Deutsche Banks sechsjährige Cloud-Migration war die Voraussetzung für die Dokumentenautomatisierung

Zuerst die Migration, dann die Automatisierung

Das Kernergebnis dieses Beitrags ist eine generative KI-Dokumentenpipeline, die mit 97 % Genauigkeit und 40 % weniger Bearbeitungszeit läuft. Doch Leukert beschreibt vor allem, was geschehen musste, bevor diese Zahl überhaupt möglich wurde.

Deutsche Bank begann 2019 mit der Migration zu Google Cloud und verlagerte rund 260 Anwendungen – bewusst zunächst die unkritischen, um in einem regulierten Umfeld Vertrauen aufzubauen. Die KI-Arbeit wird als Ertrag dieser Vorarbeit dargestellt, nicht als Ausgangspunkt.

Dieser Schritt hat sich ausgezahlt. Wir haben rund 260 Anwendungen zu Google Cloud verlagert, darunter geschäftskritische, was uns die schnelle Einführung generativer KI-Technologien ermöglichte.Montana Labs

Die implizite These lautet, dass die Automatisierungsgewinne von der Infrastrukturreife abhingen. Eine Bank kann Dokumentenextraktion nicht in großem Maßstab auf Systemen betreiben, die sie noch nicht verlagert, abgesichert und stabilisiert hat.

Die S4/HANA-Umstellung ist die tragende Aussage

Das konkreteste technische Detail ist die Migration von SAP S4/HANA – 17 Finanzberichtssysteme, darunter das strategische Hauptbuch, Planung und Prognose – vom eigenen Rechenzentrum in die Public Cloud, hier als eine der komplexesten Migrationen der Finanzgeschichte beschrieben.

Die berichteten Ergebnisse sind konkret: Verbesserungen der Datenverarbeitung um bis zu 50 % und eine um den Faktor 16 bis 20 verkürzte Wiederherstellungszeit. Das sind operative Kennzahlen zu Resilienz und Durchsatz, keine Angaben zur Modellgenauigkeit.

Für eine Automatisierungsgeschichte ist das der aufschlussreichere Teil. Die schnellere Wiederherstellung und der zusätzliche Verarbeitungsspielraum ermöglichen es der Bank, KI in den Kernbankbetrieb zu integrieren, ohne sie als Experiment auf fragiler Infrastruktur zu behandeln.

Wo die Automatisierung tatsächlich läuft

Leukert nennt drei konkrete Einsatzbereiche generativer KI. Die Dokumentenverarbeitung automatisiert täglich Tausende Dokumente – sie extrahiert Informationen aus Kundenaufträgen und Rechtsdokumenten – mit 97 % Genauigkeit und 40 % weniger Bearbeitungszeit.

Ein digitaler Assistent unterstützt derzeit Mitarbeitende in Research sowie Origination & Advisory, indem er Inhalte für Berichte und Analysen zusammenstellt, mit dem erklärten Potenzial zur bankweiten Ausweitung. Entwickler nutzen generative KI zudem, um Code zu schreiben, Fehler zu finden und die Dokumentation zu verbessern.

Es handelt sich um eng begrenzte Einsätze – bestimmte Dokumenttypen, bestimmte Mitarbeitergruppen – und nicht um eine unternehmensweite Transformation. Die 97-%-Zahl räumt zudem still eine Fehlerquote von 3 % ein, die eine regulierte Bank weiterhin durch Prüfung abfangen muss – deshalb bleibt der Fokus auf Unterstützung und kürzerer Bearbeitungszeit statt vollständigem Ersatz.

Das Schulungsprogramm für 6.000 Mitarbeitende ist Teil der Automatisierungskosten

Deutsche Bank hat ein Cloud-Engineer-Programm aufgebaut und mehr als 6.000 Mitarbeitende in Cloud- und KI-Kompetenzen geschult, gemeinsam mit Google Cloud bei Hackathons und Migrations-Sprints. Das wird gleichrangig mit der Technologie dargestellt, nicht als Randnotiz.

Diese Kombination ist das aufschlussreiche Signal für alle, die ähnliche Automatisierungsvorhaben planen. Die Bank behandelte die Kompetenz der Mitarbeitenden als Voraussetzung für den Einsatz von KI-Tools, nicht als Nachgedanken – dieselben Menschen, die den digitalen Assistenten nutzen und der Dokumentenpipeline vertrauen sollten, mussten zuerst geschult werden.

Was diese Reihenfolge für Automatisierungsprojekte in regulierten Unternehmen bedeutet

Die konkrete Erkenntnis aus Deutsche Banks Darstellung ist, dass die Automatisierungserfolge das Ergebnis jahrelanger unspektakulärer Arbeit waren: risikokontrollierte Migration, eine historisch komplexe Umstellung des Kernbankgeschäfts und eine Massenschulung.

Die Genauigkeit der Dokumentenverarbeitung und die Entwickler-Tools sind real, doch sie erscheinen in der Erzählung aus gutem Grund erst am Ende. Teams, die auf die Zahlen 97 % und 40 % blicken, sollten sie als Abschluss eines mehrjährigen Prozesses verstehen, nicht als sofort einsetzbare Fähigkeit – und beachten, dass selbst die Bank ihren produktiven KI-Einsatz auf definierte Dokumenttypen und Abteilungen begrenzt, statt ihn auf das gesamte Institut auszuweiten.