Nur 14 Prozent der Banken, Wealth Manager und Asset Manager können ihre kundenorientierten Aktivitäten profitabel skalieren – obwohl 44 Prozent dies bei internen Kernprozessen bereits schaffen. Diese Schere, die eine neue Studie von FT Longitude im Auftrag von Objectway offenlegt, beschreibt das zentrale Dilemma der KI-Transformation im Finanzsektor: Die Technologie wirkt dort, wo sie am wenigsten zählt. Befragt wurden 300 Führungskräfte aus Banken, Asset Managern und Wealth Managern in zehn europäischen Märkten inklusive Großbritannien und Kanada.

Kostenfalle statt Wachstumstreiber

Die Lücke zwischen interner Effizienz und Kundenschnittstelle folgt aus der Reihenfolge, in der Institute digitalisiert haben: Zunächst wurden interne Prozesse automatisiert, anschließend einzelne digitale Oberflächen – Portale, Apps, digitale Antragsstrecken – aufgebaut. Was dabei häufig fehlte, ist die durchgängige Verknüpfung beider Ebenen. „Die Widersprüchlichkeit ist offensichtlich, denn Banken investieren in künstliche Intelligenz für bessere Kundenerlebnisse, können aber genau diese Kundenseite bisher kaum profitabel skalieren„, sagt Karl im Brahm, CEO DACH von Objectway. Er ergänzt: „KI-Anwendungen an der Kundenschnittstelle bedeuten nicht automatisch zufriedenere Klienten. Wenn Daten, Prüfprozesse und die zugrunde liegende Infrastruktur nicht durchgängig funktionieren, entsteht kein Wachstum, sondern zusätzlicher Mehraufwand.“

29 Prozent der Befragten berichten von einer verschlechterten Kundenzufriedenheit infolge von Technologieinvestitionen, 32 Prozent berichten zudem von negativen Auswirkungen bei Resilienz, Risikomanagement und Compliance. KI wird damit nicht zum Wachstumstreiber, sondern zum Kostenfaktor – ein Befund, der durch weitere Daten gestützt wird: In einer McKinsey-Erhebung zur KI-Reife in Deutschland gaben über 70 Prozent der Großunternehmen an, KI bereits einzusetzen – aber nur sechs Prozent schöpften das Potenzial zu 50 Prozent oder mehr aus.

Kundenaufnahme als zentraler Engpass

Knapp 40 Prozent der Befragten nennen die Aufnahme neuer Kunden – einschließlich Identitätsprüfung, Geldwäschekontrollen und Eignungsprüfung von Anlageprodukten – als den operativen Engpass, der profitables Wachstum am stärksten begrenzt. Ausgerechnet dort, wo KI Interessenten schnell, regelkonform und kosteneffizient zu Kunden machen soll, hapert es am meisten. Für den deutschen Markt ist das relevant: Das verwaltete Kundenvermögen im deutschen Private Banking und Wealth Management lag 2024 bei rund 6,5 Billionen Euro – bis 2030 wird laut ZEB-Studie von 2025 ein Anstieg auf 8,5 Billionen Euro erwartet. Wer dieses Wachstum abschöpfen will, muss neue Kunden effizient aufnehmen können.

Vorreiter und Nachzügler

Die Objectway-Studie unterscheidet zwischen Instituten mit bereits messbaren Fortschritten bei profitabler Skalierung und jenen, die noch mit den Grundvoraussetzungen kämpfen. Der Abstand ist erheblich: Bei Onboarding, Geldwäscheprävention und Kundensorgfaltsprüfungen verfügen 80 Prozent der Vorreiter über weitgehend oder hoch automatisierte Prozesse – bei den Nachzüglern sind es lediglich 33 Prozent. Bei der digitalen Kundeninteraktion liegt der Abstand bei 83 Prozent gegenüber 40 Prozent.

Was Vorreiter von Nachzüglern unterscheidet, ist dabei weniger der Einsatz von KI an sich als die operative Grundlage: Datenqualität, Systemintegration und Prozessdurchgängigkeit sind bei ihnen bereits weitgehend gesichert. Erst auf dieser Basis können KI-Anwendungen Fälle vorqualifizieren, Anomalien erkennen und Berater entlasten – statt bestehende Schwachstellen lediglich zu automatisieren.

Systemintegration als Haupthürde

Die größte strukturelle Barriere bleibt die Systemintegration: 45 Prozent der Befragten nennen Integrationsprobleme als zentrales Hindernis für die Skalierung. Mangelhafte Datenqualität (41 Prozent) und eine fragmentierte Technologieinfrastruktur (39 Prozent) folgen. Das KI-Wertschöpfungspotenzial im Wealth Management bezifferte McKinsey bereits 2023 auf 42 Milliarden Euro, im Asset Management auf 55 Milliarden Euro – aktuellere segmentspezifische Schätzungen liegen nicht vor. Wer die operative Grundlage nicht schafft, bevor er KI aufsetzt, kauft sich laut Studienbefund Komplexität – kein Wachstum.