Nach Vergleichsportalen und Aggregatoren entwickeln sich dialogorientierte Schnittstellen auf Basis großer Sprachmodelle (LLMs) zunehmend zu einem zentralen Einstiegspunkt für finanzielle Entscheidungen. Das Risiko für Banken ist konkret: Sie entwickeln und unterstützen zwar weiterhin Produkte, verlieren jedoch die Kontrolle über die Schnittstelle, die Empfehlung und letztendlich den Vertragsabschluss. Dies ist das auf den Finanzsektor übertragene “Dark-Kitchen”-Szenario, bei dem im Verborgenen produziert wird. Diese Entwicklung ist alles andere als spekulativ. Bereits im Jahr 2024 nutzten 23% der Verbraucher mindestens einmal im Monat generative KI für finanzielle Aufgaben(1), und Chatbots könnten innerhalb der nächsten drei bis fünf Jahre zum bevorzugten Kanal für Bankgeschäfte werden. Die Frage ist daher nicht mehr, ob sich diese Schnittstellen zwischen Banken und ihren Kunden positionieren werden, sondern wie Finanzinstitute beabsichtigen, innerhalb dieser Schnittstellen sichtbar zu bleiben.
In der Vergangenheit kontrollierten Banken den gesamten Kundenweg über ihre eigenen Kanäle: Filialen, Websites und Apps. Die Digitalisierung hatte eine erste Disintermediation ausgelöst, indem sie den Vergleich vereinfachte und die Wechselkosten senkte, ohne dabei die zentrale Rolle der Markenökosysteme zu gefährden.
Dialogorientierte Schnittstellen verändern das Wesen dieser Dynamik grundlegend. Kunden suchen nicht mehr nach einem bestimmten Produkt, sondern formulieren ein gewünschtes Ergebnis (z. B. die Optimierung von Ersparnissen oder die Finanzierung eines Projekts) und übertragen die Recherche, Auswahl und Umsetzung an einen Agenten. Diese Agenten sind nun in der Lage, mehrstufige Finanzprozesse selbstständig zu planen, zu speichern, zu koordinieren und auszuführen. Vor allem wird die agentengesteuerte Zahlungsinfrastruktur bereits eingeführt: OpenAI und Stripe haben Ende 2025 das „Agentic Commerce Protocol“ ins Leben gerufen, um Käufe direkt innerhalb von ChatGPT zu ermöglichen;(2) Visa, Amazon und Google haben seitdem ihre eigenen, von Agenten initiierten Transaktionskanäle eingeführt. Abonnements direkt über die Benutzeroberfläche sind in bestimmten Ländern bereits als produktive Funktion verfügbar.
Diese Schnittstellen beschränken sich nicht mehr nur auf die Transaktionshistorie. Sie erfassen Absichten, Projekte und Abwägungen und fungieren als “emotionales CRM”, über das Banken bislang nicht verfügten. In dem Maße, wie sich diese Abläufe intensivieren, etablieren sie sich als zentraler Knotenpunkt der Kundenbeziehung und dienen gleichzeitig dazu, die Bedürfnisse des Nutzers zu erfassen und ihn auf das passende Angebot hinzuweisen.
Das “Dark-Kitchen”-Risiko im Bankensektor
Das Risiko verlagert sich daher hin zu einem “Dark-Kitchen”-Modell: einer zunehmenden Entkopplung von Produktion und Vertrieb. Die Banken entwickeln weiterhin Produkte und tragen das damit verbundene Risiko sowie die Compliance-Verpflichtungen, verlieren jedoch den direkten Kontakt. Daraus ergeben sich vier Konsequenzen:
Einschränkung der Sicht. Kunden interagieren nicht mehr mit ihrer Bank und könnten im Laufe der Zeit deren Rolle in der Wertschöpfungskette außer Acht lassen. Die Marke wird zu einem Anbieter im Hintergrund.
Kommodifizierung. Durch den ständigen Vergleich und die Neugestaltung durch die Benutzeroberfläche werden Angebote austauschbar. Der Filter ist gnadenlos: Empfehlungsmodelle nennen in der Regel nur eine bis drei Marken pro Suchanfrage.(3) Ob eine Marke bestehen bleibt oder verschwindet, hängt von einem winzigen Spielraum ab.
Geschwächte Beziehungen. Da die Beziehung fragmentierter und transaktionsorientierter wird, verliert sie an Tiefe. Kundenbindung und Cross-Selling werden schwieriger, während die Volatilität stark ansteigt: In einem von Vermittlern geprägten Umfeld tendieren die Wechselkosten gegen Null.
Druck auf die Margen. Preistransparenz und die Empfehlungskraft der Benutzeroberfläche verschärfen den Wettbewerb. Und diese Tendenz wirkt sich nicht zugunsten der etablierten Akteure aus: Heutzutage neigen große Sprachmodelle dazu, eher Neobanken und digital-native Kreditgeber zu empfehlen als traditionelle Institute. Für einen etablierten Akteur besteht das Risiko nicht nur darin, als Vermittler umgangen zu werden, sondern auch darin, von der Maschine systematisch an den Rand gedrängt zu werden.
Dieses Szenario ist keineswegs mehr weit entfernt. Da sich der Einsatz dieser Technologien ausweitet und die Agenten an Autonomie gewinnen, wird es dringend notwendig, die notwendigen Veränderungen einzuleiten, damit die Banken auch heute noch Teil der agentenbasierten Wertschöpfungskette bleiben.
Kontrolle erlangen: Existieren, funktionsfähig sein, ausgewählt werden
Angesichts dieser Entwicklung sind drei Vorgehensweisen möglich: abwarten; die neue Schnittstellenebene akzeptieren und sich auf die Rolle eines Produktanbieters zurückziehen; oder darum kämpfen, die Kundenbeziehung durch proprietäre Plattformen aufrechtzuerhalten. Die ersten beiden führen geradewegs zur “Dark Kitchen”. Nur der dritte Ansatz sichert eine Position in der Wertschöpfungskette, und er erfordert eine Transformation von Architekturen, Customer Journeys und Beziehungsmodellen, die sich um drei Herausforderungen herum strukturiert:
Existenz. Da dialogorientierte Schnittstellen zunehmend zu Einstiegspunkten werden, geht es nicht mehr um proprietäre Kanäle, sondern um die Auffindbarkeit des Angebots innerhalb dieser Umgebungen: Dies ist Generative Engine Optimization (GEO). Bei den Antworten von LLMs hängt die Sichtbarkeit stark von Quellen Dritter (Presse, Rezensionen, Analysen) ab und weniger von den eigenen Ressourcen der Marke. Um präsent zu sein, muss man seine Informationspräsenz weit über die eigene Website hinaus ausdehnen. Die Parallele zur Suchmaschinenoptimierung (SEO) der 2000er Jahre ist offensichtlich: Unternehmen, die frühzeitig in Suchoptimierung investierten, schufen sich dauerhafte strukturelle Vorteile. Dieses Zeitfenster schließt sich heute.
Um funktionsfähig zu sein. In einer Welt automatisierter Empfehlungen begünstigt die Benutzeroberfläche Angebote, die am einfachsten zu verstehen und umzusetzen sind. Der Vorteil liegt bei “agententauglichen” Produkten: interoperabel, über offene Architekturen zugänglich und für ein reibungsloses Abonnement konzipiert. Dies erfordert klare, zuverlässige und “maschinenlesbare” Dienste. Über die Sichtbarkeit hinaus wird die Fähigkeit zur reibungslosen Bereitstellung zu einem entscheidenden Faktor.
Noch auszuwählen. Wenn Angebote vergleichbar und technisch integriert sind, verlagert sich die Differenzierung auf die Marke, wie sie von der Maschine wahrgenommen wird. Große Sprachmodelle (LLMs) gewichten die am häufigsten genannten Entitäten überproportional stark, was der Logik eines “Big-Brand-Bias” folgt: Bei einer Kaufempfehlung schlagen bestimmte Modelle eine bereits marktbeherrschende Marke mit bis zu 18-mal höherer Wahrscheinlichkeit vor.(4) Es entsteht eine Rückkopplungsschleife: Das Modell schlägt vor, der Nutzer klickt, und die Marktbeherrschung wird gefestigt. Akteure, die in redaktionellen Korpora und auf Bewertungsplattformen nicht vertreten sind, werden automatisch an den Rand gedrängt. Der Aufbau einer aktiven Präsenz in diesen Umgebungen und die direkte Einbindung der eigenen Kundenreisen in diese Plattformen wird zum entscheidenden Hebel für die Aufrechterhaltung der Kundenbeziehung.
Der agentische Handel verändert nicht nur die Kundenbeziehung, sondern verschiebt auch deren grundlegende Gleichgewichte. Der Schwerpunkt verlagert sich hin zu jenen, die den Zugang, die Auswahl und die Priorisierung von Angeboten kontrollieren. Banken, die in der Lage sind, sich wieder in diese Marktarchitektur zu integrieren, werden ihre Rolle stärken. Die anderen werden zu unsichtbaren Akteuren, die vom Kontaktpunkt und dem Ort der Wertschöpfung ferngehalten werden. Die Entscheidung fällt gerade jetzt. In drei bis fünf Jahren wird sie bereits gefallen sein.
Anmerkungen:
[1] McKinsey, “Wie generative KI-Agenten die Kundenbeziehungen von Privatkundenbanken gefährden’, 6. Mai 2026. Akzeptanz data: 23% der Verbraucher gaben an, generative KI mindestens einmal im Monat für finanzielle Aufgaben zu nutzen (2024).
[2] OpenAI & Stripe, Agentic Commerce Protocol und “Instant Checkout”, September 2025. Konkurrierende Plattformen: Visa Intelligent Commerce (April 2026), Partnerschaft zwischen Visa und OpenAI (Juni 2026), Amazon “Buy for Me” – AWS Agentic Shopping Assistant, Google Universal Commerce Protocol.
[3] Schätzung von Fachleuten für generative Optimierung (Searchable, C. Donnelly, 2026); gängige Empfehlungsmodelle nennen in der Regel nur eine bis drei Marken pro Suchanfrage.
[4] Messung der von L.-M. Lorin (April 2026) berichteten “Entity-Verzerrung”: Je nach Modell beträgt die Neigung, eine bereits marktbeherrschende Marke zu empfehlen, bis zu etwa das 18-Fache (Smartphones). Dies ist eine indikative Größenordnung, die mit der Primärstudie abgeglichen werden sollte.
