Haben Sie auch wieder Angst vor der KI?

KOMMENTAR. Drei Jahre ist der erste KI-Hype nun schon her. KI ist leistungsfähiger und verbreiteter denn je, doch wie hat sie Jobs und Produktivität in der Finanzbranche verändert?

Kürzlich gab es wieder diesen Moment. Während einer äußerst beeindruckenden Präsentation eines neuen KI-Tools eines großen Datenanbieters, fragte ich mich, wie lange es meine Tätigkeit als Analyst in der Finanzbranche noch geben wird. Das Tool konnte präzise Daten aus einer Vielzahl von Quellen zusammenführen, statistisch auswerten und korrekt interpretieren, besser als alle Modelle, die ich zuvor getestet hatte. Wird man mich bald noch brauchen?

Direkt kamen Erinnerungen an das Frühjahr 2023 auf, als ChatGPT als erstes Sprachmodell viral ging und das Narrativ eines umfänglichen Arbeitsplatzabbaus schürte. Doch was ist aus den Befürchtungen von damals geworden? Was hat sich seitdem auf dem Feld der KI, ihrem Einsatz in der Finanzbranche und hinsichtlich ihrer Auswirkungen auf Arbeitsplätze und Produktivität getan?

Rapider technischer Fortschritt

Seit dem Frühjahr 2023 hat sich KI steil weiterentwickelt. Vor allem generative KI und Sprachmodelle leisten heute deutlich mehr als noch vor wenigen Jahren. Die Leistungssteigerungen in den letzten Jahren seien auf die massive Ausweitung der Rechenleistung algorithmische Fortschritte zurückzuführen. Laut Epoch AI hat sich zudem bereits der Rechenaufwand, der zur Erreichung eines bestimmten Leistungsniveaus erforderlich ist, etwa alle acht Monate halbiert.¹ Die besten KI-Modelle konnten im Jahr 2026 im „Humanity’s Last Exam“, einem Test, der für KI besonders schwierig, aber gut lösbar ist, die menschliche Leistung deutlich übertreffen. Was ursprünglich als eine Herausforderung für mehrere Jahre darstellen sollte, wurde bereits in wenigen Monaten erreicht.² Durch Integration von Internetrecherchen und spezialisierten Wissensdatenbanken konnte die Qualität verbessert und Halluzinationen, also das Erfinden plausibler jedoch falscher Inhalte, bei generativen Modellen reduziert werden. Auch das Angebot an KI-Modellen ist deutlich breiter geworden, so dass die monopolartige Stellung im Segment der Sprachmodelle von ChatGPT von fast 90 Prozent auf nun 65 Prozent sank.³

Doch so eindrucksvoll die Technik auch ist, sie hat immer noch klare Grenzen, die durch einen einfachen Test von jedem leicht repliziert werden können. Generative Modelle können ohne Probleme realistisch wirkende Bilder von analogen Uhren erstellen. Sie versagen aber dabei, eine Uhrzeit von einer analogen Uhr korrekt abzulesen. Stand September 2025 scheiterten selbst die leistungsfähigsten Modelle in 9 von 10 Fällen an dieser vermeintlich einfachen Aufgabe.⁴

Die USA und China dominieren in der Entwicklung von KI-Modellen, Europa spielt nur eine untergeordnete Rolle. Der Standort USA wird durch geringe Regulierung, Ansiedlung vieler hochklassiger Forschungseinrichtungen, Verfügbarkeit und Investitionen in Rechenzentren sowie geringen Energiekosten begünstigt, während China von massiven staatlichen Infrastrukturinvestitionen profitiert.⁵ In der globalen Versorgung mit den notwenigen Hochleistungschips tut sich ein gefährlicher Flaschenhals auf. Fast alle führenden KI-Chips werden nur von einem taiwanesischem Unternehmen Namens TSMC herstellt.⁶ Auf Grund sehr hoher Eintrittsbarrieren ist kaum zu erwarten, dass sich diese Situation auf absehbare Zeit ändern wird.

Was sind die aktuellen Use Cases in der Finanzbranche?

Wie viel Finanzinstitute global in die Anwendung von KI-Systemen seit dem Jahr 2023 investiert haben, ist nicht eindeutig belegt. Studien gehen von jährlichen, weltweit investierten Beträgen zwischen 35 Mrd. USD und 87 Mrd. USD aus, wobei in der Finanzbranche mehr als im Gesundheitswesen oder der Medienbranche investiert worden sei.⁷ So gehört der Finanzsektor aktuell zu den Wirtschaftszweigen mit den höchsten Anwendungsraten.⁸

Laut PwC nutzen im Jahr 2025 bereits 73 Prozent der befragten Unternehmen aus dem deutschen Finanzsektor KI insbesondere im Back-Office, IT,  Marketing und Vertrieb. Zusammenfassung und Analyse von Texten, Nutzung als Wissensbasis, Erstellen von Berichtsentwürfen und Texten seien die häufigsten Use Cases von generativen KI-Modellen.⁹ In einer Umfrage von Wolters Kluwer-Report aus 2026 aus Risikomanagement und Betrugsaufdeckung die häufigsten Einsatzgebiete.¹⁰

Insgesamt deuten Umfragen jedoch darauf hin, dass sich die Branche weiterhin in der Findungsphase für KI-Anwendungen befindet und Anwendungen im großen Stil noch nicht stattfinden. Eine Studie der Initiative Wow!Banking und der FHDW Hannover nennt unklare Ziele, fehlende Standards, starre IT-Infrastrukturen und Prozesse sowie ungenügende Kompetenzen als Haupthindernisse für die Anwendung von KI im deutschen Finanzsektor.¹¹ Beispielsweise gibt es viele Anwendungen, die KI-sprachgesteuerte Memos erlauben, so dass Vertriebler Leerzeiten während Autofahrten im Anschluss an Kundengespräche produktiv nutzen können. Es ist hingegen anspruchsvoll, diese KI-Funktion in bestehende Datenverwaltungssysteme zu integrieren und dabei alle Datenschutz- und Datensicherheitsvorschriften zu erfüllen.

Angst vor Jobverlust: Mission oder Aufgabe?

Der negative Einfluss der KI auf die Arbeitsmärkte ist weit hinter den ursprünglichen Befürchtungen zurückgeblieben. Im Jahr 2023 wurde intensiv diskutiert, welche Tätigkeiten besonders exponiert und in baldiger Zukunft ersetzbar seien. Zwei Drittel aller Tätigkeiten in der Wirtschaft wurden von Goldman Sachs im Jahr 2023 als exponiert identifiziert und ein Viertel sogar als ersetzbar.¹² Problematisch an der damaligen Diskussion war, dass häufig nicht zwischen Mission und Aufgabe differenziert wurde. Beispielsweise werden Radiologen nicht überflüssig, weil KI-Systeme medizinisches Bildmaterial besser auswerten können. Patienten möchten weiterhin mit einem Menschen kommunizieren, der die Verantwortung übernimmt und zu dem Vertrauen aufgebaut werden kann. Die Mission, Menschen zu helfen und zu heilen, bleibt durch die KI unangetastet und dem Menschen vorbehalten.¹³

KI hat sich in der Finanzindustrie bislang vor allem als Unterstützungstechnologie zur Steigerung der Effizienz, aber nicht als Ersatz für den Menschen etabliert. Transformation und Neugestaltung von Arbeitsplätzen, aber nicht eine vollständige Automatisierung, stünden laut einer Umfrage des Beratungshauses EY-Pantaleon aus dem Jahr 2025 im Fokus.¹⁴ Ein Bericht des World Economic Forum aus dem gleichen Jahr kommt zu dem Schluss, dass KI im Finanzsektor nicht nur Tätigkeiten automatisiert, sondern in großem Umfang auch Arbeit ergänzt und aufwertet.¹⁵

Doch es gibt auch Tätigkeitsfelder, in denen sich ein Beschäftigungsrückgang abzeichnet. Diese Felder sind jedoch nicht ausschließlich der Finanzbranche zuzuordnen. Bei einzelnen, stark standardisierbaren Tätigkeiten im Kundensupport oder der Softwareentwicklung gab es laut einer Stanford-Studie aus dem Jahr 2025 in den USA einen Beschäftigungsrückgang, der insbesondere junge noch unerfahrene Berufseinsteiger getroffen hat. Beispielsweise lag die Beschäftigung junger Softwareentwickler im Juli 2025 20 Prozent unter dem Höchststand aus dem Jahr 2022. Bemerkenswert ist, dass die Softwareentwicklung als Berufsfeld der Entwicklung von KI besonders nahesteht, aber die Nachfrage nach stärker standardisierbaren Tätigkeiten bei der Softwareentwicklung sinkt.¹⁶

Hat KI zu Produktivitätsfortschritten geführt?

Während es klare Belege für den erfolgreichen Einsatz von KI-Tools in der Finanzbranche gibt, sind konkrete Produktivitätsgewinne schwerer nachzuweisen. Forrester Research erwähnt signifikante Zeit‑ und Effizienzgewinne im Bankensektor und eine Verlagerung von Mitarbeitern auf wertschöpfende Aufgaben.¹⁷ Das KI-Beratungshaus Databricks erwartet Betriebskostensenkungen bei Finanzinstituten von bis zu 20 Prozent durch KI-Automatisierung.¹⁸ Die EY-Pantaleon-Umfrage von 2025 zeigt, dass bereits mehr als die Hälfte der befragten US-Banken deutliche Effekte, in Form einer besseren Entscheidungsfindung oder einer Verbesserung des Kundenerlebnisses sehen. Sie würden noch häufiger zukünftig weitere positive Wirkungen erwarten.

Deloitte schätzt hingegen, dass nur in einem von fünf Fällen ein eindeutiger messbarer Wertbeitrag durch eine vollumfängliche KI-Implementierung erreicht wird. Man glaubt, dass bislang nur ein Bruchteil der Profitabilitätspotentiale im deutschen Bankensektor realisiert wurden.¹⁹ Man kann also bestenfalls von einem ersten Indiz von Produktivitätsgewinnen im Finanzsektor sprechen.

Ein gängiges Narrativ ist weiterhin, dass durch Produktivitätsgewinne perspektivisch Arbeitsplätze in der Finanzbranche verloren gehen, welches sich unter anderem in rückläufigen Neueinstellungen zeigen müsste. Allerdings muss dies nicht notwendigerweise zu einem Rückgang der gesamten Arbeitsplätze in der Finanzbranche führen. Nach dem Jevons Paradoxon²⁰ kann der Einsatz von KI die Produktivität steigern, wodurch Produktpreise sinken und so die Nachfrage nach den Produkten steigen kann. Deshalb können die Kapazitäten ausgebaut werden, so dass mehr neue Arbeitsplätze geschaffen als an anderer Stelle abgebaut werden.

Was sind die aktuellen KI-Narrative für die Branche, die zukünftig zu überprüfen sind?

An Aktienmärkten werden bekanntlich die Erwartungen über die Zukunft gehandelt. Anfang des Jahres 2026 bekamen Teile der Softwareindustrie zu spüren, dass die Geschäftsmodelle von Spezialsoftwareanbietern und Pay-per-User-Modelle durch die KI in Frage gestellt sind. Für die Finanzdienstleister und Banken lässt sich dieses Narrativ hingegen an den Aktienmärkten derzeit nicht ablesen. Der Unterschied zwischen Mission und Aufgabe ist hier besonders hoch. Finanzdienstleistungen sind Vertrauensgüter, bei denen der Mensch ein notwendiger Baustein ist.²¹ Einen Markt für eine vollautomatisierte menschenlose Geldanlage mag es zukünftig geben, die Größe könnte jedoch überschaubar bleiben. Große Kündigungswellen werden deshalb derzeit im Finanzsektor nicht erwartet. Forrester Research dokumentiert sogar, dass viele Unternehmen KI-motivierte Kündigungen bereuen und die Personallücken wieder füllen müssen.²² Für Arbeitgeber und Arbeitnehmer der Finanzbranche bedeutet dies, dass Fertigkeiten und Fachwissen gefragter denn je sind.

Diese Erkenntnis lässt mich wieder gut schlafen.

Meine Mission ist klar und für viele Aufgaben stehen KI-Systeme bereit, die ich auch für diesen Beitrag intensiv genutzt habe: Perplexity für die Recherche nach aktuellen Studien und DeepL für Übersetzungen. ChatGPT und MS-Office haben geholfen Formulierungen zu verbessern. Die KI-Funktion der Google-Suchmaschine hat neue Erkenntnisse für einzelne Aspekte gebracht. Und schlussendlich war sogar das eingangs erwähnte neue KI-Tool die Motivation, den Beitrag zu schreiben.

Ich denke, dies zeugt hinreichend von einem Produktivitätsgewinn, da mir dies ohne diese Tools in dem Zeitrahmen kaum möglich gewesen wäre.

__________________________________________________________________________