KI-Anwendungsfälle in deutschen Banken

In ihrem Bericht Risiken im Fokus fasst die BaFin eine Umfrage der Europäischen Bankenaufsichtsbehörde (EBA) unter ausgewählten großen EU-Banken zusammen. Am häufigsten nannten sie den Kundenservice, vor allem Chatbots, dann Transaktionsmonitoring, Betrugserkennung, Risikomodellierung und Credit Scoring. Generative KI setzten Ende 2024 etwa 40 Prozent der befragten Banken ein, im ersten Quartal 2025 schon über 60 Prozent.

Für die kleineren deutschen Institute, die weniger bedeutenden Institute unter direkter Aufsicht von BaFin und Deutscher Bundesbank, zeichnet die BaFin im selben Text ein engeres Bild. KI erstellt dort vor allem Texte, betreibt Chatbots und hilft dem Risikomanagement bei Betrugserkennung und Abwehr von Cyberkriminalität. Bei der Kreditwürdigkeitsprüfung und im Handel ist sie selten. Sparkassen und Genossenschaftsbanken beziehen viel IT von Finanz Informatik und Atruvia, ein dort gewähltes KI-Werkzeug erreicht also Hunderte Banken.

Die Sicht der Aufsicht steht unter KI im Banking, Versicherer und Asset Manager unter KI in der Finanzbranche und die Hochrisiko-Regeln unter KI-Verordnung für Banken.

Kundenservice ist in der EBA-Umfrage der häufigste KI-Einsatz, und den Chatbot sehen Kunden zuerst. Die Commerzbank hat Ava gestartet, einen Banking-Avatar in ihrer App auf Basis von KI-Technik aus Microsoft Azure. Im Dialog können Kunden eine neue Kreditkarte bestellen, eine Karte sperren oder entsperren und Limits ändern. Wird eine Frage zu komplex, leitet Ava an Fachleute im Kundencenter weiter.

Die BaFin nennt Kunden-Chatbots als Beispiel für KI, die sie nach dem deutschen Durchführungsgesetz zur KI-Verordnung beaufsichtigt. Nach der KI-Verordnung ist ein Banking-Chatbot kein Hochrisiko-System, Kunden müssen aber erfahren, dass sie mit einer KI sprechen. Läuft der Chatbot auf einem Cloud-Modell, kommt ein neuer IKT-Drittdienstleister ins Haus, und für diesen Vertrag gilt DORA.

Transaktionsmonitoring und Betrugserkennung folgen in der EBA-Liste direkt auf den Kundenservice, und die BaFin nennt Betrugserkennung als Haupteinsatz bei kleineren deutschen Banken. § 25h Kreditwesengesetz (KWG) verpflichtet Banken zu Datenverarbeitungssystemen, die auffällige Transaktionen erkennen, ob das Modell darin mit festen Regeln oder mit maschinellem Lernen arbeitet.

Atruvia, der IT-Dienstleister der Volksbanken und Raiffeisenbanken, prüft Überweisungen gegen das übliche Muster eines Kunden, etwa den bevorzugten Kanal und das TAN-Verfahren. Andreas Hermann berichtet im Bank Blog, dass das System kriminelle Transaktionen in vier von fünf Fällen richtig erkennt und blockiert. Die Deutsche Bank prüft einen Recherche-Agenten von Google Cloud für das Management von Finanzkriminalitätsrisiken (auf Englisch).

Die KI-Verordnung nimmt Betrugserkennung ausdrücklich aus der Hochrisiko-Zeile zum Kredit-Scoring aus. Hier gelten KWG und Geldwäschegesetz. Mehr zu beiden unter Betrugsprävention bei Banken und RegTech in Deutschland.

Als Erstes schreibt die BaFin über KI bei kleineren deutschen Banken, dass sie Texte erstellt. Das größte deutsche Beispiel ist der S-KIPilot, der KI-Assistent, den die Finanz Informatik für die Sparkassen-Finanzgruppe in eigenen Rechenzentren betreibt, ohne Verbindung zur Public Cloud. Laut FI-Magazin nutzen ihn rund 147.000 Menschen in der Gruppe, und im Januar 2026 schickten sie 1,95 Millionen Prompts ab. Sie fassten E-Mails und lange Dokumente zusammen, bereiteten Kundengespräche vor und durchsuchten interne Wissensdatenbanken.

Die Commerzbank gab ihren Beschäftigten cobaGPT, einen Chatbot auf Basis von Microsofts Azure OpenAI Service. Bei der Deutschen Bank hatte der Recherche-Agent DB Lumina rund 5.000 Nutzer in Deutsche Bank Research, wie Max Sommerfeld von der Deutschen Bank und Crispin Velez von Google im Google-Cloud-Blog über DB Lumina (auf Englisch) beschreiben. Er fasst Dokumente zusammen, zieht Daten heraus, beantwortet Fragen zu Dateien, entwirft und übersetzt.

Die meisten dieser Assistenten haben nach der KI-Verordnung ein minimales Risiko, verlangt ist vor allem KI-Kompetenz der Beschäftigten. Mehr Pflichten bringt DORA: Die BaFin hat eine Orientierungshilfe zu IKT-Risiken beim Einsatz von KI veröffentlicht, die das ganze Leben eines Modells abdeckt, von der Datenbeschaffung bis zur Stilllegung, samt Steuerung der Cloud- und Modellanbieter.

Risikomodellierung ist der nächste Punkt der EBA-Liste. Banken rechnen Kredit-, Markt- und Liquiditätsrisiken seit Jahrzehnten mit statistischen Modellen, und maschinelles Lernen kommt nun daneben. Die Bundesbank schreibt, dass Banken solche Verfahren nutzen, um Prozesse zu beschleunigen, Kosten zu senken und Daten verfügbar zu machen, und dass die Risiken dahinter aufsichtlichen Anforderungen unterliegen. Mit der BaFin hat sie die Branche zu maschinellem Lernen in Risikomodellen der Säulen 1 und 2 (auf Englisch) konsultiert, mit Erklärbarkeit und Daten als Hauptfragen.

Ein Modell, das in die Eigenkapitalanforderungen einer Bank eingeht, braucht vor dem Einsatz die Zulassung der Aufsicht und ein Validierungsteam, das erklären kann, was es tut. Die Grundlagen erklärt die Wissensseite Kreditrisiko.

Kredit-Scoring steht bei großen Banken auf der EBA-Liste, doch laut BaFin nutzen kleinere deutsche Banken KI selten für die Kreditwürdigkeitsprüfung. Ein Grund ist die Regulierung. Anhang III der KI-Verordnung stuft KI, die die Kreditwürdigkeit natürlicher Personen prüft oder ihren Score festlegt, als hochriskant ein. Eine Bank, die ein solches System einsetzt, braucht geschulte Menschen in der Verantwortung, muss es überwachen und vor dem ersten Einsatz die Folgen für Grundrechte abschätzen. Baut sie das Modell selbst, trägt sie auch die Anbieterpflichten, darunter Dokumentation und Bias-Tests.

Das Scoring von Unternehmen fällt nicht unter diese Zeile, und im Firmenkundengeschäft gehen große deutsche Banken voran. Die Deutsche Bank führt den Financial Research Agent von Google (auf Englisch) in ihrer Corporate Bank ein, zuerst bei den Teams für deutsche MidCorp-Kunden, um Kundenbriefings und Finanzanalysen vorzubereiten. Die BaFin-Prinzipien für Algorithmen in Entscheidungsprozessen verlangen für jedes solche Modell eine benannte Verantwortung in Entwicklung und Anwendung.

Banken lesen und archivieren viel Papier: Ausweise für KYC, Kreditakten, Verträge und Protokolle von Beratungsgesprächen. Die Commerzbank nutzt Google Gemini für die MiFID-konforme Dokumentation von Beratungsgesprächen mit Firmenkunden und weitet Google DocAI im Dokumentenmanagement aus. MiFID II verlangt ein Protokoll der Anlageberatung. Eine KI, die es entwirft, spart Beratern Zeit, verantwortlich für den Inhalt bleibt die Bank.

Bei KYC lässt das Geldwäschegesetz die Pflicht zur Identifizierung bei der Bank, auch wenn ein Modell den Ausweis liest oder einen Handelsregisterauszug prüft. Die Regeln stehen unter KYC in Deutschland, den Unterschied erklärt KYC und AML.

Die Commerzbank modernisiert Bankanwendungen mit dem KI-Programmierassistenten von Microsoft. Auf der fAInance, einer Konferenz von Sopra Steria und Fraunhofer IAIS für Beschäftigte von Finanzinstituten, hatten KI-gestützte Entwicklung und KI im Softwaretest eigene Stationen. Code aus dem Assistenten durchläuft denselben Änderungs- und Testprozess wie jede Änderung an den IKT-Systemen einer Bank, den DORA verlangt, und der Assistent selbst ist ein IKT-Dienst für das Informationsregister.

Versicherer nutzen KI vor allem, um schneller zu arbeiten und Kosten zu senken, berichtet die BaFin, und selten bei Tarifierung und Risikoprüfung, den Feldern, in denen die KI-Verordnung Lebens- und Krankenversicherung als hochriskant einstuft. Die Allianz setzt ihren Insurance Copilot für Kfz-Schäden in Österreich ein und hat ihn auf Sachschäden erweitert. Er sammelt Daten aus Schadenfall und Vertrag, liest Dokumente und Fotos, markiert Widersprüche und entwirft E-Mails. Über Deckung und Auszahlung entscheidet der Sachbearbeiter.

Laut BaFin nutzen kleinere deutsche Banken KI im Handel selten. Algorithmischer Handel fällt unter MiFID II, gleich welches Modell ihn steuert, und das Institut muss einen Algorithmus jederzeit stoppen können.

Die Wissensseiten erklären KI im Trading und KI in der Vermögensverwaltung. Automatisierte Geldanlage für Privatanleger steht unter Robo-Advisor in Deutschland, und Finance Loop unterstützte das Meetup zu KI und Marktdaten in Paris.

Finance Loop ist der Treffpunkt für Menschen, die in Banken, Versicherern und Asset Managern KI bauen, einkaufen und prüfen. Das Netzwerk verbindet die Finance-, IT- und KI-Communitys in Frankfurt und hat Events auch in München, Berlin und Hamburg.

Finance Loop stellte die fAInance vor, auf Deutsch und nur für Beschäftigte von Finanzinstituten, mit Stationen zu KI gegen Finanzkriminalität, zu Governance, Risiko und Compliance, einem KI-Prüfer und KI-gestützter Entwicklung sowie einem Schlussvortrag von Parloa zu KI-Agenten im Kundenerlebnis. Beim Finance-Side-Event der AI Week Frankfurt 2025, das Finance Loop mit Frankfurt Main Finance und weiteren Partnern ausrichtete, ging es um Deepfakes, KI als Ermittler gegen Finanzkriminalität und vertrauenswürdige KI samt KI-Tests.

Finance Loop ist Partner von AI in Finance Paris, veranstaltet von Finteda, mit Sprechern von BNP Paribas, Deutscher Bank und Berenberg. Es kündigte die KI Exchange 2026 in Hamburg mit KI-Governance und DORA-Compliance im Programm an und unterstützt Claude Hacker House, ein Praxisformat zu KI-Anwendungsfällen in Wirtschaft und Finanzen. Mit Frankfurt Data Science kooperiert Finance Loop zu angewandten Data-Science-Anwendungsfällen und KI-Governance in Finanzinstituten. Finance-Loop-Mitglied Fayssal El Mofatiche schrieb mit an Building AI Agents for Finance, mit Agenten für Fundamentalanalyse, Recherche, Trading, Versicherung und Compliance.

In der EBA-Umfrage, die die BaFin zusammenfasst, nannten große EU-Banken am häufigsten Kundenservice mit Chatbots, Transaktionsmonitoring, Betrugserkennung, Risikomodellierung und Credit Scoring. Bei kleineren deutschen Banken schreibt KI vor allem Texte, betreibt Chatbots und hilft bei der Betrugserkennung.

In der EBA-Umfrage unter ausgewählten großen EU-Banken setzten Ende 2024 etwa 40 Prozent generative KI ein, im ersten Quartal 2025 über 60 Prozent. In Deutschland nutzen laut Finanz Informatik rund 147.000 Menschen in der Sparkassen-Finanzgruppe den S-KIPilot.

Das Modell vergleicht jede Zahlung mit dem üblichen Verhalten des Kunden, etwa Betrag, Kanal und TAN-Verfahren, und hält Zahlungen an, die nicht passen. Deutsche Banken müssen dieses Monitoring nach § 25h KWG betreiben, markierte Fälle prüft ein Mensch.

Große Banken lassen KI Kreditanalysen vorbereiten, vor allem für Firmenkunden. Bei Verbraucherkrediten ist KI, die natürliche Personen bewertet, nach der KI-Verordnung hochriskant, und laut BaFin nutzen kleinere Banken KI selten für die Kreditprüfung. Die Entscheidung treffen geschulte Mitarbeiter.