KI-Champions brauchen ein Lernsystem, keinen Slack-Channel

Zugriff aufs Tool heißt noch nicht Nutzung

Banken behandeln die Einführung von KI oft wie einen technischen Meilenstein. Das Tool ist freigegeben, die Launch-Mail geht raus, ein Webinar erklärt Prompting. Danach zerfasert die Nutzung. Einige Teams experimentieren täglich, andere warten ab. Viele Mitarbeitende wissen nicht, welche Aufgaben sie mit KI bearbeiten dürfen, welche Daten erlaubt sind oder wie gut ein Ergebnis sein muss, bevor sie es weitergeben.

Für europäische Banken geht es inzwischen nicht mehr nur um Veränderung, sondern auch um Kontrolle. Artikel 4 des EU AI Act schreibt seit dem 2. Februar 2025 Maßnahmen zur KI-Kompetenz vor, und die Risikobewertung der Europäischen Bankenaufsichtsbehörde vom Juni 2026 verbindet den KI-Einsatz im Finanzsektor mit operationellen Risiken, Verzerrungen, Datenqualitätsproblemen, rechtlichen Risiken, Cyberrisiken und Risiken durch Drittanbieter. Training darf nicht bei Sensibilisierung stehen bleiben.

Champions bringen KI dorthin, wo gearbeitet wird

Die besten KI-Champion-Programme funktionieren, weil nicht mehr nur die Zentrale erklärt, sondern Kolleginnen und Kollegen. Wer in der internen Revision arbeitet, macht KI für andere Prüferinnen und Prüfer schneller greifbar als ein zentrales Trainingsteam. Demselben WSJ-Bericht zufolge baute Citi das Programm auf mehr als 4.000 Personen in Champion- und Accelerator-Rollen aus. Ein praktischer Anwendungsfall für das Entwerfen von Prüfberichten half dabei, KI nicht mehr als abstraktes Versprechen zu sehen, sondern als sichtbaren Nutzen im Arbeitsablauf.

Ropes & Gray zeigt das gleiche Muster in einem anderen regulierten Umfeld. Die Kanzlei teilte im Juli 2026 mit, dass fast 2.200 Mitarbeitende mehr als 282.000 Prompts pro Monat formulierten, unterstützt durch ein Netzwerk aus mehr als 60 Champions. Die Lehre daraus ist nicht, dass jede Bank dieselbe Quote braucht. Die Lehre ist: Lernen unter Kolleginnen und Kollegen braucht Struktur.

Es geht ums Übersetzen, nicht um Begeisterung

Ein Slack-Channel kann Champions koordinieren. Vorbereiten kann er sie nicht. Eine gute Champion-Rolle hat eine Aufgabenbeschreibung, nicht nur ein Badge. Champions sollen fachliche Arbeit in sichere KI-Muster übersetzen, Einwände sichtbar machen, nützliche Beispiele sammeln und Produktteams mit Belegen aus der Praxis versorgen.

• Häufige Abläufe im eigenen Bereich erfassen
• Freigegebene Tools und Grenzen erklären
• Wiederholbare Prompt-Muster zeigen
• Kurze Lernrunden mit Kolleginnen und Kollegen durchführen
• Gescheiterte Versuche und Risiken festhalten
• Unklare Anwendungsfälle eskalieren

Das ist wichtig, weil vertrauenswürdige KI eine Frage des Betriebs ist, nicht der Rhetorik. Das NIST AI Risk Management Framework versteht Vertrauenswürdigkeit als Zusammenspiel aus Validität, Betriebssicherheit, IT-Sicherheit, Verantwortlichkeit, Transparenz, Erklärbarkeit, Datenschutz und Fairness. Champions helfen, diese Eigenschaften in tägliche Entscheidungen zu übersetzen.

Anwendungsfälle brauchen Verantwortliche

Echte Arbeitsbeispiele überzeugen stärker als allgemeine Demos. Ein Relationship Manager will sehen, wie KI bei der Vorbereitung eines Kundentermins hilft. Eine Compliance-Verantwortliche will schneller einen ersten Abgleich von Richtlinien. Ein Operations Lead will weniger manuelle Übergaben. Eine KI-Enablement-Plattform sollte solche Beispiele auffindbar machen, nach Rollen sortieren und mit klaren Freigaben absichern.

• Auslöser im Arbeitsablauf
• Rolle und fachlicher Kontext
• Freigegebenes Tool
• Prompt-Muster
• Grenzen für die Datennutzung
• Qualitätscheck
• Eskalationsweg

Genau hier würde App-Learning das KI-Champion-Programm als eigenes Enablement-Produkt behandeln. Kurze Lernpfade bereiten auf die Rolle vor. Übungen mit Szenarien schärfen das Urteilsvermögen. Durchsuchbare Bibliotheken mit Anwendungsfällen sparen wiederholte Erklärungen. Anerkennung macht freiwilliges Engagement sichtbar. Auswertungen zeigen, ob das Netzwerk über Kursabschlüsse hinaus Verhalten verändert.

Übung macht Risiken sichtbar

Prompt-Training allein ist zu dünn. Champions brauchen Übungsszenarien, in denen sie entscheiden müssen. Mit einer simulierten Kundenanfrage lässt sich der Umgang mit Daten testen. Eine Übung mit einer Revisionszusammenfassung kann die Verifikation prüfen. Eine Chatbot-Antwort zeigt, ob Halluzinationen erkannt und geprüft werden. Das Ziel ist nicht, aus allen Mitarbeitenden KI-Expertinnen und -Experten zu machen. Das Ziel ist genug gemeinsames Urteilsvermögen: Menschen sollen wissen, wann sie KI nutzen, wann sie prüfen und wann sie abbrechen müssen.

Auswertungen müssen Aktivität und Nutzung trennen

Abgeschlossene Kurse sind ein schwaches Signal. Aktivität der Champions und die spätere KI-Nutzung im Unternehmen sollten getrennt gemessen werden. Der NIST AI RMF Core verankert dokumentierte Messung und Bewertung im Betriebsmodell. Genau diese Disziplin brauchen Banken.

• Zustand des Champion-Netzwerks: aktive Champions, Abdeckung nach Bereich, Runden mit Kolleginnen und Kollegen, eingereichte Anwendungsfälle, Reaktionszeit, offene Fragen.
• Wirkung auf die Nutzung: aktive Nutzerinnen und Nutzer, wiederholte Nutzung, Wiederverwendung freigegebener Anwendungsfälle, Nutzungstiefe in Aufgaben, Qualitätschecks, eingesparte Zeit, eskalierte Risiken.

KI-Champions können Veränderung beschleunigen, aber nur, wenn die Bank ihnen ein System gibt. Der Vorteil, der bleibt, ist nicht Begeisterung. Es ist eine wiederholbare Schleife aus Vorbereitung auf die Rolle, Übung, Sammeln von Anwendungsfällen, Hilfe unter Kolleginnen und Kollegen, Feedback und Messung. Ohne diese Schleife wird das Netzwerk zu Rauschen. Mit ihr wird Lernen von Kolleginnen und Kollegen Teil des Betriebsmodells der Bank.