„Man verantwortet ein Ergebnis" - Teylor-COO Veronika Missbichler im IT Praxis-Interview

Kaum ein Unternehmen im Banking kommt heute noch ohne eigene KI-Initiativen aus. Entscheidend ist jedoch, was sich dadurch im Unternehmen tatsächlich verändert. Bei Teylor geht es längst um mehr als den Einsatz neuer Werkzeuge: Das FinTech stellt seine IT neu auf, dokumentiert Prozesse mithilfe von KI und setzt beim Aufbau eines Shared Service Centers auf virtuelle Mitarbeiter. Wir wollten wissen: Was läuft schon KI-first? Wo bleibt der Mensch im Loop? Und warum braucht man trotz Automatisierung weiterhin Juniors? Ein Gespräch mit COO Veronika Missbichler über Führung ohne große Teams, Tool-Chaos und die Frage, warum die eigentliche Arbeit nicht mit dem Schreiben des Codes erledigt ist.

Veronika, fast jedes Unternehmen sagt gerade: Wir machen etwas mit KI. Woran sieht man bei Teylor, dass ihr es ernst meint?

Ich komme selbst aus der Tech-Ecke und bin schon viele Jahre im FinTech-Bereich. Was Teylor anders macht als vieles, was ich vorher erlebt habe: Es ist kein isoliertes IT-Projekt mehr, bei dem man einen Proof of Concept macht oder einen abgegrenzten Anwendungsfall ausprobiert, um sich anschließend KI auf die Fahnen schreiben zu können.

Bei uns ist das in der ganzen Firma eingebettet, de facto in jedem Prozess. Von internen Projekten über Prozesse bis zu Finanzmodellen steckt überall ein Stück KI drin. Natürlich kontrolliert und unterschiedlich stark ausgeprägt.

Bis vor zwei Jahren war es ein Techie-Thema, ein IT-Thema. Jetzt ist es eine unternehmensweite Transformation.“

Ich bin seit einem Jahr dabei und behandle das Ganze auch so.

Wo seid ihr tatsächlich schon KI-first und habt nicht nur etwas auf einen bestehenden Prozess draufgesetzt?

Veronika Missbichler, COO Teylor

Veronika Missbichler ist Chief Operating Officer bei Teylor. Sie präsentiert sich in einem professionellen Umfeld, mit einem neutralen Hintergrund, der ihre Rolle und Expertise unterstreicht. Ihr Ausdruck vermittelt Selbstbewusstsein und Kompetenz. — Teylor

Veronika Missbichler ist Chief Operating Officer bei Teylor (Website). Zuvor war sie über 13 Jahre bei Paysafe tätig, zuletzt als Senior Vice President Operations, und verantwortete dort unter anderem Partner Operations und Customer Experience. Ihre Karriere begann sie bei Accenture im IT- und Management-Consulting für Financial Services. Missbichler studierte Wirtschaftsinformatik an der Universität Regensburg.

Wir sind unterschiedlich weit, aber in drei Bereichen wirklich KI-first. Der erste ist der klassische: internes Projektmanagement und Reporting. Wir definieren das am Anfang, dann läuft es wöchentlich oder in den jeweiligen Rhythmen. Das funktioniert auch mit Anbindungen an Kommunikationstools wie Slack wunderbar. Das ist ein Selbstläufer.

Der zweite Bereich hat mich selbst begeistert: Prozessdokumentation. In der Ausprägung hatte ich das vorher noch nicht geschafft. Umfangreiche Dokumentation ist bei FinTechs und Startups unserer Größe immer ein Thema. Früher brauchte man dafür Teams, viele Leute. Jetzt machen wir es KI-first.

Wie funktioniert das konkret?

Erst steht die Struktur. Dann gibt es Chatbot-Interaktionen und andere Möglichkeiten, über die Mitarbeiter ihr Wissen abladen: in Interviewform oder als Screen Recording. Das Tool baut daraus eine Prozessdokumentation und eine Prozesslandkarte.

Das haben wir in wirklich kurzer Zeit implementiert und umgesetzt. Es waren wenige Wochen, und das ist fertig.“

Der dritte Bereich ist unser Kernprodukt. Dort gehen wir bewusst in kleineren Schritten vor. Beim Auslesen und Handling von Dokumenten ist es aber tatsächlich so, dass sie zunächst von der KI gelesen und verarbeitet werden. Natürlich gibt es auf der Produktseite Kontrollschleifen. In vielen anderen Bereichen sind wir in einer guten Hybridlösung unterwegs.

Wann lasst ihr einen Prozess alleine laufen, und wann muss ein Mensch draufschauen?

Das hängt davon ab, wo man KI einsetzt. Im Backoffice, bei einer Prozessdokumentation oder einem wöchentlichen Reporting, kann man durchaus das Risiko eingehen, dass ein Tool alleine läuft. Dort ist das laufende Arbeiten mit den Ergebnissen auch die Kontrolle.

„Wenn es um substanzielle Prozesse geht, Kundenprozesse, Finanzprozesse, Abwicklungen, muss immer der Mensch im Loop sein.“

Ich sehe zwei Seiten. Erstens braucht man jemanden, der verifizieren kann, ob das Ergebnis gut, richtig und vollständig ist. Sonst kann man das Tool auch nicht maximal nutzen. Zweitens braucht man gerade bei kundenrelevanten Themen jemanden, der am Ende draufschaut. Das ist im Rahmen unserer Regulierung wichtig und richtig. Am Ende ist es ein Tool, eine Software, eine Unterstützung. Aber kein eigenständiger Entscheidungsträger.

Regulierung wird oft als Bremse beschrieben. Siehst du das auch so?

Ich arbeite schon immer im regulierten Umfeld. Für Banken ist es noch ein starkes Stück härter, das weiß ich. Aber ich sehe Regulierung als wichtigen Teil und tatsächlich als europäische Stärke.

Natürlich gibt der Rahmen Einschränkungen vor. Die sind aber wichtig, weil man sonst versucht ist, zu übermütig zu werden und die Technologie ungeprüft loszulassen. In Testsystemen und internen Prozessen soll man mutig sein und etwas ausprobieren. Dort kann man selbst die Messlatte aufstellen. Sobald es um Kunden, Kundendaten und finanzielle Daten geht, ist das etwas anderes.

Man muss Technologie nutzen und auch ein Stück weit damit spielen. Gleichzeitig muss man Kosten, Nutzen und Sicherheit in Balance halten. Sicherheit gerät schnell in den Hintergrund, wenn man zu viel spielt.

Gerade im Bankenbereich könnte Regulierung sicher vereinfacht und flexibler gestaltet werden. Aber ich schätze ihren Wert: Sie zwingt einen, verantwortungsbewusst damit umzugehen.

Seid ihr dazu schon mit der Aufsicht im Austausch?

Ja, mit der BaFin und anderen Aufsichtsstellen. Wir sprechen nicht über einzelne konkrete Plattformen bei uns. Aber der Austausch ist von beiden Seiten gewollt und wird forciert. Die BaFin interessiert, was sich bewegt. Wir wollen ein enges Verhältnis zum Regulator haben und verstehen, wo die Gefahren liegen. Es ist wichtig, dass beide Seiten voneinander lernen, weil es unterschiedliche Perspektiven sind.

Lass uns mal von dem Regulierungsthema in das Thema Führung mit und unter KI gehen. Früher wollten Abteilungsleiter vor allem mehr Mitarbeiter. Darüber hat man sich definiert. Was verändert KI an dieser Vorstellung von Führung?

Ich kenne das aus eigener Erfahrung. Bei meinem vorherigen Unternehmen, einem internationalen Payment Provider, hatte ich eines dieser riesigen Teams: über 1.000 Leute, auf allen Kontinenten. Damals war die Mitarbeiterzahl tatsächlich noch die Währung.

Teylor

Das extreme Gegenteil versuchen wir gerade bei Teylor. Wir bauen ein Shared Service Center in Polen auf, das ich leite und das alle unsere Business Units und Länder unterstützen soll. Am Anfang habe ich es im Spaß gesagt, aber ich glaube, es ist tatsächlich fast Realität: Den größten Anteil werden virtuelle Mitarbeiter ausmachen, also KI-Agenten und KI-Tools.

Natürlich werden wir einige wenige Spezialisten haben, die diese Dinge designen, kontrollieren, verstehen, warten und weiterentwickeln. Aber das hat sich total verändert.

Man verantwortet ein Ergebnis. Die Mittel, wie man zu diesem Ergebnis kommt, sind nicht mehr so eindimensional wie früher.“

Es geht nicht mehr nur um Leute und helfende Hände, die auf der ganzen Welt sitzen. Sondern darum: Welche Tools habe ich, wie kann ich sie verwenden, warten und weiterentwickeln?

Dann braucht ihr nur noch Experten?

Das war eine interessante Welle. Auf einmal hieß es: Die KI kann die einfachen Standardaufgaben übernehmen, wir brauchen nur noch Experten. Dann haben wir gesehen, dass Junior-Einstellungen fast weggefallen sind, weil alle über die Effizienzgewinne glücklich waren. Und die gibt es ja auch.

Experten bleiben extrem wichtig. Aber was sich bei uns wieder verändert: Wir müssen trotzdem Juniors einstellen. Erstens bringen sie diese Nähe zu KI, diese Native-AI-Haltung mit. Zweitens muss man die Expertise im Unternehmen halten. Und die muss man auch heranziehen.

Also nicht alles automatisieren, was sich automatisieren lässt?

Ich erinnere da an das Outsourcing vor zehn, fünfzehn Jahren. Auf einmal war die Lösung, dass alle Teams in Indien oder auf den Philippinen sitzen. Wenn man alles auslagert, verliert man sehr viel Resilienz. Genauso ist es mit KI.

„Ich kann einfach nicht alles auslagern. Ich brauche die Expertise.“

Für den Fall, dass etwas passiert, brauche ich Menschen, die einspringen, reparieren und etwas verändern können. Man wird zu einem großen Teil Technologie führen. Aber man muss auch Mitarbeiter führen und entwickeln, die das können oder lernen und die Technologie unter Kontrolle halten.

Es ist verlockend, jetzt alles mit KI und den großen Anbietern zu machen. Aus meiner Sicht reicht das nicht. Die richtige Balance zu finden, wird eine Führungsaufgabe sein.

Ihr arbeitet in der Schweiz, in Deutschland und in Polen. Sind die Unterschiede beim Umgang mit KI eher regional oder eine Frage des Alters?

In Europa sehe ich weniger regionale Unterschiede, eher einen Unterschied zwischen den Generationen. Die Frage fängt damit an, wie ich Erfolg definiere. Bin ich erfolgreich, wenn ich sehr viel arbeite und viele Mitarbeiter habe, die viel tun? Oder wenn ich das Ergebnis liefere?

Ich glaube, die junge Generation hat dieses Umdenken schon besser verstanden. Wir können Ergebnisse streckenweise mit sehr viel weniger Aufwand liefern.

Natürlich gibt es auch regionale Unterschiede. Ich habe lange in Osteuropa gearbeitet, vorher in Bulgarien, jetzt in Polen. Dort hat man technologisch und vom Mindset her sehr viel erreicht. Der springende Punkt bleibt für mich aber: Wie definiere ich Leistung, und wie viel Handarbeit muss dafür einfließen?

Und die Älteren tun sich schwerer?

Es gibt in beiden Altersgruppen interessante Überraschungen. Ältere, die total offen sind, aufspringen und voll dabei sind. Und Jüngere, die eher die traditionelle Welt suchen. Wir haben auch in der Technologie Leute, die das Arbeiten mit KI unspannend finden. Die sagen: Das ist Handwerk, das ist Kunst, keine Massenabfertigung.

Tendenziell hat die Generation, die jetzt von der Uni kommt oder in den letzten Jahren gekommen ist, das Umdenken aber schon verstanden.

Viele Unternehmen haben einen ziemlichen Tool-Zoo. Wie geht ihr damit um?

Die ultimative Lösung haben wir auch nicht gefunden. Vor einem Jahr war es bei uns sehr ähnlich: Jeder hat etwas anderes genutzt, auch im Freestyle. Es kam praktisch jeden Monat ein neues Tool heraus.

Wir haben dann etwas gemacht, das für ein FinTech unserer Größe eher untypisch ist: Gemeinsam mit der HR-Leitung haben wir eine sehr strikte Policy geschrieben.

Wir haben uns für den Moment für das eine oder andere Tool entschieden, wissentlich, dass das nicht in Stein gemeißelt ist.“

Das Thema ist so dynamisch, und mit den Daten, die dort hineinfließen, auch so riskant, dass wir gesagt haben: Dafür gibt es eine Policy, Schulungen und Governance. Da sind wir sehr dahinter.

Wie verhindert ihr, dass diese Regeln der Entwicklung hinterherlaufen?

Die Tools ändern sich ständig. Ich sehe das bei Banken: Copilot wurde irgendwann geprüft und akzeptiert, und dann bleibt man dabei. Das geht auf Dauer nicht.

Wir versuchen den Mix: eine möglichst strikte Governance, was wir nutzen, in welchem Umfang und mit welchen Sicherheitsnetzen. Gleichzeitig müssen wir dynamisch genug sein, das anzupassen.

Wenn du auf eure Plattform schaust: Wie viel davon wird inzwischen mit KI geschrieben?

Ich muss dafür ein Stück ausholen. Wir haben unsere IT in diesem Jahr sehr stark restrukturiert, die Rollen geändert und KI zum Teil der IT gemacht.

Bei uns gibt es zum Beispiel keine dedizierte menschliche QA-Ressource mehr. Das ist jetzt KI-basiert und in die Softwareentwicklung integriert.“

Das war ein relativ harter Schritt. Wir haben das vor ungefähr sechs Monaten implementiert, unsere Anwendung ist aber natürlich deutlich älter. Angefangen haben wir 2018.

Ich glaube, bei dem, was seit dieser Umstellung neu geschrieben wird, ist sicher die Mehrheit KI-basiert. Im Gesamtkontext ist es dagegen noch eine Minderheit.

Code schreiben ist die eine Sache. Verstehen, welches Produkt der Kunde braucht, die andere. Wie weit hilft euch KI da?

Am Anfang hatten wir die Erwartung, dass sie im Produktmanagement sehr stark sein würde. Natürlich kann KI super Tickets schreiben, sie ausformulieren, Standards folgen und die Details ausarbeiten. Aber dieses kontextbasierte Denken – was brauchen wir in unserem Kontext für unsere Kunden? – das funktioniert nicht.

Ich nenne es ganz platt den Hausverstand. Der fehlt. Vielleicht kommt er noch.

Bei der Abwicklung von Tickets, QA und Vollständigkeitschecks hilft KI sehr, auch beim Code schreiben. Aber gerade im Produkt braucht es menschliche Intelligenz, die prüft: Ist wirklich das drin, was wir brauchen? Man muss es relativ detailliert vorgeben. Wir haben auch versucht, mit einer generischen Frage ein neues Tool bauen zu lassen. Da kommt irgendetwas raus.

Würdest du eure Plattform heute noch einmal komplett neu bauen lassen?

Ich überlege selbst, ob ein kompletter Review und Rewrite schlau wäre. Das liegt nahe, und man denkt sich, das macht Sinn. Aber ich zögere. Ich möchte mir das noch genauer anschauen.

Ich habe momentan Respekt vor der Undurchdringlichkeit des Codes, wenn er nur von KI geschrieben ist. Deswegen machen wir das jetzt erst einmal eine Zeit lang und schauen, wie es geht.