Databricks bündelt die häufigsten KI-Fragen von Finanzführungskräften

Liquidität in Echtzeit: Die häufigste KI-Frage im Finanzsektor

Databricks hat einen Beitrag veröffentlicht, der fünf Fragen bündelt, die nach Angaben des Unternehmens am häufigsten von CFOs, Compliance Officers, Treasury Leads und Relationship Managers im Finanzsektor gestellt werden. Die erste Frage lautet wörtlich: „What's our real liquidity position right now, across every entity and currency?“ Sie komme von Treasury-Verantwortlichen, die täglich wissen müssten, wie liquide das Unternehmen über alle Einheiten und Währungen hinweg ist. Bislang erfordere die Antwort oft einen mehrtägigen Abgleich in Tabellenkalkulationen. KI solle diese Frage ohne einen solchen Drei-Tage-Sprint beantworten, schreibt Databricks. Möglich wird dies, indem KI regulierte Daten aus Bilanz, Liquidität, Ausgaben und Betrieb in die täglichen Entscheidungen der Finanzteams einbindet und dabei hilft, Veränderungen zu erkennen und deren Ursachen zu untersuchen, statt nur den Berichtszyklus zu automatisieren. Der Beitrag verweist darauf, dass sich die Diskussion verschoben habe: Ging es im Vorjahr auf der Sibos in Frankfurt noch darum, ob KI funktioniert, stehe in diesem Jahr die Frage im Mittelpunkt, ob man der KI vertrauen könne. Dieser Wandel wird durch Daten gestützt: Laut Grant Thorntons 2026 Banking Insights AI Impact Survey gaben die Hälfte der Bankführungskräfte an, dass Governance und Compliance bereits die KI-Leistung einschränken, während nur 18 Prozent sicher waren, ein unabhängiges Audit ihrer KI-Kontrollen zu bestehen.

Governance-Lücke: Weniger als die Hälfte hat formale Rahmenwerke

Parallel verweist Databricks auf Studien, die eine Governance-Lücke im Finanzsektor belegen. Grant Thorntons 2026 AI Impact Survey unter 950 Führungskräften aus der C-Ebene und dem Senior Management zeigt: Drei von vier Boards haben größere KI-Investitionen genehmigt, aber weniger als die Hälfte hat Governance-Erwartungen festgelegt, und weniger als die Hälfte hat KI-Risiko zu einem ständigen Tagesordnungspunkt für die Aufsicht durch Board oder Ausschüsse gemacht. Ein Grund für diese Diskrepanz ist, dass die meisten Governance-Modelle nicht für die Menge an KI-Anwendungsfällen ausgelegt sind, die Unternehmen heute einsetzen. Zentralisierte Prüfgremien werden mit zunehmender Zahl von Anwendungsfällen überlastet, was Engpässe schafft, die das Geschäft verlangsamen, ohne das Risiko tatsächlich zu verringern. Unter Organisationen, die noch pilotieren, sind nur 7 Prozent sehr zuversichtlich, ein unabhängiges KI-Governance-Audit innerhalb von 90 Tagen zu bestehen. Bei Organisationen mit vollständig integrierter KI liegt dieser Anteil bei 74 Prozent. Die geringe Zuversicht resultiert aus unreifer KI-Governance, die nicht nur die Compliance-Bereitschaft beeinträchtigt, sondern auch den ROI direkt einschränkt, indem sie den Einsatz von KI in hochwertigen, regulierten Arbeitsabläufen begrenzt. Die Hälfte der Befragten nannte Governance- und Compliance-Barrieren als Mitverursacher für KI-Minderleistung oder -Ausfall. Der banking-spezifische Bericht von Grant Thornton ergänzt: Die Hälfte der Bankführungskräfte gibt an, dass Governance und Compliance bereits die KI-Leistung einschränken, und nur 18 Prozent sind sicher, ein unabhängiges Audit der KI-Kontrollen zu bestehen. Banken sind laut der Umfrage häufiger als jede andere untersuchte Branche der Ansicht, dass ihre Kontrollen ungetestet sind. Databricks' eigene Forschung mit Economist Enterprise, der 2026er Report ‚Making AI Deliver‘, kommt zu einem ähnlichen Befund: Weniger als die Hälfte der Organisationen schreibt formal ein Governance-Framework für autonome Systeme vor. Die Zahlen deuten darauf hin, dass viele Institute KI skalieren, ohne die Aufsicht im gleichen Tempo nachzuziehen. Zentralisierte Prüfgremien geraten mit wachsender Zahl von Anwendungsfällen an Grenzen, und ungeprüfte Initiativen erschweren den Nachweis, dass KI sicher und vertretbar arbeitet.