Die 100-Millionen-Hürde: Wie Großbanken KI-Anwendungsfälle jetzt priorisieren

Als HSBC im Juni ihre erweiterte KI-Partnerschaft mit Google Cloud bekannt gab, stand in der Mitteilung ein Satz, der mehr über den Reifegrad der Branche sagt als die Zahl der geplanten Anwendungsfälle: Vorrang bei der Umsetzung erhalten nur Vorhaben, die voraussichtlich mehr als 100 Millionen US-Dollar an Ertrag oder Effizienz bringen. The Asian Banker hat die Details der Vereinbarung zusammengetragen: Zugang zu Gemini-Modellen und zur Agentenplattform, gemeinsame Entwicklerteams von Google Cloud und Google DeepMind im Haus, mehr als 200 neue Anwendungsfälle innerhalb von zwei Jahren, drei anfängliche Felder (Vermögensberatung, Bekämpfung von Finanzkriminalität, Werkzeuge für Berater und Kundenbetreuer).

Die Hürde von 100 Millionen ist kein Technologiekriterium, sondern ein Finanzkriterium. HSBC hat sich auf eine Eigenkapitalrendite von mindestens 17 Prozent bis 2028 festgelegt und das Kostenwachstum für 2026 auf rund ein Prozent begrenzt. Generative KI bezeichnete der Vorstandsvorsitzende als größtes neues Investitionsfeld der Bank. Wer so viel investiert und zugleich die Kosten deckelt, braucht einen Filter.

Ein Muster, nicht ein Einzelfall

HSBC steht nicht allein. Die Wochenübersicht von The Asian Banker vom 25. September zeigt, wie andere Großbanken dieselbe Frage beantworten.

BNP Paribas hat am 24. September eine Fünfjahres-Partnerschaft mit Google Cloud geschlossen und will Gemini in einen internen Assistenten integrieren, der mehr als 65.000 Mitarbeitenden im Firmenkunden- und Investmentbanking zur Verfügung steht; als Agentenanwendung ist etwa die Vorbereitung von Kreditvorlagen vorgesehen. Bemerkenswert ist, was die Bank nicht tut: Kundendaten und Produktionsumgebungen mit sensiblen Daten lagen 2025 nach eigener Aussage nicht in der öffentlichen Cloud, und die bestehenden Sicherheits- und Datenregeln bestimmen weiterhin, welche Daten dort verarbeitet werden dürfen. Für sensible Prozesse wie die Identitätsprüfung entwickelt BNP Paribas mit Mistral AI Lösungen im eigenen Rechenzentrum.

Société Générale hat ihre KI-Initiativen in der Planung bis 2029 mit einer Zahl versehen: 500 bis 600 Millionen Euro Einsparungen, davon rund 350 Millionen bereits identifiziert, bei rund 200 Anwendungsfällen im Produktivbetrieb und einer eigenen Einheit, die den Einsatz über Kundenkontakt, Kontoeröffnung, Abwicklung, IT und Compliance hinweg koordiniert.

Deutsche Bank hat Anfang September in Singapur und Hongkong ein KI-Werkzeug für die Herkunftsprüfung von Vermögen im Privatkundengeschäft in Betrieb genommen. Es stellt aus Kundenakten und freigegebenen externen Quellen Recherche und Dokumentation zusammen, benennt Lücken und bereitet Bewertungen vor, die Mitarbeitende prüfen. Dasselbe Prinzip verfolgt die Bank seit Dezember 2025 bei der Prüfung von Lieferantendokumenten: Die KI zitiert die Stellen, auf denen ein Vorschlag beruht, die Entscheidung bleibt beim Menschen.

Bank of America berichtet von 15 bis 20 Prozent Produktivitätsgewinn bei rund 19.000 bis 20.000 Entwicklern und will das KI-Budget im kommenden Jahr verdoppeln.

Drei Entscheidungen, die sich wiederholen

Hinter den Ankündigungen stehen drei Entscheidungen, die jede Bank treffen muss, unabhängig von ihrer Größe.

Die erste ist die Schwelle. HSBC setzt sie bei 100 Millionen US-Dollar, Société Générale bei einer Einsparsumme je Vorhaben. Entscheidend ist nicht die Höhe, sondern dass es sie gibt: Eine Bank mit 200 Anwendungsfällen ohne Priorisierung hat 200 Pilotprojekte. Eine mittelgroße Bank kann dieselbe Logik mit einer Schwelle von zwei oder fünf Millionen Euro anwenden; sie zwingt dazu, Ertrag oder Effizienz je Vorhaben vorab zu beziffern und anschließend nachzuweisen.

Die zweite ist der Datenort. BNP Paribas zieht die Linie zwischen öffentlicher Cloud und eigenem Rechenzentrum entlang der Datensensibilität, HSBC betreibt zwei Plattformen parallel. Beide Ansätze haben Konsequenzen für Modellrisiko, Aufsicht und Berichtswesen, die laut The Asian Banker in keiner der Ankündigungen behandelt werden. Für europäische Banken mit DSGVO, DORA und der seit Juli aktiven Aufsicht über KI im Finanzsektor ist diese Entscheidung keine Nebensache, sondern Voraussetzung dafür, dass ein Anwendungsfall überhaupt in Produktion gehen darf.

Die dritte ist die Entscheidungshoheit. Deutsche Bank lässt die KI Material zusammenstellen und Belegstellen zitieren, entscheidet aber durch Menschen. Das ist langsamer als ein autonomer Agent, aber gegenüber Aufsicht und Kunden begründbar, und es liefert die Protokolle, die ein späterer autonomerer Betrieb braucht.

Was für den Kundenkontakt folgt

Auffällig ist, wo die Großbanken ihre ersten Schwellenfälle suchen: Vermögensberatung, Kreditvorbereitung, Herkunftsprüfung, Betrugsbekämpfung. Es sind Felder mit hohem Volumen, klaren Regeln und messbarem Ergebnis. Die Kundenansprache im Privatkundengeschäft taucht selten als erster Fall auf, obwohl dort nach Studien von McKinsey und Celent der größte ungenutzte Hebel liegt. Der Grund ist nicht mangelnder Wert, sondern mangelnde Messbarkeit: Wer die Wirkung einer Kundenansprache nicht einem Ergebnis zuordnen kann, kann sie auch nicht gegen eine Schwelle prüfen. Die Reihenfolge der Großbanken zeigt deshalb auch, womit mittelgroße Institute anfangen sollten: mit der Messung.

Fünf Punkte zum Mitnehmen

1. HSBC priorisiert nur KI-Anwendungsfälle mit mehr als 100 Millionen US-Dollar erwartetem Ertrag oder Effizienz; die Schwelle ist ein Finanzfilter, kein Technologiekriterium.

2. BNP Paribas, Société Générale, Deutsche Bank und Bank of America beantworten dieselbe Frage mit Datenregeln, Einsparzielen, menschlicher Entscheidungshoheit und Budgetverdopplung.

3. Drei Entscheidungen wiederholen sich: Wertschwelle je Vorhaben, Datenort nach Sensibilität, Entscheidungshoheit beim Menschen.

4. Die ersten Schwellenfälle liegen in Vermögensberatung, Kreditvorbereitung und Prüfprozessen, weil dort Wirkung messbar ist; die Kundenansprache fehlt, weil ihr die Zuordnung fehlt.

5. Eine mittelgroße Bank kann dieselbe Logik mit einer kleineren Schwelle anwenden, wenn sie Ertrag je Vorhaben vorab beziffert und nachträglich misst.

Illustration: KI-generiert. KI-gestützte Inhalte: Bei der Erstellung unserer Beiträge setzen wir KI-Technologien und automatisierte Agenten ein, unter anderem von Microsoft, Google, OpenAI, Anthropic und weiteren Anbietern. Themen, fachliche Ausrichtung und finale Freigabe liegen bei unserem Team.