KI-Assistenten in Banken: Produktivität richtig messen

Eine KI-Lizenz ist noch kein Produktivitätsgewinn. Genau diese Lücke macht der aktuelle EZB-Blog zur KI-Nutzung am Arbeitsplatz sichtbar: Der Anteil der Beschäftigten, die bei der Arbeit KI nutzen, stieg in der Consumer Expectations Survey von 26 Prozent im Jahr 2024 auf 41 Prozent 2025 und 52 Prozent 2026. Doch Verbreitung, Zeitersparnis und wirtschaftliche Produktivität sind drei verschiedene Messgrößen. Für Banken folgt daraus ein klarer Auftrag: Der Rollout eines KI-Assistenten braucht ein Messsystem, das vom Zugang bis zum belastbaren Ergebnis reicht.

Die EZB-Ergebnisse sind dafür ein nützlicher Ausgangspunkt, aber kein Banken-Benchmark. Es handelt sich um Umfrageangaben von Beschäftigten aus elf Ländern des Euroraums, nicht um gemessene Prozessdaten aus Kreditinstituten. Die Angaben zu Nutzung und Zeitersparnis sind selbst berichtet. Sie können Wahrnehmungen, unterschiedliche Aufgabenprofile und Schätzfehler enthalten. Eine Bank sollte die Werte deshalb weder als Business Case übernehmen noch mit ihrer eigenen Produktivität gleichsetzen.

Adoption ist nicht gleich Deployment

Die steigende Nutzung zeigt, wie schnell KI in den Arbeitsalltag gelangt. Sie sagt jedoch nicht, ob ein Institut Lizenzen verteilt, einzelne Mitarbeitende öffentliche Werkzeuge nutzen oder ein Assistent kontrolliert in einen Prozess eingebettet ist. Bereits im März betonte die EZB in ihrer Rede zu KI und der Wirtschaft des Euroraums, dass viele Unternehmen KI nur moderat oder selten einsetzen. Zugang allein bedeute noch keine Integration in Produktions-, Service- und Organisationsprozesse.

Für ein Bankprogramm sollten deshalb mindestens drei Ebenen getrennt werden:

1. Deployment: Wer hat technisch und regulatorisch zulässigen Zugang?

2. Adoption: Wer nutzt den Assistenten tatsächlich und wiederholt?

3. Integration: Bei welchem definierten Arbeitsschritt entsteht ein prüfbares Ergebnis?

Diese Trennung verhindert eine typische Fehlsteuerung. Eine hohe Zahl aktivierter Konten kann neben geringer Prozesswirkung stehen. Umgekehrt kann ein eng begrenzter Assistent in einem volumenstarken Ablauf relevanter sein als ein breit ausgerolltes Werkzeug ohne Workflow-Anbindung.

Die Messkette für Bankassistenten

Ein belastbares Scoreboard beginnt nicht bei „Produktivität“, sondern bei einer Kette beobachtbarer Größen. Jede Stufe beantwortet eine andere Managementfrage.

Nutzung. Erfasst werden sollten berechtigte Personen, aktive Nutzende, Nutzungshäufigkeit und Wiederkehrrate. Sinnvoll ist die Auswertung nach Rolle, Team und freigegebenem Use Case, nicht zur individuellen Leistungskontrolle. Die Kennzahl zeigt Reichweite, aber noch keinen Nutzen.

Abdeckung geeigneter Aufgaben. Der Nenner darf nicht die gesamte Arbeitszeit sein. Entscheidend ist, wie viele der vorher als geeignet und zulässig definierten Aufgaben den Assistenten tatsächlich einbeziehen. Bei einer Recherchehilfe kann dies der Anteil geeigneter Vorgänge mit dokumentierter Nutzung sein; bei einer Zusammenfassung der Anteil freigegebener Dokumenttypen. So wird sichtbar, ob geringe Nutzung aus fehlendem Bedarf, schlechter Integration oder unklaren Regeln entsteht.

Verifizierte Zeitersparnis. In der EZB-Umfrage meldet der Median der KI-Nutzenden drei Stunden pro Woche, entsprechend 7,7 Prozent der medianen Arbeitszeit. Das ist eine Selbsteinschätzung auf Nutzerebene. Nur 48,8 Prozent aller Beschäftigten gaben zugleich an, KI zu nutzen und Zeit zu sparen; daraus leitet der Beitrag eine gesamtwirtschaftliche Effizienzgröße von rund 3,8 Prozent ab. Selbst diese Größe ist nicht automatisch zusätzliche Produktion, weil freie Kapazität anders verwendet werden kann (EZB).

Eine Bank sollte Zeit deshalb mit einer Baseline prüfen: gleiche Aufgabenkategorie, vergleichbare Komplexität, definierter Start- und Endpunkt sowie ausreichende Beobachtungsdauer. Systemzeitstempel können Durchlaufzeiten zeigen; Stichproben und kurze Nutzerabfragen erklären die Ursache. Gemessene Beschleunigung zählt nur, wenn Wartezeiten, zusätzliche Kontrollen und nachgelagerte Korrekturen einbezogen sind.

Qualität und Nacharbeit. Schneller ist nicht besser, wenn Entwürfe häufiger korrigiert werden. Je Use Case braucht es wenige fachliche Kriterien: Vollständigkeit, sachliche Richtigkeit, Quellenbezug, Einhaltung von Vorlagen und Verständlichkeit. Dazu gehören First-pass-Akzeptanz, Korrekturquote und Minuten der Nacharbeit. Bei kundenrelevanten Inhalten sollte die Qualitätsprüfung risikobasiert und durch verantwortliche Fachpersonen erfolgen.

Risikoereignisse. Ein Produktivitätsdashboard ohne Risikoseite ist für eine Bank unvollständig. Zu zählen sind beispielsweise unzulässige Dateneingaben, nicht belegte Aussagen, Verstöße gegen Kommunikationsregeln, fehlgeschlagene Zugriffskontrollen und Fälle, in denen eine Ausgabe zurückgezogen werden musste. Die Taxonomie muss mit Compliance, Informationssicherheit, Datenschutz und Modellrisiko abgestimmt sein. Eine niedrige absolute Zahl ist nur aussagekräftig, wenn auch Nutzungsvolumen und Meldeweg bekannt sind.

Übergaben an Menschen. Ein Assistent kann Arbeit beschleunigen, indem er einen Fall korrekt vorbereitet; er kann sie auch nur verschieben. Gemessen werden sollten Eskalationsquote, Grund der Übergabe, Vollständigkeit des übergebenen Kontexts und Bearbeitungszeit nach der Übergabe. Entscheidend ist die gesamte Fallstrecke, nicht nur die Antwortzeit des Modells.

Training. Rund die Hälfte der im EZB-Beitrag befragten Beschäftigten nennt bessere Schulung und ein besseres Verständnis des Nutzens als Faktoren, die eine Nutzung fördern würden. Das spricht gegen eine reine Teilnahmequote. Banken sollten messen, ob Mitarbeitende nach einem Training zulässige Aufgaben erkennen, Eingaben korrekt strukturieren, Ausgaben prüfen und bei Unsicherheit eskalieren können. Kurze praktische Aufgaben und spätere Qualitätsdaten sind dafür aussagekräftiger als absolvierte Lernmodule (EZB).

Von der Kennzahl zum kontrollierten Experiment

Vor dem Rollout sollte jede Anwendung eine Messkarte erhalten: Zielprozess, geeignete Aufgaben, ausgeschlossene Daten und Entscheidungen, Baseline, Qualitätskriterien, verantwortliche Rolle und Abbruchschwellen. Danach lässt sich ein Pilot mit einer vergleichbaren Ausgangsperiode oder einer geeigneten Kontrollgruppe bewerten. Wo ein kontrollierter Vergleich nicht praktikabel ist, sollten zumindest Aufgabenmix und Volumen vor und nach Einführung dokumentiert werden.

Wichtig ist, den Nenner stabil zu halten. „20 Prozent schnellere Bearbeitung“ ist ohne Fallart, Qualitätsniveau und Nacharbeit kaum interpretierbar. Auch Durchschnittswerte können täuschen, wenn wenige sehr große Effekte die Verteilung prägen. Der EZB-Blog weist ausdrücklich auf eine stark schiefe Verteilung der gemeldeten Zeitersparnis hin. Für Bankprozesse sind Median, Streuung und Anteil der Fälle ohne Verbesserung daher oft hilfreicher als ein einzelner Mittelwert (EZB).

Das Reporting sollte außerdem zwischen Lernphase und Regelbetrieb unterscheiden. Anfangs können Nutzungsquote und Training dominieren. Später müssen Qualitätsstabilität, Nacharbeit, Risikoereignisse und End-to-End-Durchlaufzeit stärker gewichtet werden. Ein Use Case wird nicht allein deshalb skaliert, weil Menschen ihn gern nutzen, sondern wenn Wirkung und Kontrolle über mehrere Perioden stabil bleiben.

Workflow-Integration und Governance gemeinsam planen

Die EZB-Rede vom März ordnet Produktivitätsgewinne als abhängig von organisatorischer Neugestaltung, Fähigkeiten, Infrastruktur und weiteren komplementären Investitionen ein. Für Banken bedeutet das: Der Assistent muss an den Stellen arbeiten, an denen Kontext, Berechtigung, Vorlage, Freigabe und Audit-Trail zusammenkommen. Copy-and-paste zwischen einem separaten Chat und Kernsystemen erhöht dagegen das Risiko von Medienbrüchen und erschwert die Messung.

Governance ist dabei kein nachgelagerter Kontrollblock. Sie definiert, welche Aufgaben in den Nenner der Abdeckung gehören, wann menschliche Prüfung erforderlich ist, welche Daten verarbeitet werden dürfen und welches Ereignis einen Stopp auslöst. Dieselben Festlegungen machen die Produktivitätsmessung erst vergleichbar. Ohne stabile Prozess- und Risikogrenzen misst ein Dashboard wechselnde Arbeit statt Wirkung.

Die zentrale Managementfrage lautet daher nicht: „Wie viele Mitarbeitende haben den Assistenten?“ Sie lautet: „Bei welchem zulässigen Arbeitsschritt verbessert er nachweislich Zeit oder Qualität, ohne Nacharbeit, Risiko oder Übergabekosten zu erhöhen?“ Wer diese Frage pro Use Case beantwortet, kann Investitionen priorisieren, Training gezielt verbessern und schwache Anwendungen beenden. Erst dann wird aus Deployment eine kontrollierte, messbare Adoption.

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.