Finanzdienstleistungen: Warum „Human-in-the-Loop“ eine Kernkompetenz im KI-Kundenservice wird

Viele Unternehmen verstehen künstliche Intelligenz im Kundenservice als Plug-and-Play-Tool: implementieren, automatisieren, skalieren.

Im Bank- und Versicherungsumfeld führt dieser Ansatz jedoch schnell zu regulatorischen und reputativen Risiken.

Denn hier gilt eine andere Logik:
Je sensibler die Anfrage, desto höher die Anforderungen — und desto klarer die Grenzen der Automatisierung.

Eine aktuelle McKinsey-Studie zeigt: Viele Unternehmen nutzen AI bereits — doch nur wenige schaffen den Schritt in den produktiven Betrieb, weil nicht die Modellleistung entscheidend ist, sondern die Qualität von Governance, Prozessen und klaren Verantwortlichkeiten.

Genau hier wird Human-in-the-Loop (HITL) zur zentralen Kompetenz.
Nicht als Kontrollinstanz — sondern als Grundlage für produktiven AI-Einsatz.

Warum Human-in-the-Loop im Finanzsektor unverzichtbar ist

Ein Blick auf reale Service-Anfragen zeigt schnell: Kundenanliegen unterscheiden sich deutlich in ihrer Komplexität und Sensibilität.

Sie lassen sich grob in drei Kategorien einteilen:

1. Standardfälle: Wiederkehrend, klar geregelt, hohe Automatisierbarkeit

2. Variantenfälle: Kontextabhängig, leicht komplex, erfordern saubere Wissensbasis

3. Risikofälle: Identität, Betrug, Beschwerden, rechtliche Aussagen

Während moderne AI-Systeme bei Standard- und Variantenfällen signifikante Effizienzgewinne liefern, bleibt bei Risikofällen eine zentrale Erkenntnis: Ohne menschliche Kontrolle steigt das Risiko signifikant.

Human-in-the-Loop bedeutet nicht reaktives Eingreifen, sondern ein bewusst gestaltetes System: AI liefert Geschwindigkeit — Menschen behalten durch Regeln und Grenzen die Entscheidungshoheit.

Was Entscheider:innen wirklich brauchen: Automatisierung ohne Kontrollverlust

In Gesprächen mit Führungskräften aus Banken und Versicherungen zeigt sich ein klares Muster:

Die zentrale Frage ist nicht:
„Wie gut ist das Modell?“

Sondern vielmehr:

• Können wir steuern, welche Inhalte die AI ausgeben darf — und was nicht?

• Sind Entscheidungen jederzeit nachvollziehbar und auditierbar?

• Werden kritische Fälle zuverlässig und regelbasiert an menschliche Expert:innen übergeben?

• Können Fachbereiche das System eigenständig optimieren?

Diese Anforderungen spiegeln einen grundlegenden Shift wider:
Von reiner Automatisierung hin zu steuerbarer, erklärbarer AI.

Human-in-the-Loop ist dabei der operative Rahmen, der genau das ermöglicht:
Governance, Qualitätssicherung und kontinuierliches Lernen — in einem System.

Drei HITL-Mechaniken, die sich in der Praxis bewähren

1.„Approve before send“ bei risikorelevanten Themen

Bei sensiblen Anfragen wird keine Antwort direkt ausgespielt. Stattdessen:

• Die AI generiert einen Vorschlag

• Ein:e Expert:in prüft, passt an oder gibt frei

Typische Trigger sind:

• Betrugsfälle oder Phishing-Verdacht

• Kontosperren oder Sicherheitsfragen

• Beschwerden und Gebührenreklamationen

• rechtlich sensible Aussagen

Mehrwert: Risiken werden reduziert — ohne auf die Effizienz der AI zu verzichten.

2.„Escalate with context“ statt ineffizienter Übergaben

In vielen Organisationen bedeutet Eskalation noch immer: Kontextverlust.

Ein effektives HITL-System macht das Gegenteil:

• Übergabe inklusive vollständigem Kontext

• Verweis auf relevante Wissensquellen

• Konkreter Lösungsvorschlag der AI

• Klarer Eskalationsgrund (z. B. Risiko, Unsicherheit)

Mehrwert: Schnellere Bearbeitung, höhere Konsistenz, bessere Kundenerfahrung.

3.„Expert Feedback Loop“ als Skalierungshebel

Der größte Hebel liegt nicht in der Freigabe einzelner Antworten —
sondern in der systematischen Verbesserung.

Typische Ansatzpunkte:

• Wiederkehrende ungelöste Anfragen

• Unklare oder widersprüchliche Antworten

• Fragmentierte Wissensquellen

Expert:innen optimieren dann gezielt:

• Wissensartikel

• Antwortlogiken

• Eskalationsregeln

Mehrwert: Einmal verbessert — tausendfach besser ausgeliefert. Das ist skalierbare Qualität.

Vom Korrekturlesen zur Entscheidungsverantwortung

Ein häufiger Fehler: HITL wird als zusätzliche Prüfinstanz verstanden.

Erfolgreiche Organisationen gehen einen Schritt weiter —
sie definieren klare Verantwortlichkeiten:

• Fach-Owner (z. B. Payments, Online Banking, Karten)

• Compliance-/Policy-Owner (Regeln, Formulierungen, Grenzen)

• Service-Owner (KPIs wie AHT, FCR, CSAT)

Damit wird HITL nicht zum Bottleneck, sondern zum Betriebsmodell.

Effizienter Umgang mit offenen Fällen: HITL ohne Overhead

Nicht jede Abweichung braucht Abstimmungsschleifen.

Ein schlanker, datengetriebener Prozess hat sich bewährt:

1. Labeln (z. B. gelöst, nicht gelöst, risikorelevant, eskaliert)

2. Clustern (Top-Themen pro Woche identifizieren)

3. Gezielt optimieren (kleine, konkrete Verbesserungen wie Content, Regeln, Templates)

4. Messen (Sinken Eskalationen? Steigt die Lösungsquote?)

Fazit: Ohne HITL keine skalierbare AI im Finanzsektor

Im regulierten Umfeld ist Human-in-the-Loop kein optionales Feature —
sondern die Voraussetzung für nachhaltigen AI-Einsatz.

Es ermöglicht:

• klare Steuerbarkeit durch Expert:innen

• sichere Behandlung sensibler Fälle

• kontinuierliche Qualitätsverbesserung

• volle Kontrolle für Entscheider:innen

Erst durch Human-in-the-Loop wird AI nicht nur effizient — sondern nachhaltig skalierbar.

So wird aus einem AI Assistant ein produktives Service-System — mit klarer Kontrolle, integrierter Governance und nachhaltiger Skalierbarkeit.

Genau darauf sind wir spezialisiert. Sprechen Sie mit unseren Expert:innen.