Autonomes Banking 2035 beginnt heute
Autonomes Banking mit KI-Agenten ist kein Zukunftsszenario mehr – es entsteht jetzt, Schritt für Schritt. Wer morgen relevant sein will, muss heute die Weichen stellen: für technologische Grundlagen, klare strategische Leitlinien und eine Kultur des kontinuierlichen Lernens. In einem Umfeld, das sich rasant wandelt, ist Abwarten keine Option. Gefragt sind Mut zur Veränderung, Offenheit für neue Rollen im Banking – und die Bereitschaft, Banking neu zu denken.
Der Weg zum autonomen Banking erfordert eine strategische wie auch operative Transformation. Dem vorangestellt ist eine entscheidende Frage für Banken: Glauben sie an autonomes Banking? Wenn diese Frage mit Nein beantwortet wird, sind keine weiteren Aktivitäten nötig. Bei einem Ja leiten sich jedoch Schritte ab, die sich an einer AI-First-Strategie ausrichten und mit einer institutsweiten Transformation einhergehen. Dazu gehört ein klares Zielbild: autonomes Banking im Jahr 2035.
Hierfür braucht es zunächst eine Vision und eine Ambition, die auf Ebene des Topmanagements formuliert werden. Die Rolle von KI-Agenten im Banking der Zukunft muss mit einem klaren Verständnis versehen und definiert sein: Welche Produkte oder Prozesse bieten sich besonders für eine agentengestützte Automatisierung (zu Beginn) an? Wie verändern sich Rollen, Funktionen und Abläufe der Mitarbeitenden? Wie können separat entwickelte Bots zusammen orchestriert werden? Antworten auf Fragen wie diese schaffen die notwendige Transparenz über Rahmenbedingungen und Handlungsbedarfe. Und sie ermöglichen die Entwicklung eines gemeinsamen Verständnisses und den Beginn einer zielgerichteten Transformation.
Ulrich Hoyer, Partner, zebAutonomes Banking mit KI-Agenten ist kein Zukunftsszenario mehr – es entsteht jetzt, Schritt für Schritt. Wer morgen relevant sein will, muss heute die Weichen stellen.
Auf diesem Fundament aufbauend und auf eine Zeitachse gelegt, entsteht eine Roadmap zur agentengestützten KI-Transformation. Für Grossbanken kann es zielführend sein, direkt auf eine Agentenplattformen mit mehreren Bots zu setzen. Kleinere Banken hingegen sollten sich zunächst auf die spezifische Bot-Entwicklung fokussieren. In beiden Fällen gilt: «Fail Fast, Learn Faster». Dabei sollte jede Massnahme, jeder Use-Case und jeder KI-Agent vom geschaffenen Mehrwert her betrachtet werden. Die Priorisierung ist anhand von Impact und Umsetzungsaufwand durchzuführen. Jede Entscheidung muss ein solides Kosten-Nutzen-Verhältnis bieten, und die Hürden für Entwicklung und Umsetzung sollten möglichst gesenkt werden. Parallel dazu ist der systematische Angang und Aufbau der erforderlichen AI-Capabilities ein zentraler Erfolgsfaktor. Dazu zählt insbesondere der gezielte Auf- und Ausbau technologischer Fähigkeiten und Tools innerhalb der Organisation – etwa im Bereich Datenarchitektur, Machine Learning sowie im sicheren und skalierbaren Betrieb intelligenter Systeme. Gleichzeitig muss die Befähigung der Mitarbeitenden aktiv vorangetrieben werden. Das bedeutet einerseits, Fachbereiche mit grundlegenden KI-Kenntnissen auszustatten, und andererseits, spezialisierte Rollen gezielt zu entwickeln und personell zu besetzen. Dazu gehören unter anderem Profile in den Bereichen Data Science, AI-/Data-Engineering und AI-Governance. Erst wenn diese Grundlagen systematisch aufgebaut, Voraussetzungen geschaffen und in der Organisation verankert sind, kann die Entwicklung und Skalierung von mehrwertschaffenden Bots und Agenten erfolgreich wie auch nachhaltig gelingen.
Langfristig gilt es, die bestehenden Bots zu intelligenten Agenten entlang sinnvoller Strukturen weiterzuentwickeln. Zusammen bzw. in der Interaktion formen sie ein vernetztes System, das lernt und wächst. Im Idealzustand kann ein solches System durch niedrigschwellige Angebote gefördert werden – beispielsweise durch die Bereitstellung eines zentralen Baukastens (Agents Store), der allen Organisationseinheiten zur Verfügung steht und damit Mehrfachentwicklungen vermeidet und die Effizienz sichert.
