Wie die DKB einen Digital Agent entwickelt, der einen Großteil aller Support-Anfragen löst

Intro

In dieser Episode des AI FIRST Podcast spricht Felix Schlenther mit Sascha Dewald, Chief Growth Officer der DKB, über die KI-Transformation einer der innovativsten Banken Deutschlands. Die DKB hat mit ihrem Digital Agent einen der größten Gen-AI-Use-Cases im deutschen Markt umgesetzt: über zwei Millionen Chat-Sessions, eine Resolution-Rate von über 80 Prozent und jede dritte Kundenanfrage wird direkt über den Bot abgewickelt. Sascha gibt Einblicke in die technische Architektur mit Multi-Model-Strategie, das Governance-Paradoxon zwischen Innovation und Compliance und erklärt, warum der Kampf um die Kundenschnittstelle die Zukunft des Bankings entscheiden wird.

Inhaltsübersicht

Saschas KI-Journey reicht bis 2018 zurück, als er mit einem IBM-Watson-Chatbot für Konsumentenkredite erste Erfahrungen sammelte.
Die DKB formulierte im Sommer 2023 das radikale Ziel, den menschlichen Erstkontakt im Kundenservice bis 2026 weitgehend abzuschaffen.
Design-Sprints mit echten Kunden ergaben überraschende Erkenntnisse: Keine Chat-Bubble, keine Avatare — stattdessen Integration in die Suchleiste.
Der Digital Agent läuft zu 100 Prozent auf Gen-AI mit GPT 4.5 als Primärmodell und Anthropic Claude 3.7 als Kontrollinstanz.
Über 500 Testszenarien wurden vor dem Live-Gang gefahren, regelmäßiges Prompt-Fuzzing durch das eigene Team sichert die Qualität.
DocAI automatisiert die Dokumentenverarbeitung im Kreditgeschäft — der schnellste Konsumentenkredit wurde in 90 Sekunden ausgezahlt.
Die Multi-Model-Architektur mit OpenAI, Microsoft Azure und Anthropic schützt vor Anbieterabhängigkeit.
Der Digital Agent wird transaktional: Limits anpassen, Karten sperren und Einblick ins Kernbankensystem sind heute schon möglich.
Eine Enterprise AI für alle 4.000 Mitarbeiter verändert Onboarding, Reporting und Führungskultur fundamental.
Banken müssen aufpassen, nicht nur noch als Backend-System zu verkommen — der Kampf um die Kundenschnittstelle ist real.
Digitale Souveränität und europäische Resilienz bei KI-Infrastruktur werden zunehmend strategisch wichtig.

Über den Gast

Sascha Dewald ist Chief Growth Officer der DKB und verantwortlich für Konzernstrategie, Kommunikation, Marke, Presse, Public Affairs und Sustainability. Zuvor leitete er das Retail Banking der DKB und war davor in internationalen Startups und Fintechs tätig, unter anderem als Gründer. Seine KI-Erfahrung reicht bis 2018 zurück, als er bei seinem damaligen Fintech Finreach einen der ersten Conversational-Banking-Chatbots auf IBM Watson-Basis entwickelte — in Zusammenarbeit mit der DKB für das Onboarding von Konsumentenkrediten.

Detaillierte Zusammenfassung

Von IBM Watson zum Digital Agent: Die KI-Reise der DKB

Saschas erste Berührung mit KI im Banking war 2018 ein Chatbot auf IBM Watson-Basis bei seinem Fintech Finreach. Damals waren Data Scientists, teure Infrastruktur und komplexe Architekturen nötig — alles musste selbst gebaut werden. „KI ist einfach deutlich demokratischer geworden", resümiert Sascha. „Es gibt viel weniger technische Eintrittsbarrieren, aber mehr Verantwortungsnotwendigkeit."

Im Sommer 2023, inmitten eines großen internen Transformationsprojekts, entschied sich die DKB, nicht nur den kleinen Zeh ins Wasser zu stecken, sondern es richtig zu machen. Die Bank hatte zu diesem Zeitpunkt bereits klassische AI-Use-Cases im E-Mail-Routing, Kundenservice und in der Betrugserkennung live. Doch der nächste Schritt war bewusst kein Effizienzprojekt: „Alle haben damals nur über Effizienzhebel im Backend gesprochen. McKinsey, BCG — die haben immer gesagt, ihr müsst vor allem eure Kosten runterprügeln. Wir wollten aber unseren Kunden was Gutes tun."

Das radikale Zielbild und die Design-Sprint-Überraschungen

Die DKB formulierte ein bewusst radikales Zielbild: Den menschlichen Erstkontakt im Kundenservice bis 2026 weitgehend abschaffen. Nicht als Kostcutting-Maßnahme, sondern um Kundinnen und Kunden 24/7 verlässliche, kompetente Antworten ohne Warteschleife zu geben. Nach damaliger Planung sollte der Digital Agent 20 bis 25 Prozent aller Anfragen lösen — bei 1,5 Millionen Anfragen pro Jahr.

Die anschließenden Design-Sprints mit echten Kunden lieferten Ergebnisse, die gegen sämtliche Annahmen des Teams liefen. Niemand wollte die klassische Chat-Bubble oder Avatare. Stattdessen wünschten sich 90 Prozent der Testpersonen eine Integration direkt in die Suchleiste. Die Kunden wollten kurze, präzise Antworten — „nicht so langes und empathisches oder vermeintlich empathisches Rumgelaber", fasst Sascha zusammen. Diese Erkenntnisse flossen direkt in die Entwicklung ein: Integration in die Suche, dann ins Webbanking, später in die Apps, ergänzt um Antizipationsfeatures und eine Bewertungsmöglichkeit bei jeder Konversation.

Technische Architektur: Multi-Model und Ensemble-Validierung

Nach anfänglichen regelbasierten Versuchen, die in Feldtests durchfielen, läuft der Digital Agent seit über einem Jahr zu 100 Prozent auf Gen-AI. Das Primärmodell ist OpenAI GPT 4.5 in einer geclusterten, gefeintunetem Umgebung. Die entscheidende Innovation ist das Ensemble-Modell: Bevor eine Antwort an den Kunden ausgespielt wird, prüft Anthropic Claude 3.7 als zweites Sprachmodell die Qualität. Nur bei 80-prozentiger Übereinstimmung wird die Antwort freigegeben. Abweichende Antworten landen auf einem „Gelbhaufen" zur manuellen Prüfung — mit der Möglichkeit zum nachträglichen Blocking bei roten Antworten.

Wenn wir Montagfrüh aufwachen, dann sind wir einfach blank, weil dann ist der Anbieter unseres Vertrauens wahrscheinlich nicht mehr da.

Die DKB setzt bewusst auf Anbieteragnostik: OpenAI, Microsoft Azure Copilot und Anthropic Claude laufen parallel. Pro Use Case sind mindestens zwei Anbieter gleichzeitig live. Die Redundanz schützt vor Ausfällen und ermöglicht Use-Case-spezifische Optimierung hinsichtlich Halluzination, Latenz und Cloud-Integration.

Für die Sicherheit sorgt regelmäßiges Prompt-Fuzzing durch ein internes Data-Science-Team, das mindestens einmal im Monat versucht, das System zu manipulieren. Vor dem Live-Gang wurden über 500 Testszenarien gefahren und anfangs jede einzelne Antwort manuell geprüft.

Beeindruckende Ergebnisse und DocAI

Die Zahlen übertreffen die ursprünglichen Planungen deutlich: Über zwei Millionen Chat-Sessions insgesamt, wöchentlich sechsstellige Nutzung und eine Resolution-Rate von über 80 Prozent — vier von fünf Anfragen erledigt der Bot alleine. Jede dritte Kundenanfrage wird direkt über den Digital Agent abgewickelt statt über Telefon oder Kontaktformular. Transparenz ist dabei zentral: „Der KI-Agent gibt sich klar als KI zu erkennen. Keine Täuschung."

Der nächste große Schritt ist DocAI für die Dokumentenverarbeitung im Kreditgeschäft. Das System liest Kreditverträge, klassifiziert Dokumente, extrahiert relevante Informationen, führt Erstprüfungen durch und übergibt ans Kernbankensystem. Die Ergebnisse: Über 50 Prozent Straight-Through-Processing-Rate, Bearbeitungszeiten von Tagen auf Minuten reduziert. Der schnellste Konsumentenkredit wurde in 90 Sekunden ausgezahlt.

Governance als Enabler, nicht als Bremse

Saschas zentrales Learning zur Governance ist ein Paradoxon: „Governance ohne Use Case bleibt für immer PowerPoint und Use Case ohne Governance wird dann relativ schnell gefährlich." Beides muss iterativ wachsen. Auf perfekte Regeln zu warten ist keine Option — die Technologiesprünge geschehen in Wochen und Tagen, nicht in Jahren.

Organisatorisch hat sich die DKB bewusst gegen einen zentralen „KI-Elfenbeinturm" entschieden. Stattdessen gibt es ein hybrides Modell: Ein zentrales Team aus Business-, Product- und Tech-Experten, Data Scientists, Juristen und Governance-Experten baut die Leitplanken. Die dezentralen Bereiche bekommen „Leitplanken, aber keine Handschellen" — sie können eigenständig neue Anwendungsfälle entwickeln. Sascha betont: „Unsere Governance bleibt lernend, sie bleibt flexibel. Sie ist kein Blocker, sondern ein Beschleuniger, der Innovation überhaupt erst ermöglicht."

Die Zukunft des Bankings: Agents und der Kampf um die Kundenschnittstelle

Der Digital Agent entwickelt sich vom Info-Bot zum transaktionalen Assistenten. Heute kann er bereits Limits anpassen, Karten sperren und entsperren und ins Kernbankensystem schauen. Saschas Vision geht weiter: Komplexe Prozesse wie Baufinanzierungen oder Kreditumschuldungen über natürliche Sprache abwickeln. Ein Action Layer, in dem die KI tief in Kernprozesse eingreift.

Parallel baut die DKB eine Enterprise AI für alle 4.000 Mitarbeiter. Personalisierte Onboarding-Tutorials, Reporting, Präsentationserstellung — die Arbeitsweise verändert sich fundamental. „Prompting wird zur Kernkompetenz wie Excel in den frühen 2000ern", prognostiziert Sascha. Führung wandelt sich vom Kontrollieren zum Coachen, weil Organisationen durch KI autonomer werden.

Banken müssen aufpassen, nicht nur noch als Backend-System zu verkommen.

Strategisch sieht Sascha den Kampf um die Kundenschnittstelle als die zentrale Herausforderung. Banken haben die Bedrohung durch Big Tech jahrelang weggelächelt, doch mit Entwicklungen wie der Stripe-Integration bei OpenAI, dem Perplexity-Browser Comet und Metas stillem KI-Rollout in WhatsApp und Instagram wird die Gefahr real. Sein Gegenmittel: Die DKB hat als erste europäische Bank eine Entwicklungspartnerschaft mit OpenAI geschlossen und arbeitet an der nahtlosen Integration über MCP-Konnektoren.

Langfristig rechnet Sascha mit einer Reinkarnation von Voice: Komplexe Bankprozesse über natürliche Sprache, gesteuert über AirPods und einen persönlichen Finanzassistenten. Er verweist auf Revolut als europäischen Wettbewerber, der AI-first-Use-Cases miteinander verbindet, und auf Startups wie Paloa in Berlin, die Voice-Agent-Lösungen für den Kundenservice entwickeln.

Sorgen und digitale Souveränität

Bei aller Begeisterung sieht Sascha auch Risiken: Seit es Gen-AI gibt, haben Missbrauch durch Deepfakes und Social Engineering massiv zugenommen. Er ist ein Verfechter von Human in the Loop — insbesondere bei Hochrisiko-Entscheidungen wie Kreditscoring und Bonitätsanalysen darf die Maschine nicht allein entscheiden. Jeder Prozessschritt muss so klein geschnitten sein, dass Explainability gewährleistet ist.

Ein zweites großes Thema ist digitale Souveränität: Sascha hat wachsende Sorge vor der Abhängigkeit von US-Anbietern und der europäischen Überregulation, die Geschwindigkeit kostet. Es reiche nicht, dass SAP eine OpenAI-Cloud bei sich betreibt — Europa müsse selbst ins Erfinden gehen und einen eigenen Footprint hinterlassen.

Kernaussagen

Governance und Use Case gehören zusammen — „Governance ohne Use Case bleibt für immer PowerPoint und Use Case ohne Governance wird dann relativ schnell gefährlich." Iterative Governance, Compliance-Innovation
KI ist demokratischer geworden — es gibt viel weniger technische Eintrittsbarrieren, aber mehr Verantwortungsnotwendigkeit. Demokratisierung, Verantwortung
Über zwei Millionen Chat-Sessions, 80 Prozent Resolution-Rate — wöchentlich sechsstellig unterwegs, vier von fünf Anfragen erledigt der Bot alleine. Digital Agent, Skalierung
Der Kampf um die Kundenschnittstelle ist real — Banken müssen aufpassen, nicht nur noch als Backend-System zu verkommen. Big Tech, Kundenschnittstelle
Prompting wird zur Kernkompetenz — wie Excel in den frühen 2000ern. Führung wandelt sich vom Kontrollieren zum Coachen. Enterprise AI, Führungskultur

Fazit und Takeaways

Für Unternehmen in regulierten Branchen

Kundennutzen vor Effizienz: Die DKB hat bewusst nicht mit internen Kostcutting-Use-Cases begonnen, sondern mit einem Produkt, das Kunden echten Mehrwert bietet — 24/7, ohne Warteschleife.
Iterativ starten, schnell skalieren: Von generischen Ideen schnell zu geschäftsspezifischen Anwendungen kommen. KI-gestützte FAQ-Chatbots sind ein risikoarmer Einstieg mit großem Hebel.
Governance iterativ mitentwickeln: Nicht auf perfekte Regeln warten, sondern Governance parallel zum Use Case wachsen lassen — adaptiv, lernend und transparent.
Multi-Model-Architektur aufbauen: Mindestens zwei Anbieter pro Use Case live haben, um Abhängigkeit zu vermeiden und Use-Case-spezifisch zu optimieren.

Für KI-Produktentwicklung

Kundentests gegen eigene Annahmen: Design-Sprints mit echten Nutzern liefern Erkenntnisse, die gegen alle internen Hypothesen laufen können — die DKB musste ihr gesamtes UI-Konzept umwerfen.
Ensemble-Modelle für Qualitätssicherung: Ein zweites Sprachmodell als Kontrollinstanz reduziert Halluzinationen drastisch und schafft Vertrauen in hochsensiblen Anwendungen.
Vom Info-Bot zum transaktionalen Agent: Der echte Mehrwert entsteht, wenn der Agent nicht nur informiert, sondern Aktionen im Kernbankensystem ausführen kann.

Für die Zukunft des Bankings

Kundenschnittstelle aktiv verteidigen: Wer nur Backend bleibt, verliert die Kundenbeziehung an OpenAI, Meta oder neue Super-Apps. Partnerschaften und eigene Agent-Interfaces sind strategisch überlebenswichtig.
Enterprise AI für alle: Nicht nur vertikale Use Cases bauen, sondern die gesamte Organisation mit einer Arbeitsplatz-KI befähigen — vom Onboarding bis zur Vorstandspräsentation.
Digitale Souveränität ernst nehmen: Europa muss über das Hosten amerikanischer Modelle hinausgehen und eigene KI-Kompetenz aufbauen.

Die DKB zeigt, dass auch in einem hochregulierten Umfeld radikale KI-Innovation möglich ist — wenn Governance als Enabler statt als Bremse verstanden wird, der Kundennutzen im Zentrum steht und die Organisation den Mut hat, groß zu denken und iterativ zu handeln.