Automatisierung im Bankwesen: Was Software entscheiden darf

Kaum eine Branche ist so stark automatisiert wie das Bankwesen. Überweisungen laufen ohne menschliches Zutun durch, Kartenzahlungen werden in Sekundenbruchteilen geprüft, Kontoauszüge entstehen von selbst. Für Kundinnen und Kunden ist das längst normal.

Spannender ist die Frage, wo Software nicht nur ausführt, sondern entscheidet. Bei Krediten, beim Verdacht auf Betrug oder bei der Prüfung auf Geldwäsche geht es um spürbare Folgen für Menschen. Hier stellen Gesetze und Aufsicht besondere Anforderungen.

Dieser Beitrag zeigt, wo Banken automatisieren, wo die Grenzen liegen und warum Nachvollziehbarkeit wichtiger ist als Tempo.

Was im Hintergrund automatisch läuft

Ein großer Teil der Bankarbeit ist Massengeschäft. Zahlungen werden geprüft, verbucht und weitergeleitet. Daueraufträge, Lastschriften und Zinsberechnungen folgen festen Regeln. Diese Vorgänge sind seit Jahrzehnten automatisiert und laufen meist unauffällig.

Echtzeitüberweisungen verschärfen die Anforderungen. Wenn Geld binnen Sekunden beim Empfänger ankommt, bleibt keine Zeit für eine Prüfung von Hand. Kontrollen auf Betrug und Sanktionslisten müssen dann vollständig automatisch laufen, und zwar zuverlässig.

Neuer ist die Automatisierung im Kontakt mit Kunden. Konten lassen sich online eröffnen, die Identität wird per Video oder über den Chip im Ausweis geprüft. Chatbots beantworten einfache Fragen. Dokumente wie Gehaltsnachweise werden ausgelesen, statt abgetippt.

Typische automatisierte Abläufe in Banken sind:

• Prüfung und Verbuchung von Zahlungen
• Betrugserkennung bei Karten- und Onlinezahlungen
• Überwachung von Transaktionen auf Geldwäscheverdacht
• Bonitätsprüfung bei Ratenkrediten und Dispositionskrediten
• Auslesen von Dokumenten bei Kontoeröffnung und Kreditantrag
• Meldungen an die Aufsichtsbehörden

Betrug und Geldwäsche: Software sortiert vor

Bei der Betrugserkennung vergleichen Systeme jede Zahlung mit dem üblichen Verhalten eines Kontos. Eine Kartenzahlung auf einem anderen Kontinent, kurz nach einem Einkauf im Supermarkt um die Ecke, fällt auf. Das System kann die Zahlung anhalten und eine Bestätigung verlangen.

Schwieriger wird es, wenn Kunden selbst überweisen, weil Betrüger sie getäuscht haben. Bei solchen Maschen, etwa mit falschen Anrufen im Namen der Bank, ist die Zahlung formal korrekt freigegeben. Systeme achten dann auf andere Signale, zum Beispiel einen neuen Empfänger oder einen ungewöhnlich hohen Betrag. Ganz verhindern lässt sich solcher Betrug mit Technik allein nicht.

Ähnlich arbeitet die Geldwäscheprävention. Banken sind gesetzlich verpflichtet, verdächtige Vorgänge zu erkennen und zu melden. Software durchsucht Transaktionen nach auffälligen Mustern. Ein großes Problem sind Fehlalarme: Viele Treffer erweisen sich bei näherem Hinsehen als harmlos. Jeder Alarm muss trotzdem von Fachleuten bewertet werden.

Lernende Verfahren können die Zahl der Fehlalarme senken, weil sie feinere Muster erkennen. Sie müssen aber erklärbar bleiben. Eine Bank muss gegenüber der Aufsicht darlegen können, warum ein Fall gemeldet wurde oder nicht.

Kreditentscheidungen: Der Mensch bleibt im Spiel

Bei kleineren Krediten entscheiden viele Banken weitgehend automatisch. Das System bewertet Einkommen, Ausgaben und Auskünfte über frühere Zahlungen. Heraus kommt ein Score, also eine Zahl für die geschätzte Wahrscheinlichkeit, dass ein Kredit zurückgezahlt wird.

Bei Baufinanzierungen und Firmenkrediten sieht es anders aus. Dort sind die Summen höher und die Fälle individueller. Software bereitet Unterlagen auf und rechnet Szenarien durch, die Entscheidung treffen meist Menschen.

Die Datenschutz-Grundverordnung setzt hier Grenzen. Menschen haben grundsätzlich das Recht, keiner ausschließlich automatisierten Entscheidung mit erheblichen Folgen unterworfen zu werden. Ausnahmen sind möglich, etwa wenn die Entscheidung für einen Vertrag nötig ist. Dann können Betroffene aber verlangen, dass ein Mensch den Fall prüft, und ihren Standpunkt darlegen.

Der Europäische Gerichtshof hat 2023 klargestellt, dass schon ein Score unter diese Regel fallen kann, wenn er für die Entscheidung maßgeblich ist. Zudem stuft die europäische KI-Verordnung die Bewertung der Kreditwürdigkeit von Privatpersonen als Anwendung mit hohem Risiko ein. Für solche Systeme gelten strenge Pflichten zu Datenqualität, Dokumentation und menschlicher Aufsicht.

Eine Bank darf schnell entscheiden, aber sie muss erklären können, warum.

Wo Automatisierung an Grenzen stößt

Automatisierte Systeme sind nur so gut wie ihre Daten. Wer als Selbstständiger ein schwankendes Einkommen hat oder neu im Land ist, passt oft nicht ins Raster. Ein starres Modell lehnt solche Anträge eher ab, obwohl die Person durchaus kreditwürdig sein kann.

Daraus ergibt sich das Risiko der Benachteiligung. Wenn historische Daten bestimmte Gruppen schlechter stellen, übernimmt ein Modell diese Schieflage. Banken müssen ihre Modelle deshalb regelmäßig prüfen. Es geht dabei nicht nur um Treffsicherheit, sondern auch um faire Ergebnisse.

Ein weiteres Problem ist die Erklärbarkeit. Komplexe Modelle erkennen feine Zusammenhänge, sind aber schwer zu durchschauen. Banken wägen deshalb ab: Ein einfacheres Modell ist manchmal etwas weniger treffsicher, lässt sich aber besser begründen. Gegenüber Kunden und Aufsicht ist das oft der wertvollere Vorteil.

Hinzu kommt die Abhängigkeit von Technik. Fällt ein zentrales System aus, stehen Zahlungen still. Die europäische DORA-Verordnung verlangt deshalb seit Januar 2025 von Finanzunternehmen ein strenges Management digitaler Risiken. Dazu gehören Tests, Notfallpläne und die Meldung schwerer Vorfälle.

Was gute Automatisierung in Banken ausmacht

Aus der Praxis lassen sich einige Grundsätze ableiten. Erstens sollte jede automatisierte Entscheidung dokumentiert sein, samt der Daten und der Modellversion, auf denen sie beruht. Nur so lässt sie sich später überprüfen.

Zweitens braucht es klare Wege für Ausnahmen. Passt ein Fall nicht ins Schema, muss er schnell bei einer kundigen Person landen. Drittens gehören Modelle regelmäßig auf den Prüfstand, weil sich Kundenverhalten und Betrugsmaschen ändern. Ein Modell, das vor drei Jahren gut war, kann heute danebenliegen.

Viertens zählt die Sprache. Eine Ablehnung, die nur aus einem Code besteht, frustriert. Eine kurze, verständliche Begründung hilft Kunden, ihre Lage einzuschätzen, und senkt die Zahl der Nachfragen.

Was sich für Kunden und Beschäftigte ändert

Für Kundinnen und Kunden bringt Automatisierung vor allem Tempo. Ein Konto ist in Minuten eröffnet, ein kleiner Kredit oft am selben Tag zugesagt. Einfache Fragen beantwortet ein Chatbot rund um die Uhr.

Die Kehrseite: Bei Problemen ist der Weg zu einem Menschen manchmal lang. Wer eine Ablehnung nicht versteht, sollte nachfragen. Sie haben ein Recht auf Auskunft über die Daten, die eine Bank über Sie gespeichert hat. Bei automatisierten Entscheidungen gehören dazu auch aussagekräftige Informationen über die verwendete Logik.

Für die Beschäftigten verschiebt sich die Arbeit. Routinearbeit in der Sachbearbeitung nimmt ab. Gefragt sind Fachleute, die Modelle prüfen, Alarme bewerten und schwierige Fälle beraten. Automatisierung macht Banken also nicht menschenleer. Sie verlagert die menschliche Arbeit dorthin, wo Urteilsvermögen zählt.