- August 2025
Die rasante Weiterentwicklung neuer Technologien, insbesondere der Künstlichen Intelligenz (KI) hat in den vergangenen Jahren bedeutende Veränderungen in zahlreichen Branchen, darunter auch dem Finanzsektor bewirkt. Besonders dem Finanzbereich, der stark durch repetitive Tätigkeiten geprägt und von Daten abhängig ist, kann der Einsatz von KI erhebliche Vorteile bringen. Finanzdienstleister engagieren sich derzeit intensiv in der Entwicklung und Implementierung von KI-Anwendungsfällen (fortführend KI-Use Case genannt).
Hierbei ist der Einsatz von Künstlicher Intelligenz mit verschiedenen Herausforderungen verbunden, die sorgfältig abgewogen werden müssen, um einen erfolgreichen KI-Use Case zu gewährleisten. Erste Fachleute äußern bereits Bedenken, dass sich die derzeitigen Rekordinvestitionen möglicherweise nicht auszahlen, könnten1.
In diesem Artikel geben wir einen Einblick, was eine effektive Vorgehensweise zur Ausgestaltung eines KI-Use Cases im Finanzbereich ausmacht.
Typen der künstlichen Intelligenz
Grundsätzlich sind verschiedene KI-Typen möglich (siehe Abbildung 1). Hierbei ist der Grad der Künstlichen Intelligenz unterschiedlich stark ausgeprägt:
-
Maschinelles Lernen (Englisch „Machine Learning“, Abkürzung: ML)
...ist eine Unterkategorie der Künstlichen Intelligenz, bei der große Datenmengen mit einem bestimmten Algorithmus durchsucht werden, um Datenextrakte auszugeben. Beispiele hierfür sind u.a. die Betrugserkennung im Zahlungsverkehr oder die Automatisierung von Handelsaktivitäten.
-
Tiefes Lernen (Englisch „Deep Learning“, Abkürzung: DL)
...ist eine weitergehende Form des maschinellen Lernens, in welchen komplexe Muster und mehrschichtige Zusammenhänge von großen Datenmengen eigenständig erkannt und verarbeitet werden können. Beispiele hierfür sind u.a. die Kreditwürdigkeitsprüfung oder Chatbots im Kundenservice.
-
Generative KI (Englisch: „Generative AI“, Abkürzung: GenAI)
...umfasst verschiedene Modelltypen und Anwendungsbereiche. GenAI erzeugt eigenständig neue Inhalte wie z.B. Texte, Bilder, Töne, Video’s, Code oder synthetische Daten. Hierbei ist es möglich, dass die eigenständig erzeugten Inhalte nicht korrekt sind. Dennoch bieten sie einen guten Ausgangspunkt.
-
„Large Language Model“ (Abkürzung: LLM)
...ist eine spezielle Form der generativen KI, die auf umfangreichen Datensätzen trainiert wird, um fortschrittliche Sprach- und Textverarbeitungsfunktionen zu ermöglichen. LLMs sind in der Lage, Texte zu analysieren, zusammenzufassen, zu übersetzen und eigenständig Antworten oder kreative Inhalte zu erzeugen.
-
„Foundation Model“
...ist eine Unterkategorie des Large Language Models. Hierbei handelt es sich um bereits vortrainierte LLM-Modelle, die auf umfangreichen Datenmengen basieren. Sie bilden eine Grundlage für vielfältige Anwendungsbereiche und lassen sich flexibel anpassen beispielsweise in der Textverarbeitung oder der Bildanalyse.
Mit dem Verständnis der Unternehmensprozesse und Daten sowie dem Verständnis der verschiedenen KI-Typen ist die Basis geschaffen, um unternehmensspezifische KI-Use Cases zu definieren.
Erfassung des Use Cases
- Welcher Prozess im Finanzbereich kann durch eine KI-Anwendung unterstützt werden.
- Beschreibung der Zielsetzung des Use Cases.
- Beschreibung des IST-Zustandes und Definition des gewünschten Soll-Zustandes.
- Hieraus leiten sich die Datenanforderungen zur Durchführung des Use Cases ab.
Effizienz-/ Optimierungspotential
Durch die Aufnahme des IST-Zustandes ergibt sich eine Baseline z.B. Prozessschritte, Anzahl der Mitarbeiter die
aktuell am IST-Zustand arbeiten, aufgewandte Zeit zur Durchführung der Tätigkeit, usw. zur messbaren
Werthaltigkeit des Use Cases.
Auswahl des bestmöglichen KI-Typs zur Umsetzung
Folgende Dimensionen und Fragestellungen dienen u.a. zur Einwertung und Auswahl des bestmöglichen KI-Typs.
Kosten
-
Welches Budget steht aktuell zur Verfügung?
- Welche Anforderungen an die bestehende Infrastruktur hat der KI-Typ bei Eigenentwicklung?
- Welche Maintenance Kosten hat der KI-Typ bei Eigenentwicklung?
- Welche Anforderungen & Kosten hat der KI-Typ bei Fremdbezug?
Nachvollziehbarkeit
-
Kann die Datenverarbeitung durch die KI-Anwendung nachvollzogen werden?
- Kann die trainierte KI-Anwendung nachvollzogen werden?
- Lassen sich Bias2 und Halluzinationen3 in KI-Anwendungen erkennen?
Datenmanagement
- Wie werden die Daten gehandhabt bzw. abgespeichert?
- Können Daten wieder gelöscht werden?
- Gewährleistet das KI-Tool einen Audit Trail?
- Wie schnell werden die Daten bereitgestellt? Real Time?
Rollen und Berechtigungen
- Wer hat die Berechtigung für das KI-Tool?
- Verändern sich Prozessverantwortlichkeiten, die in der Organisation bisher verankert sind?
Risiko
- Passt der Einsatz des KI-Typs zum Risikoansatz des Unternehmensbereiches bzw. des Finanzinstituts?
- Wird durch den Einsatz von KI zu viel Risiko aufgenommen?
Sowohl die laufenden als auch die implementierungsbezogenen Aufwände sind im Finanzbereich zu ermitteln, um den Kostenblock für den angestrebten Soll-Zustand transparent zu bestimmen. Somit kann dieser Kostenblock, der Baseline gegenübergestellt werden. Die etwaigen Auswirkungen auf die Bilanz, der Gewinn- und Verlustrechnung sowie in der Kapitalflussrechnung können aufgezeigt werden.
Zusammenfassend lassen sich die unterschiedlichen Unternehmens KI-Use Cases in einer Kosten-Nutzen Rangfolge aufstellen, um zu ermitteln, ob eine KI-Umstellung sinnvoll und wirtschaftlich ist.
Für Fragen und den weiteren gemeinsamen Austausch, stehen mein Team und ich sehr gerne zur Verfügung.
Kontaktieren Sie uns.
-
Quelle
1Philipp Alvares de Souza Soares, Felix Holtermann, “Warum KI oft dumm wirkt – und das vorerst nicht besser wird“, Handelsblatt, Tech-Industrie, 18.07.2025, Pfad: Tech-Industrie: Warum KI oft dumm wirkt – und das vorerst nicht besser wird.
-
Fußnoten
2Systematische Fehler oder Verzerrungen in den Ergebnissen der KI-Anwendung, verursacht u.a. durch nicht repräsentative oder subjektive Datensätze, algorithmische Besonderheiten oder Interaktionen zwischen Menschen und Künstlicher Intelligenz.
3Erzeugung von inkorrekten, erfundenen oder irreführenden Informationen durch die KI-Anwendung. Insbesondere in den generativen KI-Anwendungen ist dieses Phänomen zu beobachten.
-
Alexander BeckPartnerDeutschland
Wünschen Sie weitere Informationen?
Wenn Sie mehr über diese Publikation erfahren möchten, wenden Sie sich bitte an unsere Experten, die gerne von Ihnen hören.
-
Alexander BeckKontaktPartnerDeutschland
