Diesen Artikel teilen:

27. Jun 2025

|

Wirtschaft

Warum deutsche Gründlichkeit KI nicht killt, sondern krönt – mit Markus Willems, Geschäftsführer der wibocon GmbH

Journalist: Thomas Soltau

|

Foto: Presse, Steve Johnson/unsplash

Markus Willems-2025 Online.jpg

Markus Willems, Geschäftsführer der wibocon GmbH

Die Integration von Künstlicher Intelligenz in die deutsche Wirtschaft erfordert einen strategischen Balanceakt. Unternehmen müssen robuste Dateninfrastrukturen schaffen, in Fachkräfte investieren und eine Innovationskultur etablieren, die KI als Werkzeug versteht, nicht als Bedrohung. Die Absicherung von KI-Modellen gegen Angriffe wie Model oder Data Poisoning verlangt einen ganzheitlichen Ansatz: kontinuierliches Monitoring, regelmäßige Audits und die Implementierung des „Security-by-Design”-Prinzips. Besonders wichtig ist die Nachvollziehbarkeit von KI-Systemen durch transparente Dokumentation der Trainingsverfahren und Datenquellen.

„Trustworthy AI” bedeutet im Cybersicherheitskontext konkret: Robustheit gegen Manipulationen, Transparenz in Entscheidungsprozessen und nachvollziehbare Compliance-Mechanismen. Deutschland kann hier durch die Verbindung seiner traditionellen Stärken in Qualitätssicherung mit innovativen KI-Ansätzen Standards setzen – nicht durch übermäßige Regulierung, sondern durch praxisnahe Zertifizierungsverfahren und Best Practice-Richtlinien. Die Cybersicherheitsanforderungen werden zur Chance, wenn sie sich als Qualitätsmerkmal „Made in Germany” etablieren lassen. Deutsche Unternehmen können durch vertrauenswürdige KI-Lösungen internationale Wettbewerbsvorteile erzielen – vorausgesetzt, Sicherheitsanforderungen werden nicht als Innovationshemmer, sondern als Qualitätstreiber verstanden.

Dabei lässt sich die technologische Abhängigkeit von Cloud-Anbietern durch hybride Ansätze reduzieren: Kritische Prozesse können in europäischen Cloud-Infrastrukturen verbleiben, während standardisierte Schnittstellen die Interoperabilität sicherstellen. Entscheidend ist stets die Entwicklung souveräner Kompetenzen für Datenverarbeitung und -analyse, ohne sich vom globalen Innovationsökosystem abzukoppeln. Letztlich wird erfolgreiche KI-Integration in Deutschland davon abhängen, ob es gelingt, Sicherheit nicht als Gegenpol zu Innovation zu begreifen, sondern als deren Fundament.

Deutsche Unternehmen können durch vertrauenswürdige KI-Lösungen internationale Wettbewerbsvorteile erzielen – vorausgesetzt, Sicherheitsanforderungen werden nicht als Innovationshemmer, sondern als Qualitätstreiber verstanden.

2. Apr 2026

|

Business

Kein Roboter zum Gelddrucken, aber ein starker Wächter: KI bei Banken

Künstliche Intelligenz kann im Bankwesen schon ziemlich viel – aber eigenständig Geld drucken oder wundersam vermehren, das kann sie (noch) nicht. Banken setzen KI heute flächendeckend in mehreren Bereichen ein, allen voran in der Betrugsprävention, wo Fraud Detection mittlerweile Branchenstandard ist. KI-gestützte Systeme analysieren Transaktionen von Kundinnen und Kunden in Echtzeit, erkennen und stoppen auffällige Transaktionen und Zahlungsanweisungen in der Regel sofort, und reagieren innerhalb von Sekunden auf neue Angriffsszenarien. Gerade, weil sich Betrugsmaschen ständig weiterentwickeln, ist die Adaptionsgeschwindigkeit in diesem Bereich besonders hoch. Solche Systeme werden in Zukunft weiter optimiert werden, wodurch Banken Routineaufgaben mehr und mehr automatisieren können. Das eröffnet neue Möglichkeiten für personalisierte Kundenberatung, schnellere Analysen – etwa bei Kreditentscheidungen – und insgesamt bessere Kundenerlebnisse. Banken nutzen KI auch immer öfter, um internes Wissen für ihre Mitarbeitenden zu strukturieren, aufzubereiten und schneller zugänglich zu machen. Ziel ist es, Informationen effizienter zu nutzen und Entscheidungsprozesse zu beschleunigen. Im Vergleich zur Betrugsprävention befindet sich dieser Bereich jedoch noch in einer stärkeren Wachstumsphase, auch wenn die Entwicklung hier aktuell sehr dynamisch verläuft. >Der Mensch muss weiterhin die Kontrolle über kritische Prozesse behalten und klare Grenzen setzen. Es gibt unzählige Anbieter von bankenspezifischer KI. Viele davon decken nur bestimmte Anwendungsfelder ab, weshalb Banken häufig mehrere KI-Systeme parallel einsetzen. Auch, wenn Banken langjährige Erfahrung im Umgang mit sensiblen Daten haben, kann die Auswahl passender KI-Tools herausfordernd sein, denn die Lösungen müssen regelkonform sein, Change Compliance- und Datenschutzrichtlinien beachten, außerdem sollten die Daten innerhalb Europas bleiben und nicht unkontrolliert in andere Rechtsräume fließen. Erhöht KI im Bankwesen nun die Sicherheit – oder eher das Risiko für Betrug und Verlust? Grundsätzlich beides. Denn einerseits verbessert KI die Fähigkeit, Betrug frühzeitig zu erkennen und zu verhindern, andererseits entstehen neue Gefahren, insbesondere durch autonome KI-Agenten. Je mehr Entscheidungsfreiheit diese Systeme erhalten, desto größer ist das Risiko, dass sie Sicherheitsvorgaben umgehen oder manipuliert werden. Deshalb gewinnt das Prinzip „Human in the Loop“ beziehungsweise „Human in the Lead“ an Bedeutung: Der Mensch muss weiterhin die Kontrolle über kritische Prozesse behalten und klare Grenzen setzen. Auch im Finanzmarkt insgesamt sind automatisierte Prozesse kein neues Phänomen. Mechanismen wie algorithmischer Handel oder Stop-Loss-Orders können bereits heute Kettenreaktionen auslösen. KI könnte solche Effekte künftig verstärken, stellt aber nicht die ursprüngliche Ursache dar. Wohin wird sich KI im Bankwesen entwickeln? Eigenständig Geld drucken wird sie hoffentlich niemals – doch sie wird als umfassendes System im Hintergrund immer besser in den Bankenalltag integriert werden. Der Mensch wird im Bankwesen jedoch in zentralen Bereichen immer die Oberhand behalten, besonders bei der letzten Kontrolle und beim direkten Kundenkontakt – denn hier können aufmerksame Bankangestellte besser als jede KI als Sicherheitsschranke wirken, die ihre betagten Kundinnen davor schützen, auffällige Transaktionen hoher Summen vorzunehmen. >Banken nutzen KI auch immer öfter, um internes Wissen für ihre Mitarbeitenden zu strukturieren, aufzubereiten und schneller zugänglich zu machen.