Su Yang (BNP Paribas): „Einen schlechten Prozess zu agentifizieren verbrennt nur Tokens“

‍Alle reden über KI. Wo steht BNP Paribas tatsächlich?

Der Hype begann mit ChatGPT Ende 2022, doch die Bank startete vor rund fünfzehn Jahren mit Kreditscoring und Betrugserkennung. Heute koexistieren drei Projektkategorien: klassische, generative und nun agentische KI. Der Evident AI Index, die Referenz für die KI-Reife der 50 größten Banken der Welt, platziert BNP Paribas 2025 auf Rang 11 weltweit und Rang 1 in der Eurozone. BNP Paribas gehört neben JPMorgan und DBS zu den weltweit nur drei Banken, die einen echten Return on Investment veröffentlichen: ein KI-Portfolio mit einem Wert von 635 Millionen Euro im Jahr 2025, mit einem Zielwert von 750 Millionen Euro in diesem Jahr. Was sich mit agentischer KI verändert, ist der Maßstab. Die Infrastrukturinvestitionen sind erheblich größer, das Expertenwissen entwickelt sich sehr schnell. Deshalb wurde 2024 die Abteilung AI Transformation gegründet, um Kräfte zu bündeln und generative sowie agentische KI so kosteneffizient wie möglich einzusetzen. Im Kern läuft alles auf vier Stoßrichtungen hinaus: Kundenerlebnis, Mitarbeiterunterstützung, Automatisierung von Abläufen und Absicherung des Bankbetriebs.

„Wir gehören zu den weltweit nur drei Banken, die einen ROI für KI veröffentlichen.“

Fünfzehn Jahre Transformation: Was hat die Akzeptanz wirklich bewegt?

Akzeptanz ist entscheidend. Ein Werkzeug, das gebaut wird, um genutzt zu werden, ist wertlos, wenn es niemand nutzt. Der Wendepunkt kam, als wir von einer diffusen Akzeptanz, die lokalen Teams überlassen war, zu strukturierten Programmen übergingen: ein dediziertes Team, ein Buchungssystem nach Doctolib-Vorbild, bei dem jeder einen Slot für seine Nutzungsfragen reservieren kann. Das Ergebnis: fast 60 NPS-Punkte Zuwachs innerhalb eines Jahres bei diesen Tools. Parallel dazu steht jedem Mitarbeiter ein interner KI-Assistent zur Verfügung, ergänzt durch einige Dutzend Copilot-Lizenzen dort, wo der Nutzen am deutlichsten ist.

Sie arbeiten mit Mistral zusammen. Warum, jenseits der französischen Flagge?

Mistral ist in der Praxis der einzige Anbieter, der die Gewichte seiner Modelle verkauft, als Download, mit vollständiger Kontrolle, was US-amerikanische oder chinesische Anbieter nicht tun. Das erst ermöglicht unsere interne Schicht, den „LLM-as-a-Service“, der auf mehreren Modellen gleichzeitig läuft statt auf einem einzigen: Jede Anwendung kann ein Modell aufrufen, ohne von vornherein für KI konzipiert worden zu sein, und wir orchestrieren diese verschiedenen Modelle, die regelmäßig aktualisiert werden. Mistral ist eines davon, neben anderen. Rund fünfzehn Modelle in Produktion, hundert in der Erprobung. Der Vertrag wurde Anfang des Jahres um drei Jahre verlängert. Anfangs waren die französischen Modelle leistungsfähiger und sparsamer. Bei Software und Dienstleistungen haben die großen US-Technologieunternehmen inzwischen gleichgezogen, das ist also kein Alleinstellungsmerkmal mehr. Was wir suchen, ist ein vertrauenswürdiger Partner, mit dem wir gemeinsam aufbauen, keine Standardlösung von der Stange. Ein französischer Anbieter ist für uns naheliegend.

Vollständig auf OPEX zu setzen in einem Sektor, in dem die Modellanbieter kein Geld verdienen, setzt einen steigenden Preisen aus.

Wie behält eine Bank bei den Kosten den Überblick über die KI-Rechnung?

Das IT-Betriebsbudget liegt bei rund 8 Milliarden Euro im Jahr, davon entfallen etwa 10 % auf Cybersicherheit. Bei KI laufen die meisten Tokens über den LLM-as-a-Service, mit einer intern entwickelten Orchestrierung und GPUs, die direkt bei Nvidia gekauft werden und in unseren eigenen Rechenzentren stehen. Das ermöglicht eine weitaus bessere Kostenkontrolle als bei Banken, insbesondere US-amerikanischen, die auf Hyperscaler setzen: Wir sprechen hier von Größenordnungsunterschieden. Es gibt dabei durchaus einen Rückzug von jenem Ansatz. Vollständig auf OPEX zu setzen in einem Sektor, in dem die Modellanbieter noch kein wirkliches Geld verdienen, setzt einen steigenden Preisen aus. Besser ist es, in CAPEX zu investieren und den OPEX langfristig zu senken. Agentische KI kostet mehr als klassische industrialisierte KI, bleibt aber in beherrschbaren Größenordnungen.

Und die Infrastruktur: Wie lange dauert es, sie aufzubauen?

Den Betrieb von Rechenzentren versteht man nicht von heute auf morgen. BNP Paribas entstand im Jahr 2000 aus der Fusion von BNP und Paribas, steht aber auf einem fast 180 Jahre alten Bankerbe und mehr als sechs Jahrzehnten IT-Kompetenz. Jeder große Akteur, JPMorgan eingeschlossen, hat die Infrastruktur internalisiert, schlicht weil bei M&A-Transaktionen, im Investmentbanking oder in der Finanzkommunikation vertrauliche Daten verarbeitet werden. Zu den europäischen KI- und Datenregeln kommen Finanzvorschriften hinzu, die eine Kontrolle über die Daten vorschreiben. Für ein Start-up hängt alles von dessen Anbindung an bestehende Infrastrukturanbieter ab.

Verändert KI das Spiel in der Cybersicherheit?

Auf vier Ebenen. Erstens nutzen Angreifer KI: Seit ChatGPT werden unsere Kunden mit 1.300 % mehr Social-Engineering-Betrugsversuchen konfrontiert. Nicht 1.300 % mehr Verluste, weil wir Abwehrmaßnahmen eingesetzt haben. Zweitens hilft KI bei der Verteidigung. Drittens muss man lernen, sich anders zu organisieren, mit Agenten zu arbeiten, in der Verteidigung, im Red Teaming, in der Beobachtbarkeit. Und viertens bedeutet der Einsatz von KI, sie abzusichern: Leitplanken für personenbezogene Daten, toxische Interaktionen, Prompt Injection, damit Agenten im großen Maßstab ohne Schaden laufen können.

Man kann einen Agenten im Nachhinein immer tadeln. Das bringt uns nicht weiter.

Wo ziehen Sie die Grenze zwischen Agent und Mensch?

Der Mensch ist von vornherein vorgesehen. Ein Agent ist kein Superentwickler: Wenn ein Mitarbeiter etwas Ungeplantes tut, trägt jemand die Verantwortung. Einen Agenten kann man im Nachhinein immer tadeln, aber das bringt uns nicht weiter. Daher werden die rechtlichen, organisatorischen und Governance-Fragen in einem eigenen Programm behandelt. Ein Beispiel: Ein Vertriebsteam, das über Microsoft Agent Builder verfügte, baute eigenständig rund zwanzig Agenten und fragte sich, ob die IT noch gebraucht werde. Einige Monate später saß dieselbe Person unter einer Lawine von Support-Anfragen der Kollegen, hatte die Reihenfolge der Agentenkette vergessen und entdeckte die mentale Last der Orchestrierung sowie die Bedeutung des Wortes Produktivbetrieb. Die abschließende Entscheidung bleibt beim Menschen. Die Regulierung, der AI Act ebenso wie die DSGVO, verlangt ausdrücklich, jederzeit von einer automatisierten Entscheidung auf eine vollständig menschliche zurückschalten zu können, sobald die finanzielle Situation eines Kunden auf dem Spiel steht.

Welche Rollen werden bis Jahresende am stärksten betroffen sein?

Back Office und Middle Office, mit KYC als Hauptanwendungsfeld, weil es an der Schnittstelle von Effizienz und Kundenerlebnis liegt. Dazu jedes Produkt mit langen Bearbeitungszeiten: Hypotheken, Kreditvergabe, Transaction Banking. Softwareentwicklung ist der ausgereifteste Anwendungsfall, bereits für alle Entwickler ausgerollt, und wir gehen zu komplexeren Agenten über. Auch M&A- und Investmentbanking-Tätigkeiten, die stark auf Recherche und Synthese ausgerichtet sind, profitieren erheblich von agentischer KI. Die eigentliche Botschaft: Der Nutzen zeigt sich nahezu überall, im Front, Middle und Back Office, im Geschäft wie in der Verwaltung.

Ein letzter Punkt?

Wir haben viel über Technologie gesprochen, aber eine KI-Transformation steht ebenso sehr auf Prozessen wie auf Modellen. Es hat keinen Sinn, das Bestehende einfach zu agentifizieren: Einen schlechten Prozess zu agentifizieren verbrennt nur Tokens. Und vor allem die Daten, das vernachlässigte Kind dieser Transformationen. Ein Agent, der einem Kunden antwortet, muss das richtige Produkt nennen, mit aktuellen Zahlen, nicht das danebenstehende. Ohne saubere Daten hält der Rest nicht stand.