Wer Software entwickelt, kommt an Künstlicher Intelligenz (KI) heutzutage nicht mehr vorbei. Die entscheidende Frage ist, wie KI die Software-Entwicklerinnen und -Entwickler im Arbeitsalltag sinnvoll unterstützen kann. Unter diesem Aspekt beschäftigen wir uns intensiv mit KI-Technologien. Aktuell untersuchen wir, wie KI-Modelle dabei helfen können, dass junge Menschen komplexe und über Jahrzehnte gewachsene, kaum dokumentierte Banking-Anwendungen schnell verstehen können.

Wenn Regulierung auf komplexe IT-Landschaften trifft

Banken und Sparkassen gehören zu den am stärksten regulierten Branchen überhaupt. Vorgaben von EZB, BaFin oder Bundesbank sorgen für Stabilität und Vertrauen im Finanzsystem. Für uns als auf die Finanzwirtschaft spezialisierter IT-Dienstleister bedeutet das, regulatorische Änderungen regelmäßig in historisch gewachsenen IT-Landschaften umzusetzen.

In diesem Zusammenhang führen wir bei neuen regulatorischen Vorgaben immer eine Betroffenheitsanalyse durch. Wir ermitteln, welche Programme, Datenstrukturen und Schnittstellen bei unseren Kunden von einer neuen Anforderung betroffen sind. Gerade in historisch gewachsenen IT-Landschaften mit COBOL- und Java-Anwendungen ist das eine anspruchsvolle Aufgabe.

Die Analyse erfolgt heute manuell und erfordert tiefes Fachwissen über Anwendungen, Technologien und Zusammenhänge. Allein die Identifikation der betroffenen Komponenten kann mehrere Tage oder sogar mehr als eine Woche in Anspruch nehmen. Sie kann bis zu 60 Prozent des gesamten Aufwands für eine Kostenschätzung ausmachen. Eine anspruchsvolle Aufgabe, bei der nichts übersehen werden darf. Denn werden regulatorische Anforderungen nicht vollständig umsetzt, kann dies negative Konsequenzen für die betroffene Bank haben, etwa durch Reputationsverlust oder durch Feststellungen der Aufsicht. 
 

KI verändert die Art, künftig Software zu entwickeln
 

Für diese anspruchsvolle Aufgabe suchen wir nach einer Lösung, mit der junge Entwicklerinnen und Entwickler in die Lage versetzt werden, relevante Informationen, Codestellen und Zusammenhänge genauso selbstständig zu identifizieren, wie Kolleginnen und Kollegen mit jahrzehntelanger Erfahrung.

Als wir damit anfingen stellten wir uns zunächst die Frage: „Wie bauen wir einen KI-Agenten für Betroffenheitsanalysen?". Doch schnell wurde klar: KI einzusetzen, um nur einzelne Arbeitsschritte zu optimieren, greift viel zu kurz. KI verändert den Umgang mit Wissen, die Durchführung von Analysen und die Zusammenarbeit in Entwicklungsteams. Sie wird zu einem integralen Bestandteil moderner Softwareentwicklung. Damit verbunden drängte sich eine viel grundlegendere Frage auf: „Wie können und wollen wir künftig KI in unseren SW-Entwicklungsprozess integrieren?“.

Das führte dazu, dass wir im konkreten Projekt inzwischen nicht nur eine Lösung für den eigentlichen Usecase “Betroffenheitsanalyse“ suchen. Wir bewerten in dem Projekt auch die generelle Nutzbarkeit von KI-Lösungen im realen Entwickleralltag.

Weitreichende Auswirkungen
 

Damit dies im Banking-Umfeld gelingt, müssen neue Technologien höchsten Anforderungen genügen. Deshalb betrachten wir neben der fachlichen Fragestellung auch Architektur-, Infrastruktur-, Sicherheits- und Compliance-Aspekte.

Für den Einsatz von KI in der Betroffenheitsanalyse haben wir beispielweise unterschiedliche Betriebsmodelle untersucht. Neben dem Betrieb auf eigenen Servern haben wir die Anbindung an Microsoft Azure sowie den Durchstich zu den mit uns assoziierten Rechenzentren unserer Mutter Finanz Informatik bzw. unserer Schwester FI-TS beleuchtet.

Dabei zeigt sich ein Muster, das über unser Projekt hinausweist: Auch wenn viele Institute sich nach wie vor schwertun, den Schritt in die Cloud zu gehen, muss dieser Schritt mit bedacht werden. Denn die Rechenleistung, die leistungsfähige KI-Modelle benötigen, lässt sich langfristig kaum wirtschaftlich und performant ausschließlich On-Premises abbilden. Wer künftig von KI profitieren will, wird sich der Frage nach Cloud-Anbindung deshalb kaum dauerhaft entziehen können – nicht als Zwang, sondern als logische Konsequenz der eigenen Zielsetzung.

Unter diesen Prämissen haben wir in dem Projekt Leitplanken für den Einsatz von KI in unserer Softwareentwicklung definiert. Eine der wichtigsten: eine Verarbeitung von Daten in KI-Modellen erfolgt ausschließlich verschlüsselt, innerhalb Europas und ohne Freigabe für das Training von Modellen.

Die Softwareentwicklung von morgen gestalten

Ein sich so verändernder Scope liegt in der Natur des Teams der Lösungsfinder: Wir wollen neue Technologien nicht einfach nur konsumieren, wir wollen sie verstehen, bewerten und pragmatisch einsetzen. So ist aus einem Projekt für einen einzelnen, praxisrelevanten Anwendungsfall ein Lernfeld für die Softwareentwicklung der Zukunft geworden. Die gewonnenen Erkenntnisse werden wir perspektivisch auf weitere COBOL- und Java-Anwendungen übertragen. Damit gestalten wir aktiv mit, wie Banking-Software im KI-Zeitalter entwickelt wird.

Dieses Projekt zeigt beispielhaft, wie wir im Team der Lösungsfinder arbeiten: neugierig, verantwortungsbewusst und mit dem Antrieb, neue Ideen zu entwickeln und voranzubringen. Gemeinsam schauen wir über den Tellerrand hinaus – für Kolleginnen und Kollegen, die mitgestalten statt nur zusehen wollen, und für Kunden, die einen Partner suchen, der neue Technologien nicht nur einsetzt, sondern versteht.