Banken nutzen KI breit, transformieren ihre Organisation aber kaum

Künstliche Intelligenz im Banking — ChatGPT

Künstliche Intelligenz ist in vielen Unternehmen längst Bestandteil des Tagesgeschäfts. Zu einer grundlegenden Veränderung von Prozessen und Betriebsmodellen führt sie bislang jedoch nur selten. Für Banken und Finanzdienstleister sieht Publicis Sapient vor allem Legacy-Systeme, organisatorische Silos und eine fehlende unternehmensweite Steuerung als Hindernisse.

Das geht aus dem „Global Enterprise AI Report“ von Publicis Sapient hervor. Dafür wurden 1.550 KI-Entscheidungsträger aus Deutschland, den USA, dem Vereinigten Königreich, Frankreich, Australien und den Vereinigten Arabischen Emiraten befragt. Sie arbeiten in Unternehmen mit mindestens 500 Beschäftigten und einem Jahresumsatz von mindestens 100 Millionen US-Dollar. Die Erhebung fand zwischen Ende April und Mitte Mai 2026 statt. Weltweit geben 83 Prozent der Befragten an, KI regelmäßig, in den meisten Prozessen oder als zentralen Bestandteil der Arbeit einzusetzen. 68 Prozent zufolge wird die Technologie regelmäßig unternehmensweit genutzt oder ist Teil des laufenden Geschäftsbetriebs. Grundlegend verändert hat KI die Arbeitsweise des Unternehmens jedoch erst bei 38 Prozent. Vollständig in das gesamte Unternehmen integriert ist sie lediglich bei 18 Prozent.

Report: The Enterprise Wasn’t Built for AI — Publicis Sapient

Die Erwartungen liegen deutlich höher als die organisatorische Reife. 65 Prozent der Befragten rechnen damit, dass ihr Unternehmen KI in den kommenden zwölf bis 24 Monaten deutlich skalieren wird. Zugleich halten nur 15 Prozent ihre Organisation heute für vollständig gerüstet, diese Erwartungen zu erfüllen. Lediglich 30 Prozent sehen die Erwartungen der Führungsebene vollständig mit der operativen Realität in Einklang. Als größtes Hindernis gilt zunehmend nicht mehr die Technologie selbst. 47 Prozent halten KI bereits für leistungsfähig genug, um die aktuellen geschäftlichen Anforderungen zu erfüllen. Gleichzeitig erklären 42 Prozent, ihr Unternehmen sei organisatorisch nicht darauf ausgerichtet, den möglichen Nutzen auszuschöpfen. Mehr als jede und jeder Fünfte nennt die Art, wie die eigene Organisation arbeitet, als zentrales Hindernis für den KI-Erfolg. Damit wird das Betriebsmodell etwa doppelt so häufig als Problem angesehen wie die Leistungsfähigkeit der Technologie.

Gerade für Banken sind diese Ergebnisse relevant. Viele Institute setzen bereits generative KI, Analysewerkzeuge oder Assistenzsysteme in einzelnen Fachbereichen ein. Der Nutzen bleibt jedoch begrenzt, wenn die Anwendungen weiterhin auf getrennte Datenbestände, langsame Freigabeprozesse und über Jahre gewachsene Kernbanksysteme treffen. Nach Einschätzung von Publicis Sapient entstehen unternehmensweite Effekte erst dann, wenn Institute ihre Infrastruktur modernisieren, Arbeitsabläufe über Bereichsgrenzen hinweg verbinden und den KI-Einsatz zentral koordinieren.

Intensive Nutzung, geringe Integration

Deutschland fällt in der Studie durch eine vergleichsweise starke Nutzung von KI im Arbeitsalltag auf. 35 Prozent der deutschen Befragten beschreiben die Technologie als eine Art „Kollegen“, der Teams bei ihrer Arbeit unterstützt. Das ist der höchste Wert unter den sechs untersuchten Märkten. Vollständig unternehmensweit integriert ist KI in Deutschland bislang dagegen nur bei zehn Prozent. Auch bei der grundlegenden Transformation bleibt Deutschland zurück. 26 Prozent der deutschen Befragten geben an, KI verändere fundamental, wie ihr Unternehmen arbeitet. Im Vereinigten Königreich liegt dieser Wert bei 51 Prozent, in den USA bei 41 Prozent. Gleichzeitig halten in Deutschland lediglich zehn Prozent ihre Organisation für vollständig auf die eigenen KI-Erwartungen vorbereitet.

Banken haben in den letzten Jahren viel in KI-Piloten investiert und nutzen die Technologie im Alltag inzwischen breit. Der Report zeigt aber deutlich, wo die Grenze verläuft. Solange KI nur auf bestehende Prozesse und Legacy-Systeme aufgesetzt wird, entsteht kein echter Effizienz- oder Ertragshebel. Für Institute heißt das, die Kernsysteme zu modernisieren und Governance-Modelle an die Geschwindigkeit von KI anzupassen.“

Alexander Schroff, Head of Financial Services DACH bei Publicis Sapient

Für Banken dürfte damit weniger die Zahl einzelner KI-Projekte entscheidend sein als die Frage, ob sich diese in durchgängige Prozesse überführen lassen. Dazu gehören gemeinsame Datenmodelle, klare Verantwortlichkeiten, nachvollziehbare Governance-Regeln und Schnittstellen zu Kernbanken-, Risiko- und Compliance-Systemen. Ohne diese Grundlagen droht KI zusätzliche Komplexität zu erzeugen, statt bestehende Abläufe zu beschleunigen. Die Studie kann gegen Angabe der persönlichen Kontaktdaten heruntergeladen werden. tw