Alternative bietet. Der Digitalverband Bitkom hat im Oktober 2025 nach einer Befragung von 604 Unternehmen aller Branchen mit mindestens 20 Beschäftigten berichtet, dass nur 23 Prozent Regeln für den Einsatz von KI-Tools haben und nur 26 Prozent ihren Beschäftigten einen eigenen Zugang zu generativer KI bereitstellen.

Kennzahlen, Bitkom-Befragung von 604 Unternehmen aller Branchen ab 20 Beschäftigten, Oktober 2025: 23 Prozent haben Regeln für den Einsatz von KI-Tools, 26 Prozent stellen einen eigenen Zugang zu generativer KI bereit.

Verbote allein wirken selten. Ein gehärtetes Sprachmodell, das die typischen Aufgaben abdeckt und einfach zu nutzen ist, nimmt der Schatten-KI den Anlass. Wie sich das in Sparkassen zeigt, beschreibt der Beitrag zur Schatten-KI in der Sparkasse.

Was leisten die zwei Bausteine nicht?

Es gibt Anwendungsfälle, die spezialisierte Tools verlangen, etwa hochspezifische Analysen oder Aufgaben mit besonderen Echtzeitanforderungen. Diese Ausnahmen sind real, aber sie bleiben Ausnahmen. Sie rechtfertigen ein zusätzliches Tool, wenn der Bedarf belegt und die Integration gesichert ist. Viele vermeintliche Sonderfälle lassen sich bei genauerem Hinsehen doch mit den zwei Bausteinen lösen, wenn die Orchestrierung entsprechend gestaltet wird.

Was das Management jetzt anstoßen kann

  1. Eine Inventur aller KI-Tools durchführen: Was ist im Einsatz, was wird tatsächlich genutzt, was leistet es?

  2. Orchestrierung und gehärtetes Sprachmodell als Standard festlegen, gegebenenfalls auf Basis der Verbundlösung.

  3. Eine Prüffrage vor jeden Einkauf stellen: Lässt sich der Fall mit den vorhandenen Bausteinen lösen, und wenn nicht, warum nicht?

  4. Die frei werdende Kraft in Integration und Daten lenken, statt in die Pflege vieler Einzel-Tools.

  5. Einen freigegebenen, einfach nutzbaren KI-Zugang bereitstellen, um Schatten-KI den Anlass zu nehmen.

Häufige Fragen

Welche KI-Tools braucht eine Bank wirklich?
Für die meisten Anwendungsfälle zwei Bausteine: eine Orchestrierung, die Arbeitsabläufe steuert und protokolliert, und ein gehärtetes Sprachmodell, das Inhalte verarbeitet. Spezial-Tools bleiben belegten Ausnahmen vorbehalten.

Was ist ein gehärtetes Sprachmodell?
Ein Sprachmodell, das in einer Umgebung läuft, die regulatorische und datenschutzrechtliche Anforderungen erfüllt, und dessen Nutzung kontrolliert und nachvollziehbar ist, etwa die Assistenten der Verbünde im Betrieb ihrer IT-Dienstleister.

Warum reichen einzelne KI-Lizenzen nicht aus?
Weil Wirkung erst durch Integration in Prozesse, Datenquellen und Kernsysteme entsteht. Einzelne, nicht integrierte Tools erhöhen Pflegeaufwand und Prüfungsrisiko, ohne den Prozess zu verändern.

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

Wie viele KI-Lizenzen im eigenen Institut tatsächlich genutzt werden, überrascht bei der ersten Inventur fast immer. Gern nehmen wir uns für ein erstes Gespräch dazu Zeit.

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.