Die Experimentierphase mit künstlicher Intelligenz (KI) neigt sich in der Finanzbranche langsam dem Ende zu. Banken und Versicherer haben Chatbots eingeführt, Pilotprojekte lanciert und lange Listen möglicher Anwendungsfälle erstellt.

Doch nun beginnt der schwierigere Teil der Transformation: Aus den technologischen Möglichkeiten müssen produktive Prozesse, tiefere Kosten und bessere Dienstleistungen für die Kunden entstehen.

Die Umsetzung macht den Unterschied

«Den Unterschied macht die Umsetzung», sagt Olaf Bach, Studienautor und Associate Partner beim Beratungsunternehmen Horn & Company in Zürich, im Gespräch mit finews.

Entscheidend sei, wie Unternehmen die Technologie in ihre Prozesse integrierten, eine funktionierende Governance aufbauten und gleichzeitig die regulatorischen Anforderungen erfüllten.

Die entscheidende Lücke liegt in der Mitte

Dabei sieht Bach insbesondere eine Schwachstelle. Während die Unternehmensleitungen grosse strategische KI-Projekte vorantreiben und einzelne Mitarbeitende die neuen Tools bereits intensiv nutzen, fehlt es vielerorts an der Verbindung zwischen diesen beiden Ebenen.

«Was fehlt, ist eigentlich die Mitte», sagt Bach.

Gemeint sind Abteilungsleiter und Führungskräfte auf mittlerer Ebene, die Prozesse und operative Modelle mit den neuen technologischen Möglichkeiten grundlegend überarbeiten müssten.

Genau dort herrsche jedoch häufig Überforderung. Von oben komme die Aufforderung, KI intensiv zu nutzen. Gleichzeitig fehle vielen Führungskräften ein klares Mandat, bestehende Prozesse tatsächlich neu zu gestalten.

«Wir haben einen Zoo von Pilot-Use-Cases.»

Für Bach wird das Mittelmanagement deshalb zu einem entscheidenden Faktor für den Erfolg der KI-Transformation.

Der Zoo der Pilotprojekte

In den vergangenen Jahren haben viele Finanzinstitute zahlreiche KI-Anwendungen getestet. «Wir haben einen Zoo von Pilot-Use-Cases», sagt Bach. «Wir haben Long Lists – und wir sind nicht ganz unschuldig daran, solche Long Lists geschrieben zu haben.»

Doch diese Phase dürfte sich ihrem Ende nähern. Denn mit der zunehmenden Nutzung von KI rückt eine Frage in den Vordergrund, die während der Experimentierphase häufig eine untergeordnete Rolle spielte: Was kostet das alles – und welchen messbaren Nutzen bringt es?

Bach rechnet damit, dass der Kostendruck steigen wird. Die benötigten Rechenkapazitäten sind teuer, während die Hyperscaler ihre Preismodelle weiterentwickeln.

Damit dürften Banken und Versicherer künftig deutlich genauer prüfen, welche Anwendungen tatsächlich einen wirtschaftlichen Mehrwert liefern.

Wenn zwei Stunden zu vier Minuten werden

Wie gross das Potenzial sein kann, zeigt ein Projekt aus der Beratungspraxis. Ein Prozess, für den ein erfahrener und motivierter Mitarbeiter rund zwei Stunden benötigte, konnte mit KI innerhalb von vier Minuten durchgeführt werden.

Doch die Rechnung ist komplizierter, als es auf den ersten Blick erscheint.

«Man muss Human-in-the-Loop-Prozesse designen.»

Die Zeitersparnis beträgt nicht automatisch eine Stunde und 56 Minuten. Denn Unternehmen müssen festlegen, wie die Resultate kontrolliert werden, welche Stichproben notwendig sind und wer letztlich die Verantwortung für die Entscheidung trägt.

«Man muss Human-in-the-Loop-Prozesse designen», sagt Bach.

Damit wird die Einführung von KI nicht nur zu einer technologischen, sondern vor allem zu einer organisatorischen Aufgabe. Dass genau hier der entscheidende Hebel liegt, bestätigt auch eine aktuelle Untersuchung des Stanford Digital Economy Lab: In der Analyse von 51 erfolgreichen Enterprise-AI-Implementierungen entfielen 77 Prozent der grössten Herausforderungen auf Change Management, Datenqualität und Prozessneugestaltung – nicht auf die Technologie selbst.

Mehr als nur Kosten sparen

Für Horn & Company greift es deshalb zu kurz, den Nutzen von KI ausschliesslich über Kostensenkungen und Automatisierung zu messen.

Wenn ein Prozess statt mehrerer Wochen nur noch wenige Tage dauert und gleichzeitig weniger Fehler produziert, verändert dies auch die Qualität der Dienstleistung für die Kunden. Hinzu kommen neue Möglichkeiten. Daten, die von der KI verarbeitet werden, könnten beispielsweise zusätzlich für den Vertrieb oder die Kundenberatung eingesetzt werden.

Die entscheidende Frage lautet deshalb nicht nur, wie viele Arbeitsstunden eingespart werden können. Unternehmen müssen auch analysieren, ob KI höhere Qualität, schnellere Prozesse oder neue Ertragsmöglichkeiten schafft.

Versicherer haben einen Vorteil

Wie gross das Automatisierungspotenzial ist, hängt stark vom jeweiligen Geschäftsmodell ab.

Besonders geeignet sind Prozesse mit hohen Volumen und überschaubarer Komplexität. Bach nennt als Beispiel das Retailgeschäft oder die Schadenversicherung.

Anders sieht es bei komplexen Firmenkunden oder in der Rückversicherung aus. Dort sind die Daten häufig weniger strukturiert, während ein grosser Teil des relevanten Wissens in den Köpfen erfahrener Mitarbeiter steckt. Damit gewinnt ein Thema neue Bedeutung, das Unternehmen seit Jahren beschäftigt: Wissensmanagement.

«Das sind Hausaufgaben, die wir schon lange hätten machen sollen», sagt Bach. Der Unterschied sei, dass der potenzielle Ertrag heute deutlich grösser sei. Denn erstmals könne KI dieses Wissen systematisch verarbeiten.

Nicht jeder Arbeitsplatz ist gleich gefährdet

Auch auf dem Arbeitsmarkt dürfte KI sehr unterschiedliche Auswirkungen haben.

Horn & Company arbeitet an einem Strategic-Workforce-Planning-Modell, das einzelne Tätigkeiten innerhalb von Berufsprofilen analysiert. Grundlage sind unter anderem empirische Daten zur tatsächlichen Nutzung von KI. Dabei wird zwischen Automatisierung und Augmentation unterschieden.

Bestimmte Aufgaben können weitgehend von Maschinen übernommen werden. Bei anderen Tätigkeiten unterstützt KI die Mitarbeitenden, benötigt aber weiterhin menschliches Kontextwissen, Erfahrung und Qualitätskontrolle. Gerade in der Wissensarbeit dürfte dieser Augmentationseffekt eine besonders grosse Rolle spielen.

Junior-Stellen geraten unter Druck

Die Auswirkungen auf den Arbeitsmarkt dürften deshalb nicht gleichmässig verteilt sein.

Besonders gefährdet sind nach Einschätzung der Berater Tätigkeiten, die von Mitarbeitenden mit wenig Erfahrungswissen, geringer fachlicher Tiefe und noch kleinen beruflichen Netzwerken ausgeführt werden.

Erfahrene Spezialisten und Führungskräfte verfügen dagegen über Kontextwissen und Beziehungen, die sich deutlich schwieriger automatisieren lassen.

«Die wirklich starken Organisationen schaffen es, ihre Angebote neu zu erfinden.»

Bach verweist auf historische Automatisierungswellen. Bei der Automatisierung der Telefonvermittlung etwa seien vor allem die Arbeitsplätze jüngerer Mitarbeitender weggefallen. Erfahrene Aufsichtspersonen seien dagegen weiterhin benötigt worden, um die Systeme zu überwachen und deren Stabilität sicherzustellen.

Ein ähnliches Muster könnte sich nun bei KI zeigen.

Von zehn Mitarbeitern bleiben vielleicht sechs oder sieben

Wie konkret die Veränderungen ausfallen könnten, zeigt ein weiteres Beispiel aus der Beratungspraxis.

In einem komplexen B2B-Vertriebsprozess bearbeiten zehn Mitarbeiter umfangreiche Ausschreibungen und RFP-Dokumente. Künftig könnten dafür möglicherweise noch sechs oder sieben Personen notwendig sein.

Doch genau darin liegt aus Sicht der Berater nicht der entscheidende Wettbewerbsvorteil. Denn Kosten mit Hilfe von KI zu senken, steht grundsätzlich allen Marktteilnehmern offen.

«Die wirklich starken Organisationen schaffen es, ihre Angebote neu zu erfinden», sagt Olaf Bach.

Lesen Sie weiter, weshalb sich das Banking neu erfinden muss.