Eine Umfrage aus dem Jahr 2026 unter 277 Bankführungskräften in 37 afrikanischen Ländern ergab, dass 83,2 % der Institute planen, ihre KI-Ausgaben in den nächsten 12 Monaten zu erhöhen. Dennoch verfolgt fast ein Drittel den Return on Investment (ROI) der Technologie nicht formell. Unter den Banken, die KI-Erträge nicht messen, intendieren dennoch 82 % eine Aufstockung ihrer Budgets.

Die Ergebnisse verdeutlichen die Spannung im Zentrum des millionenschweren Bankautomatisierungsschubs in Afrika. Die Banken investieren in KI trotzCloud-Rechnungen in US-Dollar, Einschränkungen bei der Integration legacy-getriebener Kernbankensysteme und einem Mangel an Machine-Learning-Ingenieuren. In dieser Ausgabe von Delve into AI untersucht EMMANUEL NWOSU die Lücke zwischen schnelleren Abläufen und messbaren Bilanzerträgen.

Kreditdokumentation war historisch ein administrativer Engpass, auch in kapitalstarken Finanzinstituten. Bei der Standard Bank kann ein Prüfprozess, der zuvor etwa eine Stunde dauerte, nun in rund 60 Sekunden mithilfe Künstlicher Intelligenz abgeschlossen werden.

Das südafrikanische Institut gab diese Zahl in seiner Präsentation zum Capital Markets Day im März 2026 bekannt. Die Kennzahl bezieht sich auf die Sparte für gewerbliche Asset-Finance und veranschaulicht, wie die nach Bilanzsumme größte Bank Afrikas Maschinenintelligenz auf etablierte Prozesse anwendet.

Die Standard Bank meldete zudem, dass ihr Konversationsbot 65 % der eingehenden digitalen Kundenanfragen bearbeitet. Bis August 2026 nutzten mehr als 39.000 Mitarbeitende – rund 72 % der Belegschaft – regelmäßig generative KI über unternehmenseigene Tools.

Diese Beispiele zeigen das unmittelbare operationale Potenzial der Automatisierung. Administrative Rückstände lassen sich auf minutenschnelle Aufgaben reduzieren, Reibungen mit Kunden können sinken, und Mitarbeitende können auf Beratungstätigkeiten umgelenkt werden, die menschliches Urteilsvermögen erfordern.

Der finanzielle Nutzen bleibt jedoch weniger sicher. Der Einsatz von KI in regulierten Finanzumgebungen erfordert Data-Governance-Kontrollen, Softwarelizenzen,integration und Weiterqualifizierung der Belegschaft. Um diese Kosten wirtschaftlich zu rechtfertigen, müssen Banken nachweisen, dass die Erträge die Kosten für Implementierung und Betrieb übersteigen.

Schnellere Arbeit, unsichere finanzielle Erträge

Der State of AI in African Banking report, eine gemeinsame Studie aus dem Jahr 2026 des Banking-Software-Anbieters Backbase und African Banker, befragte Führungskräfte in 37 afrikanischen Ländern. Demnach planten 83,2 % der Institute, ihre KI-Zuwendungen im folgenden Jahr zu erhöhen, während nur 67,1 % den ROI dieser Einsätze formell verfolgten.

Unter dem rund einen Drittel der Befragten, deren Banken keine KI-Erträge verfolgten, plante dennoch eine Mehrheit von 82 % eine Aufstockung der Budgets. Die Zahlen zeigen, dass viele Bankenführer eine Technologie ausbauen, deren kommerziellen Beitrag sie noch nicht quantifiziert haben.

Das Fehlen formeller Messung bedeutet nicht zwangsläufig, dass KI-Projekte gescheitert sind. Algorithmische Systeme können Bearbeitungszeiten verkürzen, das Betrugsmonitoring verbessern und den Kundenservice stärken, ohne die Kosten in der Gewinn- und Verlustrechnung sofort zu senken. Der Unterschied zwischen operativer Effizienz und finanziellem Ertrag wird jedoch wichtiger, je mehr KI von isolierten Pilotprojekten in täglich genutzte Bankensysteme vordringt.

Die Standard Bank hat ihre KI-Fähigkeiten auf Technologieinvestitionen mehrerer Jahre aufgebaut. In ihrer Investorenpräsentation im März teilte die Bank mit, dass Konversations-KI 65 % der digitalen Anfragen in ihrer Privatkunden-App bearbeite. Zudem habe sich die Engineering-Produktivität im Vorjahr um mehr als 20 % verbessert, während KI begann, die Kreditvergabe zu beschleunigen.

Das Beispiel der gewerblichen Asset-Finance, bei dem die Verarbeitung von Kreditdokumenten von rund einer Stunde auf etwa eine Minute sank, verdeutlicht das mögliche Verbesserungspotenzial einiger administrativer Workflows. Die Standard Bank hat den Zugang auch unternehmensweit ausgeweitet. Im August meldete sie mehr als 39.000 aktive Nutzer generativer KI über genehmigte Enterprise-Tools.

Die Reduzierung eines Dokumentationsprozesses von einer Stunde auf eine Minute entlastet die Mitarbeitenden, die diese Arbeit zuvor erledigten. Die Bank kann mit derselben Belegschaft mehr Anträge bearbeiten, Überstunden reduzieren oder Mitarbeitende anderen Aufgaben zuweisen. Diese operativen Vorteile werden erst dann zu messbaren finanziellen Einsparungen, wenn sie zu vermiedenen Ausgaben oder zusätzlichen Erträgen führen, die sich der Investition angemessen zuordnen lassen.

Die Standard Bank kündigte an, die durch KI gesparte Zeit auf Kundenbeziehungen und Tätigkeiten mit komplexeren Entscheidungen umzuleiten. Dieser Ansatz geht über direkte Kostensenkungen hinaus und zielt darauf ab, mehr Wert aus der bestehenden Belegschaft zu ziehen. Die Aussage nennt für sich genommen weder Erlöse noch Kosteneinsparungen.

Im Kreditgeschäft könnte KI es Mitarbeitenden ermöglichen, mehr Anträge ohne entsprechenden Anstieg der Personalkosten zu bearbeiten. Wird sie zur Bewertung der Kreditkeit eingesetzt, könnte sie auch Kreditentscheidungen unterstützen und potenziell Ausfälle reduzieren. Dies sind zwei getrennte Vorteile, und die Standard Bank hat nicht belegt, dass ihre KI-Investitionen eines davon finanziell erbracht haben.

Die Quote der notleidenden Kredite der Bank lag Ende Juni bei 5,6 %, verglichen mit 6,2 % ein Jahr zuvor. Die Kreditrisikokosten, die erwartete Kreditverluste abbilden, sanken im ersten Halbjahr 2026 um 12 % auf 7,13 Milliarden Rand (435,5 Millionen US-Dollar). Die Standard Bank hat diese Verbesserungen nicht der KI-Nutzung zugeschrieben.

Nedbank, ein weiteres südafrikanisches Tier-1-Institut, meldete messbare operationale Verbesserungen. In ihrem Integrierten Bericht 2025 teilte die Bank mit, im Jahr 30 fortgeschrittene KI-Anwendungsfälle umgesetzt zu haben. Ihr breiteres Programm aus KI, generativer KI, Analytics, Machine Learning und robotisierter Prozessautomatisierung sparte rund 312.000 Arbeitsstunden in den Bereichen Medien- und Content-Erstellung, Dokumentenübersetzung und persönliche Produktivität. Die Bearbeitungszeiten für globale Zahlungen sanken zudem um etwa 30 %.

Nedbank nutzt prädiktive Modelle, um Kunden zu identifizieren, die eher Anlageprodukte kaufen, sowie Analytics zur Ansprache potenzieller Kreditkarten- und Kreditkunden. Diese Anwendungen spiegeln zwei grundsätzliche Wege wider, auf denen Banken von KI Erträge erwarten: durch Senkung der Kosten bestehender Services und durch effektivere Kundenbedienung.

Die Kosten, KI funktionsfähig zu machen

KI funktioniert nicht unabhängig von der bestehenden Technologie einer Bank. Modelle benötigen zuverlässige Daten, sichere Rechenysteme und Zugang zu den Anwendungen, die Mitarbeitende und Kunden nutzen. Banken benötigen zudem Verfahren, um Ergebnisse zu testen, den Zugang zu sensiblen Informationen zu beschränken und KI-Entscheidungen zu überwachen.

Dadurch können die Kosten des KI-Einsatzes erheblich über dem Preis eines Softwareabonnements liegen. An ihrem Capital Markets Day 2026 meldete die Standard Bank Gesamttechnologieausgaben von 23,5 Milliarden Rand (1,44 Milliarden US-Dollar) im Jahr 2025, entsprechend 27,7 % der Betriebsaufwendungen.

Die Bank teilte mit, dass 88 % ihrer Legacy-Server außer Betrieb genommen worden waren und dass 71 % der migrationsfähigen Rechenlasten zum Zeitpunkt der Präsentation in die Cloud verlagert waren. Später meldete sie, dass die Cloud-Migration bis Ende Juni 2026 78 % der infrage kommenden Workloads erreicht hatte.

Die Standard Bank erklärte, Technologieinvestitionen hätten über mehrere Jahre die Effizienz verbessert und zu einem Rückgang der Kosten-Ertrags-Quote der Gruppe von 59,1 % auf 50,2 % beigetragen. Praktisch bedeutet dies: Von jeweils 100 Rand (6,09 US-Dollar) Betriebserträgen gab die Bank rund 50 Rand (3,05 US-Dollar) für Betriebsaufwendungen aus, zuvor etwa 59 Rand (3,60 US-Dollar).

Die Technologieausgaben stiegen weiter, als die Bank ihr KI-Geschäft ausbaute. Die Bank gab 2025 insgesamt 23,51 Milliarden Rand (1,43 Milliarden US-Dollar) für Technologie aus, ein Plus von 4,9 % gegenüber 22,4 Milliarden Rand (1,36 Milliarden US-Dollar) im Jahr 2024. Im ersten Halbjahr 2026 stiegen die Ausgaben für Software, Cloud und verwandte Technologien um 6 % auf 7,16 Milliarden Rand (436,5 Millionen US-Dollar). Die Bank führte den Anstieg teilweise auf den Ausbau der KI-Fähigkeiten sowie Investitionen in spezialisierte Technologieexpertise, Kernbankensysteme und Cybersicherheit zurück.

Die Gesamttechnologieausgaben stiegen in den sechs Monaten dennoch nur um 2 % auf 11,83 Milliarden Rand (721 Millionen US-Dollar), da niedrigere Abschreibungen und sonstige Technologiekosten einen Teil des Anstiegs ausgleichen. Die Standard Bank beschreibt ihren Ansatz als „Save-to-invest“-Strategie, bei der Effizienzgewinne früherer Technologieinvestitionen neuere Fähigkeiten einschließlich KI finanzieren.

Das Modernisierungsprogramm veranschaulicht den Aufwand, der erforderlich ist, um neue Fähigkeiten in ein etabliertes Bankgeschäft einzuführen. In der Umfrage von Backbase und African Banker nannten 50,2 % der Befragten die Integration mit bestehender Technologie als größte interne Hürde für die KI-Einführung.

Banken müssen möglicherweise Kundendaten, Transaktionshistorien und andere Informationen verbinden, die in zu unterschiedlichen Zeiten entwickelten Systemen gespeichert sind. Ein Institut, das KI in die Bonitätsprüfung einführt, benötigt beispielsweise zuverlässigen Zugang zu den Finanzinformationen, die zur Bewertung von Kreditnehmern verwendet werden. Die Konsolidierung dieser Daten kann Upgrades von Altsystemen, zusätzliche Recheninfrastruktur und spezialisiertes Personal erfordern.

Diese Anforderungen erhöhen sowohl die anfänglichen als auch die laufenden Kosten von KI. Banken, die Cloud-Dienste oder Software in Fremdwährungen kaufen, können bei ungünstigen Wechselkursbewegungen zudem höhere Ausgaben in lokaler Währung verzeichnen. Der finanzielle Fall für KI hängt daher von mehr ab als der Zeit, die ein System spart. Banken müssen diese Gewinne gegen die Gesamtkosten der Einführung und des Betriebs der Technologie abwägen.

Warum die Erträge schwer zu messen sind

Die Forschung von Backbase und African Banker legt nahe, dass einige afrikanische Banken die erwarteten finanziellen Ergebnisse erzielen. Unter den Befragten, deren Institute Erträge formell messen, gaben 85,1 % an, dass ihre Investitionen die eigenen Prognosen erfüllt oder übertroffen hätten.

Diese Banken maßen ihre Leistung jedoch an den eigenen Zielen. Die Umfrage legt nicht offen, wie viel jedes Institut investierte, welchen finanziellen Wert es erzeugte oder ob die Erträge einheitlich berechnet wurden.

Die KI-gestützte Kreditvergabe veranschaulicht die Schwierigkeit. Genehmigt eine Bank nach Einführung von KI mehr Anträge, könnten die zusätzlichen Kredite die Zinserträge erhöhen. Der finanzielle Nutzen hinge dennoch von den Refinanzierungskosten, der Qualität dieser Kredite und davon ab, ob die Technologie die Kreditentscheidungen verbessert hat. Ebenso liegt der Wert eines KI-Fraud-Detection-Systems in den verhinderten Verlusten, nicht allein in der Anzahl markierter verdächtiger Transaktionen.

Laut Umfrage messen 71,7 % der Befragten, die mit externen KI-Anbietern arbeiten, die Erträge, gegenüber 31 % derjenigen, die KI vollständig intern entwickeln. Der Unterschied zeigt unterschiedliche Fähigkeit der Banken, eigene KI-Systeme aufzubauen – was selbst zu einem erheblichen Kostenfaktor werden kann.

Im Juni 2026 bewertete Evidents erster AI Index for Banks im Nahen Osten und in Afrika 25 große Banken hinsichtlich KI-Talenten, Innovation, Führung und Transparenz. Die Standard Bank belegte Platz zwei, Nedbank Platz vier; sie waren die einzigen beiden südafrikanischen Banken unter den vier regionalen Spitzenreitern. FirstRand, Capitec und Absa gehörten ebenfalls zu den Top 10.

Evident führte die vergleichsweise starke Leistung dieser Banken teilweise auf größere Pools an KI-Talenten, die Nähe zu Forschungsuniversitäten und die Auseinandersetzung mit neuen Zentralbankvorschriften zurück. Die Ergebnisse deuten darauf hin, dass südafrikanische Banken stärkere KI-Fähigkeiten entwickelt haben als viele regionale Wettbewerber.

Über alle 25 bewerteten Institute hinweg fand Evident jedoch, dass die spezialisierten KI-Entwicklungstalente relativ zur Belegschaftsgröße nur halb so hoch waren wie im Benchmark der großen globalen Banken. Dieser Mangel hat finanzielle Folgen. Banken ohne ausreichende interne Expertise müssen entweder in den Aufbau eigener Fähigkeiten investieren oder sich auf externe Anbieter verlassen – und zugleich weiter für Integration und Wartung zahlen.

Einige Banken außerhalb Afrikas haben den finanziellen Beitrag von KI transparenter dargestellt. Die DBS Bank aus Singapur meldete 2025 rund 1 Milliarde Singapur-Dollar (783 Millionen US-Dollar) an wirtschaftlichem Wert aus Datenanalyse und KI, nach 750 Millionen Singapur-Dollar (587 Millionen US-Dollar) im Jahr 2024. Bis Ende 2025 hatte DBS mehr als 2.000 Modelle in über 430 Anwendungsfällen eingesetzt.

DBS geht damit über die Berichterstattung hinaus, wie viele Aufgaben KI erledigt oder wie viel Zeit Mitarbeitende sparen. Das Unternehmen bewertet den Beitrag der Technologie zum Geschäft in monetärer Form, wobei unklar bleibt, ob die Bank mit ihrem KI-Einsatz profitabel ist.

Der Vergleich schärft die finanzielle Frage, vor der afrikanische Banken stehen. Standard Bank und Nedbank haben Produktivitätsverbesserungen nachgewiesen, und viele von Backbase befragte Institute melden, ihre KI-Investitionsziele erreicht zu haben. Aber die Banken geben wenig Aufschluss darüber, was einzelne KI-Programme kosten oder welche finanziellen Erträge sie bringen.

Produktivität ist ein zentraler KI-Anwendungsfall im Bankwesen und in anderen nicht-finanziellen Organisationen. Die Herausforderung besteht darin, zu ermitteln, welchen Wert diese Produktivität hat und wie viel davon der KI zuzuschreiben ist. Während die Banken über Pilotprojekte hinauswachsen, wird der klarste Fortschritt in einer konsistenteren Offenlegung von Programmkosten, gemessenen Ergebnissen und deren Verbindung zur finanziellen Leistung liegen.

Quelle: TechCabal