Deutsche Kreditinstitute und Sparkassen stehen vor der dringenden Aufgabe, Künstliche Intelligenz (KI) über reine Pilotprojekte hinaus in die Kernprozesse zu integrieren. Ein von eco-Verband und IW Consult entwickelter Spezialisierungsansatz bietet dafür eine konkrete Blaupause – erfordert jedoch eine enge Abstimmung mit den Vorgaben des EU-AI-Acts, DORA und der BaFin. Der folgende Leitfaden fasst die wichtigsten Fakten, Zahlen und regulatorischen Rahmenbedingungen zusammen und zeigt, wie Banken den deutschen KI-Weg praktisch umsetzen können.
Aufsichtsrechtliche Einbettung durch BaFin und EU AI Act
Seit Juli 2026 übernimmt die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) nach dem KI-Marktüberwachungs- und Innovationsförderungsgesetz (KI-MIG) die Marktüberwachung für KI-Systeme in regulierten Finanzdienstleistungen. Insbesondere Hochrisiko-Anwendungen wie KI-gestützte Kreditwürdigkeitsprüfungen müssen nachweisen, dass sie diskriminierungsfrei, nachvollziehbar und governance-konform sind.
- Maximale Bußgelder bei Verstößen gegen den EU-AI-Act: 35 Mio. Euro oder bis zu 7 % des weltweiten Jahresumsatzes (2026).
- DORA verlangt ein durchgängiges IKT-Drittparteien-Risikomanagement, das bei Nutzung mehrerer Modelle parallel gilt.
- Die BaFin prüft künftig explizit die Erklärbarkeit (Explainable AI) von Modellen.
Ein Sprecher der BaFin betont: „Der Spezialisierungsansatz ermöglicht es, regulatorische Auditierbarkeit bereits im Fine-Tuning zu verankern.“
Kundenakzeptanz und Vertrauenshürden im Finanzbereich
Die technische Machbarkeit allein reicht nicht aus – das Vertrauen der Endkunden ist entscheidend. Laut einer repräsentativen Bitkom-Umfrage 2026 bewerten 56 % der Deutschen den KI-Einsatz im Finanzsektor als Chance, doch 49 % lehnen automatisierte Finanzentscheidungen noch ab. Nur 27 % können sich vorstellen, wesentliche Anlageentscheidungen an Algorithmen zu delegieren.
- 56 % der Verbraucher sehen KI im Finanzbereich grundsätzlich positiv (2026).
- 49 % lehnen autonome KI-Finanzentscheidungen ab (2026).
- 27 % sind bereit, einer KI den Großteil der Finanzentscheidungen zu überlassen (2026).
Ein Zitat aus der Bitkom-Erhebung fasst die Stimmung zusammen: „Die meisten Deutschen erkennen Chancen, verlangen aber Transparenz und Erklärbarkeit bei jeder KI-Entscheidung.“
Langfristiger makroökonomischer Hebel für Deutschland
Der wirtschaftliche Nutzen von KI erstreckt sich weit über den Finanzsektor hinaus. Aktuell werden 120 Mrd. Euro Umsatz mit KI-haltigen Produktinnovationen in Deutschland erzielt. Modellrechnungen von IW Consult prognostizieren bis 2034 einen zusätzlichen Bruttowertschöpfungseffekt von bis zu 330 Mrd. Euro (zzgl. 110 Mrd. Euro Innovationspotenzial).
- 120 Mrd. Euro Umsatz mit KI-Produktinnovationen (2026).
- Bis zu 330 Mrd. Euro zusätzlicher Bruttowertschöpfungseffekt bis 2034 (2026).
- 83 % der KI-Start-ups bauen auf bestehenden Basismodellen auf (2026).
„KI-Investitionen sind kein kurzfristiger Trend, sondern ein fundamentaler Treiber für Produktivität“, fasst ein Analyst von IW Consult zusammen.
Strategischer Leitfaden für Banken: Spezialisierung als Erfolgsmodell
Die Kernbotschaft der Studien ist klar: Deutschlands strategische Stärke liegt in der Veredelung bestehender Basismodelle mit Prozesswissen und proprietären Daten – nicht im Bau eigener Foundation Models. Für Banken ergeben sich daraus folgende Handlungsfelder:
- Modell-Governance etablieren: Neben der Modellgröße zählen klare Richtlinien für Diskriminierungsfreiheit, Nachvollziehbarkeit und Risikokontrolle.
- Dateninteroperabilität sichern: Operative Daten gelten laut Studie für 54 % der KI-Spezialisierer als zentraler Erfolgsfaktor.
- Mehrfach-Modell-Strategie: DORA verlangt ein umfassendes Risikomanagement, wenn mehrere Modelle parallel betrieben werden.
- Erklärbare KI implementieren: BaFin-Kontrollen fokussieren auf Explainable AI – integrieren Sie Guardrails und Transparenz-Mechanismen bereits im Fine-Tuning.
- Kundenorientierte Kommunikation: Nutzen Sie die Umfrage-Ergebnisse, um Transparenzversprechen zu formulieren und Vorbehalte abzubauen.
Risiken und Gegenmaßnahmen
Der Spezialisierungsansatz birgt gleichzeitig einige kritische Punkte, die Banken proaktiv adressieren sollten:
- Vendor-Lock-in: Abhängigkeit von US-Basis-Modell-Providern kann zu hohen API-Kosten und Hosting-Risiken führen – DORA-Anforderungen an Drittparteien-Risiken verstärken diesen Druck.
- Hochrisiko-KI-Klassifizierung: Anwendungen wie Bonitätsprüfung unterliegen strengen Dokumentationspflichten, was die Time-to-Market verlängern kann.
Durch gezieltes Fine-Tuning mit eigenen Daten und dem Aufbau interner Guardrails können Banken diese Risiken mindern und gleichzeitig die regulatorischen Vorgaben erfüllen.
Was Banken aus den Ergebnissen ableiten können
Der Übergang von isolierten KI-Experimenten zur industriellen Veredelung berührt unmittelbar das regulatorische Fundament. Seitdem die BaFin 2026 die Marktüberwachung für KI-Systeme übernommen hat, gewinnt der Spezialisierungsansatz zusätzliche strategische Bedeutung. Wer fertige Basismodelle mit hauseigenen Daten und transparenten Prüfmechanismen anreichert, kann Anforderungen an Nachvollziehbarkeit und Diskriminierungsfreiheit gezielter adressieren. Dies gilt vor allem für Hochrisiko-Anwendungen wie Bonitätsprüfungen oder automatisierte Kreditentscheidungen, bei denen der EU-AI-Act empfindliche Bußgelder für Intransparenz vorsieht.
Gleichzeitig entscheidet der Markterfolg am Kunden. Laut Bitkom-Research sehen 56 % der Deutschen Chancen, jedoch lehnen 49 % automatisierte Entscheidungen ab. Banken müssen daher ihre KI-Modelle nicht nur technisch, sondern auch kommunikativ „explainable“ gestalten, um das Vertrauen zu gewinnen und das prognostizierte Bruttowertschöpfungspotenzial von bis zu 330 Mrd. Euro bis 2034 auszuschöpfen.
Schnellüberblick:
Warum ist der Spezialisierer-Ansatz für Banken regulatorisch vorteilhafter als der Einsatz von Standard-Chatbots?
Weil beim Customizing und Fine-Tuning eigene Validierungsdaten, Guardrails und Erklärbarkeitsmechanismen integriert werden können. Dies erleichtert den Nachweis von Diskriminierungsfreiheit und Risikokontrolle gegenüber der BaFin gemäß den Vorgaben des EU-AI-Acts.
Welche Rolle spielt der Digital Operational Resilience Act (DORA) bei Multi-Modell-Strategien?
DORA fordert von Finanzinstituten ein durchgängiges IKT-Drittparteien-Risikomanagement. Nutzen Banken mehrere Modelle parallel, müssen sie Ausfallrisiken, Schnittstellenresilienz und Datenzugriffsrechte bei Cloud- und Modellanbietern vertraglich und technisch absichern.
Quellen
- https://www.eco.de/presse/iw-studie-120-milliarden-euro-umsatz-durch-ki-gestuetzte-innovationen-deutschlands-staerke-liegt-in-industrieanwendungen/
- https://www.bafin.de/SharedDocs/Veroeffentlichungen/DE/Meldung/2026/meldung20260729KIMarktueberwachung.html
- https://www.bitkom.org/Presse/Presseinformation/Ein-Viertel-will-KI-ueber-eigene-Finanzen-entscheiden-lassen
- https://www.iwkoeln.de/studien/gutachten/beitrag/jan-felix-engler-christian-kestermann-der-deutschland-case-wie-ki-das-industrielle-geschaeftsmodell-erneuert.html
Über den Autor
