KI-Tools für Banken

Mittlerweile sind viele verschiedene KI-Tools in der Wirtschaft zum Alltag geworden. Für eine Bank ist es allerdings relevanter, was die Kundschaft davon hält und da liegen die Dinge durchaus komplizierter als in anderen Branchen.

Eine repräsentative Bitkom-Befragung aus Mai 2026 zeichnet ein gespaltenes Bild: 56 Prozent der Befragten sehen den KI-Einsatz im Bereich Finanzen als Chance und 40 Prozent als Risiko. Gleichzeitig lehnt rund die Hälfte der Befragten die Nutzung von KI spezifisch bei Finanzthemen grundsätzlich ab, während sich 27 Prozent vorstellen können, einer KI künftig den Großteil der eigenen Finanzentscheidungen zu überlassen.

Der entscheidende Befund steckt in der Altersverteilung: Bei den 16- bis 29-Jährigen sehen 68 Prozent Chancen in KI-Anwendungen rund um Finanzen, bei den über 65-Jährigen nur etwas mehr als ein Drittel. Eine Bank bedient also zwei Kundengruppen mit gegenläufigen Erwartungen und muss beide parallel zufriedenstellen. Das spricht gegen Entweder-oder-Entscheidungen und für Angebote, bei denen der klassische Weg erhalten bleibt.

Darunter fallen zwei sehr unterschiedliche Gruppen von Werkzeugen. Die eine unterstützt die Kundschaft direkt: Sie nimmt Anrufe entgegen, beantwortet häufige Fragen und führt durch Formulare. Die andere kommt im Hintergrund zum Einsatz: Sie liest Dokumente aus, erkennt auffällige Transaktionen und macht das eigene Regelwerk durchsuchbar.

Für beide Bereiche gilt dieselbe Faustregel: Die KI bedient die Auskunft, nicht die Entscheidung. Alles, was in Produktbedingungen, Preisverzeichnissen und Arbeitsanweisungen bereits schriftlich festgelegt ist, lässt sich automatisiert ausgeben. Alles, was eine Bewertung im Einzelfall erfordert, bleibt im Haus — rechtlich wie praktisch.

Was das konkret bringt, lässt sich an vier Punkten festmachen:

Filialöffnungszeiten, Geschäftsbedingungen, einen Beratungstermin vereinbaren, zur richtigen Abteilung durchgestellt werden: Ein großer Teil dessen, was täglich in der Leitung landet, bindet Mitarbeitende, ohne Beratungsqualität zu erfordern. Genau diese Anliegen kann ein KI-Telefonassistent für Banken übernehmen.

Hinzu kommt ein Vorteil, der in anderen Branchen nicht so relevant ist: Solange der Assistent nur wiedergibt, was ohnehin auf der Website steht, entstehen weder Kundendaten noch Entscheidungen. Damit ist die Telefonie nicht nur der schnellste, sondern auch der aufsichtsrechtlich unkomplizierteste Bereich.

Eine Grenze ist hier allerdings scharf zu ziehen: Kontostände, Umsätze und alles, was hinter der Authentifizierung liegt, gehört nicht in einen Sprachdialog, solange die Identität nicht zweifelsfrei festgestellt ist. Banken können das lösen, indem der Assistent bis zur Anmeldung führt und den Rest dem bestehenden System überlässt.

Die Bitkom-Befragung liefert ein klares Argument für den Kundenservice in App und Chat: Für etwa die Hälfte der Online-Banking-Nutzenden ist die App der wichtigste Kontakt zur Bank; 70 Prozent sind mit ihr zufrieden. Und mit einer Nutzung von 69 Prozent bleibt auch der Browser relevant.

Für KI-Tools ist die App daher ein naheliegender Einsatzort: Die Kundschaft nutzt sie bereits, und ein Assistent kann wiederkehrende Fragen beantworten, durch Formulare führen und Begriffe erklären – ohne dass ein Besuch in der Filiale nötig ist.

Wirksam wird das vor allem bei Themen, die telefonisch unverhältnismäßig aufwendig sind: ein Dauerauftrag, eine Adressänderung, die Frage nach dem Verwendungszweck einer Abbuchung. Jede dieser Fragen kostet am Telefon mehrere Minuten und in der App Sekunden.

Jede Bank erhält täglich Unterlagen, die geprüft, zugeordnet und abgelegt werden müssen: Gehaltsnachweise, Grundbuchauszüge, Jahresabschlüsse und Legitimationsunterlagen. Eine Dokumenten-KI liest sie aus, erkennt den Dokumenttyp, ordnet sie dem passenden Vorgang zu und weist auf fehlende Informationen hin. Damit ist dieser Bereich der größte stille Hebel: Er wirkt im Hintergrund und bleibt nach außen unsichtbar.

Der Nutzen liegt weniger in spektakulären Einsparungen als in kürzeren Wartezeiten: Wird bei einem Kreditvorgang eine fehlende Unterlage sofort statt erst nach drei Tagen erkannt, verkürzt sich die Bearbeitungszeit entsprechend. Wichtig ist: Das Auslesen dient der Vorbereitung; geprüft wird weiterhin von einem Menschen.

Betrugserkennung ist der älteste KI-Einsatz der Branche, auch wenn sie lange nicht so hieß. Transaktionsmonitoring arbeitet seit Jahrzehnten mit Mustererkennung; in den meisten Häusern läuft es längst, es steht nur unter einem anderen Namen im Vertrag.

Was sich ändert, ist die Methode. Klassische Systeme prüfen feste Regeln: Betrag über Schwelle, Land auf Liste, ungewöhnliche Uhrzeit. Lernende Verfahren vergleichen stattdessen mit dem individuellen Verhalten eines Kontos. Eine Überweisung von 200 Euro kann damit auffällig sein und eine von 20.000 unauffällig — je nachdem, was auf diesem Konto üblich ist.

Der regulatorische Aufwand ist hier am höchsten, und das ist keine Formalie: Jede automatisierte Entscheidung muss nachvollziehbar dokumentiert sein, weil sie im Prüfungsfall erklärt werden muss. Ein System, das gute Ergebnisse liefert, seine Begründung aber nicht offenlegt, ist in diesem Bereich unbrauchbar.

Kein anderer Bereich kommt mit so wenig Aufwand aus, weil hier ausschließlich interne Dokumente im Spiel sind: Arbeitsanweisungen, Rundschreiben, Produktbedingungen, aufsichtsrechtliche Vorgaben. Keine Kundendaten, keine Entscheidungen, keine Auslagerung mit Kundenbezug.

Der Nutzen ist trotzdem deutlich spürbar. Statt sich durch sieben Dokumente zu arbeiten, stellt jemand eine Frage und bekommt die Antwort mit Fundstelle. Wer schon einmal eine halbe Stunde nach der gültigen Fassung einer Anweisung gesucht hat, weiß, was das im Jahr ausmacht.

Weil hier ausschließlich interne Dokumente verarbeitet werden und keine Kundendaten, ist dieser Bereich regulatorisch der einfachste und deshalb der beste Ort, um in der Bankfiliale Erfahrung aufzubauen, bevor es an sensiblere Anwendungen geht.

Keine Kreditentscheidung — aufbereiten ja, entscheiden nein.

Ein KI-Tool für Banken darf die Unterlagen sortieren, Zahlen gegenüberstellen und darauf hinweisen, wenn etwas fehlt oder nicht zusammenpasst. Was es nicht darf, ist bewilligen oder ablehnen. Das ist keine Vorsichtsmaßnahme des Hauses, sondern europäisches Recht: Der EU AI Act zählt die Prüfung der Kreditwürdigkeit zu den Hochrisiko-Anwendungen. Und es hat einen praktischen Grund, denn eine Ablehnung muss man allen Parteien gegenüber erklären können.

Keine Anlageempfehlung — informieren ja, raten nein.

Erklären, wie ein Produkt funktioniert, was es kostet und für wen es gedacht ist: unproblematisch. Sobald daraus ein Vorschlag wird, was jemand kaufen sollte, ist die Grenze zur Anlageberatung überschritten, und dort gelten eigene Regeln mit eigener Dokumentationspflicht. Der saubere Weg ist deshalb immer derselbe: informieren und einen Termin anbieten.

Keine Identitätsprüfung im Gespräch — hinführen ja, feststellen nein.

Eine Stimme am Telefon beweist nichts, so überzeugend sie klingen mag. Alles, was hinter der Anmeldung liegt — Kontostand, Umsätze, Vertragsdetails —, bleibt deshalb gesperrt, bis die Identität auf dem etablierten Weg feststeht. Der KI-Telefonassistent kann bis dorthin führen, die Prüfung selbst übernimmt er nicht.

Die Reihenfolge richtet sich in dieser Branche weniger nach dem Nutzen als nach dem regulatorischen Aufwand.

Am Anfang stehen die Bereiche ohne Kundendaten. Dazu zählen die Recherche im eigenen Regelwerk und ein Telefonassistent, der ausschließlich öffentlich verfügbare Informationen bereitstellt. Beide Anwendungen lassen sich innerhalb weniger Wochen umsetzen. Sie schaffen Erfahrung im Haus und lassen sich der Aufsicht ohne großen Aufwand erklären.

Danach folgt die Dokumentenverarbeitung. Dabei kommen zwar Kundendaten ins Spiel, automatisierte Entscheidungen trifft das System jedoch nicht. Der Aufwand entsteht vor allem durch die Auslagerungsprüfung, nicht durch die Technik.

Parallel lohnt sich ein Blick ins eigene System. Funktionen zur Betrugs- und Dokumentenerkennung sind häufig bereits vorhanden, aber noch nicht aktiviert. Eine Nachfrage beim Anbieter kostet meist nur ein Telefonat und kann im besten Fall ein ganzes Projekt ersparen.

Zuletzt folgen Anwendungen, die Entscheidungen berühren: Kreditprozesse, Scoring und automatisierte Ablehnungen. Das liegt nicht daran, dass sie sich nicht lohnen, sondern daran, dass es sich um ein anderes Vorhaben handelt: kein Pilotprojekt, sondern ein Compliance-Projekt mit eigenem Zeitplan.

Banken diskutieren KI oft zuerst anhand der schwierigsten Fragen: Scoring, Kreditentscheidungen und die Anforderungen der Aufsicht. Das ist nachvollziehbar, führt aber dazu, dass auch weniger kritische Anwendungen liegen bleiben.

Gerade dort liegt der Einstieg: Ein Assistent, der Standardfragen am Telefon beantwortet, und eine durchsuchbare Fassung des eigenen Regelwerks kommen weder mit Kundendaten noch mit Entscheidungen in Berührung. So sammelt das Bankinstitut praktische Erfahrung mit diesen KI-Tools, bevor es Anwendungen einsetzt, bei denen Fehler teuer werden können.

Auch mit Blick auf die Kundschaft gilt: Wenn die Hälfte KI bei den eigenen Finanzen grundsätzlich ablehnt, während zwei Drittel der Jüngeren darin eine Chance sehen, sollte die Antwort nicht darin bestehen, sich für eine Seite zu entscheiden. Stattdessen sollte sowohl der automatisierte als auch der klassische Weg offenbleiben.