Am 6. Oktober hat das Londoner Analysehaus Evident die fünfte Ausgabe seines AI Index for Banks veröffentlicht. Auf den ersten Blick bringt die Rangliste wenig Neues: JPMorganChase führt zum fünften Mal in Folge, Capital One und die Royal Bank of Canada (RBC) folgen unverändert auf den Plätzen zwei und drei, die australische CommBank bleibt Vierte. Jede Bank in den Top 10 stand dort schon einmal. Die eigentliche Nachricht liegt unter dieser stabilen Oberfläche. Die Branche hat ihr KI-Tempo binnen eines Jahres deutlich erhöht, und der Maßstab für Führung verschiebt sich vom Aufbau von Fähigkeiten zum Nachweis von Ergebnissen. Für Investoren, die Banken bewerten, und für Häuser, die selbst KI einführen, ist das die relevantere Information.
Was der Index misst und was nicht
Evident bewertet 50 der größten Banken aus Nordamerika, Europa und dem asiatisch-pazifischen Raum anhand von mehr als 70 Indikatoren. Grundlage sind ausschließlich öffentlich verfügbare Daten: Geschäftsberichte, Stellenprofile, Patente, Forschungspublikationen, Beteiligungen und Aussagen des Managements. Die vier Säulen sind unterschiedlich gewichtet. Talent zählt 45 Prozent, Innovation 30 Prozent, Leadership, also die strategische Kommunikation einschließlich berichteter Ergebnisse, 15 Prozent und Transparenz beim verantwortungsvollen KI-Einsatz 10 Prozent.
Diese Konstruktion ist für die Interpretation entscheidend. Der Index misst, was von außen sichtbar ist, und er belohnt vor allem den Aufbau von Personal und Forschung. Er ist eine Aussage über relative Reife nach Evidents Methodik, kein Beleg für eine bestimmte Rendite. Wie stark die Gewichtung durchschlägt, zeigt Capital One: Die Bank führt bei Talent und Innovation, liegt in der Säule Leadership aber nur auf Rang 40 und belegt dennoch Platz zwei. Wer den Index als Signal für Bankanalysen nutzt, sollte deshalb die Säulenränge lesen und nicht nur den Gesamtplatz.
Schneller, dichter, ähnlicher
Nach Evidents Auswertung hat sich der durchschnittliche Indexwert der Banken gegenüber dem Vorjahr um 26 Prozent verbessert, fast dreimal so schnell wie im Schnitt der drei vorherigen Ausgaben. Das Feld rückt zusammen: Der Abstand zwischen der erstplatzierten und der zehntplatzierten Bank ist laut Evidents Vorabanalyse um ein Viertel kleiner als vor einem Jahr, und die Bank auf Rang 20 erreicht heute den Wert, der 2025 für Platz zehn gereicht hätte. Banken, die sich deutlich verbessert haben, rutschten trotzdem ab, weil Konkurrenten noch schneller waren.
Daraus folgt eine unbequeme Verschiebung. Klassische Kennzeichen einer KI-starken Bank, etwa ein großes Team oder eine lange Liste von Anwendungsfällen, unterscheiden die Häuser kaum noch, weil fast alle sie inzwischen vorweisen. Bei den drei Spitzenreitern nutzen nach Evidents Daten mehr als 80 Prozent der Softwareentwickler regelmäßig KI-Werkzeuge, und mehr als drei Viertel der übrigen Belegschaft arbeiten regelmäßig mit einem Assistenzsystem. Unterschiede entstehen zunehmend auf der Ebene der Infrastruktur: Mindestens 14 Banken betreiben laut Evident inzwischen eine zentrale KI-Plattform, über die Modelle, Code und Kontrollmechanismen geschäftsbereichsübergreifend wiederverwendet werden.
Die Ertragslücke bleibt groß
Kernaussage des Berichts ist, dass sich Führung künftig am belegbaren Ergebnis entscheidet. Hier ist die Datenlage nach wie vor dünn. Evident hat rund 1.100 Anwendungsfälle ausgewertet, die Banken in den vergangenen fünf Jahren mit irgendeiner Form von Wirkung ausgewiesen haben. Nur etwa ein Prozent davon ist mit einem konkreten finanziellen Nutzen beziffert. Zwölf der 50 Banken berichten inzwischen einen realisierten oder angestrebten Wertbeitrag ihrer KI-Aktivitäten, nach acht im Vorjahr. Umgekehrt heißt das: 38 Häuser nennen keine solche Zahl.
Die Häuser, die Zahlen nennen, tun es auf sehr unterschiedliche Weise, was Vergleiche erschwert. JPMorganChase-Chef Jamie Dimon hatte Ende 2025 erklärt, die Einsparungen deckten inzwischen die rund zwei Milliarden US-Dollar, die die Bank für KI-Entwicklung ausgibt. Bank of America meldete im September nach Angaben von Evident, ihre Investition von 400 Millionen US-Dollar in generative KI habe sich bereits ausgezahlt; CEO Brian Moynihan kündigte an, das Budget dafür im kommenden Jahr zu verdoppeln. RBC hat Investoren einen Wertbeitrag von 700 Millionen bis einer Milliarde Dollar bis 2027 in Aussicht gestellt, gemessen als annualisierter Nutzen abzüglich der Investitionen. TD Bank beziffert die KI-Erträge des laufenden Jahres auf 137 Millionen Dollar. Bruttoeffekte, Nettoeffekte, Zielwerte und realisierte Werte stehen damit nebeneinander, und keiner dieser Werte ist extern geprüft. Für Analysten ist das der eigentliche Befund: Die Branche beginnt, KI-Erträge zu berichten, aber es gibt noch keinen Standard, an dem sich diese Angaben messen lassen.
Auch die Personalwirkung ist ambivalent. Dimon zufolge haben einzelne Bereiche von JPMorganChase ihre Belegschaft durch KI um bis zu 40 Prozent reduziert, während die Gesamtzahl der Beschäftigten gestiegen ist. Gleichzeitig wachsen die Funktionen, die KI in den Betrieb bringen: Mitarbeiter in der sogenannten AI Enablement legten bei den Indexbanken um 21 Prozent zu, Produktmanagement für KI und Modellrisiko jeweils um rund zehn Prozent. Die Effizienzgewinne der Spitzenreiter fließen bislang also eher in Expansion als in Abbau.
Rechenleistung wird zum Kostenfaktor
Ein Thema, das im Index selbst kaum abgebildet ist, rückt in Evidents Begleitanalyse zum Index nach vorn: die Kosten des Betriebs. CommBank-Chef Matt Comyn hatte bereits im Juni darauf hingewiesen, dass Token-Kosten nicht linear skalieren, sobald Modelle mehr schlussfolgern, Werkzeuge aufrufen und längere Kontexte verarbeiten. Mit dauerhaft laufenden Agenten verschärft sich diese Frage. Standard Chartered hat nach eigenen Angaben „hunderte“ Grafikprozessoren für den erwarteten Bedarf bis 2027 gesichert, JPMorganChase lässt einen Teil seiner Modelle auf Chips des Anbieters SambaNova laufen und streut damit seine Abhängigkeit von Nvidia. Die China Merchants Bank hat ihre Inferenzkosten bei vergleichbarer Nutzung um mehr als 60 Prozent gesenkt, allein durch eine andere Auslastung der vorhandenen Hardware.
Für Entscheider bedeutet das, dass sich der Business Case für KI nicht mehr allein über Lizenzpreise und Pilotprojekte rechnen lässt. Kapazitätsplanung, Modellwahl und Architektur bestimmen zunehmend, ob ein Anwendungsfall beim Skalieren wirtschaftlich bleibt.
Europa im Mittelfeld, Deutschland weit hinten
Bestplatzierte europäische Bank ist erneut die UBS auf Rang sechs. Dahinter folgen mit Abstand HSBC (11), BBVA (13), Lloyds (15) und BNP Paribas (16). Die deutschsprachigen Institute liegen deutlich zurück: Die Deutsche Bank verbessert sich um vier Plätze auf Rang 24, Raiffeisen Bank International fällt auf Rang 41, die Commerzbank verliert sechs Plätze und steht auf Rang 44. Bei der Commerzbank fällt der Kontrast zwischen den Säulen auf: In der Transparenz steigt sie um 17 Ränge auf Platz 25, bei Innovation fällt sie auf Rang 49.
Die Methodik relativiert diese Platzierungen zum Teil. Ein Index, der öffentlich sichtbare Signale misst, benachteiligt Häuser, die zurückhaltend kommunizieren oder KI über Dienstleister und Verbundstrukturen beziehen. Sparkassen und Genossenschaftsbanken, deren Entwicklung teils bei zentralen IT-Dienstleistern stattfindet, tauchen im Index ohnehin nicht auf. Der strukturelle Befund bleibt dennoch bestehen: Die nordamerikanischen Spitzenreiter investieren in eigenes Personal, eigene Plattformen und eigene Modelle in einer Größenordnung, die europäische Häuser bislang nicht erreichen. Hinzu kommt eine strategische Abhängigkeit, auf die EZB-Präsidentin Christine Lagarde Anfang Oktober in ihrer Rede vor dem Europäischen Ausschuss für Systemrisiken hingewiesen hat. Sie nannte den Zugang europäischer Finanzinstitute zu Modellen aus den USA und China als eigenes Risikofeld für die Finanzstabilität.
Was Entscheider daraus ableiten können
Für institutionelle Investoren, die Bankaktien oder -anleihen halten, wird die Qualität der KI-Berichterstattung zu einem Analysemerkmal. Relevant ist, ob eine Bank Wertbeiträge netto oder brutto ausweist, ob Ziele mit realisierten Zahlen unterlegt werden und wie sich KI-Ausgaben in der Kostenbasis niederschlagen. Der Index liefert dafür einen ersten Filter, ersetzt aber nicht die Prüfung der zugrunde liegenden Angaben.
Für Banken und Vermögensverwalter, die selbst KI einführen, zeigen die Spitzenreiter ein wiederkehrendes Muster: zentrale Plattformen statt isolierter Piloten, Verantwortung für KI in den Geschäftsbereichen, systematische Erfassung von Zeit- und Kostenersparnissen und frühzeitige Planung der Rechenkapazität. Wo diese Grundlagen fehlen, bleibt die Zahl der Anwendungsfälle ein schwacher Indikator für den tatsächlichen Nutzen.
Ein zusätzliches Risiko entsteht auf der Ertragsseite. Torsten Slok, Chefvolkswirt von Apollo, hat davor gewarnt, dass KI-Agenten, die im Auftrag von Kunden nach besseren Zinsen suchen, Banken günstige Einlagen entziehen könnten. Noch ist die Bereitschaft der Kunden begrenzt: In einer Umfrage von Experian zeigten sich 54 Prozent offen dafür, dass ein Agent für sie einen Kreditantrag stellt, aber nur fünf Prozent würden ihm volle Entscheidungsfreiheit einräumen. JPMorganChase reagiert vorbeugend mit einem eigenen Werkzeug, das Liquidität automatisch zwischen Konten und höher verzinsten Anlagen verschiebt. Die Frage, wer die Kundenschnittstelle kontrolliert, dürfte für die Bewertung von Retail-Franchises an Gewicht gewinnen.
Offene Fragen
Der Index 2026 markiert einen Übergang, dessen Ausgang offen ist. Ob die Spitzenreiter ihren Vorsprung in nachweisbare Ergebnisse übersetzen, wird sich erst zeigen, wenn mehr Banken ihre Wertbeiträge nach vergleichbaren Maßstäben berichten. Ebenso offen ist, ob europäische Häuser den Abstand über Kooperationen mit Modellanbietern verringern können oder ob die Abhängigkeit, auf die Lagarde hinweist, damit eher wächst. Für den Asset- und Fondsmarkt wird die Debatte zudem bald konkreter: Evident hat angekündigt, noch in diesem Jahr erstmals einen eigenen AI Index für das Asset Management vorzulegen. Wie weit Vermögensverwalter beim produktiven Einsatz sind, lässt eine von Lagarde zitierte Umfrage ahnen: Nur fünf Prozent der befragten Asset Manager räumen KI bislang autonome oder teilautonome Befugnisse bei Anlageempfehlungen oder Transaktionen ein. csa
* DE: Die ergänzenden Inhalte können KI-generiert sein. EN: The additional content may be AI-generated.