Der modulare KI-Stack für Banken: Neun Bausteine von Kundendaten bis AI Assistant und Personalization Engine

Banken und Kartenherausgebern fehlen keine KI-Ideen. Ihnen fehlt ein Stack, der Kundendaten, Kontext, Entscheidungen und Kontrolle zusammenbringt. Erst dann antwortet ein AI Assistant richtig, und eine Personalization Engine wählt die passende nächste Aktion. Dieser Artikel stellt die neun Bausteine eines modularen, kontrollierten KI-Stacks für Banken vor, vom Betrieb ganz unten bis zum Kundenerlebnis ganz oben. Er zeigt auch, wo AI Assistant und Personalization Engine darin sitzen.

Warum Banken einen Stack brauchen und kein weiteres KI-Tool

Die meisten Banken haben KI-Piloten, aber nur wenige die Architektur, um sie unter Aufsicht im großen Maßstab zu betreiben. In einer Camunda-Umfrage von 2026 unter Führungskräften aus Banken und Finanzdienstleistung wollen 75 Prozent agentische Orchestrierung innerhalb von zwölf Monaten einführen oder ausbauen. Nur 12 Prozent halten ihren Betrieb für bereit, Agenten im großen Maßstab einzusetzen (Camunda, State of Agentic Orchestration and Automation 2026). Bei den 50 größten Banken weisen laut Evident AI Index nur rund 1 Prozent der veröffentlichten KI-Anwendungsfälle einen konkreten finanziellen Ertrag aus (Evident AI Index for Banks 2026).

Selten liegt die Lücke beim Modell, sondern bei allem drumherum. Welche Daten darf die KI sehen? Wie erfährt sie, in welcher Situation der Kunde ist? Wer entscheidet die nächste Aktion? Und wie wird jeder Schritt protokolliert? Ein modularer Stack beantwortet diese Fragen einmal, und nicht jeder neue Anwendungsfall muss sie neu lösen.

Hypothetisches Beispiel: Eine Karteninhaberin öffnet ihre Banking-App und fragt den Assistenten nach einer Kartenzahlung, die sie nicht erkennt. Der Assistent sieht die angereicherte Transaktion mit Handelsname und Standort und erklärt sie in zwei Sätzen. Eine Kartensperre bietet er nur an, falls sie die Zahlung weiterhin nicht zuordnen kann. Einige Tage später sorgt derselbe Kontext dafür, dass die Personalization Engine ihr diese Woche kein Karten-Upgrade anbietet, weil ein offener Servicefall Vorrang hat. Bank und Kundin sind erfunden.

Die neun Bausteine, von unten nach oben

Jede Schicht hat genau eine Aufgabe und baut auf der darunter auf. Die Reihenfolge ist wichtig: Sicherheit kommt nicht am Ende dazu, sie ist die zweite Schicht von unten.

Über Schicht 09 bringen Kanal-Konnektoren das Erlebnis an die Kontaktpunkte: App, Online-Banking, Website, Kundenservice und Beraterarbeitsplatz. Die Umrandung um alle neun Schichten steht für den eigenen KI-Stack der Bank und ist keine zehnte Schicht.

Das Fundament: Betrieb, Sicherheit und Daten

Die Schichten 01 bis 04 entscheiden, ob KI in einer Bank überhaupt eingesetzt werden darf. Der Betrieb legt fest, wo Daten verarbeitet werden. ACCELERAID läuft in einer Private Cloud in einem ISO-27001-zertifizierten Rechenzentrum in Frankfurt, auf Wunsch auch On-Premises bei der Bank (ACCELERAID). ACCELERAID verfügt über einen SOC-2-Bericht für das Unternehmen und seine Software, auch das Rechenzentrum ist nach SOC 2 geprüft. Direkt darauf sitzen Sicherheit, Datenschutz und Compliance. PII-Filterung und Schwärzung auf Feldebene, rollenbasierte Zugriffe, Einwilligungsmanagement und revisionssichere Protokollierung sind Teil des Datenmodells und werden nicht nachträglich ergänzt.

Für regulierte Institute unterstützen diese Kontrollen die Anforderungen, die ohnehin gelten. Der Digital Operational Resilience Act (DORA) gilt für Finanzunternehmen seit dem 17. Januar 2025. Er umfasst IKT-Risikomanagement, Meldung von Vorfällen und Risiken durch Drittanbieter (Verordnung (EU) 2022/2554). Ein Stack macht eine Bank nicht von allein compliant. Er liefert ihr die Kontrollen und die Nachweise, die sie für ihre eigene Compliance braucht.

Datenintegration und Customer Data Platform führen dann das Kundenbild zusammen. Für Kartenherausgeber sind Transaktionsdaten eine zentrale Quelle. Die Mastercard-Regel AN4569 und die Visa-Regel 4.1.8.9 verpflichten Issuer, Transaktionen für Karteninhaber erkennbar zu machen. Das behandeln wir im Artikel zu Enhanced Merchant Data.

Die Intelligenz: Kontext, Prognose und Entscheidung

Die Schichten 05 und 06 machen aus Daten die richtige Aktion zum richtigen Zeitpunkt. Der AI Context Layer gibt einem Assistenten oder Agenten nur den Kontext, den eine Aufgabe braucht und nutzen darf, mit Zweck und Ablaufdatum. Das beschreiben wir im Artikel zum Context Layer im Banking. Die Prognose schätzt zum Beispiel, wie wahrscheinlich eine Kontokündigung ist. Die Entscheidungslogik wendet Regeln, Einwilligungen und ein Kontaktbudget an. So wählt sie die Aktion, oder bewusst keinen Kontakt. Wie eine solche Engine aufgebaut ist, zeigen die fünf Bausteine einer AI Decision Engine.

Die zwei Produkte, die Kunden erleben

Ganz oben im Stack machen zwei ACCELERAID-Produkte die Schichten darunter für Kunden und Mitarbeitende sichtbar.

Der AI Assistant beantwortet Kundenfragen in natürlicher Sprache. Er startet im Chat auf der Service-Website der Bank und lässt sich über das interne Wissen der Bank auf Mitarbeitende erweitern. Er nutzt Retrieval aus freigegebenen Bankinhalten, filtert personenbezogene Daten vor jedem Modellaufruf und unterstützt verschiedene Modelle, zum Beispiel OpenAI über Azure oder Google Gemini, ohne eigenes Foundation Model (ACCELERAID). Weil er auf dem Context Layer sitzt, kann er eine Transaktion oder eine Produktkondition für den konkreten Kunden erklären, statt nur ein FAQ wiederzugeben. Braucht ein Schritt eine Aktion, koordiniert sie ein Agent. Die Reviewer-Logik entscheidet, wann ein Mensch übernimmt. Mehr dazu im Artikel zum AI Orchestration Layer.

Die Personalization Engine entscheidet, welche Inhalte, Angebote oder Servicehinweise jeder Kunde sieht, von Gewinnung, Aktivierung und Bindung bis zu Cross-Selling und Rückgewinnung. Ein klassischer A/B-Test findet einen Gewinner für alle. Die Engine lernt dagegen mit Bayesian-Bandit-Optimierung, welche Variante bei welchem Kunden wirkt, und prüft vor jeder Ausspielung die Einwilligung. Typische Auslöser zeigen die zehn Anwendungsfälle für Next Best Action.

Beide Produkte greifen auf dieselben Schichten zu: dieselben Kundendaten, denselben Kontext, dieselben Entscheidungsregeln und denselben Audit-Trail. Genau darin liegt der Sinn eines Stacks. Der Assistent verspricht nichts, was die Personalization Engine nicht anbieten würde, und keiner von beiden sieht Daten, die er nicht nutzen darf.

Wie eine Bank den Stack schrittweise einführt

Ein modularer Stack muss nicht auf einmal eingeführt werden. Drei Schritte haben sich bewährt:

1. Mit einem Produkt und einem Kanal starten, zum Beispiel dem AI Assistant auf der Service-Website. Betrieb, Sicherheit und Datenintegration sind dabei vom ersten Tag an sauber aufgesetzt.

2. Customer Data Platform und Context Layer ergänzen, sobald die ersten Datenquellen angebunden sind. Dann antwortet der Assistent kundenspezifisch, und die Personalization Engine startet mit wenigen Anwendungsfällen.

3. Anwendungsfälle und Kanäle ausbauen, auf demselben Fundament und jeweils gemessen gegen eine Vergleichsgruppe. Wie man misst, was KI bringt, zeigt der Artikel KI-Blase oder echter Wert?

Jeder neue Baustein nutzt die Kontrollen darunter. Deshalb lässt sich der Stack skalieren, ohne die Compliance-Arbeit für jeden Anwendungsfall neu zu beginnen.

Fünf Erkenntnisse

1. Banken brauchen einen kontrollierten KI-Stack statt eines weiteren isolierten KI-Tools. Die Lücke zwischen KI-Plänen und Produktionsreife ist eine Frage der Architektur.

2. Der ACCELERAID-Stack hat neun Bausteine, von Betrieb und Sicherheit ganz unten bis zu CX und Personalisierung ganz oben, darüber die Kanal-Konnektoren.

3. Sicherheit, Datenschutz und Compliance sind Schicht 02 und kein Zusatz. PII-Filterung, Berechtigungen, Einwilligung und revisionssichere Protokollierung unterstützen die Anforderungen, die für die Bank gelten. ACCELERAID und sein Rechenzentrum sind nach SOC 2 geprüft.

4. AI Assistant und Personalization Engine sind die zwei Produkte, die Kunden erleben. Beide greifen auf dieselben Daten, denselben Kontext, dieselben Entscheidungen und denselben Audit-Trail zu.

5. Banken können den Stack schrittweise einführen, mit einem Produkt und einem Kanal beginnen und auf demselben Fundament ausbauen.

Grafik: ACCELERAID modularer KI-Stack. 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.