Dynamische Märkte, Regulatorik und Unsicherheiten erschweren eine vorausschauende Planung. Banken müssen ihre Planung modernisieren und als Steuerungsinstrument verankern. Digitale Technologien können dies wirkungsvoll unterstützen.
Künstliche Intelligenz steigert die Effizienz und Prognosequalität erheblich.
Partner des Bank Blogs
Im dynamischen Marktumfeld, geprägt von teilweise überlagernden Krisen, geopolitischen Spannungen, technologischen Disruptionen und starkem Wettbewerb, wird die Modernisierung der Steuerungsinstrumente für die Bank immer wichtiger. Allen voran kurzfristige Simulationen und Geschäftsprognosen gewinnen zunehmend an Bedeutung für Entscheidungsträger und sind ein wesentlicher Erfolgsfaktor für Finanzinstitute. Künstliche Intelligenz (KI) steigert durch Predictive und Generative KI sowohl Effizienz als auch Qualität der Planungsinstrumente, ermöglicht präzisere Prognosen und entlastet Mitarbeitende von Routinetätigkeiten. Unser Ansatz zeigt im Folgenden, wie Banken Planung und Forecasting modernisieren und als zentrales Steuerungsinstrument verankern können.
Planung hat in Banken bisher nur geringe Steuerungswirkung
Die Planung in Banken steht vor wachsenden Herausforderungen: Dynamische Märkte, strengere regulatorische Anforderungen und der Bedarf an kurzfristigen Simulationen und Prognosen binden erhebliche Kapazitäten. Gleichzeitig fehlt es häufig an Effizienzsteigerungen, insbesondere in Controlling-Funktionen, um den steigenden Anforderungen gerecht zu werden. Viele Institute setzen noch heute auf manuelle, Excel-basierte Lösungen, die eine integrierte Steuerung erschweren.
An dieser Stelle setzt ein moderner, KI-gestützter Planungsansatz an. Solch ein Ansatz kann nicht nur die genannten Probleme lösen, sondern verwandelt die Finanzplanung von einer Pflichtaufgabe in ein zentrales Steuerungsinstrument der Gesamtbanksteuerung.
Drei Hebel eines modernen Planungsansatzes
Die folgenden drei Elemente sind wirkungsvolle Hebel zur Modernisierung des Planungsansatzes:
Integration strategischer und operativer Ziele
Ein zeitgemäßer Planungsansatz integriert strategische und operative Ziele, indem finanzielle Zielsetzungen in einer mehrjährigen strategischen Planung zum Ausdruck kommen und in einer Mittelfristplanung sowie Budgetierung in die Organisation übersetzt werden. Durch eine konsequente Verzahnung und Kaskadierung der Strategie über diese Planungsanlässe wird der individuelle Beitrag aller Funktionsbereiche zur Strategie des Finanzinstituts greifbar und die Verbindlichkeit für strategische Ziele auf allen Ebenen der Organisation erhöht.
Top-down-orientierter Planungsansatz
Ein Top-down-orientierter Planungsansatz beschleunigt den Planungsprozess und reduziert den Aufwand für alle beteiligten Stakeholder signifikant. Auf zahlreiche Iterationen zur Abstimmung von Top-Level-Zielen mit den Bottom-up-Planungsergebnissen kann verzichtet werden. Aus der strategischen Planung werden die Top-Level-Ziele treiberbasiert in die verschiedenen Planungssichten sowie Funktionsbereiche kaskadiert. Durch KI-gestützte und hoch-performante Software-Lösungen geschieht dieser Prozess sehr automatisiert und die KI-Modelle berücksichtigen sowohl externe als auch interne Faktoren in der Allokation der Zielwerte. Dadurch wird sichergestellt, dass Ziele zwar ambitioniert, aber realistisch gesteckt werden.
Software-basierte Planungsplattform
Gleichzeitig schafft eine zentrale, BI-Software-basierte Planungsplattform die Voraussetzungen für eine nahtlose Verknüpfung sämtlicher Teilpläne – von der Neugeschäfts- über die Liquiditäts- bis hin zur ESG-Planung. Diese Plattform ersetzt isolierte Excel-basierte Planungsmasken, Berechnungen, Aggregationen oder Konsolidierungen, reduziert den manuellen Aufwand für alle Beteiligten und bietet umfassende Möglichkeiten für Simulationen und Szenarioanalysen in Echtzeit.
Kernelemente eines Lösungsansatzes für die moderne und KI-gestützte Planung für eine zielorientierte Verankerung der Banksteuerung.
Unterstützung durch Künstliche Intelligenz
Künstliche Intelligenz bietet vielfältige Möglichkeiten in Planung & Forecasting sowie Steuerung von Finanzinstituten
KI bietet Finanzinstituten umfassende Möglichkeiten, Daten zu analysieren, Muster zu erkennen und daraus wertvolle Erkenntnisse abzuleiten. Dabei kommen zwei zentrale Formen von KI zum Einsatz:
- Predictive KI und
- Generative KI.
Predictive KI
Predictive KI nutzt historische und aktuelle sowie interne und externe Daten, um präzise Vorhersagen über zukünftige Entwicklungen zu treffen. Banken können so Trends frühzeitig erkennen und fundierte Entscheidungen auf Basis datenbasierter Prognosen treffen – etwa bei der Vorhersage von Kreditwachstum, Marktbewegungen oder Ausfallszenarien.
Generative KI
Generative KI wertet insbesondere unstrukturierte Daten aus und erstellt neue textliche sowie visuelle Inhalte auf dieser Grundlage. In der Bankplanung bedeutet das: Managementberichte werden erstellt sowie Vorschläge für Steuerungsmaßnahmen abgeleitet. So entfällt ein Großteil manueller Aufwände, während gleichzeitig Entscheidungsträger von datenbasierten, strukturierten und konsistenten Handlungsempfehlungen profitieren, die Generative KI in kürzester Zeit ableitet.
Besonders wirksam wird Generative KI in Kombination mit Predictive KI: Während prädiktive Modelle verlässliche Prognosen liefern, überführt Generative KI diese in adressatengerechte Berichte und strategische Ableitungen. Diese Synergie macht die Bankplanung präziser, effizienter und wirkungsvoller.
Drei konkrete Anwendungsfelder von KI in der Bankplanung sowie -steuerung
Die praktischen Anwendungen von KI-gestützten Lösungen sind vielfältig. Unserer Erfahrung nach zeigen insbesondere folgende Umsetzungsmöglichkeiten großes Potenzial, die Planung und Steuerung von Banken nachhaltig zu prägen:
1. Business Radar
Ein sogenanntes Business Radar unterstützt die strategische Planung durch die Nutzung von KI-gestützter Trenderkennung sowie Markt-, Umfeld- und Wettbewerbsanalysen. Dies erlaubt effiziente und strukturierte Auswertungen von sehr großen Datenmengen sowie Informationen und eine präzise Einschätzung zum Marktausblick sowie -potenzialen.
2. Predictive Forecasting
In einer Planungsplattform ermöglicht KI eine automatisierte und qualitativ verbesserte Erstellung von Prognosen, Forecasts, Simulationen und Szenarioanalysen. Dabei werden mittels Predictive KI bzw. Machine Learning interne und externe Daten analysiert, um die Geschäftsentwicklung genauer prognostizieren zu können. Diese Modelle reichen von einfachen Regressionsmodellen, über Zeitreihenmodelle wie ARIMA, bis hin zu Tree-Modellen und neuronalen Netzen. Die Prognosen und Projektionen aus diesen Modellen bilden in einem integrierten Ansatz auch die Grundlage für alle Planungsanlässe und steigern so die Effizienz sowie Qualität von Planungsprozessen erheblich.
3. Management Reporting
Ein weiteres Beispiel ist das Management Reporting. Hier reduziert die KI-basierte Automatisierung den manuellen Aufwand für Controlling-Funktionen enorm. Berichte und Zusammenfassungen können effizient und in Echtzeit erstellt werden, was Entscheidungsprozesse im Top-Management erleichtert und die Wirkung von Managementberichten erhöht.
Effizienzsteigerung durch KI-gestützte Planungsplattformen
Eine moderne, KI-gestützte Planungsplattform steigert die Steuerungskultur, reduziert Planungsaufwände und erhöht die Reaktionsfähigkeit auf Marktveränderungen. Voraussetzung für diese Vorteile ist eine integrierte, technologisch moderne Lösung mit hochwertiger Datenbasis. Entscheidend für den Erfolg ist zudem die Einbindung aller relevanten Markt- und Funktionsbereiche sowie ein gezieltes Change Management, das Mitarbeitende befähigt, die neuen Möglichkeiten optimal zu nutzen.
Tolga Kacmaz
Tolga Kacmaz ist Koautor des Beitrags. Der Bankbetriebswirt ist Principal im Bereich Banking & Financial Institutions bei Horváth und beschäftigt sich insbesondere mit der Modernisierung von Steuerungsmodellen in Banken. Er war zuvor u.a. für Deloitte und IBM tätig.
Partner des Bank Blog – Horváth & Partners Management Consultants
Mehr über das Partnerkonzept des Bank Blogs erfahren Sie hier.
Ein Kommentar
Hallo,
ich habe da einige Punkte, die man nach dem Lesen des Artikels nicht unbeachtet lassen sollte. Nun ist Horvath ein Name, aber trotzdem:
1. Aufsichtsrechtliche Anforderungen bleiben unerwähnt
• Der Artikel blendet aufsichtliche Anforderungen vollständig aus, etwa:
o Anforderungen an Nachvollziehbarkeit und Revisionssicherheit von Planungsprozessen
o Model Risk Management bei Einsatz von KI, insbesondere bei Prognoseverfahren (z. B. EZB-Leitlinien zu internen Modellen, EBA-GL/2022/05)
o BCBS 239 (Grundsätze für effektives Risikodaten-Aggregations- und Reporting), die eine hohe Datenqualität und Transparenz fordern
o Anforderungen an IT-Governance und Datenethik bei Generative KI
• Gerade bei Generative KI ist die Frage ungeklärt, ob eine KI-basierte Maßnahmengenerierung aufsichtlich akzeptiert wird oder ob der „menschliche Entscheidungsvorbehalt“ nicht verletzt wird.
2. Implementierungsaufwand wird verharmlost
• Die Einführung eines KI-gestützten, integrierten Planungssystems ist hochkomplex, u. a. wegen:
o Datenintegration über Silos hinweg
o Validierung von KI-Modellen (auch aufsichtsrechtlich!)
o Schulung und Change Management (auch das wird im Artikel nur am Rand erwähnt)
3. „KI ersetzt Excel“ ist zu kurz gedacht
• In der Realität wird Excel meist nicht ersetzt, sondern ergänzt. Planungssysteme können Excel zwar technisch ablösen, aber kulturell und prozessual ist das oft ein zäher Weg.
• Viele Institute benötigen hybride Ansätze, weil bestehende Prozesse, Skills und Governance-Strukturen nicht von heute auf morgen umgestellt werden können.
4. Strategische Ziele werden regulatorisch überformt
• Die strategischen und operativen Zielsetzungen, die im Artikel zentral sind, werden in der Praxis durch regulatorische Anforderungen oft eingeschränkt:
o ICAAP, ILAAP, Risikotragfähigkeit, MaRisk – diese Rahmenwerke definieren z. T. eigene Planungsziele, die nicht beliebig durch Geschäftsstrategie ersetzt werden können.
o Das Supervisory Review and Evaluation Process (SREP) bewertet u. a. die Qualität der Planung – ein rein KI-getriebener Top-down-Ansatz könnte da auf Skepsis stoßen.
Herzliche Grüße
Holger Biernat