Insights im Silo: Warum Banken genug Daten haben, aber zu wenig daraus machen

Hypothetisches Beispiel: Ein Kunde überweist seit drei Monaten regelmäßig hohe Beträge auf ein externes Tagesgeldkonto und öffnet in der Banking-App zweimal den Festgeldrechner. Am Donnerstagabend ruft ihn seine Beraterin an — nicht wegen seiner Liquidität, sondern um ihm aus einer Vertriebsliste einen Ratenkredit anzubieten. Zahlungsverkehr, App-Analyse und Kampagnensystem hatten das Signal jeweils erfasst, doch kein System hat es verbunden. Genau daran scheitert der Abbau von Datensilos in Banken im Alltag: Es fehlen nicht die Rohdaten, sondern der Weg vom Hinweis zur passenden Handlung.

Viele Institute investieren seit Jahren in Data Lakes und Berichte, ohne dass im Kundenkontakt bessere Entscheidungen ankommen. Der Engpass liegt fast nie in der Speicherung, sondern in der fehlenden Aktivierung über Abteilungsgrenzen hinweg.

Auf einen Blick

• Datensilos in Banken entstehen selten aus Datenmangel, sondern weil Zahlungsverkehrs-, Produkt-, Kanal- und Einwilligungsdaten in getrennten Systemen ohne gemeinsame Aktivierungsschicht liegen.

• Selbst bei der streng überwachten Risikodaten-Aggregation nach BCBS 239 waren laut Bank für Internationalen Zahlungsausgleich zuletzt nur 2 von 31 global systemrelevanten Banken voll konform.

• Ein einheitliches Kundenprofil braucht keine jahrelange Kernsystem-Ablösung, sondern eine logische Datenschicht mit klarer Herkunftsdokumentation, Einwilligungsprüfung und direkter Kanalanbindung.

Wo Insights in Banken steckenbleiben

Erkenntnisse bleiben in Banken meist zwischen Analyse und operativem Kanal stecken, weil Berichte zwar rückblickend informieren, aber keine geprüfte Aktion im Zielsystem auslösen. Ein Bericht zeigt den letzten Monat, während die Kundenentscheidung jetzt stattfindet.

Datenaktivierung ist der Prozess, bei dem ein analytisches Signal aus Kontobewegungen oder Kanalnutzung unter Prüfung von Einwilligung und Regeln direkt in einen Arbeitsablauf übersetzt wird. In vielen Häusern endet die Arbeit des Daten-Teams jedoch mit einem Dashboard oder einer monatlichen CSV-Liste. Bis diese Liste in der Beratung ankommt, ist der Anlass oft vorbei.

Wie tief strukturelle Datensilos in Banken reichen, zeigt die Bankenaufsicht. Im Fortschrittsbericht zu den BCBS-239-Prinzipien für Risikodaten stellte die Bank für Internationalen Zahlungsausgleich (BIS, November 2023) fest, dass fast zehn Jahre nach Einführung nur 2 von 31 geprüften global systemrelevanten Banken (G-SIBs) alle elf Prinzipien vollständig erfüllten. Im BIS-Bericht von April 2020 lag dieser Wert bei 0 von 30 Instituten, nachdem 2017 noch 3 von 29 Banken voll konform waren; kein einziges Prinzip ist bei allen Banken umgesetzt. Auch die Europäische Zentralbank (EZB, Mai 2024) nennt in ihrem Leitfaden zu Risikodaten (RDARR) fragmentierte IT-Landschaften, Altsysteme und fehlende Daten-Verantwortung als Hauptursachen. Das betrifft zwar Risikodaten; der Schluss liegt jedoch nahe, dass dieselben Systemgrenzen auch Kundendaten bremsen.

Schaubild: Voll konforme G-SIBs nach BCBS 239 (Prüfungen 2017, 2019 und 2022) sowie strukturelle Ursachen laut BIS (2020, 2023) und EZB (2024).

Die vier typischen Datensilos in Banken

Die vier hartnäckigsten Datensilos in Banken verlaufen zwischen Kernbank und Zahlungsverkehr, digitalen Kanälen, Vertrieb und Service sowie Recht und Compliance. Jedes System speichert einen Teil der Kundenbeziehung, nutzt aber eigene Schlüssel, Zeiträume und Formate.

Ein Datensilo ist ein Datenbestand, der technisch oder organisatorisch so isoliert ist, dass andere Fachbereiche ihn nicht zeitnah und konsistent in ihren Prozessen nutzen können. Im Bankalltag zeigen sich vier getrennte Inseln:

Wie Banken von isolierten Listen zu einer abgestimmten Steuerung kommen, vertiefen unsere Beiträge zu Next Best Action im Banking und zum Customer Value Management in Banken.

Was ein einheitliches Kundenprofil braucht

Ein einheitliches Kundenprofil braucht eine gemeinsame Geschäftstaxonomie, nachvollziehbare Datenherkunft, integrierte Einwilligungsprüfung und Schnittstellen für Batch und Echtzeit. Es ersetzt nicht das Kernbanksystem, sondern verbindet vorhandene Quellen über eine logische Schicht.

Ein einheitliches Kundenprofil (Customer 360) ist eine konsolidierte, zweckgebundene Sicht auf Stammdaten, Produktnutzung, Transaktionssignale, Kontaktverlauf und gültige Einwilligungen einer Person. Im BCBS-239-Newsletter vom Januar 2026 berichtet der Baseler Ausschuss, dass mehrere Banken die Grundsätze aus der Risikodaten-Governance — klare Datenverantwortung und durchgängige Datenherkunft (Data Lineage) — inzwischen auf ihre unternehmensweite Datenarchitektur übertragen.

Data Lineage bezeichnet die lückenlose Nachvollziehbarkeit eines Datenfeldes von seiner Erfassung im Quellsystem über alle Berechnungen bis zur Entscheidung. Jedes Merkmal im Profil muss ausweisen, woher es stammt, wie aktuell es ist und wofür es nach DSGVO genutzt werden darf. Wie diese Schicht Signale in App, Web und Beratung bringt, zeigt unser Beitrag zur Personalisierung als Aktivierungsschicht.

ACCELERAID stellt dafür mit dem Data Layer eine Bankdaten-Schicht bereit, die Transaktions-, Kanal- und CRM-Daten zusammenführt, Merkmale bildet und Einwilligungen vor der Weitergabe prüft. Die Plattform ist SOC-2-konform, folgt DSGVO by Design und läuft im ISO-27001-Rechenzentrum in Frankfurt oder auf Anfrage On-Premise; Modelle wie OpenAI über Azure (Region Deutschland) und Gemini über Google Cloud (Frankfurt) sind anbindbar, während Fachagenten, Orchestrierung und Control Plane in Entwicklung sind.

Selbstcheck in 7 Fragen

Mit sieben Prüf-Fragen stellen CDOs und Fachbereiche schnell fest, ob ihre Bank ein Datenproblem oder ein Aktivierungsproblem hat. Wer mehr als zwei Fragen verneint, verliert Wirkung auf der letzten Meile:

1. Identität: Verbindet eine eindeutige Kunden-ID Girokonto, Karten, App und Beratung ohne manuelle Tabellenarbeit?

2. Frische: Stehen Kontoereignisse wie hohe Geldabflüsse spätestens am nächsten Werktag oder in Echtzeit bereit?

3. Einwilligung: Wird die gültige DSGVO-Einwilligung je Kanal automatisch im Moment der Ausspielung geprüft?

4. Herkunft: Lässt sich für jeden Kundenhinweis nachvollziehen, aus welchen Quellfeldern und welcher Regel er stammt?

5. Kontaktsperre: Verhindert ein zentrales Kontaktgedächtnis Werbung am Tag einer offenen Servicebeschwerde?

6. Rückkanal: Fließen Reaktionen aus Filiale, Service und App automatisch in das Kundenprofil zurück?

7. Unabhängigkeit: Können Fachbereiche neue Auslöser anlegen, ohne Monate auf ein IT-Release zu warten?

Häufige Fragen

Warum haben Banken trotz Data Warehouse weiterhin Datensilos?

Ein Data Warehouse oder Data Lake speichert Daten meist für Berichte, Finanzcontrolling und aufsichtsrechtliche Meldungen im Rückblick. Für die operative Kundenansprache fehlen dort oft Echtzeit-Schnittstellen, eine direkte Prüfung der Werbeeinwilligung je Kanal und der automatische Rückweg in die Systeme von Beratung, Service und Banking-App.

Was unterscheidet ein einheitliches Kundenprofil von einem Data Lake?

Ein Data Lake sammelt Rohdaten aus vielen Systemen in ihrer ursprünglichen Form für Analysen und Data Science. Ein einheitliches Kundenprofil führt dagegen geprüfte, fachlich übersetzte Merkmale, aktuelle Ereignisse, Kontakthistorie und gültige Einwilligungen einer Person so zusammen, dass operative Kanäle sofort damit arbeiten können.

Müssen Banken ihre Kernsysteme ablösen, um Datensilos aufzulösen?

Nein, eine Ablösung des Kernbanksystems ist dafür weder nötig noch wirtschaftlich sinnvoll. Bewährt hat sich eine logische Integrations- und Aktivierungsschicht oberhalb der bestehenden Systeme, die relevante Ereignisse über definierte Schnittstellen ausliest, vereinheitlicht, datenschutzkonform prüft und gezielt an die Kanäle weitergibt.

Wenn Sie prüfen möchten, wie Sie vorhandene Bankdaten ohne Kernsystem-Umbau in nutzbare Kundenhinweise überführen, nehmen Sie Kontakt mit uns auf.

Illustration: KI-generiert. KI-gestützte Inhalte: Bei der Erstellung unserer Beiträge setzen wir KI-Technologien und automatisierte Agenten ein, unter anderem von Microsoft, Google, OpenAI, Anthropic und weiteren Anbietern. Themen, fachliche Ausrichtung und finale Freigabe liegen bei unserem Team.