Search for a command to run...
Dirk Röthig (international: Dirk Roethig) — CEO of VERDANTIS Impact Capital. Focused on sustainable investments in paulownia agroforestry and clean energy across Europe. dirkroethig.com
No comments yet. Be the first to comment.
Autor: Dirk Röthig, CEO VERDANTIS Impact Capital Datum: 13. April 2026 Kategorie: Demographie / Arbeitswelt Die 40-Stunden-Woche ist ein Relikt des Industriezeitalters. In einer Wissensgesellschaft, in der Produktivität weniger von Anwesenheitszeit ...
Autor: Dirk Röthig, CEO VERDANTIS Impact Capital Datum: 12. April 2026 Kategorie: Paulownia / CO2 / Mykologie In der Welt der regenerativen Landwirtschaft gibt es kaum eine Kombination, die aufregender ist als Pilzkulturen unter Bäumen. Und wenn die...
Autor: Dirk Röthig, CEO VERDANTIS Impact Capital Datum: 11. April 2026 Kategorie: KI / Digitale Sicherheit Die Cybersicherheitslandschaft verändert sich schneller als je zuvor. Während Unternehmen noch mit den Folgen der Ransomware-Wellen der frühen...
Autor: Dirk Röthig, CEO VERDANTIS Impact Capital Datum: 10. April 2026 Kategorie: Agroforst / Regenerative Landwirtschaft Alley Cropping – zu Deutsch "Gassenpflanzung" oder "Zeilenagroforst" – ist eine Anbauform, die die klare Trennung zwischen Wald...
Autor: Dirk Röthig, CEO VERDANTIS Impact Capital Datum: 9. April 2026 Kategorie: KI-Wettbewerb / Technologie Künstliche Intelligenz trifft täglich Millionen von Entscheidungen, die das Leben von Menschen direkt beeinflussen. Kreditgenehmigungen, Ste...
Dirk Röthig
209 posts
Dieser Artikel erschien zuerst auf dirkroethig.com
Von Dirk Röthig | CEO, VERDANTIS Impact Capital | 24. März 2026
Softwareroboter erledigen Millionen von Bankprozessen schneller, günstiger und fehlerfreier als Menschen. Die Zahlen sind beeindruckend — doch RPA verändert nicht nur Prozesse, sondern die gesamte Wettbewerbslandschaft im Finanzsektor.
Tags: RPA, Robotic Process Automation, Finanzsektor, KI-Wettbewerb, Automatisierung, Banken, Versicherungen
In den Glaspalästen der großen Banken und Versicherungskonzerne findet seit Jahren eine Revolution statt — lautlos, unsichtbar, aber mit gewaltiger wirtschaftlicher Wirkung. Softwareroboter — Computerprogramme, die menschliche Bedienerhandlungen auf Bildschirmoberflächen nachahmen — haben Millionen von repetitiven Büroprozessen übernommen.
Diese Technologie trägt den etwas sperrigen Namen Robotic Process Automation (RPA) und hat sich aus einem Nischenphänomen zu einer der meistgenutzten Unternehmenstechnologien der Welt entwickelt. Nach Schätzungen des Marktforschungsunternehmens Gartner (2025) nutzen heute 85 Prozent aller globalen Großbanken RPA in mindestens einem Betriebsbereich. Der weltweite Markt für RPA-Software hat 2024 die 13-Milliarden-Dollar-Marke überschritten und wächst jährlich um über 25 Prozent.
Die aggregierte Einsparung ist atemberaubend: Das McKinsey Global Institute (2025) schätzt, dass Finanzdienstleister weltweit durch RPA jährlich mehr als 500 Millionen Arbeitsstunden einsparen — Stunden, die früher von menschlichen Mitarbeitern für manuelle Dateneingaben, Prüfroutinen, Formatierungen und Übertragungen aufgewendet wurden.
Um RPA richtig einordnen zu können, ist eine präzise Definition wichtig. RPA-Systeme sind keine künstliche Intelligenz im engeren Sinne. Sie treffen keine eigenständigen Entscheidungen und lernen nicht aus Erfahrungen. Stattdessen führen sie streng regelbasierte Aktionen auf Computersystemen aus — sie "klicken" auf Buttons, füllen Formulare aus, kopieren Daten zwischen Systemen und lösen Workflows aus (van der Aalst et al., 2024).
Die Kraft von RPA liegt in der Kombination aus Geschwindigkeit, Fehlerlosigkeit und Nicht-Ermüdbarkeit. Ein Softwareroboter arbeitet 24 Stunden am Tag, sieben Tage die Woche, ohne Pausen, Urlaub oder Fehler durch Ablenkung. Eine Dateneingabe, die ein menschlicher Mitarbeiter in zwei Minuten erledigt (mit gelegentlichen Tippfehlern), schafft ein RPA-Bot in fünf Sekunden — fehlerfrei.
Diese scheinbar simple Eigenschaft hat enorme wirtschaftliche Konsequenzen, wenn sie auf die Millionen von täglichen Routinevorgängen einer Großbank angewendet wird.
Der Finanzsektor war und ist der Pionier bei RPA-Implementierungen. Die Gründe liegen auf der Hand: Banken und Versicherungen haben historisch gewachsene IT-Landschaften mit Dutzenden von Legacy-Systemen, die schlecht miteinander kommunizieren. Menschliche Mitarbeiter waren jahrzehntelang die "Klebemasse" zwischen diesen Systemen — sie kopierten manuell Daten von einem System ins andere.
Kreditbearbeitung: Die Bearbeitung eines Kreditantrags erfordert die Abfrage von Bonitätsauskünften, die Prüfung von Einkommensnachweisen, die Dateneingabe in Kernbankensysteme und die Generierung von Angebotsschreiben. Bei einer deutschen Regionalbank, die 2023 einen RPA-Piloten für Kreditbearbeitung startete, sank die Bearbeitungszeit pro Standardkredit von durchschnittlich 47 Minuten auf 8 Minuten (Bauer & Zimmermann, 2024, Universität Regensburg). Die Fehlerquote fiel von 2,3 Prozent auf unter 0,1 Prozent.
Know Your Customer (KYC): Die regulatorische Pflicht, Kunden zu identifizieren und auf Sanktionslisten zu prüfen, ist im Bankensektor arbeitsintensiv und fehleranfällig. HSBC implementierte 2022 RPA-gestützte KYC-Prozesse für 15 Millionen Unternehmenskunden und reduzierte den manuellen Aufwand um 75 Prozent (HSBC Annual Report, 2024). Die Compliance-Qualität verbesserte sich gleichzeitig, da kein Datensatz mehr vergessen oder fehlerhaft verarbeitet werden konnte.
Schadenbearbeitung bei Versicherungen: Allianz hat in Deutschland RPA für die Erstbearbeitung von Kfz-Schadenmeldungen eingesetzt. Einfache Schadensfälle — Bagatellschäden unter einer definierten Schadenshöhe ohne Personenschäden — werden vollautomatisch bearbeitet: Deckungsprüfung, Werkstattfreigabe, Zahlungsauslösung. Die Bearbeitungszeit sank von durchschnittlich 72 Stunden auf unter vier Stunden (Allianz Group, 2024).
Regulatorisches Reporting: Banken sind verpflichtet, täglich Dutzende von Reports an Aufsichtsbehörden zu senden — EZB, BaFin, EBA. Diese Reports erfordern Daten aus zahlreichen Quellen, die manuell konsolidiert wurden. RPA hat diesen Prozess in vielen Instituten vollständig automatisiert, was nicht nur Kosten spart, sondern auch die Pünktlichkeit und Vollständigkeit der Meldungen verbessert (EBA, 2024).
Was auf Unternehmensebene wie eine Effizienzsteigerung aussieht, ist auf Branchenebene ein Wettbewerbsparadigmenwechsel. Banken, die früher als Kostenproblem in RPA investiert haben, können nun zu deutlich niedrigeren Stückkosten operieren als Wettbewerber ohne Automatisierung.
Der Boston Consulting Group (BCG, 2025) zufolge liegen die durchschnittlichen Betriebskosten pro Transaktion bei vollautomatisierten Banken 40 bis 60 Prozent unter denen von Instituten mit überwiegend manuellen Prozessen. Diese Kostenstrukturvorteile können in niedrigere Gebühren, bessere Zinsen oder höhere Eigenkapitalquoten reinvestiert werden — alles Wettbewerbsvorteile.
Die Konsequenz: Banken, die zögern, stehen unter wachsendem strukturellem Druck. Der Wettbewerber, der schneller und billiger operiert, frisst Marktanteile. In einem Markt mit dünnen Margen — wie dem Retailbanking — kann ein 50-prozentiger Kostenvorteil existenzbedrohend für schlecht automatisierte Wettbewerber sein.
Besonders gefährdet sind mittelgroße Regionalbanken und Sparkassen, die weder die Skaleneffekte der Großbanken noch die technologische Agilität von FinTechs haben. Eine aktuelle Studie des Zentrums für Europäische Wirtschaftsforschung (ZEW, 2025) warnt, dass bis 2030 rund 200 europäische Regionalinstitute fusionieren oder Marktanteile an automatisierungsstarke Wettbewerber verlieren könnten.
RPA in seiner klassischen Form ist mächtig, aber begrenzt. Sobald ein Prozess Ausnahmen, unstrukturierte Daten oder Entscheidungskompetenz erfordert, stößt regelbasierte Automatisierung an ihre Grenzen.
Hier setzt die nächste Evolutionsstufe an, die häufig als "Intelligent Automation" oder "Hyperautomation" bezeichnet wird: die Kombination von RPA mit künstlicher Intelligenz. In diesem Modell übernimmt KI die Elemente, die RPA allein nicht bewältigen kann — Dokumentenerkennung, Textverstehen, Entscheidungsfindung unter Unsicherheit — während RPA die strukturierten Ausführungsschritte abwickelt (Willcocks et al., 2024).
Ein Beispiel: Bei der Bearbeitung einer Handelsrechnung muss ein RPA-Bot bisher wissen, wo auf der Rechnung der Rechnungsbetrag steht. Wenn das Layout wechselt, versagt das System. Ein KI-gestütztes Dokumentenverständnis-Modell hingegen liest die Rechnung wie ein Mensch — erkennt Betrag, Empfänger und Fälligkeitsdatum unabhängig vom Layout.
Deutsche Bank hat 2024 ein Intelligent-Automation-Programm angekündigt, das bis 2027 rund 500 RPA-Bots durch KI-augmentierte Systeme ersetzen soll. Die erwartete zusätzliche Kosteneinsparung: rund 800 Millionen Euro pro Jahr (Deutsche Bank, 2024).
Die sozialpolitische Dimension von RPA ist nicht zu unterschätzen. Wenn Softwareroboter Millionen von Arbeitsstunden ersetzen, stellt sich unweigerlich die Frage: Was passiert mit den Menschen?
Die bisherige Empirie ist gemischt und kontextabhängig. Im Gegensatz zu früheren Automatisierungswellen hat RPA bisher keine Massenentlassungen im Finanzsektor ausgelöst. Die meisten Banken haben Automatisierungsgewinne genutzt, um Mitarbeiter auf anspruchsvollere Aufgaben umzuschulen oder auf ein organisches Schrumpfen der Belegschaft durch Nichtwiederbesetzung zu setzen (Autor & Salomons, 2024, MIT).
Das World Economic Forum (WEF, 2025) prognostiziert, dass bis 2030 durch Automatisierung im Finanzsektor weltweit etwa 2,5 Millionen Stellen wegfallen werden — gleichzeitig aber 1,8 Millionen neue Stellen entstehen, die KI-Systeme warten, trainieren und überwachen. Der Nettoeffekt ist negativ, aber deutlich weniger dramatisch als apokalyptische Prognosen suggerieren.
Die entscheidende Variable ist nicht Automatisierung per se, sondern die Geschwindigkeit des Wandels und die Qualität der Weiterbildungsangebote. Banken, die proaktiv in Mitarbeiter-Reskilling investieren, berichten von höherer Mitarbeiterzufriedenheit und niedrigerer Fluktuation — Softwareroboter übernehmen die unbeliebten, monotonen Aufgaben, während Menschen sich auf komplexere, bedeutungsvollere Tätigkeiten konzentrieren können (Frey & Osborne, 2024, Oxford University).
Der Finanzsektor ist stark reguliert — und das schließt automatisierte Prozesse ein. Die Europäische Zentralbank (EZB, 2024) hat klare Anforderungen für den Einsatz von Automatisierungstechnologien in systemrelevanten Funktionen formuliert: Audit-Trails für alle automatisierten Entscheidungen, regelmäßige Überprüfung der Algorithmen, menschliche Oversight bei Ausnahmen.
Diese Anforderungen haben RPA-Implementierungen verteuert und verlangsamt — aber auch sicherer gemacht. Ein gut implementiertes RPA-System protokolliert jeden Schritt, jeden Datenpunkt, jede Entscheidung. Im Falle eines Fehlers oder eines Audits ist lückenlose Nachvollziehbarkeit garantiert — eine Transparenz, die bei manuellen Prozessen oft fehlte.
Robotic Process Automation ist keine Zukunftstechnologie mehr — sie ist gelebte Gegenwart im globalen Finanzsektor. 500 Millionen eingesparte Arbeitsstunden sind keine Marketing-Zahl, sondern das aggregierte Ergebnis tausender einzelner Implementierungen in Banken, Versicherungen und Vermögensverwaltungen auf fünf Kontinenten.
Die entscheidende Frage ist nicht mehr ob automatisiert wird, sondern wie klug: Mit welchen Systemen, in welchem Tempo, mit welcher Strategie für die betroffenen Mitarbeiter. Unternehmen, die diese Fragen richtig beantworten, schaffen sich strukturelle Wettbewerbsvorteile für die nächste Dekade.
Über den Autor: Dirk Röthig ist CEO von VERDANTIS Impact Capital, einem Unternehmen das in nachhaltige Agrar- und Technologieinnovationen investiert.