Morningstar macht KI für Finanzinstitute greifbar: die AI-Mitarbeiter Lucy und Paul

Challenge

„Alle reden über KI. Aber kaum jemand weiß, wie ein konkreter Anwendungsfall im Alltag aussieht." So lässt sich eine Beobachtung zusammenfassen, die Morningstar in vielen Kundengesprächen macht. Die Kunden – überwiegend Finanzinstitute auf der Investorenseite – sind oft unsicher, was KI für sie wirklich leisten kann.

Morningstar liefert die Daten, die solche Lösungen brauchen, baut aber bewusst selbst keine Software und keine fertigen KI-Anwendungen. Gerade bei Kunden, die darauf eine eigene, selbstständig arbeitende KI aufsetzen wollen, sind die Fragen groß: Wer muss mitreden, wie steht es um Compliance und IT-Sicherheit? Projekte, die viele Häuser intern nicht allein stemmen können.

Dazu kommt der Alltag der Wealth Manager: Die Betreuung der Bestandskunden fällt im Tagesgeschäft regelmäßig hinten runter, weil die Gewinnung neuer Kunden vorgeht. Gleichzeitig steht ein riesiger Vermögensübergang bevor – schlecht betreute Bestandskunden wechseln genau dann den Anbieter. Hinzu kommen aufwändige Pflichtdokumentationen und eine über viele Anbieter verstreute Datenlage: lauter manuelle Aufgaben, die Zeit kosten – Zeit, die für die eigentliche Beratung fehlt.

Solution

Aus dieser Lage entstand eine Zusammenarbeit zu dritt: scoreprise.AI baut die AI-Mitarbeiter, EY bringt die Erfahrung aus der Finanzbranche ein, Morningstar liefert die Daten. Für das KI-Bootcamp von Morningstar in Frankfurt entwickelten scoreprise.AI und EY in nur einer Woche einen lauffähigen Prototyp: Lucy, die AI-Mitarbeiterin für Wealth Manager, vollständig auf Basis der Morningstar-Daten.

Lucy arbeitet über eine übersichtliche Oberfläche im Morningstar-Look und über die DSGVO-konforme Plattform Langdock – keine Blackbox: erkannte Abweichungen in den Depots, anstehende Termine mit vorbereiteten Gesprächspunkten, ein Marktüberblick, freizugebende Pflichtdokumente und eine vollständige Aufzeichnung aller Schritte.

Ein Kernstück ist der Vorschlag zur Umschichtung: Lucy liest die Positionen eines Kunden live aus den Morningstar-Daten, erkennt eine Abweichung von der Zielausrichtung und schlägt konkrete Käufe und Verkäufe vor – mit Begründung, neuer Aufteilung und einer Prognose über zwölf Monate. Alle Empfehlungen bleiben bewusst Vorschläge: Lucy bereitet vor, der Wealth Manager entscheidet. Für das Asset Management überträgt Paul dieselbe Arbeitsweise auf Wettbewerbs- und Vergleichsanalysen. Die Modelle laufen auf eigenen Servern in Deutschland, auch Langdock arbeitet auf einer in Deutschland angesiedelten Infrastruktur – sensible Kundendaten verlassen das gesicherte Umfeld nicht.

Der Aha-Moment

Der Aha-Moment war, dass hier kein Konzept auf Folien stand, sondern nach einer Woche ein echter, anfassbarer digitaler Kollege, der live mit den Morningstar-Daten arbeitet. „Sehr eindrücklich", so das Echo aus dem Morningstar-Team, als klar wurde, dass die gesamte Oberfläche in wenigen Tagen von Grund auf entstanden war.

Besonders überzeugte, wie gut die KI aus reinen Zahlen eine nachvollziehbare Empfehlung formuliert. Kathryn Hengst-Li bringt den Anspruch auf den Punkt: „Eine reine Grenz- und Compliance-Prüfung kann heute jede Software. Echte KI muss mehr leisten: eine eigene, begründete Einschätzung, an der man merkt, dass wirklich Intelligenz dahintersteckt." Genau dieses Mehr – der begründete Vorschlag zur Umschichtung – wurde zum überzeugendsten Teil des Use Case.

Outcome

Lucy wurde auf dem KI-Bootcamp von Morningstar in Frankfurt vorgestellt, und der Prototyp wirkt seither weiter. Die Vertriebs- und Beratungsteams von Morningstar in der DACH-Region und der Schweiz nutzen die funktionsfähige Demo in Kundengesprächen, um greifbar zu machen, was mit den Daten möglich ist.

Im größeren Kreis zeichnete sich die ideale Zielgruppe ab: kleine bis mittelgroße Wealth Manager und Privatbanken, vor allem in der Schweiz, die so eine Lösung nicht allein bauen können und genau deshalb einen Partner brauchen. Aus den Rückmeldungen flossen direkt konkrete Verbesserungen ein – etwa eine ausführlichere Nachweis- und Quellenangabe zu jeder Datenabfrage sowie ein eigener Arbeitsbereich pro Kunde. Auch die Form der Zusammenarbeit nahm Gestalt an: ein gemeinsamer Weg, bei dem beide Seiten Kunden gewinnen, statt eines reinen Datenbezugs.

Empfehlung

„Was scoreprise.AI und EY hier in kürzester Zeit gebaut haben, ist genau das, was viele unserer Kunden suchen: ein konkretes, greifbares Beispiel statt abstrakter KI-Versprechen. Ein fertig vorzeigbarer digitaler Kollege auf unseren Daten hilft gerade Häusern, die beim Thema KI noch unsicher sind, den nächsten Schritt zu gehen." — Kathryn Hengst-Li, Director Business Development, Morningstar.

Der Use Case zeigt, wie Datenanbieter, Berater und KI-Spezialisten gemeinsam aus vorhandenen Daten einen echten, einsetzbaren digitalen Kollegen machen – und damit die Lücke zwischen KI-Versprechen und konkretem Nutzen für Finanzinstitute schließen.

← Zurück zu den Referenzen