Künstliche Intelligenz in der Finanzindustrie

KI-Technologie eröffnet der Finanzindustrie enorme Potenziale. Doch wie steht es mit der Umsetzung? Welche Lösungen werden verfolgt, welche Herausforderungen bestehen? Diese und weitere Fragen beantwortet ein neuer Deep Dive. Er basiert auf der diesjährigen Ausgabe der globalen KI-Studienreihe von Deloitte „The State of AI in the Enterprise“, für die 3.235 Führungskräfte und KI-Spezialist:innen aus 24 Ländern und unterschiedlichen Branchen befragt wurden. Der Deep Dive nimmt anhand dieser Erhebung detaillierte Auswertungen zur Finanzindustrie vor, stellt aufschlussreiche Vergleiche zu anderen Sektoren an und liefert Handlungsempfehlungen. 

Wie in vielen Wirtschaftsbereichen stehen transformative KI-Implementierungen in der Finanzindustrie häufig noch bevor, wobei die spezifischen Branchenumstände besondere Herausforderungen mit sich bringen. Regulatorische Komplexität hemmt die Transformation, auch die verbreitete Legacy-IT erweist sich als Hindernis. Weitere typische Herausforderungen sind Datenfragmentierung, hohe Kundenerwartungen, Modellrisiken und Fachkräftemangel. Starker Margendruck führt häufig zu einer Fokussierung auf zeitnahen KI-Wertbeitrag mit Use Cases wie Betrugserkennung, Kreditrisikobewertung oder Service-Automatisierung. Langfristige Investitionen zielen beispielsweise auf KI-basiertes Risikomanagement.   

Zunehmende Skalierung, begrenzte Business-Transformation 

85 Prozent der Finanzunternehmen investieren verstärkt in KI, und mit 62 Prozent haben doppelt so viele Arbeitskräfte Zugang zu genehmigten KI-Tools als im Vorjahr (30 Prozent). Allerdings stockt in vielen Organisationen der wichtige Übergang von KI-Pilotprojekten zum produktiven Einsatz. Erst 24 Prozent der Unternehmen haben mehr als 40 Prozent ihrer KI-Experimente in die Produktion überführt (Technologie, Medien und Telekommunikation: 38 Prozent). Dafür erwarten 53 Prozent der Befragten, diesen Meilenstein in drei bis sechs Monaten zu erreichen. Es herrscht also mehrheitlich Optimismus. 

Bei den Vorteilen, die zukünftig vom KI-Einsatz erhofft werden, steht Umsatzwachstum an erster Stelle (75 Prozent). Aktuell erreichen das jedoch nur 18 Prozent. Bessere Effizienz und Produktivität erzielen dagegen heute schon 68 Prozent. Nur 31 Prozent nutzen KI für eine tiefgreifende Business-Transformation. 28 Prozent gestalten wichtige Prozesse im Hinblick auf KI neu. 41 Prozent vermelden wenige oder gar keine Prozessänderungen. Der Branchenvergleich bestätigt dieses verhaltene Bild: In der Finanzindustrie ist der Anteil von Unternehmen, die lediglich oberflächliche KI-Transformationen umsetzen, am höchsten. 

Talentstrategie, souveräne KI und KI-Agenten-Governance

Ein zentrales Ziel der KI-Transformation ist die Automatisierung. 31 Prozent der Befragten erwarten, dass innerhalb eines Jahres mindestens zehn Prozent aller Rollen im Unternehmen vollständig automatisiert werden (innerhalb von drei Jahren: 81 Prozent). Aus Personalsicht wirft das Fragen auf, denn Disruptionen bei Berufseinsteiger-Stellen könnten den langfristigen Aufbau zukünftiger Fachkräfte behindern. Fehlende Skills sind laut der Erhebung die größte KI-Hürde, allerdings werden die Talentstrategien häufig nicht entsprechend weiterentwickelt. In der Finanzindustrie wird dabei aber insgesamt etwas mehr in KI-Kenntnisse und Upskilling investiert als in anderen Branchen. Eine leicht erhöhte Bedeutung wird hier auch der souveränen KI zugemessen, also der geopolitischen Unabhängigkeit bei KI-Fähigkeiten. 80 Prozent berücksichtigen bei der KI-Anbieterwahl das Herkunftsland.

Besonders vielversprechend ist der Einsatz von Agentic AI. Aktuell setzen erst 21 Prozent der Finanzunternehmen autonom handelnden KI-Agenten in mäßigem oder größerem Umfang ein – weniger als in anderen Branchen. In zwei Jahren werden es aber voraussichtlich 71 Prozent sein. Lediglich 23 Prozent verfügen bereits über eine ausgereifte Agenten-Governance, was angesichts des prognostizierten Wachstums problematisch werden könnte. Denn KI-Agenten weisen spezifische Risiken auf, die im Finanzbereich noch verschärft sind. So könnten Agenten Zahlungen, Handelsvorgänge oder Kreditentscheidungen beeinflussen – mit potenziell schwerwiegenden Compliance-Implikationen und finanziellen Folgeschäden. 

KI- und Agenten-Governance ist daher ein Erfolgsfaktor von strategischer Bedeutung, den Finanzunternehmen von vorneherein einplanen sollten. Aber auch über Agentic AI hinaus ist KI-Governance ein unentbehrlicher Wachstumskatalysator, mit dem die Risiken der Technologie gezielt adressiert werden können. Bei den allgemeinen KI-Risiken stehen aus Sicht der Finanzindustrie denn auch vorrangig Governance-Themen im Fokus: An erster Stelle nennen die Befragten Datenschutz und Datensicherheit (80 Prozent), gefolgt von Compliance (55 Prozent), Governance-Fähigkeiten (48 Prozent) sowie Modellqualität und -erklärbarkeit (43 Prozent).

Physical AI und strategische Vorbereitung 

Neben Generativer KI (GenAI) und Agentic AI tritt derzeit Physical AI in den Fokus, also der Einsatz von physisch-mechanischen KI-Systemen. Naturgemäß ist Physical AI bei Finanzunternehmen weniger relevant als etwa im produzierenden Gewerbe. 32 Prozent nutzen die kostenintensive Technologie, acht Prozent verwenden sie mäßig oder intensiv. Dabei bestehen vielfältige Anwendungsmöglichkeiten. Häufigster Einsatzzweck sind Backoffice-Anwendungen wie intelligente Sicherheitssysteme oder Bargeld-Handling in kontrollierten Umgebungen. Interessant für Versicherer ist Telematik-basiertes KI-Monitoring (z.B. Fahrzeuge in der Kfz-Versicherung). In den nächsten zwei Jahren wird der mäßige oder intensive Einsatz von Physical AI auf 28 Prozent ansteigen. 

Erfragt wurde auch die Vorbereitung auf den KI-Einsatz in unterschiedlichen Dimensionen. Mit 47 Prozent sehen sich vier Prozent mehr Finanzunternehmen als im Vorjahr strategisch hochgradig vorbereitet, auch bei Risiken und Governance steigt der Vorbereitungsgrad (32 Prozent, +7 Prozent). Bei Technologie-Infrastruktur (38 Prozent) und Arbeitskräften (19 Prozent) sind dagegen Rückschläge zu verzeichnen, was die bestehenden Herausforderungen für KI in der Finanzindustrie unterstreicht. 

KI in der Finanzbranche: Analysen und Handlungsempfehlungen

KI bietet der Finanzbranche transformatives Potenzial. Doch für dessen Realisierung ist eine verstärkte Einbettung in Betrieb, Wettbewerbspositionierung und Wachstumsstrategie nötig. Abschließend gibt der Deep Dive hierzu sechs Handlungsempfehlungen:

• KI-Potenziale in produktiven Umgebungen aktivieren
• Rollen und Workflows im Hinblick auf KI umgestalten
• Governance unbedingt vor der Skalierung etablieren 
• Souveräne KI fokussiert umsetzen
• Adäquate Technologie- und Dateninfrastrukturen aufbauen
• Strategische Innovation statt inkrementellen Effizienzgewinnen priorisieren

KI im Finanzsektor: Laden Sie hier die vollständige Studie herunter und lesen Sie alle weiteren Details und Analysen sowie die ausführlichen Handlungsempfehlungen.