Institutionelles Wissen im Banking: Warum KI es wertvoller macht

Während des größten Teils meiner Karriere im Banking war Wissen ein echter Wettbewerbsvorteil. 

Nicht Insiderwissen. Sondern Marktanalysen. Das Verständnis von Kundenverhalten. Strukturelle Veränderungen früher zu erkennen als andere. Banken, die Beobachtungen in Erkenntnisse übersetzen konnten, schufen damit Wert für sich selbst und für ihre Kunden. Informationsvorsprung war ein legitimer Wettbewerbsvorteil. 

Ich habe das bei Werthstein selbst erlebt. Einer unserer Unterschiede im Markt war, dass wir unseren Kunden strukturierten Zugang zu aktuellem Wissen und Marktanalysen gegeben haben. Am 22. März 2017 veröffentlichten wir ein Investmentthema mit dem Titel „Zeitgeist Driverless Cars“. Eine der wichtigsten Aktien im Portfolio war NVIDIA. Der Aktienkurs lag damals splitbereinigt bei rund 2,70 US-Dollar. Heute liegt er bei rund 229 US-Dollar. Das Video ist übrigens noch immer auf YouTube verfügbar, falls es sich jemand ansehen möchte. 

Genau das kann frühes, nutzbares Wissen bewirken.

KI macht allgemeines Wissen überall verfügbar

Allgemeines Wissen ist nicht mehr knapp. Mit einem guten Modell kann heute jeder innerhalb von Sekunden auf Makroanalysen, Branchenüberblicke, historische Daten und schlüssige Argumentationen zugreifen. 

Der alte Informationsvorsprung bei öffentlich verfügbarem Wissen verschwindet schnell. Was früher ein Research-Team mehrere Tage beschäftigt hat, lässt sich heute in Minuten erstellen, oft sogar konsistenter. 

Das macht Wissen nicht weniger relevant. Es verändert nur, welches Wissen weiterhin wertvoll ist.

Welches Wissen im Banking wirklich knapp wird

Knapp ist heute nicht mehr der allgemeine Insight. Knapp ist das spezifische Wissen, das innerhalb der Organisation lebt. 

Das institutionelle Gedächtnis. Definitionen, die nie vollständig dokumentiert wurden. Entscheidungsregeln, die erfahrene Mitarbeiter im Kopf haben. Das tatsächliche Verhalten bestimmter Kundensegmente über Jahre hinweg. Ausnahmen, die nie den Weg ins offizielle Prozesshandbuch gefunden haben. Proprietäre Daten, die reale Entscheidungen, Abwägungen und Ergebnisse über lange Zeiträume widerspiegeln. 

Dieses Wissen existiert in den meisten Banken weiterhin. Es ist nur fragmentiert und verteilt sich über Systeme, lokale Dateien, E-Mail-Verläufe und einzelne Personen. 

Wenn diese Menschen das Unternehmen verlassen oder die Rolle wechseln, verschwindet ein Teil davon. Wenn unterschiedliche Teams leicht unterschiedliche Definitionen desselben Begriffs verwenden, arbeitet die Organisation unbemerkt mit mehreren Versionen der Wahrheit. 

Das Problem wird drängender. Große Restrukturierungsprogramme führen nicht nur dazu, dass Menschen das Unternehmen verlassen, sondern auch das Wissen, das sie mitbringen. Und selbst ohne Stellenabbau sorgt eine alternde Gesellschaft dafür, dass erfahrene Kollegen nach und nach ausscheiden. 

In beiden Fällen verliert die Organisation spezifisches Wissen, das nie vollständig festgehalten wurde. Ist es einmal weg, lässt es sich nur schwer wieder aufbauen.

Warum institutionelles Wissen mit KI noch wichtiger wird

Menschen konnten Inkonsistenzen oft mit Erfahrung und Kontext überbrücken. KI-Agenten können das nicht. 

Sie arbeiten mit dem Fundament, das man ihnen gibt. Wenn Definitionen, Regeln und institutionelles Wissen fragmentiert bleiben, skalieren Agenten genau diese Unklarheit, nur schneller und mit größerer Überzeugungskraft. 

Das ist eines der stilleren Risiken, die viele Institute unterschätzen. Die Technologie ist bereit. Die Modelle sind leistungsfähig. Der Engpass liegt in der Qualität und Zugänglichkeit des spezifischen Wissens, mit dem diese Modelle arbeiten dürfen.

Was ein Knowledge Layer für KI leisten muss

Ein nutzbarer Knowledge Layer ist kein besseres Dokumentenarchiv und auch kein weiteres SharePoint. Er muss drei praktische Probleme gleichzeitig lösen. 

Erstens muss proprietäres Wissen explizit und strukturiert werden. Dazu gehören fachliche Definitionen, Entscheidungsregeln, Prozesslogiken, Besonderheiten bestimmter Kundensegmente und auch das informelle Urteilsvermögen, das erfahrene Mitarbeiter jeden Tag anwenden. Solange dieses Wissen nur in den Köpfen einzelner Menschen steckt, kann es weder von Kollegen noch von KI-Agenten zuverlässig genutzt werden. 

Zweitens braucht es klare Verantwortung. Jemand muss für zentrale Definitionen verantwortlich sein und dafür sorgen, dass sie aktuell bleiben. Ohne Ownership veraltet Wissen. Teams entwickeln still ihre eigenen Varianten, und die Organisation verliert eine gemeinsame Grundlage. 

Drittens muss dieses Wissen sowohl für Menschen als auch für Maschinen nutzbar sein. Menschen müssen es finden und ihm vertrauen können. KI-Agenten brauchen konsistenten, versionierten und berechtigungsabhängigen Zugriff, damit sie auf einer verlässlichen Wissensbasis arbeiten können, statt zu raten. 

Genau in diese Richtung entwickeln wir HICO VAULT Knowledge Management. Das Ziel ist nicht, mehr Dokumentation zu produzieren. Das Ziel ist, institutionelles Wissen in eine governte, wiederverwendbare Infrastruktur zu überführen, mit der sowohl Mitarbeiter als auch KI-Agenten arbeiten können und bei der Kontrolle, Nachvollziehbarkeit und klare Verantwortlichkeiten erhalten bleiben.

Wie Banken mit dem Aufbau eines Knowledge Layers beginnen können

Die erfolgreichsten Ansätze, die wir sehen, starten nicht mit einem mehrjährigen Transformationsprogramm. 

Sie beginnen kleiner und konkreter. Sie wählen einen Bereich mit hohem Nutzen, zum Beispiel die Vorbereitung von Beratungsgesprächen, Kreditprozesse oder Management Reporting, und machen das kritische Wissen in diesem Bereich explizit. Sie definieren die wichtigsten Begriffe, dokumentieren die Entscheidungsregeln, die tatsächlich relevant sind, und klären die Verantwortlichkeiten. 

Erst dann setzen sie KI-Agenten oder fortgeschrittene Analytik darauf auf. Gleichzeitig behandeln sie Wissen nicht nur als etwas, das gesammelt werden muss, sondern als etwas, das Governance braucht.

Versionierung, Zugriffsrechte und die Möglichkeit nachzuvollziehen, woher eine Definition stammt, werden genauso wichtig wie der Inhalt selbst. Fehlt das, wird aus dem Knowledge Layer schnell der nächste unkontrollierte Wissenssumpf. 

Und schließlich akzeptieren erfolgreiche Organisationen, dass diese Arbeit nie vollständig abgeschlossen ist. Institutionelles Wissen verändert sich. Kundenverhalten verändert sich. Regulierung verändert sich. Eine statische Wissensbasis ist fast so schnell veraltet, wie sie aufgebaut wurde. 

Die eigentliche Fähigkeit besteht deshalb darin, dieses Wissen dauerhaft lebendig, verantwortet und nutzbar zu halten.

KI verändert, welches Wissen wertvoll ist

Die Knappheit hat sich verschoben. Allgemeines Wissen ist im Überfluss vorhanden. Spezifisches institutionelles Wissen nicht. Banken, die das früh erkennen und investieren, um ihr eigenes Wissen nutzbar zu machen, bauen sich einen Vorteil auf, der mit der Zeit größer wird. 

Banken, die weiterhin leistungsfähige Modelle auf unvollständigen oder widersprüchlichen Kontext setzen, werden beeindruckende Ergebnisse produzieren, die genau dann unsicher wirken, wenn echte Verantwortung gefragt ist. 

Wissen war im Banking schon immer ein Vorteil. Die Form dieses Vorteils verändert sich nur. Wenn Sie sich fragen, wie Sie das institutionelle Wissen Ihrer Bank für Mitarbeiter und KI-Agenten nutzbar machen können, buchen Sie ein 30-minütiges Exploration Call mit uns. 

Gemeinsam schauen wir darauf, wo kritisches Wissen heute liegt, wo es verloren zu gehen droht und welcher Bereich sich als sinnvoller erster Schritt eignet.​

Gespräch vereinbaren