Studie: Banken bauen GenAI, aber keiner steuert die Risiken – Zahlen, Tools & Handlungsempfehlungen

Eine Studie untersucht den globalen Status des KI-Einsatzes in Finanzunternehmen und weist den Weg zur effizienten und regelkonformen Nutzung.

von Sudeep Raju, Director Account Management, Financial Services, EPAM Systems Inc.

Mit der aufwendigen Studie „From Hype to Impact“ hat EPAM Systems kürzlich den aktuellen Stand der KI-Anwendung in Unternehmen weltweit analysiert. Nun gibt es eine Auskopplung speziell für den Finanzsektor, die auf der Befragung von über 900 Führungskräften und Software-Ingenieur:innen aus dem Finanzwesen beruht. Sie zeigt ein differenziertes Bild der KI-Adoption: Zwar sehen sich 57 Prozent der Befragten als „fortgeschritten“ in ihrer KI-Reife – der höchste Wert unter acht untersuchten Branchen –, doch lediglich 4 Prozent betrachten sich als „Disruptoren“. Während Machine Learning von Banken schon seit Langem zur Unterstützung bei Risikoanalyse, Betrugserkennung und anderen Aktivitäten eingesetzt wird, eröffnet die erst kürzlich durch GenAI ermöglichte Innovation eine neue Welt von Möglichkeiten. Angesichts der rasanten KI-Markteinführung deuten die genannten Zahlen auf eine gewisse Zurückhaltung bei der Umsetzung hin.

Status Quo: Wie weit ist die Branche?

Hemmnisse lassen sich zum Beispiel am Qualifizierungsbedarf festmachen: 22 Prozent der Befragten nennen „Training und Befähigung bestehender Mitarbeitender“ als größte Herausforderung. Zugleich sehen 21 Prozent die Führungsebene und ihre technischen Qualifikationen als größte Herausforderung. Fünf Prozent gehen sogar davon aus, dass zwischen 81 Prozent und 99 Prozent der Belegschaft in den kommenden 18 Monaten in KI geschult werden müssten. Dies unterstreicht die Dimension des bevorstehenden Wandels.

Auch auf der technischen Ebene zeigen sich Gründe für eine verzögerte KI-Anwendung speziell im Finanzsektor. Die drei größten Herausforderungen in der Infrastrukturmodernisierung sind laut Studie unzureichende Sicherheitsprogramme, nicht ausgereifte Cloud-Umgebungen und veraltete Technologie-Stacks.

Der Datenschutz wird von fast einem Drittel als wichtigste Herausforderung genannt, das ist der höchste Anteil im Vergleich der Branchen.”

Jeder Zweite betrachtet den „unbefugten Zugriff auf sensible Daten“ als wichtigstes Sicherheitsproblem. Es zeigt sich: Damit Finanzdienstleister die Leistungsfähigkeit der KI erfolgreich nutzen können, müssen sie zuvor ihre Sicherheitslücken schließen.

Im Bereich der Governance zeigt sich ein ambivalentes Bild: Unter allen Branchen sagen Führungskräfte und Ingenieure aus der Finanzdienstleistungsbranche am häufigsten, dass „die Unternehmensleitung eine klar definierte Strategie hat, wie KI zum Erreichen der Unternehmensziele eingesetzt werden soll“. 88 Prozent der Organisationen geben an, bereits einen Chief AI Officer zu haben oder dessen Einführung zu planen. Und doch verfügen nur 2 Prozent über ein umfassendes Governance-Modell für KI.

KI im Einsatz: Konkrete Anwendungsfälle im Finanzsektor

Die Studie beleuchtet auch konkrete Anwendungsfälle von Generativer KI, die bereits in der Finanzbranche realisiert wurden. Dazu zählen automatisierte Kundenbetreuung, verbesserte Know-your-Customer-Prozesse, hyperpersonalisierte Kundenreisen sowie die KI-gestützte Softwareentwicklung zur Steigerung von Produktivität und Compliance. Viele Unternehmen befinden sich noch in der Vorbereitungsphase oder evaluieren Anwendungsfälle. Diese reichen vom Kundenservice, wo virtuelle Assistenten Kundenanfragen bearbeiten, über die Kundengewinnung, wo KI-Algorithmen potenzielle Risiken vorhersagen oder Daten zur weiteren Bearbeitung markieren, bis hin zur Betrugserkennung, wo maschinelles Lernen eingesetzt werden kann, um Trends und Anomalien zu identifizieren, die auf betrügerische Aktivitäten hindeuten. Die richtige Priorisierung dieser Vorhaben wird für den Erfolg entscheidend sein. Bevor KI jedoch in großem Maßstab eingesetzt werden kann, müssen Finanzdienstleistungsunternehmen eine Reihe kritischer Hindernisse überwinden.

Handlungsempfehlungen: Was Finanzorganisationen jetzt tun müssen

Die Zahlen zeigen: Die Branche ist ambitioniert, aber es bestehen strukturelle Defizite. Daraus ergeben sich fünf zentrale Handlungsfelder für Organisationen, die KI nicht nur implementieren, sondern strategisch nutzen wollen.

Erstens ist ein robustes Governance-Modell essenziell. Organisationen sollten ein dediziertes KI-Gremium einrichten, klare Rollen und Verantwortlichkeiten definieren, verbindliche Richtlinien entwickeln und Mitarbeitende für ethische und regulatorische Aspekte sensibilisieren.

Zweitens ist die Talentstrategie entscheidend. Neben gezielten Neueinstellungen – etwa von KI-Produktmanagern – müssen bestehende Teams breitflächig weitergebildet werden. Die Studie empfiehlt, eine Skill-Inventur durchzuführen und eine KI-affine Unternehmenskultur zu etablieren.

Drittens muss die technologische Basis modernisiert werden. Dazu gehört die Definition eines „Technology North Star“ und die Rückwärtsplanung der Infrastrukturentwicklung. Silos müssen aufgelöst, Echtzeitdaten verfügbar gemacht und Systeme interoperabel gestaltet werden. Die Auswahl von Partnern mit KI-Expertise im Finanzsektor kann diesen Prozess beschleunigen.

Viertens gilt: Datensicherheit ist nicht verhandelbar. Organisationen sollten einen Zero-Trust-Ansatz verfolgen und ihre SDLC- und DevOps-Praktiken erweitern. Eine mehrstufige Sicherheitsarchitektur für KI-Anwendungen ist dabei unerlässlich.

Fünftens sollten strategische Partnerschaften mit Cloud- und FinTech-Anbietern genutzt werden, um Sicherheitsbedenken zu adressieren und Innovationen schneller umzusetzen. Die Studie zeigt, dass zwar über die Hälfte der Befragten Cloud-Sicherheit als Top-Priorität sehen, aber nur 40 Prozent den Cloud-Anbieter als entscheidenden Faktor bei KI-Investitionen nennen – ein Widerspruch, der durch gezielte Kooperationen aufgelöst werden kann.

Eine modulare Plattform für den produktiven KI-Einsatz in Unternehmen

Bei der Transformation von einzelnen KI-Pilotprojekten hin zur unternehmensweiten Anwendung wird deutlich, dass KI in großem Maßstab nur zentral gesteuert, gut gesichert und vollständig regelkonform betrieben werden kann. Inzwischen hat sich ein Markt für Enterprise AI Governance-Lösungen entwickelt – mit DIAL 3.0 hat auch EPAM eine Open-Source-Plattform für Generative KI (GenAI) vorgestellt, die speziell für den unternehmensweiten Einsatz konzipiert ist. Sie adressiert zentrale Herausforderungen wie Datenintegration, Governance, Skalierbarkeit und Interoperabilität. DIAL 3.0 steht exemplarisch für einen hybriden Ansatz, der die Innovationsgeschwindigkeit offener Systeme mit der Steuerbarkeit und Sicherheit unternehmensgerechter Architekturen verbindet. Wie können solche Tools dabei helfen, die Herausforderungen der KI-Transformation zu managen?

 

Bausteine einer Lösung für das unternehmensweite KI-Management

Als offene, modulare Plattform erlaubt DIAL 3.0 es Organisationen, KI-Systeme entlang ihrer spezifischen Anforderungen zu entwickeln, zu betreiben und zu skalieren. Die Plattform unterstützt sowohl strukturierte als auch unstrukturierte Datenquellen und ermöglicht agentenbasierte Workflows sowie datenbasiertes Schlussfolgern. Ein zentrales Element von DIAL 3.0 ist die neue Komponente DIAL XL (Expressive Logic) – eine domänenspezifische Sprachschicht, die es sowohl technischen als auch nicht-technischen Anwender:innen erlaubt, erklärbare und prüfbare Workflows auf Basis von Unternehmensdaten zu erstellen. Ergänzt wird dies durch das Mind Map Studio, ein LLM-gestütztes Tool zur Erstellung von Wissensgraphen, das nachvollziehbare Erkenntnisse aus unstrukturierten Informationen extrahiert und explorativ nutzbar macht.

Für die schnelle Entwicklung und Bereitstellung von KI-Anwendungen bietet DIAL 3.0 mit QuickApps und ChatHub zwei Werkzeuge, die Multi-Agenten-Systeme ohne individuelle Programmierung ermöglichen. Diese Tools erlauben schnelles Prototyping und Deployment innerhalb kontrollierter Umgebungen. Der Unified Marketplace fungiert dabei als zentraler Zugangspunkt für die Verwaltung von Modellen, Agenten und Anwendungen. Er ist vollständig auf unternehmensweite Zugriffsmodelle und Kostenverrechnungsstandards abgestimmt und unterstützt so eine transparente und skalierbare Nutzung von KI-Ressourcen.

Technologisch basiert DIAL 3.0 auf einem offenen, herstellerunabhängigen Ansatz. Die Plattform ist unter Apache-2-Lizenz verfügbar und kompatibel mit führenden LLMs wie OpenAI, Anthropic, Google Gemini und AWS Bedrock. Damit sind hybride Setups möglich, die proprietäre Tools mit Open-Source-Flexibilität kombinieren. Die Integration erfolgt über einheitliche Protokolle und SDKs, die sowohl Backend-Orchestrierung als auch Multi-Agenten-Workflows unterstützen.

Governance ist integraler Bestandteil der Plattform. Sie ermöglicht integrierte Kostenanalysen, Audit-Trails, Performance-Monitoring und Human-in-the-Loop-Validierung. Unternehmen können so den gesamten Lebenszyklus ihrer KI-Anwendungen nachvollziehbar steuern und regulatorische Anforderungen erfüllen. DIAL 3.0 ist damit ein strategisches Framework für Unternehmen, die KI nicht nur einführen, sondern nachhaltig operationalisieren wollen.

Auf dem Weg vom Projekt zur erfolgreichen Operationalisierung

KI ist für Finanzdienstleister längst mehr als ein Innovationsversprechen – sie wird zum strategischen Werkzeug. Die Studie „From Hype to Impact“ zeigt jedoch, dass viele Organisationen sich zwar als fortgeschritten einstufen, gleichzeitig aber mit veralteter Infrastruktur, fehlender Governance und einem massiven Qualifizierungsrückstand kämpfen. Wer KI erfolgreich operationalisieren will, muss über punktuelle Pilotprojekte hinausdenken. Es braucht klare Verantwortlichkeiten, skalierbare Architekturen und eine Belegschaft, die nicht nur mit-, sondern vordenken kann. Die Einführung von KI ist kein IT-Projekt, sondern ein Transformationsprozess, der alle Ebenen der Organisation betrifft.

Aus Sicht der Governance ist eine zentrale Steuerung der KI-Transformation unerlässlich. Diese lässt sich mit DIAL 3.0 auf allen Plattformen im Unternehmen umsetzen. Das Tool zeigt, wie sich Transparenz, Kontrolle und Geschwindigkeit vereinen lassen – und wie Unternehmen ihr Fachwissen in produktive, nachvollziehbare KI-Systeme übersetzen können. Entscheidend ist dabei nicht nur die Technologie, sondern die Fähigkeit, sie in bestehende Strukturen einzubetten und gezielt weiterzuentwickeln. Es ist an der Zeit für eine KI-Strategie, die nicht nur funktioniert, sondern wirkt.

Die Studie kann hier kostenlos heruntergeladen werden.Sudeep Raju,EPAM Systems Inc.