Vom KI-Institut in den Filialalltag

Ein Institut und die Belegschaft brauchen unterschiedliche Systeme

Am 2. November 2026 stellte HSBC Pläne für das Hong Kong AI and Emerging Technology Institute vor. Als zentraler wissenschaftlicher Partner ist die Hong Kong University of Science and Technology vorgesehen. (about.hsbc.com.hk) Das eröffnet einen Weg für Forschung und Technologieentwicklung, erklärt aber noch nicht, wie Beschäftigte lernen sollen, die daraus entstehenden Systeme zu nutzen.

Laut Reuters ist die Eröffnung für das erste Quartal 2027 geplant. KI-Schulungen sollen weltweit rund 200.000 Beschäftigte erreichen. (businesstimes.com.sg) Das sind Pläne und Angaben zur geplanten Einführung – keine Belege für abgeschlossene Schulungen, sicherere Entscheidungen oder finanzielle Erträge.

Fachwissen muss in alltägliche Entscheidungen einfließen

Hoch spezialisierte Fachkräfte und Beschäftigte, die KI im Alltag nutzen, tragen unterschiedliche Verantwortung. Ein Ingenieur könnte etwa das Verhalten eines Systems bewerten; ein Berater in der Filiale muss erkennen, wenn eine Zusammenfassung von Kundeninformationen Fehler enthält. KI-Schulungen für Bankbeschäftigte sollten eine gemeinsame Grundlage für den sicheren Umgang vermitteln, ohne diese Aufgaben gleichzusetzen.

Das AI Risk Management Framework des NIST verknüpft Schulungen mit den Aufgaben, geltenden Vorgaben und Verantwortlichkeiten der Beschäftigten. (airc.nist.gov) Eine unternehmensinterne KI-Akademie sollte dieses Prinzip in passende praktische Übungen übertragen, statt allen denselben Kurs bereitzustellen. Der folgende Aufbau veranschaulicht einen möglichen Einsatz von App-Learning und beschreibt nicht das interne Programm von HSBC.

Vier Ebenen verbinden Vorgaben mit der Umsetzung

1. Grundlagenmodule klären, welche Systeme freigegeben sind, welche Daten genutzt werden dürfen, wer Ergebnisse prüfen muss und welche Eskalationswege gelten.
2. In rollenspezifischen Modulen prüfen Berater Zusammenfassungen von Kundeninformationen. Operative Teams bearbeiten Ausnahmefälle, Supportteams arbeiten an Antwortentwürfen, Risikoteams überprüfen Kontrollen und IT-Teams üben die Zugriffsverwaltung anhand von Szenarien.
3. Nach den Sensibilisierungsmodulen folgt die begleitete Praxis: kurze Entscheidungssimulationen mit erklärendem Feedback sowie von Führungskräften ausgewertete Übungen mit synthetischen Daten.
4. Kurze, kontextbezogene Auffrischungen greifen Änderungen an Anwendungen, Arbeitsabläufen oder Vorgaben auf. Wirkt sich eine Änderung auf Entscheidungen aus, folgt eine erneute Lernstandskontrolle.

In dieser vorgeschlagenen White-Label-Akademie halten Fachleute das freigegebene Wissen aktuell, während L&D daraus Aufgaben entwickelt. Die Verantwortlichen für Risiken und Prozesse geben die Entscheidungsregeln frei. Die Akademie ergänzt Zugriffskontrollen und Aufsicht. Ein bestandenes Modul allein berechtigt noch nicht dazu, eine Anwendung zu nutzen.

Wie eine Zusammenfassung von Kundeninformationen Urteilsvermögen sichtbar macht

Ein fiktives Übungsszenario: Ein freigegebener Assistent fasst ein Kundengespräch zusammen. Er erfindet eine Einkommensangabe und lässt ein ungeklärtes Anliegen aus. Die lernende Person erhält die ursprünglichen Notizen und muss entscheiden, ob sie den Entwurf übernimmt, korrigiert, zurückhält oder den Fall eskaliert.

Die Bewertung sollte sich nach den bereitgestellten Vorgaben und dem vorgegebenen Arbeitsablauf richten. Positiv bewertet werden sollten der Abgleich mit der Quelle, das Entfernen unbelegter Aussagen und die passende Folgemaßnahme – nicht die Eskalation jedes Falls. Das Feedback erklärt die Folgen jeder Entscheidung. Eine spätere Variante prüft dasselbe Urteilsvermögen, ohne die Antwort zu wiederholen.

Lokale Einführung braucht klar geregelte Anpassungen

Im vorgeschlagenen Steuerungsmodell werden freigegebene Beispiele, Verweise auf Vorgaben, Bewertungsregeln und Inhaltsversionen zentral gepflegt. Lokale Teams passen Sprache, Kundenkontext und die jeweils geltenden Verfahren an. Dabei binden sie namentlich benannte Prüfer ein. Jede Variante bleibt einer verantwortlichen Person zugeordnet und enthält ein Freigabedatum sowie einen Link zur Quelle. Bei zentralen Änderungen sollten die betroffenen Varianten zur Prüfung markiert und nicht stillschweigend überschrieben werden. So wird die Qualifizierung der Bankbeschäftigten zu einem fortlaufend gepflegten Prozess – nicht zu einem Übersetzungsprojekt.

Ein eng begrenzter Pilot zeigt, ob sich die Ausweitung lohnt

Ein pragmatischer Pilot könnte eine freigegebene Anwendung, einen Arbeitsablauf und zwei Rollen umfassen. Die Tests vor und nach dem Pilotprojekt sollten gleichwertige Szenarien nutzen. Die Auswertung sollte richtige Entscheidungen, übersehene Risiken und unnötige Eskalationen erfassen. Außerdem sollte sie prüfen, ob das Urteilsvermögen auch nach mehreren Wochen erhalten bleibt. Kursabschlüsse bleiben nützlich, um die Reichweite der Schulungen zu erfassen.

Soweit zulässig, könnten stichprobenartige Prüfungen von Arbeitsergebnissen und zusammengefasste Daten zur Nutzung freigegebener Anwendungen zeigen, ob das Gelernte in die Praxis übertragen wird. Schätzungen des finanziellen Ertrags sollten Prüfaufwand und Nacharbeit berücksichtigen, statt anzunehmen, dass eingesparte Zeit automatisch Mehrwert schafft.

Damit Wissen aus einem KI-Institut in der Filiale ankommt, genügt es nicht, Forschungsvorträge zu kürzen. Dafür braucht es einen fortlaufend gepflegten Prozess: vom Fachwissen über freigegebene Aufgaben und realistische Übungen bis hin zu beobachtbaren Entscheidungen. Auf diesen Anspruch sollte eine interne Akademie ausgelegt sein – und ein Pilotprojekt sollte vor der Ausweitung prüfen, ob sie ihn erfüllt.