97 Prozent der Banken nutzen KI – aber wofür? Der Realitäts-Check 2026
9 Min. Lesezeit
97 Prozent der deutschen Finanzinstitute setzen bereits Künstliche Intelligenz ein. Nur drei Prozent arbeiten komplett ohne KI. Aber was passiert hinter den Zahlen? In vielen Häusern beschränkt sich der Einsatz auf Chatbots im Kundenservice und einfache Automatisierungen. Die wirklich transformativen Anwendungen – KI-gestützte Kreditentscheidungen, Echtzeit-Betrugserkennung, personalisierte Anlageberatung – stecken bei den meisten noch in der Pilotphase. Deutschland führt bei der Kernbankmodernisierung mit KI weltweit. Aber der Vorsprung ist fragil.
Das Wichtigste in Kürze
- 97 Prozent der Finanzinstitute nutzen irgendeine Form von KI – aber nur ein Bruchteil setzt sie für Kernprozesse wie Kreditvergabe oder Risikobewertung ein. (PwC-Studie, Januar 2025)
- 45 Prozent setzen KI-Chatbots im Kreditgeschäft ein – für Schulungen, Fehlersuche und Prozessunterstützung. Die direkte Kreditentscheidung durch KI bleibt regulatorisch heikel.
- Deutschland führt mit 34 Prozent bei der Kernbankmodernisierung – der höchste Wert weltweit. Deutsche Banken investieren massiv in die Ablösung von Legacy-Systemen durch KI-fähige Plattformen.
- Minus 20 Prozent Web-Traffic auf Finanzdienstleister-Websites bis Ende 2026 prognostiziert Forrester – ersetzt durch KI-Suchmaschinen, die direkte Antworten liefern.
- Regulatorische Grenzen: Der EU AI Act klassifiziert KI-Systeme in der Kreditvergabe als Hochrisiko-Anwendung – mit strengen Transparenz- und Dokumentationspflichten.
Der Status quo: Viel KI, wenig Tiefe
Die PwC-Studie zum KI-Einsatz im deutschen Finanzsektor (Januar 2025) liefert eine ernüchternde Erkenntnis: Fast alle machen etwas mit KI, aber die wenigsten schöpfen das Potenzial aus. Der häufigste Einsatzzweck ist Kundenservice – Chatbots, die Standardfragen beantworten. Der zweithäufigste: interne Prozessautomatisierung wie Dokumentenklassifizierung und Compliance-Checks.
Die wirklich wertvollen Anwendungen – Echtzeit-Betrugserkennung, KI-gestützte Kreditscoring-Modelle, personalisierte Anlageempfehlungen – befinden sich bei den meisten Instituten noch in der Experimentierphase. Der Grund ist nicht technisch, sondern regulatorisch: Der EU AI Act stuft KI in der Kreditvergabe als Hochrisiko ein. Das bedeutet Pflichten zur Erklärbarkeit, Dokumentation und menschlicher Aufsicht.
Trotzdem gibt es Institute, die vorangehen. Die Deutsche Bank hat in das KI-Startup Aleph Alpha investiert und baut eigene Large Language Models für interne Prozesse. Die ING setzt KI für die Automatisierung von Know-Your-Customer-Prüfungen ein. Und mehrere Volksbanken testen KI-gestützte Beratungstools, die Kundenberater mit Echtzeitdaten versorgen.
Kernbankmodernisierung: Deutschlands unerwarteter Vorsprung
Deutschland hat nicht den Ruf eines FinTech-Vorreiters. Aber bei der Modernisierung von Kernbanksystemen liegt das Land laut PwC mit 34 Prozent weltweit vorne. Das klingt paradox – ist es aber nicht. Deutsche Banken operieren auf teilweise jahrzehntealten Legacy-Systemen, die extrem teuer im Betrieb sind. Der Leidensdruck ist höher als in Märkten, die schon früher auf Cloud-native Architekturen umgestiegen sind.
Die Modernisierung läuft in drei Wellen. Erstens: Migration von Mainframe-Systemen auf Cloud-Plattformen. Zweitens: Integration von KI-Modulen für Echtzeitanalysen – Transaktionsmonitoring, Liquiditätssteuerung, regulatorisches Reporting. Drittens: der Aufbau von Datenplattformen, die KI-Modelle mit sauberen, strukturierten Daten versorgen. Die dritte Welle ist die schwierigste, weil sie Datensilos aufbrechen muss, die seit Jahrzehnten gewachsen sind.
„Der Wechsel von ‚KI als Ergänzung‘ zu ‚KI als Architekturprinzip‘ ist der entscheidende Paradigmenwechsel 2026. Wer seine Kernbanksysteme nicht KI-fähig macht, verliert nicht nur Effizienz – er verliert die Fähigkeit, mit regulatorischen Anforderungen Schritt zu halten.“
PwC Financial Services Technology Report, 2025
KI in der Kreditvergabe: Chance und regulatorische Grauzone
45 Prozent der deutschen Institute setzen KI-Assistenten und Chatbots bereits im Kreditgeschäft ein. Aber der Einsatz beschränkt sich bisher auf Unterstützungsfunktionen: Schulung von Mitarbeitern, Fehlersuche in Anträgen, Prüfung von Dokumenten auf Vollständigkeit. Die eigentliche Kreditentscheidung trifft weiterhin ein Mensch.
Das hat regulatorische Gründe. Der EU AI Act klassifiziert KI-Systeme, die Kreditwürdigkeit bewerten oder Kreditentscheidungen treffen, als Hochrisiko-Anwendungen. Das bedeutet: obligatorische Risikobewertungen, Transparenz gegenüber Betroffenen, menschliche Aufsicht und regelmäßige Audits. Viele Banken scheuen den Aufwand und bleiben bei menschlichen Entscheidern, die von KI unterstützt werden.
Die klügeren Institute nutzen die Übergangszeit strategisch. Sie bauen KI-Modelle, die Kreditentscheidungen empfehlen, sammeln Daten über deren Genauigkeit und dokumentieren den gesamten Prozess so, dass er AI-Act-konform ist. Wenn die regulatorische Praxis klarer wird, können sie schnell skalieren.
Der unsichtbare Umbruch: KI-Suche frisst Bank-Websites
Eine Forrester-Prognose sorgt für Unruhe: Der direkte Web-Traffic auf Finanzdienstleister-Websites wird 2026 um 20 Prozent sinken. Der Grund: KI-Agenten und KI-Suchmaschinen liefern Nutzern direkte Antworten, ohne dass sie auf eine Bank-Website klicken müssen.
Für Banken bedeutet das: Wer bei ChatGPT, Perplexity oder Google AI Overviews nicht als Quelle auftaucht, verliert Sichtbarkeit bei potenziellen Kunden. Die Antwort ist nicht weniger Content, sondern besserer Content. Strukturierte Daten, FAQ-Sektionen, klare Fakten mit Quellenangaben – das sind die Signale, die KI-Systeme als zitierwürdig erkennen.
Was kommt als Nächstes
Der nächste große Schritt ist die Personalisierung. 36 Prozent der deutschen Finanzinstitute investieren bereits in personalisierte Bonus- und Prämienmodelle, die auf KI-Analysen basieren. Der Trend geht von regelbasierten Systemen („Kunde hat X Euro Umsatz, bekommt Y Prozent Rabatt“) zu prädiktiven Modellen („Dieser Kunde wird mit 78 Prozent Wahrscheinlichkeit in drei Monaten kündigen, deshalb proaktives Angebot“).
Parallel dazu wächst der Druck durch regulatorische KI-Anforderungen. DORA, AI Act, DSGVO – Finanzinstitute müssen gleichzeitig innovieren und regulatorische Compliance sicherstellen. Die Institute, die das als integrierte Aufgabe verstehen und nicht als Widerspruch, werden den größten Nutzen aus KI ziehen.
Häufige Fragen
Welche KI-Anwendungen nutzen deutsche Banken am häufigsten?
Die häufigsten Anwendungen sind Chatbots im Kundenservice, Dokumentenklassifizierung, Compliance-Automatisierung und Betrugserkennung. KI-gestützte Kreditentscheidungen befinden sich überwiegend noch in der Pilotphase.
Darf KI in Deutschland Kreditentscheidungen treffen?
Grundsätzlich ja, aber unter strengen Auflagen. Der EU AI Act klassifiziert Kreditscoring als Hochrisiko-KI. Das erfordert Transparenz, menschliche Aufsicht, regelmäßige Audits und die Möglichkeit für Betroffene, Entscheidungen anzufechten.
Warum führt Deutschland bei der Kernbankmodernisierung?
Weil der Leidensdruck besonders hoch ist. Viele deutsche Banken operieren auf jahrzehntealten Mainframe-Systemen mit hohen Betriebskosten. Die Kombination aus Kostendruck, regulatorischen Anforderungen und dem KI-Potenzial treibt die Modernisierung.
Was bedeutet der prognostizierte Traffic-Rückgang für Banken?
Forrester prognostiziert minus 20 Prozent direkten Web-Traffic auf Finanzwebsites bis Ende 2026. Banken müssen ihre digitale Strategie anpassen: strukturierte Inhalte, FAQ-Bereiche und maschinenlesbare Daten werden wichtiger als klassische SEO-Optimierung.
Wie wirkt sich der AI Act auf KI im Bankensektor aus?
Der AI Act schafft Rechtssicherheit, erhöht aber den Compliance-Aufwand. Kreditscoring und Versicherungsbewertung gelten als Hochrisiko-KI. Banken müssen Risikomanagementsysteme implementieren, Entscheidungen erklärbar machen und regelmäßige Audits durchführen.
Weiterführende Lektüre
- KI-gestützter Bankenbetrug nimmt stark zu
- KI im Unternehmen: Was der Hype verschweigt
- Was traditionelle Banken von Neobanken lernen können
- FinOps: Cloud-Kosten in den Griff bekommen (cloudmagazin)
Quelle Titelbild: Pexels / Kindel Media
