In den Unterlagen zum dritten Quartal nennt die Bank eine Zahl, die nach wenig klingt und viel bedeutet. Zwischen persönlichen Helfern und Systemen im Regelbetrieb liegt ein Unterschied.
Was die UBS in ihren Quartalszahlen offenlegt
Am 28. Oktober hat die UBS ihre Ergebnisse für das dritte Quartal 2026 veröffentlicht. Im Abschnitt zur Technologie steht ein Satz, der in Finanzberichten ungewöhnlich konkret ist: Mitarbeiter setzen im Tagesgeschäft mehr als 12.700 persönliche KI-Agenten ein, und zwar nicht in einem Pilotprojekt, sondern im laufenden Betrieb.
Der Quartalsgewinn lag bei 2,7 Milliarden US-Dollar und damit im Rahmen der Erwartungen. Gleichzeitig setzte die Bank ihre Integration der übernommenen Credit Suisse fort und baute im Quartal rund 1.500 Vollzeitstellen ab. Die KI-Zahlen stehen in denselben Unterlagen wie diese Stellenangabe, und das ist kein Zufall.
Persönliche Agenten sind keine Firmensysteme
Ein persönlicher Agent ist ein kleiner Helfer, den ein Mitarbeiter für seine eigene Arbeit einrichtet, meist ohne dass jemand in der IT davon erfährt. Er fasst Notizen zusammen, bereitet eine Mail vor oder sucht eine Zahl in internen Unterlagen. Solche Agenten entstehen oft ohne zentrale Freigabe, weil die Werkzeuge dafür heute in wenigen Minuten eingerichtet sind.
Ein Produktionsfall ist etwas anderes. Damit ist eine Anwendung gemeint, die in einem festen Prozess läuft, geprüft ist und bei einem Fehler Folgen hat. Diese beiden Dinge werden in Berichten gern in einen Topf geworfen, weil die größere Zahl besser klingt.
Für die UBS heißt das: 12.700 persönliche Agenten sagen etwas über die Verbreitung von Werkzeugen im Alltag, und sie sagen wenig über die Reife des Programms. Sie sagen nichts darüber, wie viele Geschäftsprozesse tatsächlich automatisiert sind. Dafür gibt es eine zweite Zahl.
608 Anwendungen im Produktivbetrieb
Die Bank nennt 608 Anwendungsfälle, die im Einsatz sind. Das sind 81 Prozent mehr als im Vorjahr und damit das dritte Quartal in Folge mit zweistelligem Wachstum. Weitere 1.090 Anwendungen sind nach Angaben des Instituts in Entwicklung. Auf jeden laufenden Fall kommt also fast zwei in Arbeit, und die Pipeline reißt nicht ab.
Diese Zahlen sind der belastbarere Teil. Ein Fall, der als produktiv geführt wird, hat in der Regel Tests, Verantwortliche und eine Fehlerbehandlung hinter sich.
Was fehlt, ist die Aufteilung. Die Mitteilung sagt nicht, wie viele der 608 Fälle Kunden betreffen und wie viele intern laufen. Genau dieser Unterschied entscheidet aber, ob ein Kunde etwas davon merkt.
18.000 Entwickler und das Werkzeug STAAT
Zwei weitere Angaben ergänzen das Bild. Rund 18.000 Entwickler arbeiten nach Angaben der Bank mit KI-Werkzeugen für die Softwareentwicklung. Und das System STAAT, das Berater im Kundengespräch unterstützt, hat mehr als 30 Millionen Einsichten erzeugt.
Die zweite Zahl braucht eine Einordnung. Eine Einsicht ist hier ein Hinweis, den das System aus Daten ableitet, etwa eine Beobachtung zum Depot eines Kunden. 30 Millionen solcher Hinweise sagen nichts über ihre Qualität. Sie sagen, dass das Werkzeug breit genutzt wird und dass Berater es in Kauf nehmen, mit vielen Vorschlägen umzugehen.
Bei den Entwicklerwerkzeugen ist die Wirkung leichter zu fassen. Wer Code schreiben lässt und ihn prüft, spart Zeit bei Routinearbeit. Ob diese Zeit in bessere Software fließt oder in mehr Aufgaben pro Kopf, ist eine Frage der Organisation, nicht der Technik.
Wo Banken KI heute einsetzen
Ein Blick auf den breiteren Markt hilft, die UBS-Zahlen einzuordnen. Eine Erhebung von PYMNTS Intelligence für den Finanzsektor zeigt ein Muster: Die produktiven Fälle liegen überwiegend im Backoffice, also dort, wo Abläufe strukturiert und prüfbar sind.
Für die Erstellung von Abschlüssen und die Abstimmung von Konten melden 65 Prozent der befragten Institute einen Einsatz. Bei der Bewertung von Kreditrisiken sind es 60 Prozent, bei Prognosen für Vertrieb und Pipeline ebenfalls 60 Prozent. 85 Prozent planen, ihr Budget für KI in den nächsten zwölf Monaten zu erhöhen.
Diese Verteilung ist plausibel. Ein Prozess mit klaren Regeln und dokumentierten Ergebnissen lässt sich prüfen, und Prüfbarkeit ist in einer Bank keine Nebensache, weil Aufsicht und Wirtschaftsprüfung genau danach fragen. Kundenberatung ist dagegen offen, situationabhängig und haftungsrechtlich heikel. Dort kommt KI langsamer an, weil niemand die Verantwortung für eine falsche Auskunft übernehmen will.
Was die Offenlegung nicht beantwortet
Offen bleiben drei Fragen. Erstens nennt die Mitteilung keine verantwortliche Führungskraft. Zweitens fehlt die Aufteilung zwischen Kunden und internen Fällen, obwohl genau sie entscheidet, ob ein Kunde etwas merkt. Drittens steht nichts dazu, wie die 12.700 persönlichen Agenten kontrolliert werden.
Der dritte Punkt wiegt am schwersten, weil er nicht nach Technik klingt, sondern nach Haftung. Ein Agent mit Zugriff auf interne Dokumente kann Daten an die falsche Stelle bringen. Ein Agent, der eine Mail formuliert, kann eine Zusage machen, die niemand machen wollte. In einem regulierten Haus braucht es dafür Regeln: welche Daten ein Agent sehen darf, wer einen Fehler bemerkt und wer die Verantwortung trägt, wenn ein Berater sich auf einen Vorschlag verlässt, den niemand geprüft hat.
Es ist möglich, dass die UBS solche Regeln hat und nur nicht veröffentlicht. Aus den Unterlagen geht das nicht hervor. Wer haftet aber, wenn ein selbst gebauter Agent eine Zusage macht, die das Haus nicht decken wollte? Wer die Zahlen zitiert, sollte deshalb den Unterschied zwischen Verbreitung und Kontrolle mitdenken.
Was andere Institute berichten
Zwei Beispiele zeigen, welche Effekte Banken tatsächlich messen. Die Customers Bank hat einen Ablauf für Geschäftskredite mit KI bearbeitet und die Zeit bis zur Auszahlung nach eigenen Angaben von üblich 30 bis 60 Tagen auf 7 Tage verkürzt. Das ist ein Eingriff in einen Prozess, der Kunden direkt betrifft.
Die Regions Bank hat in ihrer Telefonkonferenz am 16. Oktober einen anderen Effekt genannt. Aufwendungen für Cybersicherheit, auch im Zusammenhang mit neuer KI, könnten die bereinigten Sachkosten 2026 um 1,5 bis 3,5 Prozent erhöhen. KI senkt also nicht nur Kosten, sie erzeugt auch welche.
Beide Fälle passen zum Muster. Wo der Prozess klar ist, lässt sich Zeit sparen. Wo Risiken entstehen, wächst der Aufwand für Kontrolle, und dieser Aufwand taucht in keiner Erfolgsmeldung auf.
Was das für Bankkunden bedeutet
Für Kunden ändert sich im Alltag wenig, solange die Systeme im Hintergrund arbeiten. Spürbar wird es an drei Stellen: schnellere Entscheidungen bei Krediten, andere Wartezeiten in der Beratung und möglicherweise andere Antworten, weil ein Werkzeug Hinweise liefert, die ein Mensch vorher nicht hatte.
Wichtig ist dabei die Rollenverteilung. Ein System, das 30 Millionen Hinweise erzeugt, ersetzt kein Beratungsgespräch. Es verschiebt die Arbeit dorthin, wo jemand entscheiden muss, ob ein Hinweis relevant ist. Ob das die Qualität erhöht oder nur das Tempo, hängt an der Schulung der Mitarbeiter.
Woran sich der Fortschritt messen lässt
Die nächsten Quartalsberichte werden zeigen, ob aus 608 produktiven Fällen 1.000 werden, ob die Zahl der persönlichen Agenten weiter wächst und ob die Bank erstmals aufschlüsselt, wie viele davon Kunden betreffen. Interessanter als beide Werte ist eine dritte Angabe, die bisher fehlt: wie viele dieser Fälle nach einem Jahr noch laufen. Denn eine Anwendung im Produktivbetrieb ist keine Erfolgsmeldung, sondern eine Verpflichtung.
