Was diese Woche passiert ist
Jamie Dimon, CEO von JPMorgan Chase, hat seine Linie zur KI-Transformation der Bank weiter verschärft. Laut Handelsblatt-Bericht vom 21. Mai sieht Dimon das klassische Banking-Berufsbild im strukturellen Umbruch: Routine-Tätigkeiten in Operations, Reporting und Teilen des Underwritings werden durch KI ersetzt, gleichzeitig entstehen neue Rollen rund um Modell-Governance, Daten-Engineering und KI-Produktentwicklung.
Das ist keine PR-Aussage zu „Augmentation statt Ersetzung”. Dimon spricht offen davon, dass Stellen wegfallen. JPMorgan hat parallel die Zahl der KI-Spezialisten im Konzern in den letzten Quartalen massiv ausgebaut und kommuniziert intern eine klare Reihenfolge: zuerst Prozess automatisieren, dann Headcount anpassen, dann neue Rollen besetzen.
Für eine US-Großbank ist das wenig überraschend. Interessant ist, was es für die zweite Reihe bedeutet: Regionalbanken, Sparkassen-Verbund, Volksbanken, Privatbanken und Asset-Manager im DACH-Raum.
Warum es jetzt für Finanzhäuser in DACH zählt
Dimons Ansage ist kein US-Phänomen. Sie ist ein Frühindikator dafür, wie Personalstruktur und IT-Budget in einer kompetitiven Bank in fünf Jahren aussehen.
Drei Punkte fallen aus meiner Sicht ins Gewicht.
Erstens: Die Kostenkurve dreht. Wenn JPMorgan Routinetätigkeiten in Loan-Operations, KYC-Vorbereitung, Mandantenkorrespondenz und internem Reporting automatisiert, sinkt die Cost-Income-Ratio dort spürbar. Eine österreichische Regionalbank, die heute noch 60 Prozent ihrer Backoffice-Kapazität in manuelle Dokumentenprüfung und Excel-Reporting steckt, konkurriert in drei Jahren mit Häusern, die dasselbe Volumen mit der Hälfte der Köpfe abwickeln. Das ist keine Vision, das ist Mathematik.
Zweitens: Die Rollenprofile ändern sich schneller, als HR-Pläne nachziehen. Typisches Muster in DACH-Banken: Die KI-Strategie liegt bei IT oder einer Stabstelle, die Personalentwicklung läuft separat in HR, das Fachgeschäft beobachtet aus der Distanz. Das funktioniert nicht mehr. Ein Kreditanalyst, dessen Vorprüfung künftig ein Modell macht, braucht entweder ein neues Skill-Set (Modell-Validierung, Edge-Case-Beurteilung, Plausibilisierung von KI-Output) oder eine andere Funktion. Diese Umqualifizierung dauert 12 bis 24 Monate. Wer 2026 startet, ist 2028 fertig. Wer 2028 startet, kauft 2030 teuer am Markt zu.
Drittens: Compliance- und Risk-Funktionen werden zur Engstelle. EU-AI-Act, DORA und die einschlägigen EBA-Guidelines verlangen dokumentierte Modell-Governance, menschliche Aufsicht bei Hochrisiko-Anwendungen und nachvollziehbare Entscheidungswege. Banken, die KI in Kreditentscheidung, Geldwäsche-Screening oder Wertpapierberatung einsetzen, brauchen Personal, das Modelle nicht nur betreibt, sondern aufsichtsfest dokumentiert. Diese Profile sind am Markt rar. JPMorgan kauft sie gerade ein.
Was konkret zu tun ist
Ich arbeite mit Finanzhäusern in AT und DE, die zwischen 80 und 5.000 Mitarbeitern haben. Drei Schritte halte ich für jedes Haus oberhalb der reinen Vertriebsbank für überfällig.
Schritt 1: Prozess-Inventur mit Automatisierungs-Score, nicht KI-Pilot.
Der typische Fehler: Ein Vorstand liest einen Artikel wie diesen, ruft den CIO an, und drei Wochen später läuft ein „GenAI-Pilot” im Marketing. Das ist Aktionismus. Sinnvoller ist eine nüchterne Inventur: Welche Prozesse binden heute wieviel FTE? Welche davon sind regelbasiert, dokumentenlastig oder kommunikationslastig? Welche Datenqualität liegt zugrunde? Mein Rat: Beginnen Sie bei den drei größten Backoffice-Prozessen nach FTE-Aufwand und bewerten Sie Automatisierungsgrad in einem einfachen Score von 1 bis 5. Das gibt Ihnen eine Prioritätenliste, die kein Beratungsdeck ersetzt.
Schritt 2: Governance vor Werkzeug.
Bevor das erste Modell in einen kritischen Prozess geht, brauchen Sie eine schriftliche Antwort auf vier Fragen: Wer entscheidet, ob ein Modell produktiv geht? Wer überwacht laufend die Performance? Was passiert, wenn das Modell driftet oder halluziniert? Wie dokumentieren Sie das aufsichtsfest? Wenn diese Antworten nicht in einem Dokument stehen, das Risk, Compliance und IT unterschrieben haben, gehen Sie kein Risiko ein, das Sie tragen können. Das ist keine Theorie. Die ersten BaFin- und FMA-Prüfungen zu KI-Einsatz laufen bereits.
Schritt 3: Reskilling-Pfade konkret pro Rolle.
Nicht „wir schulen alle in KI”. Sondern: Für die Rolle Kreditanalyst Firmenkunden definieren Sie, welche drei konkreten Aufgaben in 24 Monaten anders aussehen werden, welche neuen Fähigkeiten dafür nötig sind, und welcher Schulungsweg dahin führt. Das gleiche für Compliance-Officer, Wealth-Berater, Backoffice-Sachbearbeiter. Häufiges Muster: Banken schulen breit, aber flach. Wirksamer ist tief und rollenspezifisch.
Was Sie nicht tun sollten
Zwei Anti-Muster, die ich aktuell oft sehe.
Das eine: Auf den großen Wurf warten, bis ein Kernbanken-Anbieter „KI integriert” liefert. Das dauert. Und es liefert Ihnen ein generisches Werkzeug, keinen Wettbewerbsvorteil.
Das andere: Schatten-KI tolerieren. Wenn Ihre Mitarbeiter ChatGPT, Claude oder Gemini privat für Kundendaten nutzen, weil die Bank keine offizielle Lösung anbietet, haben Sie ein Datenschutz- und Aufsichtsproblem, das im Ernstfall den Vorstand kostet. Das Gegenmittel ist nicht Verbot, sondern eine offizielle, freigegebene Umgebung.
Mein Fazit
Dimons Aussage ist für DACH-Banken weniger eine Prognose als ein Zeitstempel. Die Frage ist nicht mehr, ob KI die Personalstruktur im Banking verändert. Die Frage ist, ob Ihr Haus den Übergang aktiv steuert oder passiv erleidet. Der Unterschied zwischen beidem liegt nicht im Technologie-Budget, sondern in der Frage, ob Vorstand, HR, Risk und IT gemeinsam einen Plan haben, der über das laufende Geschäftsjahr hinausreicht.
Wenn Sie heute keinen schriftlichen Drei-Jahres-Plan zu Prozess-Automatisierung, Modell-Governance und Reskilling haben, ist das Ihre dringendste Hausaufgabe für das nächste Quartal.