AI für Banken und Finanzdienstleister
Ihr nächster Karriereschritt
Künstliche Intelligenz verändert das Finanzwesen nicht morgen, sondern heute. Für Banken markiert sie einen echten Wendepunkt: AI entwickelt sich von einem experimentellen Werkzeug zu einem strategischen Produktionsfaktor. Einer, der Effizienz steigert, Risiken neu bewertet, Kundenerlebnisse neu definiert und Wettbewerbsfähigkeit nachhaltig prägt. Für Banken und Finanzdienstleister ist damit klar: Wer AI wirksam einsetzen will, muss sie ganzheitlich verstehen – inhaltlich, technisch, regulatorisch und unternehmerisch. Es geht darum, Chancen realistisch einzuordnen, Risiken souverän zu steuern und fundierte Entscheidungen zu treffen. AI-Kompetenz wird so zur Schlüsselqualifikation für Fach- und Führungskräfte, die den Finanzsektor aktiv gestalten wollen.
Nächster Start
Dauer
Sprache
Format
Art der Weiterbildung
Preis
Künstliche Intelligenz verändert das Finanzwesen nicht morgen, sondern heute. Für Banken markiert sie einen echten Wendepunkt: AI entwickelt sich von einem experimentellen Werkzeug zu einem strategischen Produktionsfaktor. Einer, der Effizienz steigert, Risiken neu bewertet, Kundenerlebnisse neu definiert und Wettbewerbsfähigkeit nachhaltig prägt. Für Banken und Finanzdienstleister ist damit klar: Wer AI wirksam einsetzen will, muss sie ganzheitlich verstehen – inhaltlich, technisch, regulatorisch und unternehmerisch. Es geht darum, Chancen realistisch einzuordnen, Risiken souverän zu steuern und fundierte Entscheidungen zu treffen. AI-Kompetenz wird so zur Schlüsselqualifikation für Fach- und Führungskräfte, die den Finanzsektor aktiv gestalten wollen.
Ihre Vorteile
- Werden Sie Teil von Deutschlands # 1 Business School für Executive Education.
- Lernen Sie von Branchenexperten mit umfassender Praxiserfahrung.
- Erhalten Sie ein anerkanntes Zertifikat zur Stärkung Ihres Karriereprofils.
- Profitieren Sie von der aktiven internationalen Frankfurt School Community.
ANMELDUNG
ANMELDUNG
14. September 2026 - 06. November 2026
TERMINPLAN
Fordern Sie den Terminplan unverbindlich als PDF an.
Fordern Sie den Terminplan unverbindlich als PDF an.
Zielgruppe
METHODIK
Lernziele
Die Teilnehmenden entwickeln ein fundiertes, praxisnahes Verständnis für den Einsatz Künstlicher Intelligenz im Banken- und Finanzdienstleistungsumfeld. Sie lernen, zentrale technologische Konzepte – von klassischem Machine Learning über Deep Learning und Large Language Models bis hin zu agentenbasierten Architekturen – sicher einzuordnen und deren Relevanz für unterschiedliche bankfachliche Anwendungsfelder realistisch zu bewerten.
Gleichzeitig gewinnen sie Klarheit über die regulatorischen und aufsichtsrechtlichen Rahmenbedingungen. Im Fokus stehen dabei insbesondere der EU AI Act und DORA sowie deren Bedeutung für Risiko, Governance, Compliance und Cyber-Resilienz von KI-Anwendungen.
Anhand konkreter Use Cases erhalten die Teilnehmenden Einblick in die praktische Umsetzung von KI-Lösungen – von Datenanforderungen und Modellwahl über Erklärbarkeit bis hin zu den zugrunde liegenden IT-Infrastrukturen. Sie verstehen die Chancen und Grenzen generativer KI und moderner Agentensysteme im Bankenumfeld und können diese kritisch und differenziert beurteilen.
Am Ende sind sie befähigt, strategische Optionen für den skalierbaren Einsatz von KI zu entwickeln, passende Organisations- und Betriebsmodelle abzuleiten und eine belastbare Roadmap für einen nachhaltigen, regulatorisch konformen Einsatz von Künstlicher Intelligenz in ihrer Organisation zu formulieren.
Inhalt
Einführung KI im Bankenumfeld
Die Teilnehmenden erwerben ein grundlegendes Verständnis der zentralen Konzepte und Begriffe der Künstlichen Intelligenz im Bankenumfeld. Sie lernen, unterschiedliche KI-Ansätze wie traditionelles Machine Learning, Deep Learning sowie Large Language Models und agentenbasierte Architekturen voneinander abzugrenzen und im Hinblick auf typische bankfachliche Anwendungsfelder einzuordnen. Darüber hinaus sind sie in der Lage, aktuelle technologische Entwicklungen strategisch zu bewerten und erhalten ein erstes Verständnis der regulatorischen Leitplanken für den Einsatz von KI im Finanzsektor.
- Überblick Seminar und Einordnung aktueller KI-Entwicklungen im Finanzsektor
- Technologische Grundlagen: Traditionelles Machine Learning und Deep Learning
- Technologische Grundlagen: Large Language Models (LLMs) und Agentic Design
- Überblick regulatorische Rahmenbedingungen im Bankenumfeld
Regulatorik & Compliance: EU AI Act
Regulatorische Einordnung & Anforderungen
Die Teilnehmenden verstehen Zielsetzung, Struktur und zentrale Anforderungen des EU AI Act und können KI-Anwendungen im Bankenumfeld entlang der definierten Risikoklassen regulatorisch einordnen. Sie entwickeln ein Verständnis für notwendige Governance-Strukturen, Rollen und Kontrollmechanismen und sind in der Lage, die praktische Umsetzung der regulatorischen Anforderungen im Kontext bestehender Organisations- und Kontrollsysteme kritisch zu bewerten.
- AI Governance: Rollen, Verantwortlichkeiten und Kontrollmechanismen
- EU AI Act: Struktur, Risikoklassen Rollen und Pflichten
- Praxis der Umsetzung des EU AI Act im Bankenumfeld
Regulatorik & Compliance: DORA & Cyber Security
Die Teilnehmenden erwerben ein fundiertes Verständnis des Anwendungsbereichs, der Zielsetzung und der Anforderungen von DORA an die digital operationelle Resilienz. Sie können die Bedeutung von Cyber-Risiken und Verwundbarkeiten für KI-Systeme im Bankenumfeld einschätzen und verstehen die Wechselwirkungen zwischen KI, IT-Sicherheit und regulatorischen Vorgaben. Darüber hinaus sind sie in der Lage, DORA- und Cyber-Security-Anforderungen in bestehende Risiko- und Governance-Strukturen einzuordnen.
- DORA: Anforderungen an digitale operationelle Resilienz
- Cyber Security: Bedrohungen, Verwundbarkeiten und Schutzmaßnahmen
- Praxis: Umsetzung von DORA- und Cyber-Security-Anforderungen
Traditionelles Machine Learning
KI-Use-Cases im Finanzsektor
Die Teilnehmenden lernen zentrale KI-Use-Cases im Finanzsektor kennen und verstehen den praktischen Einsatz traditioneller Machine-Learning- und Deep-Learning-Modelle, insbesondere in den Bereichen Klassifikation, Zeitreihenanalyse und NLP. Sie können unterschiedliche Modelltypen hinsichtlich Anwendungsnutzen, Datenanforderungen und Umsetzbarkeit bewerten und entwickeln ein Verständnis für die Rolle moderner IT- und Dateninfrastrukturen bei der Implementierung von KI-Lösungen.
- Use Cases traditionelles Machine Learning: Klassifikation
- Use Cases traditionelles Machine Learning: Zeitreihenanalyse
- Use Cases Deep Learning im NLP-Kontext
- Technologische Infrastrukturen (z. B. Microsoft, Snowflake, SAP)
Generative AI & Natural Language Processing
Die Teilnehmenden verstehen die Funktionsweise, Einsatzmöglichkeiten sowie Grenzen generativer KI-Modelle und NLP-basierter Anwendungen im Bankenumfeld. Sie erwerben Kenntnisse zu Anforderungen an Transparenz und Erklärbarkeit von KI-Systemen und können den Einsatz von Chatbots und agentenbasierten Architekturen im Hinblick auf regulatorische, technische und organisatorische Aspekte fundiert bewerten.
- Generative AI und NLP: Konzepte und Anwendungsfelder
- Explainable AI: Transparenz und Nachvollziehbarkeit
- Chatbots im Bankenumfeld
- Agentenarchitekturen (Single- und Multi-Agenten, A2A, MCP)
Strategie, Skalierung & Ausblick
Die Teilnehmenden sind in der Lage, strategische Optionen für den skalierbaren Einsatz von KI in Banken und Finanzdienstleistungsunternehmen zu bewerten. Sie verstehen unterschiedliche Organisations-, Betriebs- und Infrastrukturmodelle, wie etwa AI Factories und Hybrid-Cloud-Ansätze, und können daraus eine strukturierte KI-Roadmap ableiten. Zudem gewinnen sie Orientierung über aktuelle und zukünftige Entwicklungen im KI-Ökosystem und deren Bedeutung für den Finanzsektor.
- Road to Scaling: AI Factory und Hybrid-Cloud-Modelle
- Vorgehensmodelle: Strategie, Target Operating Model, Agent Orchestration
- Knowledge Graphs und weiterführende Themen
- Ausblick auf aktuelle und zukünftige Entwicklungen
Abschlussprüfung
Inhalt
Einführung KI im Bankenumfeld
Die Teilnehmenden erwerben ein grundlegendes Verständnis der zentralen Konzepte und Begriffe der Künstlichen Intelligenz im Bankenumfeld. Sie lernen, unterschiedliche KI-Ansätze wie traditionelles Machine Learning, Deep Learning sowie Large Language Models und agentenbasierte Architekturen voneinander abzugrenzen und im Hinblick auf typische bankfachliche Anwendungsfelder einzuordnen. Darüber hinaus sind sie in der Lage, aktuelle technologische Entwicklungen strategisch zu bewerten und erhalten ein erstes Verständnis der regulatorischen Leitplanken für den Einsatz von KI im Finanzsektor.
- Überblick Seminar und Einordnung aktueller KI-Entwicklungen im Finanzsektor
- Technologische Grundlagen: Traditionelles Machine Learning und Deep Learning
- Technologische Grundlagen: Large Language Models (LLMs) und Agentic Design
- Überblick regulatorische Rahmenbedingungen im Bankenumfeld
Regulatorik & Compliance: EU AI Act
Regulatorische Einordnung & Anforderungen
Die Teilnehmenden verstehen Zielsetzung, Struktur und zentrale Anforderungen des EU AI Act und können KI-Anwendungen im Bankenumfeld entlang der definierten Risikoklassen regulatorisch einordnen. Sie entwickeln ein Verständnis für notwendige Governance-Strukturen, Rollen und Kontrollmechanismen und sind in der Lage, die praktische Umsetzung der regulatorischen Anforderungen im Kontext bestehender Organisations- und Kontrollsysteme kritisch zu bewerten.
- AI Governance: Rollen, Verantwortlichkeiten und Kontrollmechanismen
- EU AI Act: Struktur, Risikoklassen Rollen und Pflichten
- Praxis der Umsetzung des EU AI Act im Bankenumfeld
Regulatorik & Compliance: DORA & Cyber Security
Die Teilnehmenden erwerben ein fundiertes Verständnis des Anwendungsbereichs, der Zielsetzung und der Anforderungen von DORA an die digital operationelle Resilienz. Sie können die Bedeutung von Cyber-Risiken und Verwundbarkeiten für KI-Systeme im Bankenumfeld einschätzen und verstehen die Wechselwirkungen zwischen KI, IT-Sicherheit und regulatorischen Vorgaben. Darüber hinaus sind sie in der Lage, DORA- und Cyber-Security-Anforderungen in bestehende Risiko- und Governance-Strukturen einzuordnen.
- DORA: Anforderungen an digitale operationelle Resilienz
- Cyber Security: Bedrohungen, Verwundbarkeiten und Schutzmaßnahmen
- Praxis: Umsetzung von DORA- und Cyber-Security-Anforderungen
Traditionelles Machine Learning
KI-Use-Cases im Finanzsektor
Die Teilnehmenden lernen zentrale KI-Use-Cases im Finanzsektor kennen und verstehen den praktischen Einsatz traditioneller Machine-Learning- und Deep-Learning-Modelle, insbesondere in den Bereichen Klassifikation, Zeitreihenanalyse und NLP. Sie können unterschiedliche Modelltypen hinsichtlich Anwendungsnutzen, Datenanforderungen und Umsetzbarkeit bewerten und entwickeln ein Verständnis für die Rolle moderner IT- und Dateninfrastrukturen bei der Implementierung von KI-Lösungen.
- Use Cases traditionelles Machine Learning: Klassifikation
- Use Cases traditionelles Machine Learning: Zeitreihenanalyse
- Use Cases Deep Learning im NLP-Kontext
- Technologische Infrastrukturen (z. B. Microsoft, Snowflake, SAP)
Generative AI & Natural Language Processing
Die Teilnehmenden verstehen die Funktionsweise, Einsatzmöglichkeiten sowie Grenzen generativer KI-Modelle und NLP-basierter Anwendungen im Bankenumfeld. Sie erwerben Kenntnisse zu Anforderungen an Transparenz und Erklärbarkeit von KI-Systemen und können den Einsatz von Chatbots und agentenbasierten Architekturen im Hinblick auf regulatorische, technische und organisatorische Aspekte fundiert bewerten.
- Generative AI und NLP: Konzepte und Anwendungsfelder
- Explainable AI: Transparenz und Nachvollziehbarkeit
- Chatbots im Bankenumfeld
- Agentenarchitekturen (Single- und Multi-Agenten, A2A, MCP)
Strategie, Skalierung & Ausblick
Die Teilnehmenden sind in der Lage, strategische Optionen für den skalierbaren Einsatz von KI in Banken und Finanzdienstleistungsunternehmen zu bewerten. Sie verstehen unterschiedliche Organisations-, Betriebs- und Infrastrukturmodelle, wie etwa AI Factories und Hybrid-Cloud-Ansätze, und können daraus eine strukturierte KI-Roadmap ableiten. Zudem gewinnen sie Orientierung über aktuelle und zukünftige Entwicklungen im KI-Ökosystem und deren Bedeutung für den Finanzsektor.
- Road to Scaling: AI Factory und Hybrid-Cloud-Modelle
- Vorgehensmodelle: Strategie, Target Operating Model, Agent Orchestration
- Knowledge Graphs und weiterführende Themen
- Ausblick auf aktuelle und zukünftige Entwicklungen
Abschlussprüfung
Inhalt
Einführung KI im Bankenumfeld
Die Teilnehmenden erwerben ein grundlegendes Verständnis der zentralen Konzepte und Begriffe der Künstlichen Intelligenz im Bankenumfeld. Sie lernen, unterschiedliche KI-Ansätze wie traditionelles Machine Learning, Deep Learning sowie Large Language Models und agentenbasierte Architekturen voneinander abzugrenzen und im Hinblick auf typische bankfachliche Anwendungsfelder einzuordnen. Darüber hinaus sind sie in der Lage, aktuelle technologische Entwicklungen strategisch zu bewerten und erhalten ein erstes Verständnis der regulatorischen Leitplanken für den Einsatz von KI im Finanzsektor.
- Überblick Seminar und Einordnung aktueller KI-Entwicklungen im Finanzsektor
- Technologische Grundlagen: Traditionelles Machine Learning und Deep Learning
- Technologische Grundlagen: Large Language Models (LLMs) und Agentic Design
- Überblick regulatorische Rahmenbedingungen im Bankenumfeld
Regulatorik & Compliance: EU AI Act
Regulatorische Einordnung & Anforderungen
Die Teilnehmenden verstehen Zielsetzung, Struktur und zentrale Anforderungen des EU AI Act und können KI-Anwendungen im Bankenumfeld entlang der definierten Risikoklassen regulatorisch einordnen. Sie entwickeln ein Verständnis für notwendige Governance-Strukturen, Rollen und Kontrollmechanismen und sind in der Lage, die praktische Umsetzung der regulatorischen Anforderungen im Kontext bestehender Organisations- und Kontrollsysteme kritisch zu bewerten.
- AI Governance: Rollen, Verantwortlichkeiten und Kontrollmechanismen
- EU AI Act: Struktur, Risikoklassen Rollen und Pflichten
- Praxis der Umsetzung des EU AI Act im Bankenumfeld
Regulatorik & Compliance: DORA & Cyber Security
Die Teilnehmenden erwerben ein fundiertes Verständnis des Anwendungsbereichs, der Zielsetzung und der Anforderungen von DORA an die digital operationelle Resilienz. Sie können die Bedeutung von Cyber-Risiken und Verwundbarkeiten für KI-Systeme im Bankenumfeld einschätzen und verstehen die Wechselwirkungen zwischen KI, IT-Sicherheit und regulatorischen Vorgaben. Darüber hinaus sind sie in der Lage, DORA- und Cyber-Security-Anforderungen in bestehende Risiko- und Governance-Strukturen einzuordnen.
- DORA: Anforderungen an digitale operationelle Resilienz
- Cyber Security: Bedrohungen, Verwundbarkeiten und Schutzmaßnahmen
- Praxis: Umsetzung von DORA- und Cyber-Security-Anforderungen
Traditionelles Machine Learning
KI-Use-Cases im Finanzsektor
Die Teilnehmenden lernen zentrale KI-Use-Cases im Finanzsektor kennen und verstehen den praktischen Einsatz traditioneller Machine-Learning- und Deep-Learning-Modelle, insbesondere in den Bereichen Klassifikation, Zeitreihenanalyse und NLP. Sie können unterschiedliche Modelltypen hinsichtlich Anwendungsnutzen, Datenanforderungen und Umsetzbarkeit bewerten und entwickeln ein Verständnis für die Rolle moderner IT- und Dateninfrastrukturen bei der Implementierung von KI-Lösungen.
- Use Cases traditionelles Machine Learning: Klassifikation
- Use Cases traditionelles Machine Learning: Zeitreihenanalyse
- Use Cases Deep Learning im NLP-Kontext
- Technologische Infrastrukturen (z. B. Microsoft, Snowflake, SAP)
Generative AI & Natural Language Processing
Die Teilnehmenden verstehen die Funktionsweise, Einsatzmöglichkeiten sowie Grenzen generativer KI-Modelle und NLP-basierter Anwendungen im Bankenumfeld. Sie erwerben Kenntnisse zu Anforderungen an Transparenz und Erklärbarkeit von KI-Systemen und können den Einsatz von Chatbots und agentenbasierten Architekturen im Hinblick auf regulatorische, technische und organisatorische Aspekte fundiert bewerten.
- Generative AI und NLP: Konzepte und Anwendungsfelder
- Explainable AI: Transparenz und Nachvollziehbarkeit
- Chatbots im Bankenumfeld
- Agentenarchitekturen (Single- und Multi-Agenten, A2A, MCP)
Strategie, Skalierung & Ausblick
Die Teilnehmenden sind in der Lage, strategische Optionen für den skalierbaren Einsatz von KI in Banken und Finanzdienstleistungsunternehmen zu bewerten. Sie verstehen unterschiedliche Organisations-, Betriebs- und Infrastrukturmodelle, wie etwa AI Factories und Hybrid-Cloud-Ansätze, und können daraus eine strukturierte KI-Roadmap ableiten. Zudem gewinnen sie Orientierung über aktuelle und zukünftige Entwicklungen im KI-Ökosystem und deren Bedeutung für den Finanzsektor.
- Road to Scaling: AI Factory und Hybrid-Cloud-Modelle
- Vorgehensmodelle: Strategie, Target Operating Model, Agent Orchestration
- Knowledge Graphs und weiterführende Themen
- Ausblick auf aktuelle und zukünftige Entwicklungen
Abschlussprüfung
DETAILS
Abschluss
Zertifikat: Zertifikat AI für Banken und Finanzdienstleister
Preis
Der Gesamtpreis (siehe oben) versteht sich inklusive Anmeldung (100 Euro) und Prüfung (400 Euro). Die Beträge sind mehrwertssteuerfrei.
Voraussetzungen
Keine Programmier-Vorkenntnisse erforderlich. Alle Teilnehmenden sollten einen Laptop mitbringen, um während des Kurses an den praktischen Übungen arbeiten zu können.
Inhouse-Qualifizierung
Unser gesamtes Angebot ist auch maßgeschneidert für Ihr Unternehmen buchbar. Gerne beraten wir Sie dazu und erstellen Ihnen auf Wunsch ein individuelles Angebot.
AUSGEWÄHLTE DOZIERENDE
Download
WIR SIND FÜR SIE DA
Gemeinsam finden wir den richtigen Weg für ihre berufliche Weiterentwicklung.
+49 69 154008-9302
seminare@fs.de
Finden Sie Antworten auf die häufigsten organisatorischen Fragen rund um unsere Executive & Professional Education Weiterbildungsprogramme.
