Eine neue Studie[1], die vom globalen Wealthtech-Partner für Banken, Vermögensverwalter und Asset Manager Objectway in Auftrag gegeben wurde, zeigt eine erhebliche Skalierungslücke im Finanzsektor: Während 44 % der Banken, Wealth Manager und Asset Manager ihre internen Prozesse bereits profitabel skalieren können, gelingt dies bei kundenorientierten Aktivitäten bislang nur 14 %. Rund ein Drittel der Befragten berichtet zudem von einer Verschlechterung der Kundenzufriedenheit (29 %) sowie der Resilienz, des Risikomanagements und der Compliance (32 %) infolge von Investitionen in Technologie und Innovation. Für Karl im Brahm, CEO DACH bei Objectway, offenbart die Studie zugleich eine zentrale Schwachstelle der KI-gestützten Transformation: Ohne saubere Daten, integrierte Systeme und durchgängige End-to-End-Prozesse wird die Technologie nicht zum Wachstumstreiber, sondern zum Kostenfaktor.
Der Internationale Währungsfonds warnt aktuell vor neuen Risiken für das Finanzsystem, wenn digitale Infrastrukturen nicht belastbar genug sind.[2] Gleichzeitig investieren Banken massiv in künstliche Intelligenz: Laut einer Global Banking Benchmark Study fließen bereits 32 % der Budgets zur Transformation des Kundenerlebnisses in Machine Learning, KI und GenAI.[3] Eine neue FT Longitude Studie im Auftrag von Objectway zeigt nun, dass diese Investitionen noch nicht dort ankommen, wo sie für Wachstum besonders wichtig wären: an der Kundenschnittstelle. Während 44 % der befragten Banken, Wealth Manager und Asset Manager ihre internen Kernprozesse bereits profitabel skalieren können, schaffen dies im Kundenservice und Onboarding nur 14 %. Befragt wurden 300 Führungskräfte aus Finanzinstituten in Europa, Großbritannien und Kanada. „Die Widersprüchlichkeit ist offensichtlich, denn Banken investieren in künstliche Intelligenz für bessere Kundenerlebnisse, können aber genau diese Kundenseite bisher kaum profitabel skalieren“, beleuchtet Karl im Brahm, CEO DACH von Objectway, die Problematik. Er sieht weniger Skalierung, sondern zusätzlichen Aufwand entstehen: „KI-Anwendungen an der Kundenschnittstelle bedeuten nicht automatisch zufriedenere Klienten. Wenn Daten, Prüfprozesse und die zugrunde liegende Infrastruktur nicht durchgängig funktionieren, entsteht kein Wachstum, sondern zusätzlicher Mehraufwand.“ Der Experte erläutert, warum Onboarding trotz KI weiterhin herausfordernd bleibt und was führende Finanzinstitute anders machen.
Fast ein Drittel meldet negative Effekte durch KI
Die Studie zeigt eine unbequeme Kehrseite der Digitalisierung. Obwohl je nach Segment 50 % bis 69 % der Institute Verbesserungen durch Technologie, Innovation und Externalisierung melden, berichten 29 % von einer verschlechterten Kundenzufriedenheit. 32 % sehen negative Auswirkungen bei Resilienz, Risiko und Compliance. Während viele Finanzunternehmen in den vergangenen Jahren vor allem einzelne digitale Services wie Portale, Apps oder digitale Antragsstrecken aufgebaut haben, rückt mit KI nun eine schwierigere Frage in den Mittelpunkt: Sind Abläufe, Daten und Compliance überhaupt durchgängig genug organisiert, damit diese Technologien skalieren können? Für Karl im Brahm ist der Fall deutlich: „KI-Projekte lassen sich vergleichsweise schnell starten. Die eigentliche Herausforderung beginnt dort, wo Prozesse, Compliance, Datenqualität und Kundeninteraktion zusammengeführt werden müssen. Wenn Daten nicht sauber übertragen werden oder Überprüfungen hängen bleiben, verbessert ein neues Kundenportal nur die Oberfläche – nicht die Skalierbarkeit.“ Damit wird KI zum Stresstest für die operative Leistungsfähigkeit der Institute.
39 % sehen im Kunden-Onboarding den größten Engpass
In der Umfrage nennen knapp 40 % der Befragten vor allem die Aufnahme neuer Kunden, Kundenprüfungen sowie Geldwäsche- und Eignungsprüfungen von Anlageprodukten als operative Engpässe, die profitables Wachstum begrenzen. Damit hakt es ausgerechnet dort, wo aus Interessenten durch den Einsatz der künstlichen Intelligenz eigentlich schnell, regelkonform und kosteneffizient Kunden werden sollen. „Dieses Onboarding-Problem ist nicht neu, aber KI verändert die Rahmenbedingungen“, fasst im Brahm zusammen. Er weist darauf hin, dass KI nicht einfach auf bestehende Prozesse aufgesetzt werden kann, wenn der erste Schritt der Customer Journey weiterhin manuell, fragmentiert oder fehleranfällig ist. Stattdessen müsse das Onboarding als durchgängiger End-to-End-Prozess verstanden werden, den führende Unternehmen bereits erfolgreich umsetzen – von der Datenerfassung über die Identitätsprüfung und Geldwäschekontrollen bis hin zur Risikoprofilierung, Produktauswahl und Dokumentation. Der Experte erklärt: „Nur dann können KI-Anwendungen Fälle vorqualifizieren, Anomalien schneller erkennen, Beraterinnen und Berater entlasten und Kundinnen und Kunden schneller durch den Prozess führen. Ohne dieses Fundament automatisiert man letztlich nur die Schwachstellen im System.“
Die große Kluft der Prozesskette – Was Banken von führenden Wettbewerbern lernen können
Dass profitables Wachstum trotz hoher Komplexität möglich ist, zeigt der Vergleich zwischen den erfolgreichsten und den am wenigsten fortgeschrittenen Instituten der Studie. Die Lehre der führenden Unternehmen ist, dass Erfolg nicht durch die Identifikation einer einzelnen Lösung entsteht, sondern durch eine disziplinierte Abfolge aus Investitionen, Umsetzung und Governance. Bei Onboarding, KYC und AML verfügen 80 % der sogenannten „Leaders“, also jene Finanzinstitute aus der Studie mit bereits messbaren Fortschritten bei profitabler Skalierung, über weitgehend oder hoch automatisierte Prozesse. Bei den „Followern“, also bei Banken, Asset-Managern und Wealth-Managern, sind es nur 33 %, die laut Studie noch mit grundlegenden Voraussetzungen für profitables Wachstum kämpfen. Bei digitaler Kundeninteraktion zum Beispiel über Kundenportale oder mit Beratern liegt der Abstand bei 83 % gegenüber 40 %. „Die große Kluft ergibt sich nicht daraus, dass die einen künstliche Intelligenz einsetzen und die anderen nicht“, hebt im Brahm hervor und führt aus: „Sie entsteht dort, wo Finanzhäuser ihre Prozesskette beherrschen – oder eben nicht.“ Leader priorisieren demnach Datenqualität und operative KI, weil sie bereits einen größeren Teil der notwendigen Vorarbeiten abgeschlossen haben. Follower konzentrieren sich weiterhin darauf, manuellen Aufwand zu reduzieren und durch Auslagerung kurzfristigen Druck zu mindern. Die größte Hürde bleibt jedoch die Systemintegration: 45 % nennen Integrationsprobleme als Hindernis für die Skalierung. Neben Integrationsproblemen nennen die Befragten auch eine mangelhafte Datenqualität (41 %) und eine fragmentierte Technologieinfrastruktur (39 %) als zentrale Hürden. Laut dem Experten automatisieren die Gewinner dort, wo Wachstum entsteht: bei Kundendaten, Dokumenten, Compliance, Beratung und Service. Abschließend betont Karl im Brahm: „Unternehmen, die ihre Daten-, Kontroll- und Workflow-Bereitschaft stärken, können KI nutzen, um Skalierung zu verstärken, ohne die Komplexität zu erhöhen.“
[1] Details zur Studie finden Sie in der Infobox.
[2] https://www.imf.org/en/blogs/articles/2026/05/07/financial-stability-risks-mount-as-artificial-intelligence-fuels-cyberattacks
[3] https://www.publicissapient.com/insights/2024-gbbs-key-takeaways?utm_source=ps-knowledge
