Die Strategie ist fertig. Und jetzt?

Irgendwo in den Shared Drives fast jedes größeren Finanzinstituts liegt eine KI-Strategie. Manche sind 30 Seiten lang, andere 120. Sie alle enthalten eine Analyse des Marktumfelds, eine Übersicht von Use Cases und eine Roadmap. Und die meisten werden in zwei Jahren kaum jemanden interessieren. Der Grund ist fast immer derselbe: Die meisten KI-Strategien in Finanzinstituten scheitern an drei strukturellen Fehlern, an Technologie als Ausgangspunkt, an Use-Case-Listen ohne Priorisierung und an einer Strategie ohne Umsetzungsarchitektur.

Das ist keine pessimistische Vermutung, sondern der dokumentierte Stand. Laut der Studie "KI in Banken 2025" von Cofinpro in Kooperation mit VÖB-Service arbeiten heute 78 Prozent der deutschen Finanzinstitute mit KI, 2023 waren es noch 52 Prozent. Ein Sprung um 26 Prozentpunkte. Strategisch verankert ist die Technologie trotzdem selten. KI hält Einzug in den Arbeitsalltag, bleibt aber Insellösung: nützlich im Kleinen, wirkungslos im Großen. Branchenübergreifend zitieren Beratungshäuser eine Scheiterquote von rund 80 Prozent für KI-Vorhaben.

Der Grund liegt selten in der Technik und fast nie im Geld. Er liegt in drei strukturellen Fehlern, die fast jede KI-Strategie teilt. Wer sie kennt, erkennt sie im eigenen Papier wieder, meistens auf den ersten zwanzig Seiten.

Fehler eins: Technologie als Ausgangspunkt

Die meisten KI-Strategien beginnen mit der Frage: Was können wir mit KI machen? Die richtige Frage ist: Welche Probleme kosten uns am meisten, und welche davon lassen sich mit KI lösen? Der Unterschied klingt semantisch. Er ist fundamental.

Technologiegetriebene Strategien enden in Piloten ohne Skalierung. Sie produzieren beeindruckende Demos, die nie in den Regelbetrieb gehen, weil niemand vorher geprüft hat, ob sie ein teures Problem lösen oder nur ein interessantes. Ein Chatbot, der Produktfragen beantwortet, ist technisch reizvoll. Wenn das Institut sein Geld aber in der manuellen Marktfolge, im langsamen Onboarding und in der überlasteten Sachbearbeitung verliert, löst der Chatbot das falsche Problem mit Bravour.

Problemgetriebene Strategien gehen den umgekehrten Weg. Sie beginnen mit der Gewinn- und Verlustrechnung und mit den Prozessen, die am meisten Zeit, Fehlerkosten und Kundengeduld verbrauchen. Erst danach wird gefragt, wo KI an genau diesen Stellen einen Hebel hat. Das Ergebnis sind weniger, aber wirksamere Vorhaben, die das Institut sofort spürt: kürzere Bearbeitungszeit in der Marktfolge, weniger Rückläufer im Onboarding, weniger manuelle Nacharbeit im Meldewesen.

Das ist auch ökonomisch der Punkt. Die Cofinpro-Studie zeigt, dass Geld nicht der Engpass ist: Nur 17 Prozent nennen ausreichend Budget als Erfolgsfaktor, lediglich 19 Prozent sehen fehlendes Budget als Hindernis. Wer trotzdem nicht in die Skalierung kommt, hat kein Budgetproblem, sondern ein Fokusproblem. Und Fokus entsteht nur, wenn man am Problem ansetzt, nicht an der Technik. Ob das eigene Haus die Grundlagen dafür überhaupt mitbringt, lässt sich vorab ehrlich prüfen, etwa anhand der drei Voraussetzungen für KI-Reife.

Fehler zwei: Use-Case-Listen statt Priorisierung

Wir sehen regelmäßig KI-Strategien mit 40, 60, manchmal über 100 identifizierten Use Cases. Das klingt nach Gründlichkeit. Es ist das Gegenteil. Eine Liste ohne klare Priorisierung ist eine Absage an Fokus.

Transformationen gelingen nicht durch Breite, sondern durch Tiefe. Wer drei Use Cases wirklich umsetzt, bis sie produktiv laufen, gemessen und in den Prozess integriert sind, ist weiter als wer zwanzig plant. Eine lange Liste verteilt Ressourcen, Aufmerksamkeit und Vorstandsmandat auf so viele Vorhaben, dass keines die kritische Schwelle zur Skalierung erreicht. Am Ende steht ein Portfolio aus Halbfertigem, und der Vorstand fragt zu Recht, wo der versprochene Effekt bleibt.

Eine belastbare Priorisierung beantwortet für jeden Kandidaten drei Fragen. Wie hoch ist der wirtschaftliche Hebel, gemessen an eingesparter Zeit, vermiedenen Fehlerkosten oder zusätzlichem Geschäft? Wie aufwendig ist die Umsetzung im Bestandssystem, und welche Schnittstellen werden gebraucht? Und wie reif sind die Daten, die der Use Case benötigt? Was bei allen drei Fragen oben landet, kommt zuerst. Der Rest wartet, bis das Erste läuft.

Diese Priorisierung ist unbequem, weil sie Lieblingsprojekte einzelner Bereiche aussortiert. Genau das ist ihr Wert. Eine Strategie, die niemandem wehtut, hat nicht priorisiert, sie hat nur sortiert. Der Mut zur kurzen Liste ist der erste echte Test, ob ein Institut Transformation ernst meint.

Fehler drei: Strategie ohne Umsetzungsarchitektur

Strategie endet auf Folie 47 mit einer Roadmap. Was danach kommt, wer was bis wann liefert, wer Entscheidungen trifft, welche Abhängigkeiten existieren, bleibt offen. Dieses Vakuum füllt sich nicht von selbst. Es füllt sich mit Abstimmungsrunden, Zuständigkeitsfragen und Verzögerungen.

Eine Umsetzungsarchitektur klärt vor dem ersten Sprint das, woran die meisten Programme später ersticken. Wer ist fachlich verantwortlich, wenn ein Modell live geht? Wie sieht die Integration in OSPlus oder agree21 konkret aus, und wer auf der IT-Seite liefert sie? Welche Governance greift, sobald die KI Vorgänge nicht nur vorbereitet, sondern entscheidet? Wie wird dokumentiert, auf welcher Grundlage ein Vorschlag entstand, damit das System durch die nächste Revision kommt? Und woran wird Erfolg in 90 Tagen gemessen? Ohne diese Antworten ist die Roadmap eine Absichtserklärung.

Genau hier trennt sich die Strategieberatung von der Umsetzung. Ein Konzept zu schreiben ist die leichtere Hälfte. Es bis in den produktiven Betrieb zu bringen, ist die Arbeit, die über den Return entscheidet. Viele Institute erleben das als bösen Bruch: Die Strategieberatung verlässt das Haus mit dem fertigen Foliensatz, und im Haus bleibt die Frage, wer das jetzt eigentlich baut. Wer Strategie und Umsetzung trennt, kauft sich diesen Bruch ein.

Wie ein konkreter Fehler aussieht

Ein Beispiel aus der Marktfolge macht alle drei Fehler auf einmal sichtbar. Ein Institut nimmt sich vor, die Dokumentenprüfung im Kreditprozess mit KI zu unterstützen, ein klassischer Marktfolge-Anwendungsfall für Agenten. Die Strategie startet mit der Technik, weil ein Anbieter eine beeindruckende Demo gezeigt hat. Sie landet auf einer Liste neben 50 weiteren Vorhaben, sodass kein dediziertes Team entsteht. Und sie endet mit einer Roadmap, in der niemand benannt ist, der die Integration in das Kreditsystem verantwortet. Sechs Monate später existiert ein Proof of Concept, der auf Testdaten funktioniert, aber nie an die echten Akten angeschlossen wurde. Das Budget ist verbraucht, der Nutzen gleich null.

Derselbe Use Case, richtig aufgesetzt, sieht anders aus. Er beginnt mit der Frage, wo in der Kreditbearbeitung die meiste Zeit verloren geht. Er steht allein und nicht auf einer Liste mit 50 Geschwistern. Und er hat von Tag eins eine benannte fachliche und eine benannte technische Verantwortung. Das Ergebnis nach sechs Monaten ist nicht eine Demo, sondern ein Prozess, der in der echten Akte funktioniert und dessen Zeitersparnis sich in der Steuerung wiederfindet.

Der Vorstand ist der häufigste Engpass

Es ist bequem, das Scheitern der IT oder dem Markt zuzuschreiben. In der Praxis liegt der Engpass häufiger an der Spitze. Eine KI-Strategie, die alle drei Fehler vermeidet, verlangt vom Vorstand drei unbequeme Dinge: den Mut, sich auf wenige Vorhaben festzulegen und Lieblingsprojekte einzelner Bereiche abzulehnen, die Bereitschaft, klare Verantwortung über Ressortgrenzen hinweg zuzuweisen, und die Ausdauer, dranzubleiben, wenn die erste Begeisterung verflogen ist.

Wo diese drei Dinge fehlen, hilft kein noch so gutes Strategiepapier. Wo sie vorhanden sind, reichen 20 Seiten und drei priorisierte Use Cases, um in Bewegung zu kommen. Die Qualität der Strategie hängt am Ende weniger an der Analyse als an der Entschlossenheit, mit der sie umgesetzt wird.

Was stattdessen funktioniert

Eine gute KI-Strategie für Finanzinstitute ist nicht länger als 20 Seiten. Sie beantwortet drei Fragen: Welche drei Probleme lösen wir zuerst? Wer ist verantwortlich für jeden Schritt? Woran messen wir Erfolg in 90 Tagen?

Mehr braucht es nicht, um zu starten. Und starten ist das Einzige, das zählt. Die 78 Prozent der Institute, die KI bereits nutzen, sind nicht im Vorteil, weil sie früh angefangen haben. Sie sind im Vorteil, sobald sie aufhören, breit zu planen, und anfangen, tief umzusetzen. Der erste produktive Use Case verändert die interne Debatte mehr als jedes Strategiepapier, weil er aus einer Behauptung einen Beweis macht.

Wenn Sie wissen wollen, welche drei Use Cases in Ihrem Haus den größten Hebel haben und wie der Weg in den Produktivbetrieb konkret aussieht, ist das der Ausgangspunkt einer Sotica-Potenzialanalyse. Wir kommen aus der Branche, wir kennen den Alltag in OSPlus und agree21, und wir liefern die Roadmap nicht als Folie, sondern als Umsetzungsplan mit klaren Verantwortlichkeiten.