61 Prozent der Unternehmen setzen bereits generative KI produktiv ein1). Ein notwendiger Schritt angesichts des demografischen Wandels. 2027 gehen in Deutschland 470.000 Menschen mehr in Rente, als neu ins Arbeitsleben eintreten2). Intelligente KI-Lösungen helfen Unternehmen, diese Transformation zu bewältigen. Viele Early Adopter berichten von signifikanten Effizienzgewinnen3). Besonders im Finanzsektor, der strikten Regulierungen und hohen Sicherheitsanforderungen unterliegt, ist strategisches Vorgehen essenziell.
Drei zentrale Erfolgsfaktoren haben sich bei der Skalierung generativer KI bewährt:
1. KI als Plattform denken
Erfolgreiche Unternehmen setzen auf eine technologische Plattform statt auf isolierte Sprachmodelle. Dieser Ansatz vereinfacht die Entwicklung, Implementierung und Überwachung von KI-Lösungen. Dabei sind folgende Aspekte zentral: Optimierung der Anwendungen anhand definierter Kriterien, Integration von Sicherheits- und Compliance-Funktionen, Kontrolle über Datenzugriff und -nutzung, automatisierte Überwachung der Modellqualität.
Größter Fallstrick: Die isolierte Betrachtung einzelner KI-Modelle. Unternehmen, die sich zu stark auf das „beste“ Modell konzentrieren, vernachlässigen oft Aspekte wie Skalierbarkeit, Integration und Governance-Anforderungen.
2. Prozesse neu denken und skalierbar gestalten
Ein weiterer Erfolgsfaktor ist die systematische Integration von KI in bestehende Geschäftsprozesse. Dabei hat sich bewährt, mit überschaubaren Pilotprojekten zu beginnen, diese aber von Anfang an mit Blick auf Skalierbarkeit zu konzipieren. Hierzu gehört auch, den TCO und ROI direkt zu Beginn zu berechnen.
Die Signal Iduna demonstriert diesen Ansatz eindrucksvoll mit ihrem KI-gestützten Assistenzsystem für die Krankenversicherung: „Wir konnten nicht nur die Bearbeitungszeit um über 30 Prozent senken, sondern auch die Fallabschlussquoten im Erstgespräch um 20 Prozent steigern“, berichtet Johannes Rath, Mitglied des Vorstands. Der Erfolg basiert dabei auf der engen Zusammenarbeit von Fach- und Technologieexperten sowie einer klaren Ausrichtung an messbaren Geschäftszielen.
Erfolgsentscheidend ist, nicht zu viele Anwendungsfälle gleichzeitig umzusetzen. Erfolgreiche Implementierungen fokussieren sich zunächst auf wenige, aber strategisch wichtige Use Cases mit klar messbarem Geschäftswert.
3. Menschen befähigen und Kompetenzen aufbauen
Der dritte Erfolgsfaktor liegt in der systematischen Entwicklung von KI-Kompetenz auf allen Ebenen der Organisation. „Die größte Herausforderung bei der Einführung generativer KI ist nicht die Technologie selbst, sondern die Befähigung der Mitarbeitenden, kontrolliert damit experimentieren zu können und diese effektiv zu nutzen“, erklärt Patrick Schilling, FSI KI Lead, Google Cloud.
Erfolgreiche Unternehmen setzen dabei auf einen zweigleisigen Ansatz: Zum einen schulen sie ihre Belegschaft breit in KI-Grundlagen und Anwendungsmöglichkeiten. Zum anderen bilden sie gezielt Spezialisten in Bereichen wie Prompt Engineering und KI-Ethik aus. Entscheidend ist dabei die Kultur des „kontrollierten Experimentierens“ – Mitarbeitende werden ermutigt, neue Anwendungsfälle5) zu erproben, aber innerhalb definierter Leitplanken.
Größter Fallstrick: Die Vernachlässigung des Change Managements. Viele Organisationen unterschätzen den Bedarf an kontinuierlicher Kommunikation und aktivem Stakeholder-Management. Ohne breite Akzeptanz in der Belegschaft bleiben selbst technisch ausgereifte KI-Lösungen wirkungslos.
Regulatorische Anforderungen als Chance
Die strengen regulatorischen Anforderungen im europäischen Finanzsektor erweisen sich dabei als unerwarteter Vorteil: Die intensive Prüfung der KI-Lösungen durch führende deutsche Finanzinstitute hat zu wertvollen Erkenntnissen geführt, die in die Weiterentwicklung der Plattformen eingeflossen sind. Diese Learnings kommen heute auch Finanzinstituten außerhalb Europas zugute. Die Tatsache, dass die eingesetzten Lösungen sowohl die strengen Prüfungen von Google Cloud4) als auch die der deutschen Aufsicht bestanden haben, bietet zusätzliche Sicherheit.
Die Deutsche Bank skaliert erfolgreich ihre KI-Vorhaben und belegt die obigen Thesen: Im Fokus stehen Anwendungsfälle mit unternehmensweitem Potenzial, die die wichtigsten Geschäftsziele unterstützen, insbesondere operative Exzellenz. Mitarbeitende werden ermutigt, Ideen einzubringen, die einen stringenten Qualitätscheck durchlaufen: Neben regulatorischen Aspekten werden Machbarkeit und Durchführbarkeit bewertet. Parallel investiert die Bank erheblich in Schulung und Weiterbildung, um notwendige KI-Kompetenzen auszubauen und bankweit das Verständnis für die Einsatzmöglichkeiten der Technologie zu fördern.
„Diese systematische Herangehensweise hat sich bewährt“, erläutert Christoph Rabenseifner, Chief Strategy Officer im Bereich Technologie, Daten und Innovation der Deutschen Bank. „Wir konzentrieren uns auf den Aufbau einer einheitlichen KI-Plattform mit skalierbaren „Shared Services“, die für weitere Anwendungen genutzt werden können – um KI schnell und vor allem sicher in der gesamten Bank einzuführen.”
Mit mehreren bereits produktiv eingesetzten KI-Anwendungsfällen – von der automatisierten Dokumentenverarbeitung bis hin zu einem digitalen Assistenten – ist die Bank ein Vorreiter. Eine effiziente und kostengünstige Skalierung stellt die Bank durch mehrere „Shared Services“ sicher, die als fachliche und regulatorische Blaupause dienen.
Ein Beispiel ist der dbTextract Shared Service. Dieses auf generativer KI basierende Tool scannt und extrahiert Informationen aus einer Vielzahl komplexer Dokumenttypen mit einer Genauigkeit von 97 Prozent. Anschließend werden die Informationen zur Bearbeitung an die zuständigen Teams oder Systeme weitergeleitet, wodurch die Bearbeitungszeit von Dokumenten im Durchschnitt um etwa 40 Prozent reduziert wird.
Die konsequente Weiterentwicklung dieser KI-Vorhaben ist perspektivisch die Bündelung in einer AI-Agenten Plattform als zentrale Basis für Basiswerkzeuge, Orchestration, Modelle, ausführende Agenten und für die Einbindung menschlicher Expertise in den KI-gesteuerten Prozess. Die AI-Agenten Plattform ist das skalierbare und flexible Fundament, um sich an die dynamischen Anforderungen des Finanzwesens anzupassen.
Fazit: Strategisch vorgehen – pragmatisch und nachhaltig umsetzen
Die erfolgreiche Integration generativer KI erfordert einen ausgewogenen Ansatz aus Menschen, Prozessen und Technologie. Entscheidend ist, Skalierbarkeit von Anfang an mitzudenken, ohne sich in der Komplexität zu verlieren. Unternehmen, die diese drei Erfolgsfaktoren berücksichtigen, können generative KI nachhaltig in ihre Geschäftsprozesse integrieren und damit echten Mehrwert schaffen – für Kunden, Mitarbeitende und das Unternehmen selbst.
Wollen Sie hören, wie 2 komplett KI-generierte Podcast Hosts diesen Artikel für 10 Minuten diskutieren? Dann scannen Sie diesen QR-Code, powered by NotebookLM.
Quellen:
1) KI-Studie der neuen Generation von Google Cloud und National Research Group zeigt starken ROI für Early Adopters – Aug 8, 2024
2) Regierungsberater warnen: Der Demografie-Schock wird Deutschland hart treffen – Wirtschaft – SZ.de
3) Wir erweitern den Zugang von Gemini zu mehr Kunden | Google Arbeitsbereich | Google Workspace-Blog
4) Generative AI Evaluation Service – Übersicht | Generative AI on Vertex AI | Google Cloud
5) 185 reale KI-Anwendungsfälle aus der Welt von den weltweit führenden Unternehmen | Google Cloud Blog
Der Autor
Joachim Wüst verantwortet bei Google Cloud den Bereich Finanzwirtschaft in Deutschland. Mit über 25 Jahren Erfahrung unterstützt er mit seinem Team Banken und Versicherungen an der Schnittstelle zwischen Business und Technologie bei der Entwicklung und Umsetzung von KI, Cloud und Transformation Initiativen.