KI im Kreditgeschäft: Die Verbreitung ist erreicht, der Vorsprung noch nicht

Künstliche Intelligenz ist im Kreditgeschäft deutscher Banken angekommen. Nach der Studie „KI im Kreditgeschäft 2026“ der Frankfurter Unternehmensberatung Cofinpro setzen 87 Prozent der befragten Institute KI-Tools im Kreditprozess ein. Im Vorjahr berichteten nach Angaben der Berater lediglich 31 Prozent von Anwendungen im operativen Einsatz. Für Entscheider ist an diesem Befund weniger die Höhe der Zahl interessant als ihre Konsequenz: Wenn fast alle Institute dieselbe Technologie nutzen, taugt die Nutzung selbst nicht mehr als Unterscheidungsmerkmal. Die relevante Frage lautet nun, welche Häuser aus einzelnen Anwendungen durchgängige, belastbare Kreditprozesse machen und wo sie die Verantwortung zwischen Mensch und Maschine verorten.

Die Studie legt nahe, dass sich der Engpass verschoben hat. Er liegt nicht mehr in der Verfügbarkeit von Werkzeugen, sondern in Integration, Akzeptanz und Qualitätssicherung. Genau dort zeigen die Daten zugleich die größten Unterschiede zwischen den Institutsgruppen.

Was die Studie misst und was nicht

Cofinpro hat für die Untersuchung online 102 Führungskräfte aus dem Kreditgeschäft deutscher Banken und Finanzinstitute befragt, darunter Mitglieder von Geschäftsführung und Vorstand sowie Abteilungs- und Bereichsleiter. Einzelne vertiefende Fragen gingen nur an Teilnehmer mit entsprechender fachlicher Zuständigkeit. Die Ergebnisse beruhen damit auf Selbstauskünften und Einschätzungen. Sie sind, wie auch das IT Finanzmagazin in seiner Berichterstattung festhält, keine repräsentative Messung des gesamten Bankenmarkts. Für die Einordnung ist das wichtig: Angaben zu Beschleunigung und Kostenpotenzial beschreiben, was die Befragten beobachten oder erwarten, nicht, was sich in Kennzahlen wie Durchlaufzeiten, Cost-Income-Ratio oder Ausfallquoten bereits nachweisen ließe.

Auch der Vorjahresvergleich verdient einen zweiten Blick. Die Vorjahresstudie beruhte auf einer anderen Stichprobe, und die Fragestellung zur Nutzung ist nicht wortgleich: 2026 wurde allgemein nach dem Einsatz von KI-Tools im Kreditprozess gefragt, der Vorjahreswert bezieht sich auf Anwendungen im operativen Einsatz. Der Sprung von 31 auf 87 Prozent dürfte die Richtung zutreffend beschreiben, sein genaues Ausmaß sollte man jedoch nicht überinterpretieren.

Breite Nutzung über die gesamte Prozesskette

Bemerkenswert ist, dass sich der Einsatz nicht auf einen einzelnen Anwendungsfall konzentriert. Am weitesten fortgeschritten ist die produktive Nutzung bei Kreditantrag und Konditionsgestaltung mit 63 Prozent. In den übrigen untersuchten Bereichen, also Beleihungswertermittlung, Jahresabschlussanalyse und Rating sowie Kreditentscheidung, setzt jeweils rund die Hälfte der Befragten oder mehr KI bereits produktiv ein. Ein dominierender Use Case ist nicht erkennbar.

Die Befragten berichten von spürbaren Effekten. Rund die Hälfte der KI-Nutzer sieht den Kreditprozess von Antrag bis Auszahlung um 11 bis 25 Prozent beschleunigt, ein weiteres Viertel um mehr als 25 Prozent. Noch höher fallen die Erwartungen an die Kosten aus: 83 Prozent sehen ein zweistelliges Kostensenkungspotenzial, 43 Prozent halten Einsparungen von mehr als 30 Prozent für möglich. Zum Vergleich nennt Cofinpro die eigene Vorjahresbefragung, in der lediglich 51 Prozent geringere Kosten überhaupt als erwarteten Vorteil angaben. Die Berater begründen das Potenzial ausdrücklich auch mit geringerem Personalbedarf. Für Leser, die Banken als Investoren oder Kreditgeber analysieren, ist das eine relevante Aussage, allerdings eine Erwartung und kein realisierter Effekt.

Gleiche Verbreitung, unterschiedliche Wirkung

Aufschlussreicher als die Gesamtzahlen ist die Auswertung nach Institutsgruppen. Bei der grundsätzlichen Nutzung liegen Großbanken, Privatbanken und Sparkassen inzwischen bei rund 90 Prozent, Genossenschaftsbanken folgen mit gut zwei Dritteln. Den größten Sprung haben die Sparkassen gemacht, von denen im Vorjahr nur 13 Prozent über KI im operativen Einsatz berichteten.

Bei der Wirkung gehen die Gruppen dagegen auseinander. Unter den KI-nutzenden Privatbanken melden alle Befragten eine Beschleunigung um mindestens elf Prozent, bei Großbanken sind es 75 Prozent, bei Sparkassen 62 Prozent. Die Genossenschaftsbanken, bei denen KI am wenigsten verbreitet ist, berichten überdurchschnittlich häufig von zweistelligen Effekten. Noch deutlicher wird der Unterschied bei der erwarteten Qualität von Kreditanalyse und Kreditentscheidung: Während Privat- und Genossenschaftsbanken hier sehr positiv urteilen, erwarten bei den Sparkassen nur 58 Prozent eine Verbesserung, 42 Prozent dagegen eine Verschlechterung.

Cofinpro zieht daraus selbst den Schluss, dass sich KI-Reife vor allem daran bemisst, wie konsequent Anwendungen in Prozesse integriert und skaliert werden; ihre bloße Zahl sagt darüber wenig. Die Sparkassenwerte lassen sich als Hinweis lesen, dass eine schnelle, breite Einführung Vertrauen in die Ergebnisse nicht automatisch mitbringt. Einschränkend gilt, dass die Teilgruppen klein sind. Landesbanken, Spezialinstitute und Fintechs weist die Studie wegen geringer Fallzahlen gar nicht gesondert aus, und auch die übrigen Gruppenwerte beruhen auf überschaubaren Stichproben.

Entscheidungshilfe, nicht Entscheider

Bei der Kreditentscheidung, der sensibelsten Stufe des Prozesses, ziehen die Befragten eine klare Linie. Als geeignete Einsatzfelder nennen jeweils 42 Prozent die Branchenanalyse und eine KI-gestützte Markteinschätzung, 40 Prozent Frühwarnindikatoren und 36 Prozent die Kapitaldienstanalyse. Die eigentliche Votierung erreicht mit 30 Prozent den niedrigsten Wert. Zugleich erwarten 72 Prozent eine bessere oder deutlich bessere Qualität von Kreditentscheidungen und Analysen. Cofinpro-Senior-Manager Sven Dost formuliert die Konsequenz im Editorial der Studie so: „Verantwortung und fachliche Urteilskraft bleiben zentrale Aufgaben des Menschen.“

Für die Praxis bedeutet das eine Arbeitsteilung, in der KI Daten aufbereitet, Risiken markiert und Entscheidungen vorbereitet, während der Kreditspezialist bewertet und votiert. Ein solcher Human-in-the-Loop-Ansatz ist allerdings nur so belastbar wie seine Ausgestaltung. Wer KI-Vorschläge unter Zeitdruck lediglich bestätigt, verschiebt die Entscheidung faktisch auf das System, ohne dass dies in der Verantwortungsstruktur sichtbar wird. Die eigentliche Managementaufgabe besteht darin festzulegen, an welchen Stellen menschliche Prüfung substanziell sein muss und wie sich das dokumentieren lässt.

Regulierung: aufgeschoben, nicht erledigt

Bei den Risiken stehen die Menschen vorn. 42 Prozent der Befragten nennen fehlende Akzeptanz bei den Mitarbeitenden, 38 Prozent Fehlentscheidungen in der Kreditvergabe, 36 Prozent fehlende Akzeptanz bei Kunden und 34 Prozent Intransparenz. Regulatorische Risiken folgen erst mit 28 Prozent.

Diese Gewichtung ist erklärbar, sollte aber nicht als Entwarnung gelesen werden. Die KI-Verordnung (EU) 2024/1689 stuft in Anhang III KI-Systeme, die für die Kreditwürdigkeitsprüfung und Bonitätsbewertung natürlicher Personen bestimmt sind, als Hochrisiko-Systeme ein. Mit der Digital-Omnibus-Verordnung zur KI (EU) 2026/1744, die am 27. Juli 2026 in Kraft getreten ist, hat der Gesetzgeber die Geltung der Pflichten für solche eigenständigen Hochrisiko-Systeme vom 2. August 2026 auf den 2. Dezember 2027 verschoben. Hinzu kommt, dass ein großer Teil der in der Studie beschriebenen Anwendungen, etwa Jahresabschlussanalyse und Beleihungswertermittlung, eher das Firmenkunden- und Immobiliengeschäft betrifft, für das diese Einstufung nicht greift. Die geringe regulatorische Sorge dürfte also auch den Zeitpunkt der Befragung und den Zuschnitt der Anwendungen spiegeln. Im Privatkundenkredit ändert sich das, sobald KI über die Vorbereitung hinaus in die Bonitätsbewertung hineinwirkt: Dann stehen Anforderungen an Risikomanagement, Datenqualität, Protokollierung und menschliche Aufsicht im Raum. Das in der Studie genannte Risiko der Intransparenz ist in diesem Sinne bereits eine regulatorische Frage, auch wenn die Befragten es nicht so einordnen.

Was daraus für Entscheider folgt

Für Vorstände und Kreditverantwortliche verschiebt sich der Maßstab. Die Zahl implementierter Anwendungen sagt wenig über den Nutzen; entscheidend ist, ob Durchlaufzeit, Entscheidungsqualität und Kosten über die gesamte Prozesskette messbar besser werden. Dazu gehört eine bewusste Festlegung, wo KI analysiert und wo menschliche Expertise und Verantwortung gefragt bleiben, sowie ein Plan für die Akzeptanz in den eigenen Teams, die die Befragten selbst als größtes Risiko benennen. Institute, die Privatkunden finanzieren, sollten die Zeit bis Dezember 2027 nutzen, um Dokumentation und Aufsichtsmechanismen aufzubauen, statt sie unter Fristdruck nachzurüsten.

Für Investoren und Analysten, die Bankrisiken bewerten, liefert die Studie Hinweise, aber keine Belege. Die erwarteten Kostensenkungen könnten sich mittelfristig in den Kostenstrukturen niederschlagen, und die Unterschiede zwischen den Institutsgruppen deuten darauf hin, dass dieser Effekt ungleich verteilt sein wird. Ob die Erwartungen eintreten und ob schnellere Prozesse die Kreditqualität stützen oder belasten, lässt sich erst an Ergebnis- und Risikokennzahlen der kommenden Jahre ablesen.

Für Wettbewerber der Banken im Finanzierungsmarkt, etwa Kreditfonds und Finanzierungsplattformen, ist vor allem der Befund zur Geschwindigkeit relevant. 84 Prozent der zuständigen Befragten erwarten durch KI in der Beleihungswertermittlung große oder sehr große Wettbewerbsvorteile, 76 Prozent in der Jahresabschlussanalyse. Schnellere Bewertung und Analyse bedeuten frühere Konditionsangebote und kürzere Zusagezeiten. Gerade in Segmenten, in denen alternative Kreditgeber bislang mit Tempo gegen die Hausbank argumentieren, könnte dieser Vorteil schrumpfen.

Offen bleibt, wie sich die Qualität KI-gestützter Kreditentscheidungen über einen vollständigen Kreditzyklus bewährt. Die Studie erfasst Erwartungen und Erfahrungen aus einer Phase, in der die Anwendungen gerade erst die Pilotphase verlassen haben. Die aussagekräftigere Prüfung steht noch aus: wenn sich zeigt, ob Portfolios, die mit KI-Unterstützung entstanden sind, in einem schwächeren Umfeld anders performen als solche, die ohne sie aufgebaut wurden. Bis dahin spricht viel dafür, KI im Kreditgeschäft als das zu behandeln, als was die befragten Institute sie selbst beschreiben: als Werkzeug zur Vorbereitung von Entscheidungen, deren Verantwortung beim Menschen bleibt. csa

* DE: Die ergänzenden Inhalte können KI-generiert sein. EN: The additional content may be AI-generated.