KI wird im Bankensektor insbesondere zur Effizienzsteigerung, Prozessoptimierung und Verbesserung der Kundeninteraktion eingesetzt. Im Anlagebereich ist diese Entwicklung besonders relevant, da Anlageentscheidungen häufig unter Unsicherheit, Zeitdruck und hoher Informationskomplexität getroffen werden. Gleichzeitig können kognitive Biases wie Selbstüberschätzung, Herdenverhalten oder Verlustaversion Anlageentscheide verzerren. Vor diesem Hintergrund wird untersucht, wie ein KI-gestütztes E-Banking-System kognitive Biases bei Anlageentscheidungen erkennen und reduzieren kann.

Zur Beantwortung der Forschungsfrage wurde ein qualitativer Forschungsansatz gewählt. Die theoretischen Grundlagen umfassen Wealth Management, Digital Banking, KI, Behavioral Finance sowie regulatorische Rahmenbedingungen wie den EU AI Act, Finanzdienstleistungsgesetze und das Datenschutzgesetz. Empirisch stützt sich die Arbeit auf leitfadengestützte Experteninterviews mit relevanten Fachpersonen aus den Bereichen Beratung und Compliance. Erfasst wurden Anwendungsmöglichkeiten, Grenzen, Risiken und regulatorische Anforderungen von KI im Anlagekontext.

Die Ergebnisse zeigen, dass KI im Bankenumfeld grundsätzlich als nützliches Unterstützungsinstrument wahrgenommen wird, insbesondere hinsichtlich Effizienz und strukturierter Informationsverarbeitung. Gleichzeitig wurde deutlich, dass sowohl Kundinnen als auch Beraterinnen kognitiven Verzerrungen unterliegen und KI diese nicht zuverlässig eliminieren kann. Auf Kundenseite wurden besonders Risikounterschätzung, Verlustwahrnehmung, kurzfristiges Denken und unvollständige Informationsverarbeitung als relevant genannt. Auf Beraterseite spielen persönliche Präferenzen und eigene Erfahrungen eine wichtige Rolle. Aus Compliance-Sicht stehen zudem Anlegerschutz, Suitability, Transparenz und Governance im Vordergrund. Ein direkt im E-Banking eingesetztes KI-System bietet zwar Potenzial zur Unterstützung von Anlageentscheidungen, erscheint jedoch nicht als verlässliches Instrument zur direkten Reduktion von Biases bei Kund*innen. Für die Praxis empfiehlt es sich daher, ein KI-gestütztes Analysesystem zunächst intern im Beraterumfeld einzuführen und in klare Governance-Strukturen mit einem definierten Zusammenspiel von Human Input und KI Output einzubetten.