Native KI-Banken – von Grund auf um künstliche Intelligenz aufgebaut – automatisieren Kundenservice, Kredit, Compliance und mehr. Schauen Sie sich an, wie Vorreiter wie Catena Labs, One Zero, Bunq, WeBank und CITIC aiBank die globale Finanzwelt neu definieren und traditionelle Banken herausfordern.
KI im Finanzwesen hat sich rasant entwickelt. In den 2010er Jahren führten viele Banken maschinelles Lernen für die Kreditbewertung und Chatbots für den Kundensupport ein und testeten das Potenzial der KI innerhalb bestehender Frameworks. Bis 2020 integrierten führende Banken fortschrittliche Algorithmen in das Risikomanagement und die Kundenpersonalisierung. Eine aktuelle Branchenumfrage ergab, dass 65 % der Banken planen, im Jahr 2025 KI-gesteuerte Kundendienste einzuführen – ein Beweis dafür, wie Mainstream KI im Bankwesen geworden ist. Doch die meisten dieser Bemühungen fügen KI immer noch alten Systemen hinzu. Im Gegensatz dazu zielen "AI-native" Banken darauf ab, eine Finanzinstitution vollständig um KI-Fähigkeiten herum zu gestalten und dabei das Bankwesen grundlegend neu zu überdenken.
Das Konzept der nativen KI-Banken gewinnt an Bedeutung, da Unternehmer und Technologen erkennen, dass bestehende Banken – selbst digitale Neobanken – Einschränkungen haben, sich an eine KI-zentrierte Welt anzupassen. Traditionelle Banken, die auf jahrzehntealten Prozessen und Infrastrukturen aufgebaut sind, empfinden es oft als "langsam, teuer, voller globaler Reibung, unflexibel und ungeeignet", um neue Chancen zu unterstützen, die sich durch KI bieten. Dies hat den Weg für Startups und zukunftsorientierte Finanzunternehmen geebnet, um Banken zu entwickeln, die mit KI-first-Architekturen beginnen.
Diese neuen Akteure gestalten Systeme, bei denen KI von der Kundeninteraktion und Betrugsüberwachung über Kreditentscheidungen bis hin zur Einhaltung von Vorschriften alles unter menschlicher Aufsicht verwaltet.
Was sind Native KI-Banken?
In einfachen Worten sind native KI-Banken Finanzinstitutionen, die von Anfang an um künstliche Intelligenz aufgebaut wurden, anstatt KI nachträglich in einen traditionellen Kern einzufügen.
Eine kürzliche Beschreibung eines Fintech-Startups definierte eine KI-native Bank als eine Bank "um AI gebaut, nicht als nachträglicher Gedanke hinzugefügt."
In der Praxis bedeutet das, dass die Produkte, Dienstleistungen und internen Prozesse der Bank darauf ausgelegt sind, von KI-Algorithmen und Automatisierung betrieben zu werden, mit minimalem manuellen Eingriff in die täglichen Arbeitsabläufe. Menschliche Mitarbeiter bieten Aufsicht, strategische Führung und behandeln außergewöhnliche Fälle, während KI-Systeme die routinemäßigen Entscheidungen und Interaktionen antreiben.
Eine native KI-Bank bietet typischerweise durchgängige digitale Operationen, bei denen KI Kundenonboarding, Risikobewertung, Transaktionen und Kundenservice verwaltet.
Fortschrittliche maschinelle Lernmodelle analysieren die Daten der Kunden, um personalisierte Finanzberatung anzubieten oder in Echtzeit Betrug zu erkennen. Chatbots und virtuelle Assistenten bearbeiten einen großen Teil der Kundenanfragen. Wichtig ist, dass diese Banken oft die neuesten KI-Innovationen integrieren, wie generative KI für konversationelle Schnittstellen oder Verstärkungslernen zur Optimierung von Anlagestrategien. Ziel ist es, eine Bank zu schaffen, die kontinuierlich lernen und sich anpassen kann, ihre Leistungen verbessert, während sie mehr Daten sammelt – etwas, das ein statischer Legacy-Kern nicht leicht tun kann.
Ein weiteres Merkmal ist, dass KI-native Banken Compliance und Risikomanagement als eingebettete Funktionen der KI-Systeme behandeln. In traditionellen Banken ist Compliance oft eine separate Schicht von Prüfungen und Berichten, einige manuell bearbeitet. In einer KI-first-Bank ist die Software so konzipiert, dass sie von vornherein regulatorische Einschränkungen respektiert und Dinge wie die Überwachung verdächtiger Aktivitäten automatisiert. "Ein korrektes Verständnis von Compliance und Regulierungsrisiken muss mit Produkt und Engineering am Tisch sitzen," betont Neville und hebt hervor, dass diese Banken regulatorische Logik direkt in ihre KI-Arbeitsabläufe programmieren.
Es ist wichtig zu beachten, dass "AI-native" nicht "nur KI" bedeutet. Menschliche Aufsicht bleibt entscheidend.
Die Vision ist keine vollkommen autonome Bank ohne Mitarbeiter, sondern eine hoch automatisierte Bank, in der Menschen und KI zusammenarbeiten. Beispielsweise plant ein KI-Bankenprojekt "AI-Akteure oder digitale Arbeiter" als Mitarbeiter einzusetzen, um interne Aufgaben wie Programmierung zu übernehmen, während Menschen die Aufsicht und hochrangige Entscheidungen treffen. In kundenorientierten Rollen könnte ein KI-Assistent Routinefragen beantworten, sich jedoch an einen menschlichen Banker wenden, wenn er auf etwas stößt, mit dem er nicht zurechtkommt, oder auf eine Situation, die Empathie und Urteil erfordert.
In den folgenden Abschnitten betrachten wir fünf Initiativen, die die Bewegung der nativen KI-Banken veranschaulichen.
Catena Labs – Aufbau einer Bank für die "KI-Wirtschaft"
Eines der am meisten diskutierten neuen Projekte ist Catena Labs, ein US-amerikanisches Startup, das von Sean Neville mitgegründet wurde (bekannt als Mitbegründer von Circle, dem Unternehmen hinter dem USDC-Stablecoin).
Catena Labs sorgte im Mai 2025 für Schlagzeilen, indem es sich 18 Millionen US-Dollar Seed-Finanzierung sicherte, um eine "vollständig regulierte, KI-native Finanzinstitution" zu bauen, die für die aufkommende "KI-Wirtschaft" entwickelt wurde.
Die Finanzierungsrunde wurde von Andreessen Horowitz' A16Z-Krypto-Fonds geleitet, mit Beteiligung prominenter Investoren wie Breyer Capital, Coinbase Ventures und sogar NFL-Star Tom Brady – ein Aufgebot, das den Wirbel um diese Idee unterstreicht.
Catena's Vision ist ehrgeizig: eine Bank zu schaffen, in der KI-Systeme (als "AI Agents" bezeichnet) Konten führen, Transaktionen ausführen und finanziell mit anderen Agenten oder Menschen autonom interagieren können. Neville ist überzeugt, dass in naher Zukunft "KI-Agenten die meisten wirtschaftlichen Transaktionen durchführen werden", und dass die heutigen Banken grundlegend nicht auf dieses Szenario vorbereitet sind.
Ein Handelsalgorithmus oder ein E-Commerce-Bot müsste beispielsweise Tausende von Zahlungen in Sekundenschnelle ausführen oder Verträge im Namen eines menschlichen Eigentümers unterzeichnen – Aufgaben, die die konventionellen Bankprozesse stark beanspruchen.
Die Antwort von Catena besteht darin, die Finanzinfrastruktur von Grund auf neu zu gestalten, um solchen Bedürfnissen gerecht zu werden.
Das Herzstück von Catena's Ansatz ist die Verwendung von Stablecoins – insbesondere USDC, den Neville mitentwickelt hat – als "KI-natives Geld" für Transaktionen.
Da Stablecoins auf Blockchain-Netzwerken laufen, ermöglichen sie nahezu sofortige, programmierbare Zahlungen über Grenzen hinweg. Catena Labs argumentiert, dass Stablecoins ideal für KI-Agenten sind, die möglicherweise rund um die Uhr global arbeiten und schnelle, kostengünstige Transaktionen ohne menschliche Verzögerungen benötigen. Durch die Nutzung von USDC und ähnlichen digitalen Währungen beabsichtigt die neue Bank, es KI-Kunden zu ermöglichen, Geld so nahtlos wie Daten zu bewegen, dabei aber dennoch die regulatorischen Standards für Kundenidentifizierung (KYC) und Geldwäscheprävention (AML) einzuhalten.
Regulierung und Vertrauen sind Hauptfokusse für Catena Labs.
Neville betont, dass der Erhalt der nötigen Banklizenzen und die Sicherstellung der Compliance wesentliche Bestandteile der Roadmap des Projekts sind. Die Bank wird "von KI mit menschlicher Aufsicht betrieben", was bedeutet, dass automatisierte Systeme tägliche Funktionen ausführen, aber Menschen die Richtlinien festlegen und bei Bedarf eingreifen. Catena hat sogar ein Agent Commerce Kit (ACK) veröffentlicht – ein Open-Source-Toolkit zur Überprüfung und Verwaltung der Identität von KI-Agenten. Die Etablierung einer vertrauensvollen digitalen Identität für KI-Entitäten ist eine der schwierigen Herausforderungen, da Vorschriften die Identifizierung von Kontoinhabern verlangen (und man kann offensichtlich keinen Fingerabdruck von einem KI-Bot nehmen). Das ACK ist ein erster Versuch, dieses Problem zu lösen, indem Protokolle bereitgestellt werden, um KI-Agenten bei finanziellen Transaktionen zu registrieren und zu authentifizieren.
In der Erläuterung, warum dieses Unterfangen notwendig ist, macht Catena Labs keinen Hehl aus den Mängeln der etablierten Banken. Die aktuelle globale Finanzinfrastruktur wird als "langsam, teuer, voller globaler Reibung, unflexibel und ungeeignet für die neuen Chancen und Risiken der KI" beschrieben.
Traditionelle Banken blockieren, Neville zufolge, aktiv automatisierte Agents – viele Systeme sind beispielsweise so konzipiert, dass sie "Bots" aus Sicherheitsgründen erkennen und verhindern, was ironischerweise ein Hindernis wird, wenn legitime KI-Agenten teilnehmen wollen. Die vorgeschlagene Bank von Catena dagegen, soll so gebaut werden, "dass KI-Akteure die Hauptnutzer sind, anstatt sie zu blockieren."
Mit Stand Mitte 2025 befindet sich Catena Labs noch in der Entwicklungsphase – das Unternehmen hat kein öffentliches Produkt und arbeitet auf den Erhalt von Lizenzen hin. Die 18 Millionen US-Dollar werden die Einstellung und den Produktaufbau beschleunigen. Aufgrund Nevilles Hintergrund bei Circle wird das Startup wahrscheinlich eng mit Regulierungsbehörden zusammenarbeiten (möglicherweise eine Banklizenz anstreben oder mit einer bestehenden Bank zusammenarbeiten), um sicherzustellen, dass die KI-native Bank auf rechtlich solidem Fundament startet.
One Zero Bank – Israels KI-gesteuerte digitale Bank
Während einige KI-native Bankprojekte erst beginnen, ist One Zero Bank in Israel bereits in Betrieb und integriert KI tief in ihre Dienste.
Die im späten 2022 gestartete One Zero ist Israels erste vollständig digitale Bank – bemerkenswerterweise die erste neue Bank, die in über 45 Jahren eine Banklizenz erhielt.
Sie wurde von Professor Amnon Shashua mitgegründet, einem prominenten Technologen, der als Gründer von Mobileye (ein führendes Unternehmen in der Technologie für selbstfahrende Autos) bekannt ist. Mit erheblichem Kapital ausgestattet, setzte sich One Zero Bank von Beginn ... Sure, I'll provide a translation for the selected English content into German while maintaining the specified formatting.
Content:
capital](https://www.calcalistech.com/ctechnews/article/byi4zgrlkx), was die Zuversicht in seinen Ansatz unterstreicht. Bis 2025 hatte die Bank etwa 242 Millionen Dollar gesammelt und wurde mit etwa 320 Millionen Dollar bewertet, mit Investoren wie Technologieriesen wie Tencent und Fintech-Fonds aus dem SoftBank-Ökosystem.
KI steht im Mittelpunkt des Kundenerlebnisses von One Zero.
Im Februar 2024 brachte die Bank „Ella 2.0“ auf den Markt, eine generative KI-gestützte Serviceplattform, die als virtueller Finanzassistent für Kunden fungiert. Entwickelt in Zusammenarbeit mit AI21 Labs (einem israelischen KI-Startup, das sich auf große Sprachmodelle spezialisiert hat), ist Ella 2.0 im Wesentlichen ein KI-Privatbanker, der rund um die Uhr verfügbar ist.
Kunden können mit Ella in natürlicher Sprache interagieren – komplexe Fragen zu ihren Finanzen über Konten hinweg stellen, Budgetierungstipps erhalten oder Probleme lösen – und bekommen sofortige, kontextbezogene Antworten. Das System versteht mehrere Sprachen und wurde auf umfangreiche Bankanfragen trainiert, um seine Genauigkeit zu verbessern.
Laut der Bank liefert Ella 2.0 „sofortige Antworten, arbeitet rund um die Uhr und nutzt maschinelles Lernen, um personalisierte Finanzdienstleistungen anzupassen“. Mit anderen Worten: Sie lernt kontinuierlich aus Kundeninteraktionen, um bessere Hilfe zu bieten, während menschliche Banker bereitstehen, um bei Bedarf zu unterstützen.
Der erste CEO von One Zero, Gal Bar Dea, betonte, wie dieser KI-Assistent die Servicequalität steigert. „Die Fähigkeiten von Ella 2.0 überwinden sprachliche Barrieren“, sagte er, und sorgen für „sofortige, genaue und personalisierte Antworten, während sie sich kontinuierlich weiterentwickeln, um den individuellen Kundenbedürfnissen gerecht zu werden.“
>One Zero ist stolz darauf, diesen „globalen Vorstoß von experimenteller generativer KI zu praktischer Umsetzung“ im Bankwesen anzuführen.
Ori Goshen, Co-CEO von AI21 Labs, merkte an, dass „der neue KI-Assistent von One Zero, Ella, einen Wandel in der digitalen Bankenbranche hin zu einem besseren Kundenerlebnis darstellt – eines, das schneller, zuverlässiger und auf jeden Nutzer zugeschnitten ist.“
Solche Empfehlungen unterstreichen, wie eng das Technologie-Startup und die Bank in der Entwicklung von KI-Lösungen integriert sind.
Neben Ella nutzt One Zero KI auf eher im Hintergrund liegende Weise. Automatisierte Algorithmen erledigen einen Großteil der täglichen Abläufe und Entscheidungsfindung der Bank. Beispielsweise werden KI-Modelle für Bonitätsprüfungen und Anlageempfehlungen eingesetzt, die aus Daten lernen, um ihre Ergebnisse zu verfeinern.
Die Strategie der Bank war es, routinemäßige Aufgaben so weit wie möglich zu automatisieren, was die Kosten senkt und es der Bank ermöglicht, wettbewerbsfähigere Gebühren anzubieten.
Gleichzeitig unterhält One Zero menschliche Finanzberater, an die sich Kunden wenden können (die Bank verspricht eine Mischung aus „persönlichen Finanzmanagern“ und KI-Unterstützung). Dieser duale Ansatz richtet sich an Kunden, die die Effizienz von KI wünschen, aber auch die Sicherheit menschlicher Expertise für wichtige Entscheidungen.
>Die umfangreiche Investition von One Zero in KI zahlt sich in der Kundenbindung aus.
Berichten zufolge bearbeitete der KI-Assistent kurz nach dem Start bis zu 40 % der Kundenanfragen eigenständig und unterstützte dabei zahlreiche weitere Aufgaben der menschlichen Agenten. Dies verkürzt die Reaktionszeiten erheblich – die Bank behauptet, die Wartezeiten für die meisten Anfragen abgeschafft zu haben – und stellt sicher, dass Kunden jederzeit konsistente, hochwertige Antworten erhalten.
Die KI kann sogar komplexe, übergreifende Fragen bearbeiten; One Zero hob Szenarien hervor, in denen zum Beispiel die Frage „Was war das indische Restaurant, in dem ich mit einem Freund in London war?“ gestellt wurde und das System in der Lage war, die Transaktion zu ermitteln. Solche Fähigkeiten verdeutlichen die Macht der Kombination von Transaktionsdaten mit konversationaler KI.
Aus Marktsicht ist die One Zero Bank eine Fallstudie dafür, wie eine neue Bank sich durch KI differenzieren kann. Im wettbewerbsintensiven Bankensektor Israels ist der Verkaufsargument von One Zero nicht nur eine schicke mobile App – viele Banken haben das – sondern dass ihre Dienstleistungen intelligenter und proaktiver sind. Die Bank kann Nutzer über ungewöhnliche Ausgaben informieren, ihren Cashflow vorhersagen oder finanzielle Schritte vorschlagen, die durch KI-Analysen ihrer Daten angetrieben werden. Dies entspricht einem breiteren Trend: Verbraucher erwarten zunehmend personalisierte, unmittelbare Dienstleistungen im Finanzwesen, ähnlich wie Netflix oder Spotify Unterhaltung personalisieren. One Zero nutzt diese Erwartung und setzt KI ein, um eine Art „finanzieller Concierge“ zu werden.
Herausforderungen bleiben für One Zero bestehen, insbesondere da es eine Expansion über Israel hinaus ins Auge fasst. Die Bank hatte Pläne, international zu expandieren, jedoch zwangen externe Ereignisse (wie regionale Konflikte Ende 2023) sie dazu, einige Initiativen zu pausieren.
Dennoch wird der Fortschritt des Unternehmens weltweit beobachtet. Wenn die One Zero Bank weiterhin erfolgreich ist, könnte sie ähnliche KI-fokussierte digitale Banken in anderen Ländern inspirieren. Es bietet auch ein Live-Beispiel für Regulierungsbehörden, wie KI sicher in das Bankwesen integriert werden kann. Bemerkenswert ist, dass die israelischen Regulierungsbehörden One Zero eine volle Banklizenz erteilten, was Vertrauen in ihr Modell und Kapital signalisiert – ein positives Zeichen für andere KI-native Bankhoffer, die in Zukunft auf regulatorische Genehmigungen hoffen.
## Bunq – Europas erste KI-gestützte Neobank
In Europa ist eine der etablierten Akteure, die einen KI-nativen Ansatz verfolgen, Bunq, eine niederländische digitale Bank, die oft als „die Bank der Freien“ für ihre technologiegetriebene, benutzerzentrierte Ethik bezeichnet wird.
Bunq wurde [gegründet](https://www.omdena.com/blog/top-15-mid-sized-banks-driving-ai-driven-customer-engagement-in-2025) im Jahr 2012 und hat Millionen von Nutzern in ganz Europa gewonnen, aber Ende 2023 sorgte sie für Aufsehen, als sie bekannt gab, dass sie „Europas erste KI-gestützte Bank“ geworden ist.
Bunq integrierte generative KI in seine Plattform in einem Maße, das unter seinen Mitbewerbern nicht zu sehen war, mit dem Ziel, zu verändern, wie Kunden mit ihren Finanzen interagieren. Der Mittelpunkt dieser Bemühungen ist „Finn“, der KI-gestützte persönliche Finanzassistent von Bunq.
Im Dezember 2023 stellte Bunq Finn als generative KI-Tool für Kunden vor, das in seine App eingebettet ist.
Finn ersetzte effektiv die traditionellen Such- und Navigationsfunktionen innerhalb der Bunq-App. Anstatt manuell durch Menüs oder Transaktionslisten zu blättern, können Benutzer Finn einfach Fragen stellen oder Befehle in natürlicher Sprache geben. „Finn wird Sie begeistern“, sagte der Gründer und CEO von Bunq, Ali Niknam, bei der Einführung und lobte das Ergebnis von „Jahren der KI-Innovation“ und einem „laserfokussierten Benutzerfokus“.
Das Ziel, wie Niknam es beschrieb, war es, „das Bankwesen, wie Sie es kennen, vollständig zu transformieren“, indem die Interaktionen so einfach wie ein Gespräch gestalt werden.
Was kann Finn tun? Laut Bunq einiges. Benutzer können Fragen stellen wie „Wie viel habe ich letzten Monat für Lebensmittel ausgegeben?“ oder „Wie hoch ist meine durchschnittliche monatliche Stromrechnung?“, und Finn analysiert sofort ihre Transaktionsdaten, um eine Antwort zu liefern. Er kann auch komplexere Anfragen bearbeiten, die mehrere Informationen kombinieren.
Zum Beispiel teilte Niknam mit, dass „es sogar Daten kombinieren kann, um Fragen zu beantworten, die über Transaktionen hinausgehen, wie zum Beispiel ‚Wie viel habe ich letzten Samstag im Café in der Nähe des Central Parks ausgegeben?‘“. Die KI ist kontextbezogen, was bedeutet, dass sie verstehen kann, dass „das Café in der Nähe des Central Parks“ sich auf einen bestimmten Händler und ein Datum in der Transaktionshistorie des Benutzers bezieht, was eine normale Suchfunktion schwer umsetzen könnte. Indem solch konversationelle Anfragen ermöglicht werden, macht Bunq es den Nutzern weit einfacher, ihre eigenen Ausgaben zu analysieren und Informationen zu finden, ohne Buchhaltungskenntnisse oder mühsame manuelle Arbeit.
Über Q&A hinaus unterstützt Finn bei der Finanzplanung und Budgetierung. Nutzer können um Rat oder Einblicke bitten, wie „Habe ich diesen Monat genug Überschuss, um 500 € zu meinen Ersparnissen hinzuzufügen?“ und eine datengesteuerte Antwort erhalten. Es ist, als hätte man einen persönlichen Buchhalter auf Abruf.
Bunq nutzt dies, um gesündere finanzielle Gewohnheiten bei seinen Kunden zu fördern. Intern analysiert die KI von Bunq auch Transaktionsmuster über mehrere verknüpfte Konten hinweg (unter Nutzung der europäischen Open Banking-Rahmenwerke), um konsolidierte Ansichten der Finanzen eines Benutzers zu bieten. Dies bedeutet, dass Finn nicht nur das Guthaben und die Ausgaben bei Bunq, sondern auch bei anderen Banken sehen kann, wenn der Benutzer dies erlaubt, was einen Überblick aus einer Hand bietet – ein mächtiges Feature für Budgetierung und Planung.
Der Einfluss von Finn war bemerkenswert.
>Berichten zufolge war Finn in der Lage, etwa 40 % der Kundenanfragen eigenständig zu bearbeiten, ohne dass menschliches Eingreifen erforderlich war, und unterstützte bei einem weiteren signifikanten Teil.
Dies reduzierte die Arbeitsbelastung des Bunq-Support-Teams und beschleunigte die Reaktionszeiten für Benutzer. Tatsächlich behauptete Bunq Anfang 2024, dass die Einführung von Finn die Kundeninteraktionen effizienter als je zuvor gemacht habe, wobei viele Fragen sofort von der KI beantwortet wurden. Für die verbleibenden Anfragen, die menschliches Eingreifen erfordern, konnte sich das Bunq-Team auf komplexere Probleme konzentrieren, jetzt, da die KI die einfachen triagiert.
Das Ergebnis ist ein skalierbares Kundenservicemodell, während Bunq seine Nutzerbasis in ganz Europa weiter ausbaut.
Die Umarmung der KI durch Bunq erfolgt zu einem Zeitpunkt, an dem es sich geografisch und produkttechnisch erweitert. Das Unternehmen beantragte 2023 eine US-Banklizenz, um in den amerikanischen Markt einzutreten, und solche Innovationen helfen ihm, sich in einer zunehmend überfüllten Neo-Banking-Szene abzuheben.
Es ist erwähnenswert, dass andere Fintechs dem Beispiel folgen: Der US-Neobank MoneyLion kündigte fast zur gleichen Zeit eine ChatGPT-gestützte Suchfunktion an, und ein weiteres Fintech namens Dave stellte „DaveGPT" für Kundenanfragen vor.
>Aber die Vorreiterrolle von Bunq und die Integration in die Kernfunktionalität (die Suche vollständig durch KI ersetzt) gaben ihm einen Führungsanspruch.
Aus geschäftlicher Sicht nutzt Bunq KI nicht nur, um Nutzern zu helfen, sondern auch, um [Einblicke](https://tech.eu/2025/04/30/dutch-neobank-bunq-expands-into-crypto-trading/) zu gewinnen, die neue Angebote informieren. Durch die Analyse, wie Menschen Fragen zu ihrem Geld stellen, kann Bunq Schmerzpunkte oder beliebte Anfragen identifizieren und möglicherweise neue Funktionen oder Produkte um diese entwickeln.
Zum Beispiel, wenn viele Benutzer fragen „Kann ich mir X bis zum Ende des Jahres leisten?“, könnte Bunq einen automatisierten Sparplaner entwickeln. Diese datengesteuerte Innovation ist ein Wettbewerbsvorteil einer KI-nativen Bank – die Feedback-Schleife von Benutzerinteraktionen zur Verbesserung des Service ist sehr eng.
>Jedoch ist Bunq auch vorsichtig
This translation respects the given instruction to not translate markdown links.AI mit menschlicher Aufsicht zu koppeln. Alle AI-Antworten werden auf Genauigkeit und Relevanz überwacht.
Die Bank hat betont, dass Finns Ratschläge auf Daten basieren, aber Kunden sollten ihr Urteilsvermögen nutzen – es ist ein Assistent, kein vollständig autonomer Finanzmanager (zumindest noch nicht). Zusätzlich stehen Datenschutz und Sicherheit an oberster Stelle; Bunq muss sicherstellen, dass die AI nur auf Daten zugreift, für die der Nutzer die Erlaubnis erteilt hat, und dass sensible Informationen geschützt sind. Bisher wurden keine größeren Probleme gemeldet, und die Kunden haben größtenteils positiv auf die Bequemlichkeit des konversationalen Bankings reagiert.
Ali Niknam, der CEO von Bunq, hat den AI-Vorstoß als Teil von Bunqs Mission zur Vereinfachung des Bankgeschäfts dargestellt. Seiner Meinung nach belasten traditionelle Banken Kunden mit umständlichen Schnittstellen und Fachjargon, während Bunq „das Leben der Nutzer durch Technologie wesentlich erleichtern“ möchte.
Indem es das Banking so einfach wie das Versenden einer Nachricht an einen Freund macht, hofft Bunq, die Kundenbindung und das Engagement zu vertiefen. Tatsächlich zeigen Branchenanalysen, dass Personalisierung und Benutzerfreundlichkeit die Kundenzufriedenheit im Bankgeschäft erheblich steigern.
Bunqs AI-Strategie zielt auf beide Ziele ab: Die Erfahrung zu personalisieren (da Finns Antworten einzigartig für Ihre Daten und Fragen sind) und sie einfach zu gestalten (es ist nicht nötig, die App-Menüs oder Finanzterminologie zu erlernen).
Als einer der ersten Akteure im AI-gestützten Bankwesen in Europa bietet Bunq ein wertvolles Beispiel für die Branche. Es zeigt, dass sogar eine betriebene Bank mit Millionen von Nutzern AI erfolgreich im Kern ihrer Dienstleistungen integrieren kann – es ist nicht nur etwas für ganz neue Startups. Bunqs Erfahrung wird von anderen europäischen Banken und Fintechs genau beobachtet werden. Auf eine Art und Weise verwandelt sich Bunq ebenso in ein Technologieunternehmen wie in eine Bank, indem es kontinuierlich die neuesten AI-Entwicklungen integriert. Sollten Finn und nachfolgende AI-Funktionen weiterhin gut abschneiden, ist es wahrscheinlich, dass wir mehr Banken sehen werden, die ihre eigenen GPT-ähnlichen Assistenten oder AI-gesteuerte Personalisierungsfunktionen einführen, um digital versierte Kunden in einem Wettrüsten zu gewinnen.
WeBank – Chinas wegweisende AI-First Bank
Keine Diskussion über AI im Bankwesen wäre ohne WeBank vollständig, Chinas bahnbrechende digitale Bank, die seit ihrer Gründung ein Pionier in der AI-Adoption ist.
WeBank wurde 2014 als Chinas erste Internetbank gegründet, unterstützt von der Tech-Gigantin Tencent. Von Anfang an war WeBanks Strategie, fortschrittliche Technologien – verkörpert in ihrem „ABCD“-Mantra (AI, Blockchain, Cloud, Data) – zu nutzen, um Millionen von Kunden zu geringen Kosten zu bedienen. In den vergangenen zehn Jahren ist WeBank explosionsartig gewachsen und bietet Darlehen, Zahlungen und Finanzdienstleistungen für zig Millionen von Nutzern an, viele von ihnen unterversorgte Personen und kleine Unternehmen. Ihr Erfolg wird oft der tiefen Integration von AI in die Abläufe zugeschrieben, die es ermöglicht, Volumen und Risiko weitaus effizienter als traditionelle Banken zu verwalten.
Eine der bemerkenswerten Errungenschaften von WeBank ist das Ausmaß, in dem AI eingesetzt und Automatisierung im Kundenservice und Support genutzt werden. Vor ein paar Jahren berichtete WeBank, dass es etwa 100.000 Serviceanfragen pro Tag erhalten hat, und seine AI-„virtuellen Roboter“ bearbeiteten 98% davon ohne menschliches Eingreifen.
Diese virtuellen Agenten nutzen die Verarbeitung natürlicher Sprache und Spracherkennung – im Wesentlichen frühe Versionen der Art von AI, die heutige Sprachassistenten antreibt – um Kundenanfragen zu lösen. Dr. Yang Qiang, ein Hauptberater für AI bei WeBank, erklärte, dass sie Gesichtserkennung, Spracherkennung und NLP einsetzen, um den Service und die Bequemlichkeit zu verbessern. Kunden können per Chat oder Sprache interagieren, und die AI kann sie (via Gesichtserkennung) authentifizieren und in Echtzeit Anfragen bearbeiten oder Wünsche ausführen.
Die Philosophie von WeBank war, dass AI die menschlichen Dienstleistungen ergänzen, nicht ersetzen soll – eine Haltung, die westlichen Banken ähnlich klingt, doch WeBank hat sie zu einem extremen Maß an Implementierung getrieben. „Automatisierter Service ist kein Feind für menschliche Dienstleistungen. Sie sollten Seite an Seite arbeiten“, sagte Yang Qiang gegenüber CNBC. Das Ergebnis ist ein hoch skalierbares Modell: Ein relativ kleines Team von menschlichem Personal kann eine Kundenbasis von Millionen betreuen, weil AI die tägliche Arbeit erledigt. Tatsächlich begann WeBank berühmt mit nur wenigen Dutzend Mitarbeitern und ohne physische Filialen, doch es war in der Lage, riesige Mengen an Mikrodarlehen in ganz China auszuzahlen, indem AI-gesteuerte Kredit-Algorithmen und Kundeninteraktionen über Smartphones genutzt wurden. Diese operationale Effizienz ist ein wesentlicher Grund, warum WeBank innerhalb nur weniger Jahre nach dem Start profitabel wurde, ein seltenes Kunststück für eine neue Bank.
Ein weiterer Bereich, in dem WeBank glänzt, ist die AI-gestützte Kreditrisikoanalyse und Darlehensgenehmigung.
Traditionelle Banken erfordern oft umfangreiche Papierarbeit und menschliche Underwriting für Kredite, aber WeBank hat viel davon automatisiert, indem es maschinelles Lernen-Modelle nutzt. Durch die Analyse großer Mengen alternativer Daten – wie das Verhalten in sozialen Medien, die Geschichte von mobilen Zahlungen (unter Nutzung des Tencent-Ökosystems) und andere digitale Spuren – kann WeBanks AI die Kreditwürdigkeit schnell bewerten und Kleinkredite an Einzelpersonen und KMUs vergeben, die von größeren Banken abgelehnt werden könnten.
Diese inklusive Herangehensweise hat den Kredit an Segmente ausgeweitet, die zuvor als zu riskant oder zu kostspielig angesehen wurden. Yang Qiang bemerkte, dass solche Technologie WeBank „die Möglichkeit gibt, effizienter als traditionelle Banken in der Kreditverarbeitung und Risikoanalyse zu sein“, was in der Tat bestätigt wurde. WeBank kann Kreditanträge in Minuten bearbeiten und kontinuierlich überwachen, was für Traditionsbanken schwer nachzuahmen ist.
WeBank war auch ein Innovator in der AI-Forschung.
Es hat in Bereiche wie das föderierte Lernen investiert, eine Technik, um AI-Modelle auf sensiblen Daten aus verschiedenen Quellen zu trainieren, ohne die Privatsphäre zu gefährden. Dies war wichtig für WeBank, um mit anderen Institutionen zusammenzuarbeiten (wie dem Teilen von Betrugsdaten) und gleichzeitig Chinas strenge Datenschutzbestimmungen einzuhalten.
Die Technologen der Bank haben Papiere veröffentlicht und Werkzeuge als Open-Source bereitgestellt, was darauf hinweist, dass WeBank sich nicht nur als Finanzdienstleistungsunternehmen, sondern auch als Technologieführer sieht. Im März 2025 teilte WeBank sogar eine Vision für eine „AI-native Bank“ auf einer globalen Konferenz, und unterstrich, wie ein Jahrzehnt ihrer technischen Expertise das Banking „intelligenter und inklusiver“ macht.
Dies deutet darauf hin, dass WeBank bestrebt ist, an der Spitze der AI im Finanzwesen zu bleiben, möglicherweise neue Generationen von AI wie generative Modelle zu erkunden, um noch fortgeschrittenere Dienstleistungen zu bieten.
Trotz der enormen Automatisierung hat WeBank das menschliche Element nicht eliminiert. Stattdessen hat es es umverteilt. Mit AI, die Routineaufgaben übernimmt, können sich menschliche Angestellte auf Bereiche wie die Verbesserung von Algorithmen, die Behandlung von Ausnahmefällen und die Entwicklung neuer Produkte konzentrieren.
WeBanks Personalstrategie hat Berichten zufolge etwa 60% der Mitarbeiter in Technologie-Rollen – eine ungewöhnlich hohe Quote für eine Bank, aber logisch für das, was im Wesentlichen eine Fintech-Institution ist. Diese Tech-First-Kultur festigt WeBanks Status als AI-native Bank avant la lettre.
CITIC aiBank – Ein Joint Venture aus Finanzen und Technik
Ungefähr zur gleichen Zeit, als WeBank Fahrt aufnahm, war ein weiteres bemerkenswertes Experiment im AI-zentrierten Bankwesen in China im Gange: CITIC aiBank (oft einfach „AiBank“ genannt).
Dies ist ein Joint Venture zwischen der China Citic Bank, einer mittelgroßen Geschäftsbank, und Baidu, dem Internet-Such- und AI-Riesen. Ende 2017 gegründet, wurde aiBank als direkte, filiale-freie Bank gegründet, mit dem ausdrücklichen Ziel, Big Data und künstliche Intelligenz zu nutzen, um intelligentere Finanzdienstleistungen zu liefern.
Mit einem eingetragenen Kapital von 2 Milliarden Yuan (ungefähr 300 Millionen US-Dollar zu der Zeit) und einem Eigentumsverhältnis von 70/30 zwischen Citic Bank und Baidu, repräsentierte aiBank eine Mischung aus Kenntnissen im Bankwesen und modernster technologischer Kompetenz.
Der Fokus von AiBank von Beginn an lag auf der Kreditvergabe an Verbraucher und kleine Unternehmen, Segmente, die von traditionellen Banken in China oft nicht ausreichend bedient werden. Indem Baidus AI-Technologie genutzt wurde, zielte aiBank darauf ab, neue Risikobewertungsmodelle zu entwickeln, die besser in der Lage sein könnten, Kreditnehmer zu bewerten, die nicht immer über umfangreiche Kreditgeschichten verfügen. „AiBank wird sich auf die Kreditvergabe an Einzelpersonen und kleine Unternehmen konzentrieren und dabei Big Data und künstliche Intelligenz nutzen, um neue Risikokontrollmodelle zu entwickeln“, sagte Li Rudong, der Präsident der Bank, bei ihrer Einführung.
Dies zeigt, dass aiBank beabsichtigte, nicht-traditionelle Daten zu analysieren – möglicherweise einschließlich Suchdaten, sozialen Daten, etc., dank Baidu – um Kreditentscheidungen zu treffen. Die Erwartung war, dass AI-getriebene Einblicke kreditwürdige Kunden identifizieren könnten, die von traditionellen Scoring-Methoden möglicherweise übersehen werden, und damit sinnvoll zur finanziellen Inklusion beitragen könnten.
Ein auffälliges Detail, das bei der Einführung enthüllt wurde, war, dass 60% von aiBanks Mitarbeitern technisches Personal sein würden. Dies war zu dieser Zeit im Bankwesen im Wesentlichen unerhört und signalisierte, wie unterschiedlich aiBank im Vergleich zu einer typischen Bank agieren würde, wo die meisten Mitarbeiter in Filialen oder allgemeinen Betriebseinheiten sind. Durch die Konzentration auf Ingenieur- und Data-Science-Talente brachte sich aiBank auf den Weg, kontinuierlich AI-Systeme intern zu entwickeln und zu verfeinern. Baidus Beitrag war nicht nur Kapital, sondern auch Technologie – einschließlich seiner AI-Plattformen, Cloud-Services, und vielleicht sogar seiner umfangreichen Nutzerdaten (innerhalb der Grenzen von Datenschutzbestimmungen). Diese Partnerschaft war Teil eines breiteren Trends in China, wobei Tech-Unternehmen und Banken sich zusammengetan haben – ähnlich wie Alibaba mit MYbank und Tencent mit WeBank – um hybride Einheiten zu schaffen, die die Stärken beider Bereiche kombinieren. Im Fall von Baidu bot aiBank auch eine Möglichkeit, seine AI-Forschung im Finanzwesen zu monetarisieren und seine AI-Führerschaft zu demonstrieren.
Beim Launch-Event pries Baidus damaliger Chief Operating Officer, Lu Qi, das Unternehmen mit den Worten „AiBank istContent: Die Zukunft der intelligenten Finanzierung… Es ist eine Institution, die die Kunden am besten versteht und Finanzen am besten versteht.“ Dieses Zitat erfasst die Bestrebung, dass aiBank durch die Verschmelzung von Baidus Wissen über Nutzer (basierend auf ihrem Online-Verhalten) mit Citic's Bankenexpertise bei Kundeninsicht und Service traditionelle Banken übertreffen könnte.
Als Direktbank (nur online) konnte aiBank Kunden landesweit ohne physische Präsenz erreichen, ein bedeutender Vorteil im weiten Markt Chinas.
In der Praxis führte aiBank in den nächsten Jahren digitale Kreditprodukte und KI-unterstützte Dienstleistungen ein. Es bot Privatkredite über mobile Apps an, mit schnellen Genehmigungen, die durch maschinelles Lernen basierte Kreditmodelle unterstützt wurden. Für kleine Unternehmen experimentierte es mit der Verwendung von KI zur Analyse von E-Commerce-Transaktionen und Lieferketten-Daten zur Kreditausweitung – ähnlich wie Ant Group es tut.
AiBank erforschte auch den Einsatz von KI im Kundenservice, einschließlich intelligenter Chatbots für grundlegende Anfragen. Angesichts Baidus Stärken in der Verarbeitung natürlicher Sprache (insbesondere im Chinesischsprachigen NLP) profitierte aiBank wahrscheinlich von fortschrittlicher KI in Sprachassistenten und textbasierten Kundeninteraktionen. Obwohl die detaillierten Leistungsdaten von aiBank nicht allgemein verfügbar sind, deutet sein fortgesetzter Betrieb und Kapitalerhöhungen (Citic und Baidu haben Berichten zufolge sein Kapital bis 2018 verdoppelt, um Wachstum zu unterstützen) darauf hin, dass es an Zugkraft gewonnen hat.
Ein einzigartiger Ansatz für aiBank ist die Synergie mit Baidus Ökosystem. Baidu könnte die Finanzdienstleistungen von aiBank in seine beliebten Apps integrieren. Zum Beispiel könnten Nutzern von Baidus Suche oder Karten kontextuell aiBank-Dienstleistungen angeboten werden (stellen Sie sich vor, sie suchen nach „Autokredit“ und sehen ein aiBank-Angebot). Außerdem fand Baidus KI-Forschung, wie etwa in Gesichtserkennung und Sprachtechnik, eine reale Anwendung in aiBanks Sicherheits- und Onboarding-Prozessen. Wie Yang Qiang von WeBank im Allgemeinen erwähnte, können Technologien wie Gesichtserkennung ein nahtloses, fernes Kontoeröffnen ermöglichen – aiBank hat vermutlich ähnliche Methoden eingesetzt, angesichts Baidus Expertise. In gewisser Weise diente aiBank als Plattform für Baidu, um die Kraft der KI in einer regulierten Branche zu demonstrieren, was potenziell Baidus Position im KI-Geschäftsmarkt stärkte.
Allerdings hatte der Betrieb einer KI-nativen Bank innerhalb einer größeren traditionellen Bankstruktur (Citic) auch Herausforderungen.
Die Beteiligung von Citic Bank sorgte für die Einhaltung von Vorschriften und stellte die Bankinfrastruktur zur Verfügung, könnte jedoch auch ein vorsichtigeres Tempo als bei einem reinen Startup auferlegt haben. Die Aufsicht durch die China Banking and Insurance Regulatory Commission (CBIRC) bedeutete, dass die KI-Innovationen von aiBank mit den Finanzrisikoregelungen in Einklang stehen mussten. Im Jahr 2021 tauchte eine Anekdote auf, dass chinesische Regulierungsbehörden Citic und Baidu wegen einiger Formalitäten bei der Bildung des Joint Ventures bestraften – eine Erinnerung daran, dass selbst technikaffine Banken unter strengen Regeln operieren. Nichtsdestotrotz waren Chinas Regulierungsbehörden generell unterstützend gegenüber KI und Fintech im Bankwesen, solange die Risiken kontrolliert werden.
Ab 2025 steht CITIC aiBank als Beispiel für eine erfolgreiche Integration von KI in einem neuen Bankunternehmen.
Es hat vielleicht nicht die weltweite Bekanntheit von WeBank, aber es unterstreicht ein kollaboratives Modell: eine traditionelle Bank und ein Technologiegigant, die gemeinsam eine KI-native Bankplattform schaffen.
Abschließende Gedanken
Der Aufstieg nativer KI-Banken deutet auf eine Zukunft hin, in der Finanzen schneller, personalisierter und sogar maschinengesteuert sind.
Diese bahnbrechenden Projekte zeigen, dass Banken mit moderner Technologie radikal neu gedacht werden können – potenziell ultra-bequeme Dienstleistungen anbieten und das Finanzsystem neuen Teilnehmern (wie KI-Agenten oder unterversorgten Bevölkerungsgruppen) öffnen. Zukünftig können wir erwarten, dass traditionelle Banken auf diese Entwicklungen reagieren, indem sie ihre eigene KI-Akzeptanz beschleunigen oder Partnerschaften mit KI-nativen Initiativen eingehen. In einigen Fällen könnten etablierte Banken erfolgreiche KI-Banking-Startups erwerben, um deren Fähigkeiten zu integrieren. Auch Regulierungsbehörden achten genau darauf. Wenn KI-native Banken starke Leistungen im Risikomanagement und in der Compliance zeigen, könnten Regulierungsbehörden die Rahmenwerke aktualisieren, um eine breitere Nutzung von KI im Bankwesen zu ermöglichen, vielleicht sogar neue Lizenzkategorien für KI-getriebene Finanzinstitute schaffen.
Allerdings bringt das Aufkommen von KI-nativen Banken auch erhebliche Risiken und Herausforderungen mit sich, die bewältigt werden müssen. Ein Hauptanliegen ist die Führung und Aufsicht. Wenn KI-Algorithmen Kreditentscheidungen treffen oder Betrug erkennen, ist es entscheidend, sicherzustellen, dass sie unvoreingenommen und fehlerfrei sind. Unkontrollierte Algorithmen könnten unbeabsichtigt bestimmte Kundengruppen diskriminieren oder riskante Kredite genehmigen – Fehler, die das Vertrauen untergraben und regulatorische Sanktionen nach sich ziehen könnten. Transparenz ist eine weitere Herausforderung: Diese Banken müssen die Aktionen ihrer KI gegenüber Regulierungsbehörden und Kunden erklärbar machen.
Für traditionelle Finanzinstitute ist das Aufkommen von KI-nativen Banken ein zweischneidiges Schwert. Einerseits treibt es die Innovationsgrenze voran, was potenziell neue Methoden und Technologien hervorbringen kann, die von etablierten Banken übernommen werden können. Etablierte Banken können von der Effizienz der KI-Workflows von Catena oder dem Erfolg der Kundenbindung von Bunq's Finn lernen und ähnliche Ideen integrieren. Andererseits könnten diese neuen Teilnehmer in bestimmten Segmenten zu erheblichen Konkurrenten werden.