KI-Projekte stagnieren überall in der Bankenbranche.
Die Vorstände haben die Budgets freigegeben, Pilotprojekte laufen, es gibt eine Roadmap voller Use Cases, und die Modelle funktionieren – aber es verändert sich nicht viel.
Wenn es darum geht, KI in Zahlungsprozesse, Kreditentscheidungen und Customer Journeys einzubinden, gerät die Performance ins Stocken: Integrationen werden unübersichtlich, und Compliance-Prüfungen werfen Probleme auf.
Der Ehrgeiz ist vorhanden – aber die Realität ist, dass das Fundament fehlt, um ihn in die Tat umzusetzen.
Die Ergebnisse unseres globalen Reports Cloud-led innovation in the era of AI: The new rules for driving value with cloud zeigen: Obwohl 98 % der Bank- und Investmentorganisationen angeben, dass der Aufstieg von KI ihren Bedarf an Cloud-Investitionen erhöht hat, betrachten sich nur 14 % als auf dem höchsten Cloud-Reifegrad.
Der Engpass ist nicht KI – es ist die Cloud dahinter
Es gibt eine Tendenz, KI selbst als das Schwierige zu betrachten. Die Implementierung und Verwaltung von Modellen und Algorithmen kann zwar komplex sein, aber selten ist das der eigentliche Bremsblock. Das eigentliche Problem: KI ist nur so leistungsfähig wie die Umgebung, in der sie läuft.
Ein Betrugserkennungsmodell kann eine verdächtige Transaktion in Millisekunden markieren – aber das Abrufen der richtigen Daten kann Minuten dauern. Und wenn das System nicht in der Lage ist, in Echtzeit zu handeln oder ohne manuelle Eingriffe zu agieren, geht der Mehrwert verloren. Die Erkenntnis ist vorhanden, aber die Plattform kann nicht darauf reagieren.
Um Unternehmen vor diesen Engpässen zu schützen, hat sich die Cloud zur Ausführungsschicht von KI entwickelt – dem Ort, an dem Entscheidungen getroffen, Workflows ausgelöst und Systeme unter Belastung skaliert werden.
Doch nach Jahren der Cloud-Migration behandeln viele Banken die Cloud noch immer als Hosting-Umgebung für Anwendungen – und nicht als Plattform, auf der das Geschäft läuft und die das Gewicht von KI trägt.
LESEN SIE AUCH: 2026 werden KI-Strategien scheitern, wenn Cloud-Strategien hinterherhinken
Legacy-Infrastruktur ist nicht allein schuld
Es liegt nahe, Legacy-Systemen die Schuld zu geben – und ja, sie sind Teil des Problems. Doch eine Cloud-Migration hilft wenig, wenn Daten weiterhin über Systeme verteilt sind und Anwendungen eng miteinander gekoppelt bleiben, verbunden durch fragile Integrationen. Wenn KI ins Spiel kommt, stößt sie auf dieselben Wände.
Genau deshalb fühlen sich so viele KI-Programme feststeckend an. Sie wurden eingeführt, aber nicht vollständig verankert – und das zeigt sich in den Daten. Die Hälfte der für unseren Report befragten Organisationen gibt an, dass die Notwendigkeit, Anwendungen und Datenplattformen zu modernisieren, Cloud-Innovationen ausbremst.
KI scheitert also nicht, weil Modelle versagen, sondern weil die Systeme drumherum ihre Abhängigkeit von Echtzeit-Daten, ereignisgesteuerten Entscheidungen und kontinuierlichem Wandel nicht unterstützen können.
Was „moderne Cloud" im KI-Zeitalter bedeutet
Modernisierung wird häufig falsch diskutiert. Es geht nicht darum, Workloads von einem Ort an einen anderen zu verlagern – es geht darum, das Verhalten ganzer Systeme zu verändern.
Wenn Kundinnen und Kunden ihre Banking-App öffnen, ihren Kontostand abrufen und in Echtzeit ein personalisiertes Angebot erhalten – basierend auf Marktbedingungen, Risikosignalen und Transaktionshistorie –, müssen mehrere Dinge sofort passieren:
- Die Daten müssen verfügbar und aktuell sein.
- Die Systeme müssen unterbrechungsfrei miteinander kommunizieren.
- Entscheidungen müssen automatisch Aktionen auslösen.
- Alles muss governed und auditierbar sein.
Mit anderen Worten: Im KI-Zeitalter muss Cloud gleichzeitig drei Dinge leisten – ein Echtzeit-Daten-Backbone, eine Plattform für den durchgängigen Betrieb intelligenter Workflows und eine kontrollierte Umgebung, in der Entscheidungen sicher skalieren können.
Das ist nur durch Cloud-natives Design erreichbar – ereignisbasierte, modulare Systeme, die über APIs gesteuert werden und sich weiterentwickeln können, ohne ihr Umfeld zu destabilisieren.
Architektur ist heute eine regulatorische Entscheidung
Banking ist eine stark regulierte Branche. Da KI zunehmend in Kernprozesse eingebettet wird, rücken Regulatoren sowohl die Modelle als auch die Umgebungen, in denen sie laufen, unter die Lupe. Banken müssen Vorschriften wie dem Digital Operational Resilience Act (DORA) der Europäischen Union und dem Digital Personal Data Protection Act Indiens entsprechen.
Ein NTT DATA Report zu KI-Leadern in Banking und Financial Services zeigt: 62,5 % dieser Organisationen nennen länderübergreifenden Datenschutz und Datensouveränität als zentrale Governance-Herausforderungen.
Deshalb erwarten breit gefasst 99 % der Organisationen in unserer Cloud-Studie eine Zunahme der Private-Cloud-Adoption – angetrieben durch Sicherheits-, Souveränitäts- und Compliance-Anforderungen –, während die Sovereign-Cloud-Adoption in den nächsten zwei Jahren um 50 % steigen soll.
Wenn die Architektur von Banken nicht auf regulatorisch belastbare Kontrolle ausgelegt ist, werden ihre KI-Strategien nicht skalieren – unabhängig davon, wie leistungsstark ihre Modelle sind.
Warum Cloud- und KI-Strategien konvergieren müssen
Häufig werden KI und Cloud als getrennte Themen behandelt. KI ist Sache der Innovationsteams, Cloud liegt in der Verantwortung der Infrastrukturteams. Doch wenn KI- und Cloud-Strategien isoliert voneinander weiterentwickelt werden, passieren mehrere Dinge:
- KI-Ambitionen übersteigen, was die Plattform leisten kann.
- Cloud-Investitionen entbehren eines klaren Geschäftszwecks.
- Die Skalierung wird langsamer, teurer und schwerer kontrollierbar.
Unsere Studie zeigt: Führende Organisationen starten mit dem Use Case und bauen die Architektur von Anfang an mit KI-Workloads im Blick. Daten, Plattformen und Governance werden von Beginn an aufeinander abgestimmt.
Das führt zu einem grundlegend anderen Ergebnis: einer KI, die nicht gegen ihre Umgebung ankämpfen muss, um zu skalieren – sondern von ihr getragen wird.
Wie Leader vorankommen – und warum ihr Ansatz funktioniert
Mit zunehmender Intelligenz im Banking verbreiten sich agentische KI-Systeme immer weiter. Im Kreditbereich etwa können Dokumente heute mit minimalen menschlichen Eingriffen gesammelt, verifiziert, bewertet und genehmigt werden – weil ein KI-System den gesamten Workflow orchestriert und kontinuierlich und im großen Maßstab Entscheidungen trifft.
Diese agentischen Systeme lösen bereits Betrugsermittlungen aus, wenn Anomalien auftreten, orchestrieren komplexe Kredit- und Onboarding-Workflows und personalisieren Kundeninteraktionen in Echtzeit.
Ein einzelner KI-Workflow kann heute ein halbes Dutzend Anwendungen, mehrere Datenquellen und zunehmend autonome Agenten umfassen, die dabei Entscheidungen treffen. All das manuell oder über isolierte Systeme zu verwalten, wird schnell untragbar.
Einige Banken modernisieren bereits in Schichten – sie beheben, was am meisten zählt, dort, wo es am meisten zählt. Unsere globale KI-Studie zeigt: 62,5 % der KI-Leader in Banking und Financial Services nutzen hybride Deployment-Modelle – eine Kombination aus Plug-and-Play-Lösungen und gezielter Co-Innovation –, verglichen mit nur 29,2 % der Nachzügler in dieser Branche.
Dies führt in der Regel zu einer Kombination aus Hybrid Cloud und gezielten Anwendungsanpassungen, getragen von einem stabilen Plattform-Fundament, das alles zusammenführt:
- Eine klare, durchgängige Sicht auf alle Vorgänge in jedem System
- Governance, die in Entscheidungsprozesse und deren Ausführung eingebettet ist
- Kontinuierliche Kostentransparenz, während KI-Workloads skalieren
- Automatisierung, die den Betrieb am Laufen hält – ohne ständige manuelle Eingriffe
Das Fundament reparieren – oder die KI-Zukunft riskieren
Die meisten Banken agieren noch nicht auf einem Niveau, auf dem Cloud die Ausführungsschicht von KI ist.
Um dorthin zu gelangen, müssen Banking-Verantwortliche ihre Infrastruktur neu denken – als Fundament dafür, wie die Bank arbeitet und wächst. Das führt zu schnellerer Innovation und besseren Margen.
Nur so werden sie ihren Wettbewerbsvorsprung im KI-Zeitalter behaupten.
LESEN SIE AUCH: Banking blickt über Pilotprojekte hinaus und macht KI zu echtem Geschäftserfolg
Dieser Beitrag wurde gemeinsam mit Kane Stavens, Managing Director Asia Pacific bei NTT DATA, verfasst.
IHR NÄCHSTER SCHRITT
Laden Sie den NTT DATA Report Cloud-led innovation in the era of AI: The new rules for driving value with cloud herunter und erfahren Sie, wie der Cloud-Reifegrad Ihrer Organisation im Vergleich abschneidet.