Was wir gelernt haben, als wir mit den Big Four über KI sprachen

Muhammed Gider
3 Min. Lesezeit • 
Als wir KI in Bank-Workflows der Big Four einführten, stellten wir fest: Der eigentliche Engpass waren nicht die Tools, sondern die kognitive Belastung. Das änderte sich, als wir nicht mehr für Automatisierung entwickelten, sondern dafür, menschliches Urteilsvermögen im großen Maßstab zu unterstützen.

Als wir erstmals mit den Big Four über KI sprachen, kamen die Gespräche überraschend schnell auf den Punkt. Es brauchte keine lange Einführung und keine Erklärung, warum KI wichtig ist. Fast sofort erzählten Partner und Senior-Berater, wofür sie ihre Zeit tatsächlich aufwendeten. Nicht für Entscheidungen oder Erkenntnisse, sondern für die Vorbereitung. Daten aus verschiedenen Systemen zusammentragen. Zahlen abgleichen. Sicherstellen, dass Analysen den internen Standards entsprechen, bevor überhaupt jemand darüber nachdenken konnte, was die Ergebnisse bedeuteten.

Was uns auffiel: Keine dieser Aufgaben war unwichtig. Sie waren notwendig. Aber auch erschöpfend. Sehr erfahrene Fachleute verbrachten einen großen Teil ihres Tages allein damit, die Voraussetzungen dafür zu schaffen, dass die eigentliche Denkarbeit beginnen konnte.

Im weiteren Verlauf der Gespräche benannten sie mehr als nur Dutzende Prozesse, in denen KI eine Rolle spielen könnte. Berichterstattung, Compliance, Finanzkontrollen, Steueranalysen, interne Prüfungen. Auf den ersten Blick sah es nach einem klassischen Automatisierungsproblem aus. Das war es nicht.

Für die meisten dieser Prozesse gab es bereits Tools, Vorlagen und teilweise automatisierte Abläufe. Was alles verlangsamte, lag zwischen den einzelnen Schritten. Kontextwechsel. Ergebnisse abgleichen. Auf Grundlage verstreuter Informationen zu konsistenten Einschätzungen kommen. Der eigentliche Aufwand bestand nicht allein in der benötigten Zeit, sondern in der kognitiven Belastung.

An diesem Punkt änderte sich unsere Sichtweise.

Statt zu fragen, wie KI die Arbeit von Anfang bis Ende übernehmen könnte, fragten wir nun, wie sie die Menschen unterstützen könnte, die diese Arbeit leisten. Was wäre, wenn KI die kräftezehrenden Teile übernehmen könnte, ohne den Menschen die Kontrolle zu nehmen? Was wäre, wenn sie strukturierte Entwürfe vorbereiten, Unstimmigkeiten aufzeigen und ihre Schlussfolgerungen nachvollziehbar machen könnte, damit sich Fachleute auf die Beurteilung statt auf die Vorbereitung konzentrieren könnten?

Als dieser Ansatz in der Praxis zum Einsatz kam, wurde seine Wirkung greifbar.

Über alle Teams hinweg sanken die Durchlaufzeiten für wiederkehrende analytische Aufgaben um 80 bis 90 Prozent. Manuelle Fehler gingen deutlich zurück, insbesondere bei Prozessen, die viele Abgleiche erforderten. Ebenso wichtig: Die Ergebnisse wurden über Teams hinweg konsistenter, die dieselben Aufgaben zuvor auf leicht unterschiedliche Weise bearbeitet hatten. Im Durchschnitt gewannen Berater rund 40 bis 50 Stunden pro Monat zurück, die sie nun für anspruchsvollere Denkarbeit nutzen konnten.

Die interessanteste Veränderung zeigte sich jedoch nicht in den Zahlen.

Sie zeigte sich darin, wie die Menschen über ihre Arbeit sprachen. Prüfungen verliefen ruhiger. Diskussionen wurden fokussierter. Erfahrene Prüfer verbrachten weniger Zeit damit, zu kontrollieren, ob alles korrekt war, und mehr Zeit damit, zu besprechen, was die Ergebnisse tatsächlich bedeuteten.

Mit der Zeit fühlte sich das System nicht mehr wie ein Tool an, das man benutzen musste. Es wurde vielmehr als gemeinsame Arbeitsweise wahrgenommen, die unauffällig aufnahm, wie Entscheidungen getroffen wurden, und dies in künftigen Analysen widerspiegelte.

Diese Erfahrung bestärkte uns auch in einer Überzeugung, die wir schon lange vertreten. Fortschritte auf dem Weg zu einer allgemeineren Intelligenz werden nicht von Systemen kommen, die versuchen, Fachleute in komplexen Bereichen zu ersetzen. Sie werden von Systemen kommen, die Hürden für fachliches Denken abbauen und es verstärken.

In diesen Projekten schuf KI nicht durch Autonomie einen Mehrwert, sondern durch Zusammenarbeit. Sie traf keine Entscheidungen für die Menschen. Sie half ihnen, schneller bessere Entscheidungen zu treffen.

Wenn sich schon früh abzeichnet, wo AGI-ähnliche Systeme zuerst eine wichtige Rolle spielen werden, dann hier. Nicht bei der vollständigen Automatisierung, sondern bei der Unterstützung menschlichen Urteilsvermögens in großem Maßstab.

Dieser Wandel – weg von der Automatisierung, hin zur Verstärkung menschlicher Fähigkeiten – machte den Unterschied.

Dvina beitreten

Registriere dich kostenlos und vereine all deine Tools in einem übersichtlichen Arbeitsbereich.

Mehr entdecken