# AI Transformation in Banking: DKB's Strategy for Scalable Innovation

**Podcast:** Tech and Tales
**Published:** 2026-04-11

## Transcript

Tech entails.
I am very interested in what it means to give everybody on Earth like a free copy of GPT 5, running for them all the time.
Every business really enabled with this level of technology to be able to give better financial advice to detect fraud better, to underwrite risk better.
Again, watching what is possible now makes me very optimistic.
In the developed world, I think the biggest challenge will be risk tolerance and regulation for very good reasons.
Aber laut einer McKinsey-Studie hat KI momentan das Potenzial, dem globalen Bankensektor jährlich bis zu einer Billion, also 1000 Milliarden US-Dollar, an zusätzlichen Wert zu generieren.
Das heißt, primär natürlich auf der Effizienzseite und auch überall durch personalisierte Produkte, also Top-Line Growth and Bottom Line Growth, also auf beiden Seiten sozusagen.
Die Frage ist natürlich, an welchen Stellen man investiert.
Dann sehen wir viele Stolpersteine.
Es gibt wenig Talent, die das können.
Es gibt ein großes Problem in der Schatten-KI.
Die Datenqualität ist ein Problem.
Aber darüber wollen wir heute einmal sprechen.
Und deswegen, Sascha, stell dich doch einmal kurz vor.
Das mache ich gerne, Elisabeth.
Vielen Dank für die Einladung.
Ich bin Sascha, ich verantworte bei der Deutschen Kreditbank als Chief Growth Officer unsere Strategie, Transformation, aber auch so ein paar spannende Themen wie Marke, Kommunikation, Presse, Public Affairs und noch viele, viele weitere interessante Themen.
Und ich beschäftige mich seit ein paar Jahren mit der Frage, wie man eine große Bank nicht nur ein kleines Stückchen effizienter macht, sondern tatsächlich neu denkt.
Also nicht, wie kleben wir so ein bisschen KI auf bestehende Prozesse, sondern eher wie verändert die künstliche Intelligenz des Betriebssystem einer Bank.
Und ich finde die DKB ist dafür ein sehr spannender Ort.
Wir sind eine der größten digitalen Banken in Deutschland, haben sechs Millionen Kundinnen und Kunden, 4000 Mitarbeitende und eine recht üppige Bilanzsumme von fast 140 Milliarden.
Wir haben letztes Jahr ein neues Rekordergebnis erzielt von über einer Milliarde und jetzt eine neue große Strategie für die nächste Wachstums- und Investitionsphase gestartet.
Und darin haben wir zum Beispiel verankert, ohne jetzt den Werbeblock zu lang zu stressen, dass wir eine halbe Milliarde Euro in digitale Produkte investieren.
Und das ist dann kein Innovationstheater, sondern da ist auch ganz viel KI drin.
And ich sag mal, mich reizt dann diesen Thema vor allem immer so die Kombination aus so ein paar Sachen.
Das wichtigste ist für mich immer die Wirkung auf die Kundinnen und auf die Kunden.
Und dann geht es natürlich immer um Technologie und in Banken natürlich auch immer um Regulation oder Regulatorik und Regulierung.
Denn viele glauben ja, Banking sei bei KI vor allem immer so ein Problem von Compliance und Legacy und Co.
Und ich sehe das aber ganz anders.
Ich glaube, gerade weil Banken so hoch reguliert sind, müssen sie KI einfach besser bauen als andere.
Und es soll nicht lauter sein, nicht bunter.
Das muss vor allem robuster sein, vertrauenswürdiger und es muss wirksamer sein.
Ja, klar, ich meine, das Vertrauen in sowohl die Banken als auch in die globale Weltwirtschaft ist, glaube ich, das größte Asset unserer modernen Gesellschaft.
Wir vertrauen das auf diesem kleinen Papier, dass wenn da 10 Euro drauf stehen, dass man auch wirklich den Wert von 10 Euro bekommt.
Das ist nicht mehr die Gold-Karten.
Aber wie seid ihr denn dahin gekommen?
Also ich glaube, du hast mal als Vision formuliert, dass du den menschlichen Erstkontakt bei der Bank quasi fast vollständig automatisieren willst und wirst.
Und das ist natürlich ein heeres Ziel.
Also ich finde, ich selber habe meine Legacy-Bank, wenn ich so möchte, verlassen, um wieder zu einer Bank zu gehen, nämlich der Sparkasse tatsächlich, die eben diese Erstkontakte hat.
Weil bei meiner alten Bank haben diese Automatisierung eben noch nicht so richtig funktioniert.
Das ist jetzt aber auch schon fünf, sechs Jahre her.
Seitdem hat sich viel getan, insbesondere Customer Service.
Aber wie habt ihr angefangen?
Also, als du kamst, gab es sicherlich noch keine automatisierten Chatboards und Customer Service mit AI und so.
Also was war so der Startpunkt?
Ja, ich glaube, wenn man auf die letzten 24 Monate schaut, dann hat sich grundsätzlich in der ganzen Finanzindustrie und vor allem im Banking bei KI eigentlich alles verändert.
Vor zwei Jahren haben viele Banken so angefangen, über erste Anwendungsfälle zu sprechen.
Es wurde ganz fleißig experimentiert, aber alles war total theoretisch und hypothetisch.
So, und heute auf den großen Konferenzen reden selbst Banken schon über Operating Models und Agentic and sold them.
Und früher war so die Frage, wo können wir vielleicht mal ein Co-Piloten testen.
Heute geht es wirklich darum, wie verändert KI Service Architektur, wie verändert es die Produktlogik in Banken, natürlich auch das Risikomanagement und ganz schlussendlich auch die ganze Wertschöpfung.
Und unser Zielbild bei der DKB war recht radikal.
Das ist das, was du gerade zitiert hast.
Damit bin ich mal eine Weile rumgelaufen.
Ich habe immer gesagt, wir wollen diesen menschlichen Erstkontakt einfach aus dem Customer Service rausnehmen.
Mittlerweile ist es ein bisschen schattierter, da formuliere ich das eher, dass wir in vielen Fällen quasi den Erstkontakt automatisieren wollen.
Aber wir wollen Customer Service nicht komplett entmenschlichen.
Und ich finde, this is a sehr wichtiger Unterschied.
Denn es geht gar nicht darum, Menschen aus dem Prozess irgendwie rauszunehmen, der 100% Effizienz wegen.
Für mich geht es darum, Menschen von der lästigen Standardarbeit zu entlasten, damit an den Stellen, an denen dann echte Beratung, Komplexität oder auch echte Empathie gebraucht werden, mehr Qualität entsteht.
Also wenn du zum Beispiel mit deiner Familie irgendwo in Südostasien an einem Flughafen stehst und deine Pässe sind weg, deine Kreditkarten sind weg, dann brauchst du zwar schnelle Hilfe.
Das kann jeder Bot machen, aber du brauchst auch Empathie und du brauchst irgendwie menschliches Verständnis.
Und ich glaube, das machst du lieber, vermutlich lieber mit einem Mensch als mit einem Bot.
Und ich glaube so grundsätzlich, viele Banker und Banken machen beim Thema Automatisierung grundsätzlich so ein Denkfehler.
Sie fragen immer erst mal, wie viel Prozent aller Kontakte sind jetzt schon automatisiert.
Und ich versuche es eher rumzudrehen und zu fragen, wie gut ist eure Kundin und Kunde nach dem Erstkontakt mit dem Customer Service wirklich versorgt.
Denn ein schlechter Bot, der kann irgendwie drei FAQs aufsagen, aber das ist keine Automatisierung, sondern das ist am Ende eine digitale Warteschleife.
Und fairerweise davon hatten wir im Internet schon genug, bevor Gen AI cool wurde.
Ja, ich glaube auch, das Kernproblem ist, dass die, also die Adoption, beziehungsweise das Einkaufen der richtigen und der guten Technologie ist, glaube ich, das Problem, weil wir mal zurückblicken, 2024 hat Clarona irgendwie 800 oder 1000 Leute entlassen, um sie, um eben die Frontline Customer Service Mitarbeiter zu ersetzen.
Und hat ziemlich schnell festgestellt, also es hat wahrscheinlich ein Jahr, glaube ich, gedauert, dass es eben nicht funktioniert hat und hat die alle wieder rehired.
Nur dann hat man Studien dazu gemacht und man hat festgestellt, dass gute Chatbots mit schlauen Systemen, mit sehr performanten Rechnern dahinter und auch vor allen Dingen mit natürlichen Stimmen, ja, also von 11 Labs und so weiter, mit den guten Stimmen, dass die eben sehr wohl als empathischer wahrgenommen werden.
So ähnlich wie in der Medizin werden gute Chatbots auch als empathischer wahrgenommen als richtige Ärzte.
Das heißt, ich glaube, es ist immer ein Thema der Verlässlichkeit und der Funktionalität.
Das heißt, wenn ich in Südostasien stehe und keine Pässe und keine Kreditkarten mehr habe, dann brauche ich eine Lösung.
Und dann ist es mir egal, ob ich mit dem Chatbot rede oder mit dem Menschen, also ich persönlich, nur es muss halt funktionieren.
Und die Erfahrung aller ist, dass diese Chatbots eben unfassbar nervig sind und nicht und es nicht funktioniert so.
Das haben wir dahingestellt.
But we said, das liegt daran, dass die meisten, also sowohl Chatbots als auch Stimmen, als auch also Voice Boards und so weiter, Customer Service Boards im Weiterin, dass das eben die alte Tech ist.
Und ich hatte mal ein Podcast mit Malte Kosup, mit dem Gründer von Palor, die machen ja diese Stimmen and eben Customer Service Bots, und der hat mir das mal erklärt.
Und das liegt natürlich daran, wenn wir uns die Corporate Landscape angucken, dauert die Implementierung eines neuen Systems Jahre am Ende.
Vor allem wenn es so ein Kernsystem ist wie Chatbots, also bei den Fluggesellschaften und Banken eben so.
Daher, aber wenn ihr da vorne bei seid, dann seid ihr, werdet ihr auch die ersten sein, die halt die neuen Stimmen und neuen und neuen Modelle adaptieren.
Also ich finde es spannend.
Das heißt, ihr habt damit quasi angefangen.
Also, das heißt, das waren so die ersten Use Cases, die ihr quasi skaliert habt, ne?
Die Chatbots.
Genau, also das war so Experimentiermodus am Anfang, ja.
Ich würde sagen, den haben wir jetzt so seit einem Jahr final hinter uns gelassen.
Und grundsätzlich würde ich sagen, wir nutzen KI heute nicht mehr nur punktuell in einem vertikalen Use Case, sondern quasi in wirklich mehreren relevanten Wertschöpfungsbereichen.
Ich sehe weiterhin große Hebel im Kundenservice, ganz viel in der Dokumentenverarbeitung.
Du hast natürlich wie in jedem großen Unternehmen Wissens- und Arbeitsprozesse und perspektivisch einfach auch stark Personalisierung, was du im Kundensegment natürlich immer hast.
Aber das Entscheidung finde ich, KI wandert so ein bisschen mehr vom netten Frontend-Gimmick immer stärker in das Kernmodell unserer Bank.
Und ich finde, das siehst du auch so ein bisschen an diesem Beispiel, was du eben gebracht hast.
Also, ich glaube, wir beide würden vielleicht auch ein bisschen in unserer selektiven Wahrnehmung in so einer Bubble.
Aber ich glaube, wir würden auch ein bestehender Beispiel in Südostasien im Flughafen mit einem Bot telefonieren oder halt irgendwie sprechen, weil wir halt auch wissen, wie das Ding funktioniert.
Ich glaube auch, das ist eine Momentaufnahme.
In many Jahren wird wahrscheinlich das ganze Thema Customer Service zu fast 100%, vielleicht nicht ganz für ganz komplexe Verlauf, zu fast 100%, voll automatisiert.
Und das, was Malte da Kosub zum Beispiel bei Paloa baut, es gibt ja noch ein paar andere, aber this is this radical und es wird wahrscheinlich wirklich legendär, weil also was du da halt machen kannst, ist, dass mittlerweile Modelle dort bei Paloa funktionieren, die gleichzeitig hören und sprechen können.
Das heißt, du hast gar keine Latenz mehr drin.
Die reagieren auf deine Emotionen.
Das heißt, wenn du halt irgendwie stress geladen, mir 500 Wörter pro Minute in den Kopf feuern, dann slow dich dieses System langsamer.
Wenn die merken, du hast halt einen totalen Plattdeutschen Akzent, dann geht das in einem plattdeutschen Akzent, weil sie halt das Gefühl haben, das funktioniert für dich halt irgendwie ein bisschen besser als irgendwie der, weiß ich jetzt nicht, sächsische Akzent oder sowas von mir.
Und ich glaube, das ist total geil.
Und das kann ein Mensch so nicht machen.
Auch wenn er halt der beste Agent der ganzen Welt ist, aber halt, das ist einfach nicht möglich.
Und vor allem nicht one-to-one, sondern one-to-many oder one-to-endlich.
Ja, ja, ich meine, das ist ja immer die Theorie der Personalisierung, dass damit nicht nur die Kundenzufriedenheit sehr stark steigt, sondern eben auch die Sales und so weiter.
Also in allen Bereichen ist natürlich klar.
Die Hyperpersonalisierung ist am Ende das Endgame, so lange es funktioniert.
Und es ist ja immer momentan ist AI noch ein, ich will sagen, große Versprechen.
Aber es ist an vielen Stellen noch sehr explorativ und viele, viele stecken in diesen POCs, ohne scalieren zu tun, weil es eben intensive and so.
But was mich interessiert, um das zu scalieren, so die verschiedenen Use Cases and grundsätzlich eure AI-Initiativen, habt ihr Partnerschaften geschlossen.
And one of them is mit OpenAI.
Das heißt, wie hat sich das angebahnt?
Habt ihr die quasi angerufen und gesagt, so, hey, wir suchen jemanden, der uns Modelle providen kann?
Oder wie war das?
Nee, ganz sowas nicht.
Also, tatsächlich, diese Partnerschaft mit OpenAI ist medial natürlich irgendwie relativ groß gewesen.
Wir haben das for ein bisschen mehr als nicht, glaube ich, genau vor einem Jahr, während der OMR relativ groß irgendwie in der uns so eine große Presse drumherum gehabt, gemeinsam mit OpenAI, die uns dann auch als Entwicklungspartner in Europa mitgenommen haben.
Wir waren, glaube ich, in Deutschland Partner Nummer zwei nach Zalando.
Und das war ziemlich cool.
Wir haben vorher tatsächlich auch schon mit Modellen von OpenAI gearbeitet über unsere Microsoft-Partnerschaft.
Und wir haben uns von Anfang an in dieser ganzen KI-Governance-Welt sehr agnostisch aufgestellt.
Also wir haben auch schon sehr frühzeitig mit Enthropic gearbeitet, mit den Sonnet-Modellen.
Wir arbeiten mit AWS zusammen.
Also wir sind dort für unterschiedlichste Use Cases sehr stark im Experimentiermodus gewesen.
OpenAI hat damals die Möglichkeit gegeben, einfach sehr frühzeitig Modelle schon zu testen, vor allem im regulierten Bereich mit Kundinnen und Kunden, die sonst andere halt noch nicht haben.
Ganz kurz das Schnapp, woran liegt das?
Das liegt einfach daran, dass wir, glaube ich, also zum einen eine relative Marktdurchdringung haben, mit sechs Millionen Kundinnen und Kunden, die voll digital ohne Filialsystem dahinter sind, ist das, glaube ich, auch für OpenAI sehr interessant, auf, wie sagt man, German Solid Ground auch das Thema reguliert, Versicherungen und Bank zu lernen.
Und gleichzeitig ist das für die aber auch quasi interessant, mit einer Organisation, die schnell selbst zu einer KI-Organisation werden will.
Und darüber haben wir schon eine ganze Weile gesprochen.
Wir haben verschiedene Projekte, vertikal, aber auch horizontal schon gemacht und die auch in der öffentlichen Wahrnehmung und in den Medien immer mal wieder reingebracht.
Und tatsächlich war es bei OpenAI, also die haben uns angerufen.
Und kann ich, glaube ich, erzählen.
Ich habe halt auch ein Podcast, wo wir dich denen mir jetzt auch mal einladen dürfen.
Und denen haben Vertreter von OpenAI gehört und dann angerufen und gesagt: Hey, klingt alles total cool, was ihr da macht bei der DKB.
Lass doch mal sprechen.
Wirklich.
Ja, tatsächlich war das so.
Wirklich.
Das ist echt interessant, weil bei mir kommt tatsächlich auch sehr viel Interesse über den Podcast.
Freut mich sehr, dass das so ein potenter Kanal ist am Ende.
Also ich finde, man reicht tatsächlich einfach Hörer zu Hause und vielleicht ist das der springende Punkt.
Und ganz kurzer Exkurs, ne?
Podcasts sind halt kaum zu manipulieren.
Das heißt, es ist keine brutaler Markt draußen, der, also Dating und Podcast, glaube ich, sind sehr, geben dir sehr krasses, hartes Feedback.
Das heißt, wenn du nicht wächst als Podcast oder wenn dich keiner hört, dann hört dich eben keiner.
Und da kannst du keinen Marketing raufwerfen.
Du kannst halt niemanden zwingen, eine Stunde seiner Zeit am Samstag oder so, dir zu schenken, wenn er nicht, wenn du nicht interessant genug bist.
Deswegen, da kriegt man relativ direktes Feedback, finde ich.
Ja, aber super spannend.
Also ich finde das, ich finde das interessant, dass ihr, also A, dass ihr halt in verschiedenen Modellen parallel laufen lässt.
Ich glaube, das ist sehr sinnvoll, so Wendeagnostisch wie möglich zu sein, um nicht in diesen Login zu kommen.
Zumalem wir auch nicht wissen, welches Modell letztlich das Rennen machen wird.
Es kann ja alles sein.
Und dann, und dann, das ist nämlich immer meine brennende Frage.
Wie geht dir denn in dem Kontext mit Halluzinationen um?
Weil diese, also die Modelle, je nachdem, welches, also welches neueste Modell ihr jetzt verwendet und so weiter, werdet ihr aber sicher sehen, dass ihr auch Ausfälle habt und so weiter.
Und wie, also wie hält hält ihr das im Rahmen, beziehungsweise mitigiert ihr das?
Also ich finde es wahnsinnig schwer, ehrlich gesagt, da entsprechende Leitplanken zu bauen.
Ja, also tatsächlich ist das gar nicht so leicht.
Also ich glaube, da geht es tatsächlich um das Thema Governance, was wir da jetzt so ein bisschen streifen.
Wenn du dir das halt irgendwie anschaust, dann muss man sich halt immer wieder von der Seite nähern, was ist so dein Operating-Modell.
Also quasi auch Teil der Frage, wie bauen wir KI-fege Organisationen.
Wir haben das sehr modern gemacht.
Das heißt, wir haben uns so von diesen typischen Ansätzen entfernt und wir haben schon ein hybriden Ansatz gewählt.
Also es gibt ja immer so ein zentralen Governance-Ansatz und ein dezentralen.
Zentral ist immer dort relevant, wo du sagst, wir brauchen viele Standards, Leitplanken, Methoden, Freigaben und schlussendlich auch die Risikosteuerung.
Und dezentralisiert ist quasi das Gegenteil.
Also wo du sagst, die Fachbereiche haben die Geschwindigkeit, sie brauchen die Expertise und die Verantwortung für die konkrete Anwendung.
Wenn du aber alles rein zentral organisierst, dann bekommst du die volle Kontrolle, aber hast einfach keine Dynamik mehr und verlierst komplett dein Speed.
Wenn du es rein dezentral organisierst, hast du zwar Tempo, aber ganz schnell auch Wildwuchs und Chaos.
Und ich finde, die Kunst liegt total in der Kombination.
Also du bietest deiner Organisation klare Leitplanken, gemeinsame Architektur, gemeinsame Plattformen, aber die Expertise bleibt zentral und die Umsetzung ist aber nah am Geschäft.
Und ich halte das für deutlich realistischer als so diese Fantasie eines allwissenden KI-Zentrums.
Und hier kannst du zum Beispiel auch diese ganzen Halluzinationsthemen ausschließen.
Also, wir haben empfohlen ja auch mal zu dem ganzen Thema Ensemble-Modelle geschrieben.
Das ist so eine Möglichkeit, dass du nicht nur einem einzigen Modell vertraust, sondern dass du quasi eine andere Validierungslogik quasi einnimmst.
Also wir haben ja diesen Digital Agent, das ist quasi unser Chatbot, der generiert dem Kunden gegenüber eine Antwort, die wird aber den Kunden nicht sofort ausgespielt.
Sondern wir haben noch ein zweites Modell im Hintergrund, aktuell Close Sonnet, und das prüft die Antwort.
Bei einer Übereinstimmung wird die Antwort sofort dem Kunden ausgespielt.
Bei einer Übereinstimmung weniger als in bestimmter Prozentbereich, den ich nicht sage, wird die nicht ausgespielt, sondern erstmal eine Human-In-Toop.
Das ist aus, ich sag mal, NPS und Customer Satisfaction nicht die beste Wahl, weil du brauchst ungefähr eine Sekunde länger.
Und du hast einen doppelten Verbrauch von Token.
Aber du reduzierst natürlich massiv die Halluzinationswahrscheinlichkeit.
So gibt es so ein Retrieval-Layon, was dann nochmal quasi alle relevante Wissensquellen halt irgendwie einbezieht und prüft.
Und an so ganz sensiblen Stellen gibt es immer wieder menschliche Freigaben anders.
Und ich finde das in Banking deutlich realistischer als die Vorstellung, man löst alles nur irgendwie mit einem so charmanten LLM and so ein bisschen Pompt Magie.
Weil gerade in Finanzfragen sind Halluzinationen einfach kein lustiger Laborfehler mehr.
Sondern es ist ein wirklich potenziell ernstes Problem.
Und deswegen ist unser Anspruch auch nicht, wie kommen wir auf null Halluzination im statistischen Sinn, also mathematisch, sondern wie designen wir die Systeme so, dass in kritischen Kontexten keine unkontrollierten Falschaussagen mehr da sind.
Und das ist ein, ich finde, wichtiger Unterschied.
Weil man muss ja auch trennen, was sind, also was für Cases gibt es?
Es gibt so die harmlosen Customer-Service-Assistenzfälle.
Wenn da mal eine Halluzination auftritt, ist es nicht so dramatisch.
Dann gibt es qualitätskritische Informationsfälle, das wäre dann schon blöd, aber wir arbeiten ja zum Beispiel auch in der Krediten, in Konsumentenkrediten, aber auch in Baufinanzierung sehr intensiv mit künstlicher Intelligenz.
Und wenn du so Entscheidungsvorbereitende oder Transaktionsnahe Cases hast, dann wird es wirklich schwierig, weil je näher du an Risiko, an Transaktionen kommst, desto stärker brauchst du Plausibilisierung und Kontrollen, du brauchst strukturierte Daten und du brauchst eigentlich immer so ein Human in the Loop.
Okay, das heißt, es kaskadiert sich so durch.
Die KI-Nutzung nimmt quasi mit dem Zunahme des Risikos ab.
Also das heißt, je mehr du an das Transaktionsrisiko sozusagen kommst, desto mehr Mensch brauchst du auch noch, der das validiert quasi.
Also mit Sicherheit, ich meine, wie wir anfangs sagten, ist das Vertrauen in die Märkte und in die Banken das höchste Gut.
Ich glaube, wenn wir das verlieren, dann haben wir, haben auch unsere gesamten Finanzmärkte ein Riesenproblem.
Weißt du, kannst du sagen, wie viele Tokens ihr verbraucht pro Tag?
Das sind ja immense Kosten.
Also, habt ihr, seht ihr ein Return of Investment.
Also, sieht man wirklich, dass es was bringt, oder ist es noch momentane Investitionen in die Zukunft?
Naja, es bringt es bringt super viel.
Also die Token-Frage kurz, also ich verrate ich nicht.
Aber auch nicht war nur Interesse halber, ich will niemanden irgendwie.
Ja, nee, es ist auch, also ich kriege die Frage voll auf, ne?
Und natürlich schauen wir auf Verbrauch, wir schauen auf Kosten, auf Skalierung.
Und ja, wir verbrennen mittlerweile in der gesamten Organisation wirklich ordentlich Token.
Also, das ist einfach so.
Aber ehrlich gesagt, für mich ist es gar nicht so diese strategische Leitfrage.
Für mich ist die viel wichtigere Frage, welchen Wert stiftet denn einem Token, wenn du ihn mal so siehst.
Also, wenn ein Token hilft, einen Contact im Customer Service wirklich ganz sauber zu klären und einen Vorgang deswegen schneller zu entscheiden oder dich als Kunden besser zu bedienen oder eine Kollegin von mir einfach happier zu machen, weil sie mit ihrem Enterprise AI schneller zu ihrer Aufgabe oder zu ihrer Lösung kommt, dann ist das wahrscheinlich deutlich besser investiert als irgendeine Excel-Subscription, die wir haben, die intern seit Jahren irgendwie heilig gesprochen werden.
Keine Excel-Bashing.
Ich brauche dir mein Daily Blood.
Noch, huh.
Yeah, okay.
Yeah, mit Sicherheit, das ist die Gretchenfrage momentan in allen Unternehmen.
Wie viel muss man investieren, um ein positiven Impact zu sehen, beziehungsweise wann wird man ein positiven Impact sehen?
Selbst wenn man drei Jahresstrategien jetzt verabschiedet hat, weiß man trotzdem noch nicht, wo da der Upswing irgendwann kommt.
Weil das Problem ist, also das Problem ist immer die Skalierung bei den meisten.
Ihr habt, ich finde, im Banking habt ihr sehr greifbare Anwendungsfälle.
Also, dieses gerade dieses Customer Service, das ist natürlich der Haupt-Anwendungsfall von KI.
Zusätzlich mit Coding, also mit allem, was Entwicklungen betrifft und sicherlich so Marketing Assets, das sind so die drei großen Buckets für KI erstmal zunächst, das wird sich auch ändern.
Aber da seid ihr natürlich total vorne bei.
Aber wie macht ihr das mit den Daten?
Also, wenn man überlegt, dass die, dass die ja eigentlich alle auf sehr geschützten Daten laufen und auch da wieder das Vertrauen der Kunden natürlich das höchste Gutes ist.
Also war das schwer, das aufzusetzen, diese, weil diese ganzen Transaktionsdaten und alles, was ihr habt von den Kunden, das ist natürlich sehr, sehr geschützt.
Wie handhabt ihr das?
Ja, also ich meine, Bankenbesitz sind tatsächlich auf sehr wertvollen Daten.
Ich finde, das Entscheidende ist gar nicht, dass wir diese Daten haben.
Das Entscheidende ist, dass wir mit besonders sensiblen und auch kontextreichen und vertrauensbasierten Daten, wie du sagst, einfach arbeiten und das halt richtig machen.
Und ich glaube, genau deswegen ist dieses Thema auch immer so heikel und trotzdem auch zugleich so spannend.
Ich glaube, die Zukunft liegt gar nicht darin, dass Banken plötzlich alles über die Kunden wissen wollen.
Die Zukunft liegt eher darin, aus den vorhandenen Signalen bessere, nützlichere und transparentere Services zu machen.
Also ein Beispiel, eine KI kann erkennen, dass du als Kundin an einer bestimmten Stelle vielleicht wiederholt scheiterst.
Das sieht, das sieht jetzt ein Mensch wahrscheinlich nicht, aber eine KI kann das sehen.
Also, vielleicht beim Kreditantrag für deine Baufie.
Oder bei deiner Depot-Eröffnung.
Und die kann dir dann gezielt an diesem neuralgischen Punkt helfen.
Weil der AI-Agent kann quasi Muster in deinen finanziellen Abläufen erklären.
Zum Beispiel, keine Ahnung, du hast jetzt höhere Ausgaben gehabt im letzten Monat oder ungewöhnliche Belastungen.
Und er sieht natürlich auch Einsparpotenziale, die du gar nicht siehst, weil du musst da ganz anders erkannt und verarbeitet werden.
Dann kann die KI bessere Zeitpunkte oder auch vielleicht passendere Formate für dich finden und dir einen Hinweis oder auch ein Angebot geben.
Kann halt zum Beispiel sein, dass du jeden Monat am 15.
dein Gehalt, aber am 13.
geht halt irgendwie deine, keine Ahnung, Visa oder AMX-Rechnung halt irgendwie ab.
Und dazwischen hast du halt irgendwie einen Gap, wo du in ein Dispo fällst, was dafür sorgt, dass du halt einfach nicht keinen Cashflow mehr generieren kannst.
Oder zumindest nicht mehr liquide bist.
Und perspektivisch kann die KI auch die Kundinnen und Kunden proaktiv auf mehr Optionen hinweisen, die wirklich sinnvoll für sie sind, einfach so, also besser als das nächste Produktbanner quasi auszuspielen.
Das funktioniert aber immer nur, das hast du jetzt mehrmals auch gesagt, wenn Vertrauen da ist und wenn das Vertrauen nicht beschädigt ist.
Und da gibt es halt einfach so klare Prinzipien, die wir versuchen anzuwenden, wenn wir mit Daten umgehen.
Also auf der einen Seite, ich sag mal, für mich ist das Wichtigste die Klarheit.
Also die Kundin oder der Kunde muss immer verstehen können, wofür Daten wirklich genutzt werden und wofür auch explizit nicht.
Da gibt es das zweite Prinzip, das ist immer so Zweckbindung.
Das heißt, nicht alles, was technisch möglich ist, sollte man auch tun.
Aber das ist ja immer, da muss man immer die Young Guns halt und die Produktmenschen auch ein bisschen aufhalten.
Und wichtig sind, Banken sollten keine neugierigen Datenhändler werden, sondern immer noch eine Vertrauensinstitution bleiben.
Und ich finde, das muss auch noch so bleiben.
Das dritte ist immer der Mehrwert.
Also, wenn Datennutzung keinen spürbaren Nutzen für die Kundinnen und Kunden erzeugt, dann sollte sie zu Recht skeptisch gesehen werden.
Und für mich ist der vierte Punkt immer so diese Kontrollierbarkeit.
Also es muss eine klare Governance geben, es muss Freigabeschleifen geben, Zugriffskonzepte und auch einfach Kontrollmechanismen.
Und ich glaube, die Gewinner im Banking werden nicht diejenigen sein, die am aggressivsten die Daten ausreizen.
Die gibt es mittlerweile auch bei so ein paar Neobanken.
Ich glaube ganz fest daran, dass diejenigen, die das Vertrauen der Kunden in intelligente, in nachvollziehbare und auch in hilfreiche Services sehen, dass die zu den Gewinnern werden.
Also nicht, wir wollen alles über dich wissen, sondern wir wollen die Informationen, die uns zur Verfügung stehen, verantwortungsvoll nutzen, um Banking für dich einfacher zu machen.
Ja, genau.
Also die individualisierte Bankinglösung sozusagen.
Also, dass wie wir auch sagten, das ist natürlich das Endgame der KI ist, Produkte zu bauen und zu haben und so zu shapen, dass sie halt fürs Individuum am besten funktionieren.
Nur meine Sorge ist immer, je mehr Daten natürlich man preisgibt, desto größer ist am Ende das Risiko.
Habt ihr ja seitdem es, also die letzten 24, 36 Monate, habt ihr auf der Cyber-Seite, also auf der Schutzseite sozusagen, habt ihr ebenfalls so skaliert.
Ja, total.
Also, this is a ganz große Sorge.
Alles, was fraud ist, Cyber und Co.
KI ist ja nicht nur Effizienzhebel.
Das ist ja irgendwie, also für uns, weil es ist ja auch Effizienzhebel für jede Art von Angreifer.
Das heißt, irgendwie, ne, irgendwie Deepfakes, Voice Cloning, hast du, glaube ich, auch hier schon mal darüber gesprochen.
Automatisiertes Phishing.
Es gibt so täuschend echt social engineering with synthetischen Identität.
That's bad, this wird skalierbarer.
And where in banking not begeistered and the Sicherheadsdimensional readers, that shout out the hyper reality.
Deswegen gehört bei uns fraud and security einfach oben auf die KI-Agenda.
Also we can uns daran gewöhnen, dass classical authenticitätsmarker an Wert verlieren kann.
Früher war ein Anruf from the Oma with der Vertrauten or from Enkelin a total stark signal.
Heute can this hundred percent manipuliert sein, weil du halt einfach in drei Sekunden eine perfekte Stimmmodulation hinkriegst.
Früher einen Vertrauen, wenn du von deiner Bank eine ganz tollen E-Mail bekommen hast, ohne Rechtschreibfehler.
Heute kann die von der KI in jeder Sprache perfekt 100% individuell auf dich formuliert sein.
Besser als wahrscheinlich die Backgast um die Ecke, ohne Sparkassen zu dissen, but die um die Bank um die Ecke, die is für dich gemacht.
And for Banken bedeutet das, die Sicherheit darf halt einfach nicht nur am Rand mitlaufen, sondern sie muss mit der KI immer mitwachsen.
Also du brauchst ganz andere Verhaltensanalysen.
Du brauchst eine quasi Echtzeit-Anomalie-Akennung.
Das ist ja wahnsinnig schwierig.
Also in Banking eine neue Regulatorik letztes Jahr, die heißt Instant Payments.
Das bedeutet, dass quasi jede Überweisung in der SEPA-Raum, also in Europa, innerhalb von 10 Sekunden den Empfänger erreichen muss.
Innerhalb von zehn Sekunden kannst du aber keine Frage-Prüfung machen.
Das heißt, du musst dir zu 100% sicher sein, ist diese Transaktion von Sascha und Elisabeth jetzt richtig und ist Elisabeth Lorange wirklich die richtige oder ist sie es nicht.
Das heißt, diese Vektoren der Angriffe variieren komplett neu.
Du hast einen vollkommen neuen Kontext, du hast ganz dynamische Sicherheitsthemen, die du jetzt anpassen musst und brauchst so eine mehrstufige Absicherung.
Ich sag trotzdem auch immer auf Bühnen, wir dürfen jetzt hier nicht an Panik verfallen.
Weil KI stärkt Gott sei Dank nicht nur die Angreifer, sondern auch die Verteidiger.
Die müssen es halt ernst nehmen.
Das heißt, du musst bei Mustererkennung, Betrugsfrüherkennung, aber auch Priorisierung von Verdachtsfällen eine sehr intelligente Sicherheitsarchitektur halt einfach drauf bauen.
Und hier wird wieder, worüber wir vorhin gesprochen haben, der Punkt Governance so wichtig.
Wenn du nicht weißt, wo in deiner Organisation die KI-Systeme rumhängen und welche da überhaupt aktiv sind und welche Entscheidungen sie beeinflussen, dann baust du dir halt einfach neue Risiken in deinem Haus, während du noch glaubst, dass du total innovatives Zeug und im Hintergrund wird dir halt die Bank leer geraubt.
Ja, das geht auf keinen Fall.
Also, das muss in allen auf allen Ebenen immer orchestriert werden.
Und du sprachst über die zentrale und dezentrale Lösung.
Ich bin sehr große Verfechterin der zentralen Lösungen, weil ich eben genau das sehe, dass natürlich gibt es Speed und es sollte auch zentrale Lösungen geben, die Geschwindigkeit haben.
Nur am Ende, wie du eben auch sagst, weißt du, du weißt dann keiner mehr, was irgendwo wie abfließt.
Und das Problem bei KI ist ja, dass es nicht so ein Software-Tool ist, was man einkauft und was dann irgendwo liegt, und nach vier Jahren wundert sich, wozu man noch dieses Tool mit irgendwie so einem blauen Octopus oder so hat, was irgendwelche Bilder, irgendwie Bilder irgendwie frei stellt oder so, keine Ahnung, yeah, random tools.
That is jail.
Das Problem ist, dass wenn du KI-Daten oder Zugang zu Datenbanken gibt, also staat die Tür offen sozusagen for all.
And wie du auch gesagt hast, die ganzen Cyberangriffe werden jetzt komplett automatisiert skaliert.
Das heißt, die Cyberfähigkeiten sind parallel mit den Fähigkeiten der KI gewachsen.
Das sind zwei parallele Kurven.
Also GPU, Leistungsfähigkeit wächst parallel mit leider der Cyberkriminalität, die ja jetzt auch in Südostasien stellenweise komplett institutionalisiert wurde.
Also da gibt es riesige Centren, die nichts anderes tun, außer Banken anzugreifen.
But ich frage mich eben in dem Context, also ich meine, der Regulator ist ja immer langsamer.
Wir sehen das ja in allen Bereichen des Lebens, dass auch die Technologie sich schneller weiterentwickelt als die Regulatorik.
Wie soll es auch anders sein?
Nur ich frage mich, wann glaubst du, wird es so, wird es voll, also auch von der Regulatorik unterstützt, dann irgendwann voll automatisierte Lösung geben.
Also das heißt, Systeme mit Agents, die ich sagen, hey, ich brauche eine Baufinanzierung, der dann losläuft.
Aus meinem Konto mache ich dann eine Haushaltsrechnung, macht dann automatisierte Termin, regelt alles so anders und gibt mir quasi nur noch das Enddokument to Underschrift.
Also, meinst du, meinst du so, what would it give?
Also, meinst du that the rampage?
Or Deutschland sich zu total regulieren before it's irgendwie sowas, also before the agent quasi for einen handeln können.
Yeah, ich hab da schlagen so zwei Herzen in my Brust.
Also, eine Baufinanzierung is ja naturgemäß viel anspruchsvoller als so eine Adresse oder eine Kreditkartenbestellung.
Baufinanzierung is hoch complex.
We have viele Daten, Buddhistprüfungen, you must vielleicht Sicherheiten irgendwie angeben, regulatorik, wie du sagst, Zinslogik, die wahnsinnig complex sind.
And I'm designed so on this magical KI, die in two years so your immobilization already abschließen.
But I think so, that the KI quasi growth of dieser Reise drastisch vereinfacht.
Also this beginning for all by the Vorbereitung, that's welcome to feel.
And it's dark, I will not say, Ha, I have KI genutz for the Bauvieh, sondern ich will, dass du mir bei unserem nächsten Gespräch sagt, this ging voll schnell und es war so perfekt und so seamless, and it's got a reibung, weil this is jail the best compliment for technology, which you halt irgendwie haben kannst.
Also, worüber wir auch gesprochen haben, wir haben ja mit dem Thema Service and customer Experience begonnen bei uns.
This is this thing digitaler Agent, der mittlerweile hat wirklich groß ist.
Und das war so der erste verticale Use Case.
Als zweiten großen Hebel danach haben wir aber gesagt, wir wollen quasi die Produktivität im Backoffice für uns erhöhen.
Und das beste Beispiel in jeder großen Unternehmung ist immer Dokumentenverarbeitung.
Wenn du in einer Bank Unterlagen, Nachweise, oh Gott, Verträge, Einkommensinformationen oder vor allem so Legitimierungen verarbeiten muss, darin steckt enorm viel Komplexität, aber auch Aufwand.
Und KI kann diese Schritte massiv beschleunigen.
Und wie ich natürlich in meiner üblichen Art und Weise gesagt habe, wir wollen den menschlichen Erstkontakt komplett rausnehmen, habe ich auch gesagt, so schwer kann es doch nicht sein, Konsumentenkredite und Baufinanzierung zu 100% zu digitalisieren und automatisieren.
So, ich dachte, das geht schnell.
Wir haben dann vor ein bisschen mehr als zwei Jahren gemeinsam mit der BCG ein Projekt gemacht.
Wir haben das Doc AI genannt und hier geht es genau darum.
Auslesen von Haushaltsinformationen, klassifizieren, plausibilisieren und dann darauf eine Kreditentscheidung vorzubereiten.
Bei Konsumentenkrediten, also einem typischen Ratenkredit, hat das bisher so gut geklappt, dass wir mittlerweile über 80% aller dieser Ratenkredite vollständig automatisiert über Docker I laufen lassen.
Das heißt, bei 8 von 10 Krediten schaut kein Mensch mehr drüber, alles automatisiert, einfach.
Und dann dachte ich, naja, so schwer ist eine Baufinanzierung jetzt auch nicht.
Ist es aber leider?
Es ist viel komplizierter.
Du hast Grundbucheinträger.
Dann gibt es handgeschriebene Notizen auf irgendwelchen Flurkarten und ganz viele unstrukturierte Daten, die das einfach.
Also das ist so unmöglich tatsächlich.
Mittlerweile verkürzt dieses System Doc.AI unsere Bearbeitungszeiten auch bei einer Baufinanzierung zu ungefähr um die Hälfte.
Und das reduziert vor allem Fehler, die Teams sonst einfach gemacht hätten und es entlastet vor allem die Teams spürbar.
Aber dass du halt sagst, das Ding läuft so ein hundertprozentig durch, das wird zumindest in Deutschland nicht funktionieren, weil du hier nicht so durchdigitalisiert bist wie zum Beispiel in Estland.
So, da hast du kein Problem, weil jede Grundbucheintrag voll digitalisiert und eine Bauvieh dauert wahrscheinlich halt irgendwie so one click.
Aber bis das bei uns noch läuft, dann muss ich dich leider enttäuschen.
Ja.
Okay, ich verstehe klar, aber Estland oder auch Litauen, Lettland, die hatten, die haben den großen Vorteil, dass sie, also haben die sehr kleine Bevölkerung von ein paar Millionen Leuten.
Das heißt, die Bevölkerung ist so groß wie hier die Hansestadt Hamburg.
Dafür haben sie krass viele Unicorns.
Also wenn man sich mal überlegt, wie aus dem wirklich extrem erfolgreiche Unternehmen aus diesen drei Staaten da rauskommen.
Das liegt aber daran, dass die null angefangen haben.
Das heißt, die haben die Prozesse komplett neu digital aufgesetzt, als sie noch gar nicht so wirklich etabliert waren.
Das heißt, wenn man es überträgt auf quasi die Bürokratie, haben wir Legacy Debt ohne Ende.
Also wie mit einem Unternehmen, die lauter Systeme haben, die einfach veraltet sind.
Aber die wir noch brauchen, weil da die Datenbanken drin liegen, haben die halt bei null angefangen.
Und deswegen konnten die auch diese ganzen digitalen Prozesse bei null anfangen, weil die haben ja am Ende sind die genauso wie wir unter den gleichen europäischen Gesetzen.
Deswegen finde ich das auch immer so ein erstaunliches Argument, dass alle sagen, so it's Europa.
Es gibt viele europäische Länder, die eben nicht diese gleiche Probleme haben, obwohl sie die gleiche Regulatorik sehen.
Ich würde es begrüßen, wenn es digitaler wird, aber ich finde es erstaunlich, dass ihr trotz angesichts dieser schweren Regulatorik immerhin irgendwie so weit geschafft habt auf der digitalen Seite.
Die Regulatorik ist da super interessant anders.
Ich war jetzt vor kurzem mal auf einer Konferenz von der BAFIN und die waren super interessiert daran, wie wir das überhaupt machen.
Und die hatten auch die Wahrnehmung, dass Kundinnen und Kunden das vielleicht gar nicht wollen.
Jetzt sage ich da gut, ich habe jetzt keine Filialen wie eine Sparkasse, sondern eine Volksbank, sondern bei uns war der typische Kontakt bis for two yeah, immer das Kontaktformular, eine E-Mail oder halt ein Call.
Und das waren halt viele, vier Millionen halt irgendwie calls.
And then we hold gesagt, okay, we won't das mal in Ruhe anschauen.
Und dann haben wir das auf der Bar feeling und der EZB, wo wir regulieren, halt ganz genau erklärt.
Und die sind da super interessiert daran, weil die halt auch sagen, this is the Kundenwahrnehmung, die sich halt auch durch die mediale Berichterstattung total verändert.
Und auch die Erwartungshaltung der Kunden ist halt brutal gestiegen.
Niemand akzeptiert mehr, dass eine Bank irgendwie bei Check 24 unser Co so total digital aussieht, aber intern wie 2012 arbeitet.
Weil die Kunden wollen sofortige, präzise and natürlich sichere Antworten.
Und die wollen die nicht irgendwann, sondern die wollen die halt sofort.
Und genau das kann ja KI.
Die kann die Geschwindigkeit ausspielen, den Context and die Skalierbarkeit.
Wir haben jetzt in unserem Digital Agent drei Millionen, ein bisschen mehr als drei Millionen individuelle Konversationen gemacht.
Wir sind seit einem Jahr quasi sechsständig pro Woche.
Und da gibt es ja so ganz viele spannende KPIs, die ich jetzt irgendwie erzählen könnte.
Für mich, die spannendste ist immer, und das habe ich auch der Aufsicht gesagt, ist die sogenannte Resolution Rate.
Das ist quasi die Erstlösungsquote.
Die ist mit AI bei über 80 Prozent.
Das heißt, vier von fünf Kunden sind mit der ausgegebenen Antwort des Chatbots so happy, dass sie sich zu diesem Thema nicht nochmal melden, über keinen anderen Kanal.
Das ist ein guter NPS.
Und auch, also der zweite Nebeneffekt von diesem sehr guten NPS, ist, dass ein sehr großer Teil von diesen 80%, auch beim nächsten Thema, was sie vielleicht nicht anrufen und keine E-Mail schreiben, sondern quasi abgespeichert haben, ja geil, KI kann das doch.
Ich nutze jetzt wieder diesen digitalen Agenten und entlasten damit natürlich massiv unsere anderen Kanäle.
Und die Menschen, die dort arbeiten im Customer Care Center, können sich halt auf die komplexen Themen fokussieren und müssen sie halt irgendwie nicht so durchhetzen lassen.
Klar, das ist natürlich total spannend, dass es bei euch so gut funktioniert.
Ihr seid auch aber ehrlich gesagt, auch einer der ersten, die ich heute bei denen ist so gut funktioniert.
Aber ich hab trotzdem noch eine Frage.
Du sprachst eben über Kreditentscheidung.
Also die Baufinanzierung selber ist ein Albtraum, ich weiß es aus eigener Erfahrung.
But other, aber andere Konsumentenkredite, wenn man die durch KI quasi orchestrieren lässt, dann muss ja an irgendeiner Stelle Datenbanken abgerufen werden für einen Credit Scoring, nehme ich an, ja, yeah.
Also for the bewertung der jeweiligen Kunden.
Diese Datenbanken, wie verheiratet ihr das sozusagen?
Oder wie passt ihr darauf auf, dass es eben nicht in irgendeine Bewertung geht?
Final.
Claro.
Also, ich meine, wir all kennen den EU AI Act and we can die nationale Gesetzgebung, aber zum Beispiel diese Hochrisikoklassifizierung, die wurde ja erstmal wieder jetzt ausgesetzt.
Und das, was du gerade beschreibst, quasi Kreditentscheidungen durch eine Maschine sowohl vorbereiten als auch dann exekutieren zu lassen, is the EU AI Act Classifizier Hochrisiko.
Yeah, genau.
We arbeiten nach dieser Gesetzgebung zu 100%.
And I have ehrlicherweise ein bisschen darauf gehofft, dass wir auch an der Stelle jetzt mal klar bekommen, sowohl durch die national as BAFIN, EZB and all this, was then also kommt, Datenschutz and Co.
How we are not.
What we said is that the EUAct can nice to have there is.
That is good.
Gleichzeitig zeigt sich in vielen Unternehmen, dass die Nutzung einfach viel schneller wächst als Inventar der System and the Steuerung.
So this look is totally gefährlich, weil natürlich Regulatoren nicht einfach nur schlechte Laune have, sondern weil eine Bank wissen muss, welche Systeme Entscheidungen beeinflussen, welche Daten verarbeitet werden und schlussendlich welche Risiken daraus entstehen.
And Brüssel and the Commission beschreibt the AI-Act ja ausdrücklich als einheitliches Regelwerk für eine sichere und vertrauenswürdige KI im europäischen Banking.
And that beißt sich so ein bisschen die Katze in den Schwanz.
Das, was du zum Beispiel gesagt hast mit Bias und dann gibt es noch diskriminierungsfrei, das steht ja alles in den Statuten des EU AI-Acts.
Das heißt, ich müsste nur sagen, wenn meine LLM, was bei mir quasi geclustert läuft, von OpenAI oder was auch immer, in dieser entsprechenden Anwendung genau so nach AI-Act mit meinen Kundinnen kommuniziert, dann ist alles gut.
Dann bin ich ethisch und moralisch sauber.
Wir machen das nicht.
Wir haben selber BIOS-Filter drauf, wir machen regelmäßige Checks, wir machen eigene Prompt Injection, um zu gucken, dass wir auch keine Prompt reinjection bei uns reinkriegen, der vielleicht einen Bias, sondern eine Diskriminierung halt irgendwie ausgibt, was dann, keine Ahnung, gefundenes Fressen für Journalisten ist oder aber zu Halluzinationen führt, die wir nicht wollen.
Per Definition müsste man das aber gar nicht machen, wenn man eine saubere Gesetzgebung für alle Industrien in Deutschland hätte, die das genauso einfach vorschreibt, was ist Bias, eins oder null und was ist Diskriminierung eins oder null.
Das ist wirklich ein sehr interessantes Feld, ethisch.
Ja, ist total, ich finde es ethisch auch interessant, weil für diese ganzen Rating-Agenturen, die ja zig verschiedene Parameter nutzen, um eine Kreditentscheidung zu bewerten.
Und da kommen ja Dinge wie deine Postleitzahl rein, ob du häufig umgezogen bist und so weiter.
Und da sind so viele Datenpunkte, die, wenn man mal, wenn man die genau betrachtet, eigentlich diskriminierend sind.
Also man kann Dinge, die darauf hindeuten, dass du aus einer teureren Gegend kommst, also beeinflussen deine Kreditwürdigkeit genauso wie Länge, wie du da gewohnt hast.
Also Dinge, für die man, für die Menschen häufig nichts können, die aber rein statistisch eben für eine höhere Ausfallwahrscheinlichkeit sorgen würden.
Und ich finde, das ist zum Beispiel auch als Unternehmen, ist das super interessant und super relevant.
Ja, wie kann man, also weil das sind am Ende bilden sich ja daraus Vorurteile oder beziehungsweise und diese Daten, Urteile, wie auch immer, verselbstständigen sich dann ja auch irgendwann, ja, also so self-fulfilling prophecy wird es dann.
Das heißt, eigentlich müsste man halt jedem die gleichen Chancen geben, nur diese da, diese Ranking-Agenturen sehen das natürlich anders basierend auf deren historischen Daten.
Und ich meinte nur, dass wenn man das auch noch in diesem Kreditprozess quasi in diesem automatisierten Kreditprozess drin hat, glaube ich, ist es sehr schwer, dass man, dass man sicherstellt, dass eben das trotzdem gleiches Recht für alle gilt.
Was natürlich, ja, also ist ja nicht eure Aufgabe als private Bank sozusagen, dafür zu sorgen, dass alle Zugang zu Kapital haben, aber ein bisschen eben schon.
Und ich finde, das ausgewogen zu handeln, ist ganz schön schwer.
Ja, und also noch kann ich sagen, ja, dieser Prozess ist wahnsinnig komplex, bis zu dieser Kreditentscheidung, die schlussendlich dann ein Mensch führt.
Aber auch weil wir ihn so klein geschnitten haben, dass du quasi immer dieses Prinzip der Erklärbarkeit pro Prozessschritt hast.
Wenn wir aber über Gentex sprechen, dann bewegen wir uns davon weg, weil der Plan ist ja, dass quasi eine Orchestrierung von Agenten systematisch so funktioniert, dass die quasi nicht nur in die nächsten Prozessschritt halt irgendwie reingucken, sondern unterschiedlichste Agenten halt orchestrieren, eigenständig Transaktionen ausführen.
Das heißt, wir bewegen uns komplett weg von dieser Gradlinigkeit der Prozesssysteme, hin zu Systemen, die quasi individuell Prozesse anstoßen, Informationen beschaffen, Entscheidungen vorbereiten und dann perspektivisch die Transaktion auslösen.
Und das ist dann spannend, ja.
Wie gesagt, ich freue mich da zu beobachten, wie er, wie er weitermacht und wie er den Weg geht.
Und ich hoffe, dass die anderen Banken ähnlich einen Weg einschlagen.
Ich glaube, AI First oder Digital First Design ist definitiv die Zukunft.
Und solange es funktioniert, ne?
Und das ist, ich finde, Banken sind eben ein essentieller Teil des Lebens.
Ohne dem geht es nicht.
Und jemand, jeder, der mal seine Pop-Money verloren hat, weiß, was ich meine, das heißt.
Also, wir werden sehen, wo sich das hin entwickelt.
Aber ich danke dir trotzdem auf jeden Fall schon mal für deine Zeit.
Wir sehen uns auch auf der OMR auf der Yellow Stage am 5.5.
Ihr seid alle herzlich willkommen, die da sind.
Und ich frage am Ende meines Podcasts immer meine Gäste, welches Buch sie denn empfehlen können, um ein bisschen Gegengewicht zur ganzen digitalen Welt zu geben.
Daher auch die Frage an dich.
Kannst du irgendwas empfehlen zum Lesen?
Also ich lese in diesem Feld super viel parallel, ja.
Das ist so ein bisschen wie beim Banking selbst.
Wenn du dich nur auf eine Quelle verlässt, wird es irgendwann riskant.
Ich versuche mich mit ganz vielen Romanen immer so ein bisschen abzulenken und auf meinem Nachttisch liegen ganz viele Romane.
Aber wenn ich jetzt darüber nachdenke, was ganz oben liegt, dann ist das, und du hast es bestimmt schon vor einem Jahr gelesen, als es zumindest auf Deutsch rauskam.
Die nächste Stufe der Evolution, wenn Mensch und Maschine 1 werden von Ray Kurzwil.
Ist nicht immer alles so, also es ist jetzt keine Leichen-Lektüre, aber es ist tatsächlich sehr, sehr spannend und versuche ich mich gerade so ein bisschen durchzuquälen, als Nachfolger von seinem wichtigsten Werk für uns alle, wenn es um das Thema Säkularität geht.
Ja, super.
Ja, in der Tat, genau.
Ich habe es gerade vor einem Jahr oder so gelesen und danach wurde ich zur Negative Nancy, glaube ich.
Musste mich erstmal wieder ein bisschen kalibrieren.
Aber ja, vielen Dank.
Total spannend und kann ich auch sehr empfehlen.
Also ich danke dir auf jeden Fall für deine Zeit.
Euer Podcast ist auf jeden Fall in den Shownotes verlinkt.
Payment und Banking FinTech Podcast.
Und ich freue mich bei euch, Gast zu sein.
Und wir sehen uns in vier Wochen.
Macht's gut.
Klasse.
Vielen Dank für die Eindruck.
Bye bye.
Sehr gern.
Bye bye.