Banking 2026: Herausforderungen, Chancen und die Rolle der KI

In diesem ersten Teil unserer dreiteiligen Serie „Banking 2026“ geht es um Herausforderungen und Chancen für die Banken 2026 und welche Rolle künstliche Intelligenz dabei spielen kann.

Die Fragen stellen Andrea Späth und Karin Dohmann.

Übrigens: Bei msg for banking duzen wir uns über alle Hierarchien hinweg und behalten dies auch bei unseren Interviews mit Kolleginnen und Kollegen bei.

Künstliche Intelligenz: 2026 wird für die Banken das Jahr des Aufbruchs

Außerdem müssen Banken sich auch fragen, wie sie angesichts zunehmender Cyberattacken von außen Datensouveränität und -sicherheit herstellen können, damit ihre Kunden ihnen vertrauen. Entscheidend wird letztendlich sein, wie sie die dadurch entstehenden Risiken sauber messen und mitigieren können, und, ob ihr Kapital dafür ausreicht.

Das wird dazu führen, dass viel mehr Szenarioanalysen benötigt werden als das heute der Fall ist. Und sicherlich wird die Bankenaufsicht dafür sorgen, dass diese Themen auch 2026 auf der Agenda von Banken und Finanzdienstleister stehen.“

Andreas Mach: „Es wird sicher nicht schon 2026 so weit sein. Das liegt vor allem an zwei Punkten: Auf der einen Seite sehe ich das Problem der Qualifikation. Viele Entscheider, aber auch Mitarbeitende sind einfach noch nicht so weit, um KI so adäquat zu nutzen, dass es zu Mehrwerten führt.

Und auf der anderen Seite braucht es, um KI im Unternehmen zielgerichtet einzusetzen – und zwar nicht im Experimentierstadium, sondern für komplette Prozessketten – auch Lösungen, die stabile und richtige Ergebnisse liefern sowie durchdacht und vor allem sicher sind.

Die Industrie hat allerdings noch wenig Erfahrungen damit, wie die Ergebnisse von KI-Tools angemessen überprüft werden sollen, damit sie auch allen gesetzlichen und regulatorischen Anforderungen Stand halten. Deshalb sind viele Banken unsicher, was sie überhaupt nutzen können und dürfen oder wie sie beispielsweise mit Hyperscalern und Anwendungen in der Cloud umgehen sollen.

Es ist aber elementar, dass durch KI generierte Ergebnisse, zum Beispiel Codes in der Softwareentwicklung oder Einsatz von KI-Agenten in komplexen Prozessen beziehungsweise Anwendung von Machine-Learning-Algorithmen in Risikomodellen, effizient eingesetzt werden können. Nur dadurch entsteht die gewünschte Zeit- und Kostenersparnis bzw. die Skalierbarkeit beim Einsatz. Hierfür sind noch diverse Testszenarien beziehungsweise Lösungsoptionen zur Herstellung nachvollziehbarer, erklärbarer und wiederholbarer Ergebnisse nötig.

In diesen Gebieten werden wir 2026 extrem viele Fortschritte sehen, gerade wenn man die Entwicklung von Sprachmodellen und die immer kürzer werden Weiterentwicklungszyklen mit zum Teil sprunghaften Ergebnisverbesserungen beobachtet. Ich würde 2026 daher als Jahr des Aufbruchs für die meisten Banken bezeichnen.“

Eine klare Datenstrategie brauchen die Banken aber nicht nur im Zusammenhang mit KI, sondern noch aus einem anderen Grund. Nämlich um ihr Risikomanagement und Meldewesen einheitlicher zu gestalten. Die Regulatoren erwartet zunehmend, dass Banken konsistente Daten im Meldewesen, in der Banksteuerung und im Risikocontrolling, aber auch in der Bilanzierung verwenden. Dadurch soll zum einen ein schnelles und einheitliches Reporting (nach dem RDARR-Standard) gewährleistet werden, andererseits aber auch Stresstests und Szenarioanalysen zügig umgesetzt werden können.

Dann ist man sehr schnell bei sehr granularen Daten, die heute bereits eine wichtige Rolle spielen, aber auch in Zukunft – beispielsweise durch neue Anforderungen wie IReF im Zuge des Meldewesens – eine elementare Grundlage darstellen.“

Unsere Experten

__________________________________________________________________________________________________________