Was passiert ist
Am 19. Oktober 2026 hat das Handelsblatt ein Interview mit Larry Fink veröffentlicht. Der CEO von Blackrock, dem weltgrößten Vermögensverwalter, sagt darin: Deutschland investiert nicht genug in KI. Er beschreibt einen härteren Wettbewerb um Kapital. Länder und Unternehmen, die bei KI zurückliegen, werden seiner Ansicht nach Kapital verlieren. Blackrock verwaltet mehrere Billionen US-Dollar. Wenn Fink über Kapitalallokation spricht, ist das keine abstrakte Meinung. Es ist eine Ankündigung, wohin institutionelles Geld fließt.
Das Interview ist kein Einzelfall. In den letzten Monaten haben mehrere große Asset Manager und Pensionsfonds ihre KI-Investitionen erhöht. Blackrock selbst setzt seit Jahren auf KI in der Risikoanalyse und im Portfoliomanagement. Die Plattform Aladdin, die Blackrock auch an andere Institutionen lizenziert, nutzt maschinelles Lernen für Szenarioanalysen. Wer als Finanzdienstleister in DACH diese Entwicklung ignoriert, riskiert, bei der Kapitalallokation außen vor zu bleiben.
Warum es jetzt für KMU in der Finanzbranche zählt
Aus meiner Sicht ist die Botschaft von Fink ein Weckruf, der weit über Industrie und Infrastruktur hinausgeht. Sie betrifft jeden Finanzdienstleister, vom unabhängigen Vermögensverwalter über die kleine Privatbank bis zum Steuerberater mit Finanzmandaten. Der Grund ist einfach: Institutionelle Investoren lenken Kapital in Unternehmen und Anbieter, die KI produktiv nutzen. Wer als Finanzdienstleister KI nicht einsetzt, verliert nicht nur Effizienz, sondern auch Mandate, Kunden und Bewertung.
Häufiges Muster: Kleinere Häuser warten, bis ein großer Wettbewerber ihnen einen institutionellen Kunden abnimmt oder bis die Aufsicht konkrete KI-Anforderungen stellt. Dann ist der Rückstand schwer aufzuholen. Ein typisches Beispiel: Ein Vermögensverwalter mit 200 bis 500 Kunden erstellt Quartalsberichte manuell. Jeder Bericht dauert 30 bis 45 Minuten. Mit einem LLM-basierten Reporting-Tool lässt sich die Zeit auf unter 10 Minuten senken. Das sind pro Quartal mehrere hundert Stunden, die für Beratung und Akquise frei werden. Der Wettbewerber, der diesen Schritt zuerst geht, hat mehr Zeit für den Kunden und kann günstiger anbieten.
Dazu kommt der Effekt auf die Bewertung des eigenen Unternehmens. Wer als Asset Manager oder Finanzberater in den nächsten Jahren verkaufen oder fusionieren will, wird von Käufern auch danach beurteilt, wie stark Prozesse automatisiert sind. Ein Haus ohne KI-gestützte Analyse- und Reporting-Werkzeuge wirkt wie ein Haus ohne Online-Banking im Jahr 2015. Es mag noch funktionieren, aber der Wert sinkt.
Ein weiterer Punkt ist Regulierung. Der AI Act der EU gilt bereits und wird in Stufen verbindlich. DORA verlangt von Finanzdienstleistern ein robustes Management von IKT-Risiken, zu denen auch KI-Systeme zählen. Wer jetzt beginnt, kann die Anforderungen schrittweise umsetzen. Wer wartet, muss später unter Zeitdruck nachrüsten. Das kostet mehr und führt zu schlechteren Lösungen.
Konkrete Handlungsempfehlung für Finanz-KMU
Mein Rat: Beginnen Sie diese Woche. Nicht mit großem Budget, sondern mit drei gezielten Schritten.
Schritt 1: Datenbestand strukturieren. KI in der Finanzbranche lebt von sauberen, zugänglichen Daten. Prüfen Sie, welche Daten Sie zu Kunden, Portfolios, Transaktionen, Research und Compliance vorhalten. In den meisten Häusern liegen diese Daten in Silos: CRM, Portfolio-Management-System, Excel-Tabellen, E-Mail-Archive. Ohne eine gemeinsame Basis bleibt jedes KI-Projekt ein Pilot, der nie produktiv wird. Erstellen Sie ein Dateninventar. Dokumentieren Sie Quellen, Formate, Zugriffsrechte und Aktualität. Das ist keine Aufgabe für die IT allein. Fachabteilungen, Compliance und Geschäftsleitung müssen gemeinsam festlegen, welche Daten geschäftskritisch sind und welche Qualität sie haben.
Schritt 2: Einen Use-Case mit klarem ROI auswählen. Nicht alles auf einmal. Wählen Sie einen Prozess mit hohem manuellen Aufwand und messbarem Ergebnis. Bewährte Kandidaten in der Finanzbranche sind: automatisiertes Client-Reporting, AML-Transaktionsmonitoring, Dokumentenprüfung im Kreditantrag, Research-Zusammenfassungen für Berater oder die automatisierte Erstellung von Geeignetheitserklärungen. Der Use-Case sollte in 6 bis 12 Wochen umsetzbar sein. Definieren Sie eine Metrik: Stundenersparnis, Fehlerreduktion, Durchlaufzeit oder Kostensenkung pro Vorgang. So vermeiden Sie den Fehler, eine allgemeine KI-Strategie zu formulieren, die niemand umsetzt.
Schritt 3: Regulatorik von Anfang an mitdenken. Für Finanzdienstleister in DACH gelten AI Act, DORA und branchenspezifische Vorgaben wie MiFID II oder die Anforderungen von BaFin, FMA und FINMA. Holen Sie Compliance früh ins Team. Klären Sie, welche Risikoklasse Ihr KI-System laut AI Act hat. Dokumentieren Sie die Entscheidungslogik, prüfen Sie die Datenherkunft und stellen Sie sicher, dass menschliche Aufsicht dort bleibt, wo sie rechtlich oder fachlich nötig ist. Das ist kein Hindernis. Es schützt vor späteren Nacharbeiten und vor Problemen mit der Aufsicht.
Diese drei Schritte kosten keine sechsstelligen Beträge. Sie erfordern Disziplin und den Willen, einen konkreten Prozess zu verändern. Wer sie umsetzt, positioniert sich als Anbieter, der mit KI umgehen kann. Genau solche Anbieter werden vom Kapitalmarkt bevorzugt. Die Botschaft von Larry Fink ist klar: Deutschland investiert zu wenig in KI. Das gilt nicht nur für Industrieunternehmen, sondern auch für die Finanzbranche. Handeln Sie jetzt, bevor andere es tun.