Legacy-IT & AI Operating Models: Transformation 2026

Schwerpunkt: Kernsysteme & Migration

Die IT-Landschaft der Finanzindustrie steht 2026 am Wendepunkt zwischen bewährter Stabilität und notwendiger Radikalmodernisierung. Im Interview erläutert Daniel Maier, Co-Founder von Chartered Investment, warum das Festhalten an starren Legacy-Systemen heute zum strategischen Flaschenhals für neue Geschäftsmodelle wird. Er plädiert dafür, technologische Innovation nicht nur als Tool-Update, sondern als fundamentale Weiterentwicklung des gesamten Operating Models zu verstehen. Dabei zeigt er auf, wie die gezielte Trennung von fachlicher Logik und Technik den Weg für eine tiefgreifende Integration von KI und Tokenisierung ebnet.

von Dunja Koelwel

Herr Maier, wenn wir auf die IT‑Landschaft von Banken im Jahr 2026 blicken: Wie würden Sie den Status quo beschreiben – und warum ist das Thema Legacy‑Systeme nach wie vor so zentral für die Zukunftsfähigkeit des Finanzsektors?

Die  IT‑Landschaft von Banken und Fondsgesellschaften ist auch 2026 überwiegend von heterogenen, historisch gewachsenen Systemlandschaften geprägt. Diese Systeme sind keineswegs per se veraltet – im Gegenteil: Viele von ihnen sind hochstabil, geschäftskritisch und regulatorisch erprobt und tragen den operativen Kernbetrieb.

Gleichzeitig hat sich das Umfeld fundamental verändert. Regulatorische Anforderungen nehmen zu, Produktzyklen werden kürzer und Erwartungen an Transparenz, Geschwindigkeit und Datenverfügbarkeit steigen. In diesem Spannungsfeld wird Legacy weniger zu einer technologischen Frage als zu einem strategischen Thema  – insbesondere im Fondsbereich. Das eigentliche Problem ist nicht das Alter der Systeme, sondern ihre begrenzte Adaptionsfähigkeit. Dort, wo operative Strukturen nicht flexibel weiterentwickelt werden können, werden Legacy‑Systeme zum Engpass für zukünftige Geschäftsmodelle.

Was sind aus Ihrer Sicht die strukturellen Herausforderungen, die Legacy‑Systeme in der Fondsindustrie heute verursachen?

Die zentrale strukturelle Herausforderung liegt darin, dass fachliche Geschäftslogik und technische Umsetzung in vielen Legacy‑Systemen eng miteinander verwoben sind. Entscheidungslogiken – etwa bei Bewertung, Buchung oder der Behandlung von Ausnahmen – sind historisch gewachsen, im Code verankert oder an einzelne Personen gebunden, statt explizit modelliert zu sein. Das erschwert Anpassungen erheblich.

Jede regulatorische Änderung oder neue Produktstruktur zieht komplexe Eingriffe nach sich, häufig begleitet von manuellen Workarounds.“

Dadurch steigen operationelle Risiken und Abhängigkeiten von einzelnen Systemen oder Experten. Innovationsfähigkeit wird damit nicht nur technisch, sondern vor allem organisatorisch begrenzt – und genau das blockiert den Einsatz neuer Technologien wie APIs, konsistenter Datenmodelle oder künstlicher Intelligenz.

In welchen Teilen der Wertschöpfung sehen Sie besonderen Handlungsbedarf?

Besonderer Handlungsbedarf besteht überall dort, wo Verantwortung, Entscheidung und Automatisierung zusammenkommen. Das betrifft vor allem die Übergänge zwischen Front‑, Middle‑ und Backoffice – etwa bei Bewertung, Fondsadministration, Corporate Actions oder regulatorischem Reporting. Aber auch bei der Produktentwicklung und Vertrieb.

Gerade hier zeigt sich ein strukturelles Dilemma: Fonds sind auf der einen Seite hoch standardisiert, auf der anderen Seite operativ stark individualisiert. Solange Entscheidungs‑ und Prozesslogiken nicht klar und ganzheitlich verbunden sind, bleibt Automatisierung fragmentiert und schöpft heutige Potentiale nicht voll aus. Nachhaltige Skaleneffekte entstehen erst dann, wenn diese Logiken bereichsübergreifend ineinandergreifen.

Wie gehen Banken und andere Finanzmarktakteure aktuell mit diesen Herausforderungen um – und wo sehen Sie sinnvolle Ansätze, wo Sackgassen?

Wir sehen gerade bei Banken das neu geschaffene Stellenprofil des Digital Officers, der die Zukunftsfähigkeit der Bank gewährleisten soll. Dabei agieren die Teilnehmer sehr unterschiedlich.

• Einige Akteure setzen auf punktuelle Modernisierung oder parallele Systemlandschaften. Das kann kurzfristig Effizienz bringen, ändert aber oft nichts an der zugrunde liegenden Struktur. Sackgassen entstehen dort, wo bestehende implizite Logiken lediglich digital beschleunigt werden.
• Andere Akteure beginnen, ihre Zukunftsgerichten Business Cases in neu geschaffenen Entitäten umzusetzen, um nicht an Legacy Systeme gebunden zu sein und bauen so eine neue Infrastruktur.
• Dritte gehen Partnerschafften mit Fintechs wie uns ein, um Teile Ihrer Wertschöpfungskette im Paket einzukaufen.

All diese Ansätze verbindet, die Integration, Governance und Betrieb gemeinsam zu denken. Erfolgreiche Transformation trennt fachliche Logik von technischer Umsetzung und entwickelt das Operating Model schrittweise weiter – evolutionär und kontrolliert, ohne den laufenden Betrieb zu gefährden.

In der Branche heißt es, dass technologische Innovation allein nicht ausreicht. Was fehlt aus Ihrer Sicht vielen Digitali­sierungs­initiativen im Finanzsektor?

Was häufig fehlt, ist ein klares Verständnis darüber, wie Entscheidungen im Betrieb eigentlich zustande kommen. Digitalisierung wird oft als zeitlich begrenztes Projekt verstanden, nicht als dauerhafte organisatorische Fähigkeit. Der Fokus liegt zu stark auf Tools und zu wenig auf Betriebs‑ und Entscheidungslogik. Gerade im Fondsumfeld ist das problematisch.

Wenn nicht eindeutig definiert ist, wie Risiken gesteuert, Abweichungen behandelt und Verantwortung wahrgenommen wird, verstärkt technologische Innovation bestehende Schwächen.“

Anstelle einzelner Systeme braucht es ein belastbares Operating Model, das Technologie, Prozesse und Governance systematisch zusammenführt.

Digitalisierung geht auch mit Datenintegrität überein, was die Analyse grundlegender Geschäftsprozesse verlangt und den schnellen Geschäftserfolg isolierter Projekte entgegensteht, was die Entscheidungswege weiter erschwert.

Sie sprechen in diesem Zusammenhang von einem „AI Operating Model“. Was verstehen Sie darunter – und warum ist dieser Begriff aus Ihrer Sicht mehr als ein weiteres Schlagwort?

Ein AI Operating Model baut auf digitalen Geschäftsprozessen auf und bindet KI in diese ein. Im Fondsbereich kann dies alle Prozesse von der Auflage, der Administration, dem Management bis zum Vertrieb der Fonds umfassen. Es definiert, wie Daten genutzt werden, auf welche Ressourcen KI zurückgreifen kann, nach welchen Regeln Entscheidungen getroffen werden dürfen, wo menschliche Kontrolle erforderlich ist und wie Nachvollziehbarkeit sichergestellt wird.

Es ermöglicht Skalierung, die über den Einsatz von Humanressourcen und klassicher Automatisierung hinausgeht. Im regulierten Finanz‑ und Fondsumfeld ist die Einbettung in die Regulatorik entscheidend, sei es Dora, MaRisk oder der AI-Act. Ein AI Operating Model ist daher kein Buzzword, sondern eine notwendige Weiterentwicklung klassischer Operating Models.

Welche Rolle spielen moderne Infrastrukturen wie Tokenisierung oder digitale Marktinfrastrukturen in einem solchen AI Operating Model – insbesondere im Zusammenspiel mit bestehenden Legacy‑Systemen?

Tokenisierung steht für eine Kapital­markt­infra­struktur, die von Beginn an digital, standardisiert und datengetrieben aufgebaut ist. Rechte, Pflichten, Transaktionen und Ereignisse sind explizit modelliert und maschinenlesbar – nicht als Abstraktion bestehender Prozesse, sondern als neue Ausgangsbasis für deren Gestaltung.

Dies ermöglicht die vollständige Einbindung in das AI Operating Model, So kann das Finanzprodukt vom Emittenten zum Investor End to End abgebildet werden. Es betrachtet den gesamten Geschäftsprozess, macht Brüche und Schwachstellen sichtbar und integriert Legacy‑Systeme dort, wo sie fachlich sinnvoll sind – oder ersetzt sie, wo sie strukturell an Grenzen stoßen.

Was sollten Banken und Finanzmarktakteure heute konkret tun, um den Übergang von Legacy‑Systemen hin zu zukunftsfähigen Operating Models erfolgreich zu gestalten?

Am Anfang steht eine ehrliche Neubewertung des eigenen Geschäfts‑ und Betriebsmodells. Nicht jedes bestehende System und nicht jeder etablierte Prozess ist erhaltenswert. Entscheidend ist, zu evaluieren, was eingebunden, vereinfacht oder konsequent ersetzt werden sollte.

Zukunftsfähigkeit entsteht dort, wo Geschäftsprozesse neu gedacht werden, statt moderne Technologie an überholte Logiken anzupassen. Ein AI Operating Model unterstützt diesen Perspektivwechsel, indem es Komplexität reduziert und Technologie gezielt dort einsetzt, wo sie strukturellen Mehrwert schafft.

Herr Maier, vielen Dank für das Gespräch!dk