11. Juni 2026/Lesezeit: 4 MinutenFinanzdienstleistungen
Finanzdienstleistungen haben die nächste Phase der KI erreicht: Messbar, kontrolliert und agentenbasiert

Kurzzusammenfassung
Unternehmen für Finanzdienstleistungen haben bei der KI-Nutzung rasante Fortschritte gemacht und sind von KI-Pilotprojekten und begrenzten Anwendungsfällen zur Verantwortlichkeit übergegangen. Unternehmen konzentrieren sich zunehmend auf messbaren Business Value, wobei 68 % der Befragten aus dem Bereich Finanzdienstleistungen einen quantifizierbaren positiven ROI durch generative KI melden.
Agentic AI entwickelt sich zur nächsten großen Herausforderung, aber die Governance wird darüber entscheiden, wer sie sicher skaliert. Während 30 % der Unternehmen für Finanzdienstleistungen Agentic AI in der Produktion einsetzen, berichten diejenigen, die sie nutzen, von starken Ergebnissen in den Bereichen Analytics, Prognosen, Kundeninteraktionen und Prozessautomatisierung – was Kontrollen rund um Berechtigungen, Überprüfbarkeit, Aufsicht und Datenzugriff unerlässlich macht.
KI sorgt für positive Veränderungen in der Belegschaft – nicht nur für Automatisierung. Führende Unternehmen für Finanzdienstleistungen sind anderen Branchen bei den positiven Auswirkungen auf die Belegschaft voraus: 78 % der Befragten geben an, dass KI-gestützte Automatisierung unter dem Strich positive Auswirkungen auf die Arbeitsplätze hatte.
Proprietäre Daten werden zur Grundlage für KI-Wettbewerbsvorteile. Zweiundneunzig Prozent der Unternehmen für Finanzdienstleistungen trainieren, passen an oder erweitern Large Language Models mit proprietären Daten, was die Bedeutung vertrauenswürdiger, kontrollierter Unternehmensdaten für die Schaffung differenzierter KI-Ergebnisse unterstreicht.
Für Führungskräfte im Bereich Finanzdienstleistungen hat sich die KI-Diskussion schnell verändert. Die Frage ist nicht mehr, ob KI die Branche grundlegend verändern wird. Das tut sie bereits. Die wichtigere Frage ist nun, wie Unternehmen für Finanzdienstleistungen KI in messbaren Business Value verwandeln können, während sie gleichzeitig das Vertrauen, die Governance, die Sicherheit und die Kontrolle aufrechterhalten, die die Branche erfordert.
Neue Untersuchungen von Snowflake zeigen, dass Unternehmen für Finanzdienstleistungen in eine reifere Phase der KI-Einführung eintreten. Während einzelne Unternehmen sich in ihrer Einführungsreife unterscheiden, quantifizieren sie den ROI, nutzen proprietäre Daten, wenden KI auf hochwertige Unternehmens-Workflows an und beginnen, erste Vorteile aus Agentic AI zu ziehen.
Das Ergebnis ist ein überzeugendes Bild einer Branche, die sich schnell von KI-Neugier zu KI-Verantwortlichkeit entwickelt hat.
KI hat bereits positive Auswirkungen auf die Belegschaft
Eines der auffälligsten Ergebnisse der Untersuchung ist, dass Finanzdienstleistungen bei den positiven Auswirkungen der KI-gestützten Automatisierung auf die Belegschaft vor allen verglichenen Branchen liegen. Zu den verglichenen Branchen gehören Werbung und Medien, Gesundheitswesen und Life Sciences, Fertigung, Handel und Konsumgüter sowie Technologie und Telekommunikation.
Achtundsiebzig Prozent der Befragten aus dem Bereich Finanzdienstleistungen geben an, dass KI-gestützte Automatisierung unter dem Strich positive Auswirkungen auf die Arbeitsplätze hatte. Das ist mehr als bei Technologie und Telekommunikation mit 75 %, Gesundheitswesen und Life Sciences mit 69 %, Werbung und Medien mit 68 %, Fertigung mit 68,1 % sowie Handel und Konsumgüter mit 61 %.
78% of financial services respondents say AI-powered automation has had a net positive job impact.
Dieses Ergebnis stellt die weit verbreitete Annahme infrage, dass es bei der KI-Einführung in erster Linie um den Abbau von Arbeitsplätzen geht. Bei Finanzdienstleistungen scheint die Situation differenzierter zu sein. KI verändert die Arbeit, aber die Befragten sehen diese Veränderung eher als positiv an.
Das macht Sinn in einer Branche, in der Mitarbeitende oft komplexe, sich wiederholende, datenintensive und dokumentenlastige Workflows bewältigen müssen. KI kann ihnen helfen, den manuellen Aufwand bei Aufgaben wie dem Zusammenfassen von Dokumenten, der Datenaufbereitung, der Compliance-Überwachung und der Automatisierung von Helpdesk-Tickets zu reduzieren.
Für Führungskräfte gibt dies der Diskussion über die Belegschaft einen neuen Rahmen. Die wahre Chance besteht nicht einfach darin, Menschen durch Automatisierung zu ersetzen. Es geht darum, den Mitarbeitenden Tools an die Hand zu geben, damit sie schneller arbeiten, bessere Entscheidungen treffen und sich auf höherwertige Aktivitäten konzentrieren können.
Finanzdienstleistungen messen greifbaren ROI
Unternehmen in der gesamten Branche gehören auch zu denjenigen, die die Einführung generativer KI am ehesten mit messbarem Mehrwert in Verbindung bringen. Achtundsechzig Prozent der Befragten aus dem Bereich Finanzdienstleistungen geben an, dass sie wissen, dass der ROI von generativer KI positiv ist, weil sie ihn quantifiziert haben. Nur Technologie und Telekommunikation liegen mit 70 % etwas höher. Finanzdienstleistungen liegen vor Werbung und Medien mit 64 %, Handel und Konsumgüter mit 59 %, Gesundheitswesen und Life Sciences mit 57 % und Fertigung mit 56 %.
Dies ist ein wichtiges Signal. Unternehmen für Finanzdienstleistungen scheinen bei KI dieselbe Performance-Disziplin anzuwenden wie in anderen Geschäftsbereichen.
Diese Disziplin ist wichtig. Quantifizierte geschäftliche Auswirkungen helfen Führungskräften bei der Entscheidung, welche Anwendungsfälle skaliert, welche Pilotprojekte gestoppt und wo Investitionen getätigt werden sollen. Es hilft auch zu verhindern, dass KI-Experimente fragmentiert oder von der Geschäftsstrategie abgekoppelt werden.
Für Führungskräfte im Bereich Finanzdienstleistungen ist die Botschaft klar: KI-Strategien sollten auf messbaren Geschäftsergebnissen aufbauen, nicht auf Technologie-Neuheiten.
Proprietäre Daten werden zur Grundlage für KI-Vorteile
Bei Finanzdienstleistungen waren Daten schon immer ein strategischer Vermögenswert. KI erhöht den Einsatz, indem sie proprietäre Daten in den Mittelpunkt der KI-Differenzierung eines Unternehmens rückt. Zweiundneunzig Prozent der Befragten aus dem Bereich Finanzdienstleistungen geben an, dass ihre Unternehmen Large Language Models mit proprietären Daten trainieren, anpassen oder erweitern.
Damit gehören Finanzdienstleistungen fest zur Stufe der fortgeschrittenen KI-Einführung, neben Technologie und Telekommunikation mit 96 %, Gesundheitswesen und Life Sciences mit 93 %, Werbung und Medien mit 93 %, Handel und Konsumgüter mit 91 % und Fertigung mit 88 %.
Dies ist ein entscheidender Wandel. Generische KI-Tools können generische Ausgaben generieren. Aber interoperable KI-Systeme, die auf proprietären Unternehmensdaten basieren, können relevantere, kontextbezogenere und differenziertere Ergebnisse liefern.
Für Unternehmen für Finanzdienstleistungen könnte das KI-Systeme bedeuten, die Folgendes unterstützen:
Kundenspezifische Serviceempfehlungen
Risiko- und Betrugsanalyse
Interne Richtlinien und Compliance-Leitfäden
Markt- und Szenarioanalyse
Personalisierte finanzielle Einblicke
Produkt- und Portfolio-Intelligence
Enterprise Knowledge Management
Die Nutzung proprietärer Daten bringt jedoch auch eine größere Verantwortung mit sich. Je mehr sich KI-Systeme auf sensible Unternehmens- und Kundendaten verlassen, desto wichtiger wird es, den Zugriff zu steuern, die Qualität zu überwachen, den Datenschutz zu gewährleisten und Transparenz aufrechtzuerhalten.
Bei Finanzdienstleistungen müssen KI-Vorteile und KI-Governance gemeinsam voranschreiten.
Agentic ist die nächste Wettbewerbsgrenze
Generative KI hat die Art und Weise, wie Mitarbeitende mit Informationen interagieren, für immer verändert. Agentic AI verändert, was KI in ihrem Namen tun kann.
Agentic-AI-Systeme können Aufgaben durchdenken, Tools verwenden, Schritte koordinieren und Workflows innerhalb definierter Grenzen abschließen. Für Finanzdienstleistungen öffnet dies die Tür zu neuen Formen der Automatisierung in den Bereichen Risiko und Vorschriften, Betrieb, Compliance, Betrugsermittlung, Prognosen und strategische Planung.
Interessanterweise sind Finanzdienstleistungen nicht die Top-Branche für Agentic AI, die sich bereits in der Produktion befindet. Dreißig Prozent der Befragten aus dem Bereich Finanzdienstleistungen geben an, dass sie Agentic AI heute in der Produktion einsetzen, verglichen mit 42 % in Werbung und Medien, 33 % in Gesundheitswesen und Life Sciences, 32 % in Technologie und Telekommunikation, 32 % in der Fertigung und 28 % in Handel und Konsumgüter.
Aber unter den Unternehmen, die die Technologie implementieren, verzeichnen Finanzdienstleistungen einige der stärksten Ergebnisse:
94 % sagen, dass Agentic AI bessere Data Analytics und strategische Empfehlungen geliefert hat
92 % sagen, dass sie Prognosen und Szenarioplanung durch fortschrittliche Modellierung verbessert hat
91 % sagen, dass sie kundenorientierte Interaktionen über Agenten verbessert hat
83 % sagen, dass sie die menschliche Beteiligung an sich wiederholenden, regelbasierten Prozessen ersetzt oder reduziert hat
71 % sagen, dass sie die menschliche Beteiligung an komplexen, anspruchsvollen Prozessen ersetzt oder reduziert hat
Diese Ergebnisse sind für Finanzdienstleistungen besonders relevant, da ein Großteil der Arbeit in der Branche datenintensiv, prozesslastig und entscheidungsorientiert ist. Die nächste Stufe agentischer Workflows umfasst eine breite Palette von Anwendungsfällen, von der Unterstützung von Teams bei der Verwaltung mehrstufiger Kunden-Workflows und der Untersuchung von Betrug bis hin zur Optimierung des Onboardings und der Unterstützung der Szenarioplanung.
The next level of agentic workflows span a wide range of use cases from helping teams manage multi-step workflows and investigating fraud to streamlining onboarding and supporting scenario planning.
Der Schlüssel wird Data Governance sein. Da KI-Systeme nicht mehr nur Antworten generieren, sondern auch Maßnahmen ergreifen, benötigen Unternehmen für Finanzdienstleistungen strenge Kontrollen in Bezug auf Berechtigungen, Überprüfbarkeit, menschliche Aufsicht und Datenzugriff. Beispielsweise müssen sensible Daten klassifiziert und die Lineage automatisch erfasst werden; Zugriffsrichtlinien müssen auf Plattformebene durchgesetzt werden, nicht auf der Ebene der einzelnen Software oder Applikation. Darüber hinaus sind Unternehmen im Vorteil, die eine agentische Steuerungsebene oder ein agentisches Mission Control Center implementieren. Diese Schicht ist von entscheidender Bedeutung, da sie zur Minderung des operationellen Risikos beiträgt, indem sie Daten, Modelle und Applikationen koordiniert, um sicherzustellen, dass Agenten innerhalb klar definierter Leitplanken auf gemeinsame Ziele hinarbeiten.
Datenbereitschaft und Kontext werden darüber entscheiden, wer KI erfolgreich skaliert
Die ausgereiftesten KI-Strategien werden von der Qualität, Zugänglichkeit und Governance von Unternehmensdaten abhängen, kombiniert mit dem Geschäftskontext oder der Semantik der Daten. KI-Ausgaben sind nur so stark wie die Daten und die geschäftliche Bedeutung hinter diesen Daten zusammen.
Ein Agent, der den Unterschied zwischen einem Know-Your-Customer-Verifizierungs-Workflow und einer Ausnahme bei der Handelsabwicklung versteht, wird von Ihren Teams tatsächlich angenommen und schafft greifbaren Mehrwert in Ihrem gesamten Unternehmen.
Führungskräfte im Bereich Finanzdienstleistungen scheinen das Problem des Datenzugriffs besonders zu erkennen. Sechsundneunzig Prozent der Befragten stimmen zu, dass ihre Unternehmen aktiv in Lösungen zur Vereinheitlichung oder Konsolidierung ihres Datenbestands investieren. Darüber hinaus stimmen 89 % zu, dass Data Engineering der Schlüssel zum Erfolg von KI-Projekten ist.
Aber es bleiben Herausforderungen:
62,8 % stimmen zu, dass ihr Unternehmen eine Qualifikationslücke im Bereich Data Engineering aufweist
57 % stimmen zu, dass KI-Initiativen durch fragmentierte Datensysteme und Silos ausgebremst werden
51 % stimmen zu, dass ihrem Unternehmen die Transparenz über den gesamten Datenbestand fehlt
Dies ist der strategische Engpass und die strategische Chance. Unternehmen für Finanzdienstleistungen haben möglicherweise klare KI-Ambitionen, aber fragmentierte Daten schränken ein, wie weit KI skalieren kann. Wenn Daten isoliert, inkonsistent oder schwer zu steuern sind, werden KI-Systeme Schwierigkeiten haben, vertrauenswürdige Ausgaben und zuverlässige, konforme Aktionen zu liefern.
Für Agentic AI wird dies noch wichtiger. Systeme, die im Namen von Nutzer:innen handeln, benötigen Zugriff auf genaue, kontrollierte Kontextdaten. Ohne dieses Fundament könnte es Unternehmen schwerfallen, von isolierten Anwendungsfällen zur unternehmensweiten Transformation überzugehen.
Die nächste Phase der KI-Führerschaft bei Finanzdienstleistungen
Die Branche für Finanzdienstleistungen ist eindeutig in eine neue Phase der KI-Einführung eingetreten. Die Daten zeigen eine Branche, die zunehmend reif, diszipliniert und ergebnisorientiert ist. Aber die nächste Phase agentischer Workflows wird einen umfassenderen Ansatz erfordern.
Sie erfordert vertrauenswürdige Datengrundlagen, starke Governance und Semantik, Tools auf Unternehmensniveau, die Befähigung der Belegschaft und konsistente Messungen.
Für Entscheidungsträger:innen auf Führungsebene ist der Weg in die Zukunft klar:
Priorisieren Sie KI-Anwendungsfälle mit messbarem Business Value
Stützen Sie KI-Systeme auf kontrollierte, kontextbezogene proprietäre Daten
Investieren Sie in interoperable Datenplattformen, die führende KI-Modelle zu den Daten bringen
Bauen Sie Governance-Modelle auf und implementieren Sie eine agentische Steuerungsebene für Agentic AI, bevor Sie diese breit skalieren
Behandeln Sie die KI-Transformation sowohl als Technologie-Strategie als auch als Wandel des Betriebsmodells
Die führenden Unternehmen werden nicht diejenigen sein, die KI überall gleichzeitig einsetzen. Es werden diejenigen sein, die vertrauenswürdige Daten, kontrollierte Ausführung und messbare Ergebnisse miteinander verbinden. Bei Finanzdienstleistungen wird die Zukunft der KI quantifizierbar, stark kontrolliert und zunehmend agentisch sein.
Um die vollständigen Forschungsergebnisse zu lesen, laden Sie jetzt The ROI of GenAI and Agents 2026 herunter.