Kundenreferenz
KI-Beschwerdemanagement für eine deutsche Großbank: 95% brauchbare Fälle im Proof of Concept
Universalbank · Retail Financial Services · ~60.000 Beschwerden p. a. · Wie Pexon Consulting für eine der größten deutschen Universalbanken das Beschwerdemanagement mit KI-Agenten auf Azure AI Foundry automatisiert, mit 80% vollautomatisch korrekten Antworten und maximal 3 Minuten Bearbeitungszeit pro Fall.
Aktualisiert: Juli 2026
Das Wichtigste in Kürze
Wer
Eine der größten deutschen Universalbanken (anonymisiert), rund 60.000 Beschwerden pro Jahr über Online-Formular, E-Mail, Brief und Filiale.
Problem
Hohes Beschwerdevolumen mit bis zu mehreren Tagen manueller Bearbeitung, fast 1.500 Kategorien und Kundendaten in einer verschlüsselten, historisch gewachsenen Datenbank.
Lösung
Pexon verantwortet die End-to-End-KI-Agenten-Architektur: Multi-Agent-System auf Azure AI Foundry mit Tool-Use, eigener Übersetzungsmatrix für kodierte Tabellen und menschlicher Ja-Nein-Freigabe am Ende.
Ergebnis
Im PoC wurden 80% aller Beschwerden vollautomatisch korrekt behandelt, effektiv 95% brauchbar, bei rund 2,50 EUR pro Fall und maximal 3 Minuten Bearbeitungszeit statt mehrerer Personentage.
Ergebnisse
80
Vollautomatisch korrekt · aller Beschwerden im PoC ohne manuelle Nacharbeit
95 %
Brauchbare Ergebnisse · inkl. leicht ergänzbarer Fälle, nur 5% wirklich falsch
2,50 EUR
Kosten pro Beschwerde · im PoC, gegenüber mehreren Personentagen manuell
3
Bearbeitungszeit · maximal pro Beschwerde durch die KI-Agenten
Übersicht Kunde
Branche
Banking / Retail Financial Services
Unternehmen
Eine der größten Universalbanken Deutschlands (anonymisiert)
Region
Deutschland
Services
KI-Agenten-Architektur, End-to-End-Prozessdesign, Daten-Anbindung, Übersetzungsmatrix, Tool-Use
Tech-Stack
Microsoft Azure, Azure AI Foundry, OpenAI GPT, Python, REST-APIs, Custom Data-Mapping
Projektdauer
PoC 3 Monate, MVP seit Juli 2026, Deployment geplant November 2026
Compliance
DSGVO, BAIT, DORA, EU AI Act, Hosting in Deutschland
Status
PoC erfolgreich abgeschlossen, MVP-Phase läuft, Budget bis November verlängert
Ausgangslage
Hochvolumen mit langen Laufzeiten
Rund 60.000 Beschwerden pro Jahr müssen einer von fast 1.500 Kategorien zugeordnet, mit Kundendaten angereichert und regelkonform beantwortet werden. Die manuelle Sachbearbeitung dauert je nach Fall bis zu mehrere Tage.
Effizienzdruck ohne Stellenabbau
Die Bank will deutlich mehr Beschwerden in gleicher Zeit bearbeiten, ohne Personalkosten linear mit dem Volumen mitwachsen zu lassen. Frei werdende Kapazität soll in höherwertige Aufgaben fließen, nicht in Stellenabbau.
Verschlüsselte Kundendatenbank
Spalten- und Zeilennamen der historisch gewachsenen Datenbank waren kodiert, die vorhandene Übersetzungsmatrix war nicht angewendet. Hunderte verjointe Tabellen mussten erst für KI-Agenten lesbar gemacht werden.
Strenge Banken-Regulatorik
DSGVO, BaFin-Anforderungen an IT (BAIT), DORA und der EU AI Act setzen klare Vorgaben zu Speicherort, Speicherdauer und Betriebsstabilität. Kundendaten dürfen die europäische Rechtssphäre nicht verlassen.
Lösung & Vorgehen
1
Multi-Agent-System end-to-end
KI-Agenten nehmen Beschwerden entgegen, holen eigenständig relevante Kundendaten, prüfen den Sachverhalt und erzeugen Antwort plus PDF-Report. Der Sachbearbeiter bestätigt am Ende nur noch mit Ja oder Nein.
2
Eigene Übersetzungsmatrix
Weil die vorhandene Matrix für die kodierte Datenbank nicht griff, baute Pexon eine eigene Mapping-Logik für hunderte verschlüsselte Tabellen über fast 1.500 Beschwerde-Kategorien. Erst dadurch konnten Agenten Kundendaten zuverlässig lesen.
3
Tool-Use und API-Anbindung
Eigene Tools ermöglichen strukturierten Zugriff auf Transaktionsdaten, Kundeninformationen und Sperr-/Kontostatus statt Halluzination. Live-Informationen kommen über definierte Schnittstellen direkt aus den Bank-Systemen.
4
Report mit Doppelprüfung
Der Agent liefert nicht nur die Antwort, sondern alle gefundenen Belegdokumente mit. Menschen können jederzeit gegenprüfen. Hosting und Datenhaltung erfolgen DSGVO-konform in Deutschland über Azure AI Foundry.
Vorher / Nachher
| Dimension | Vorher | Nachher | Effekt |
|---|---|---|---|
| Bearbeitungszeit | bis zu mehrere Personentage | max. 3 Minuten | Sachbearbeiter prüft nur noch Ergebnis |
| Kosten pro Fall | hohe Personalkosten pro Beschwerde | rund 2,50 EUR im PoC | Tendenz weiter sinkend |
| Automatisierungsgrad | vollständig manuell | 80% vollautomatisch korrekt | 95% effektiv brauchbar |
| Projektverlauf | zweiter Test-Run geplant | direkt in MVP-Phase | Budget sofort bis November verlängert |
“
Die Ergebnisqualität des ersten Durchlaufs lag über unseren Erwartungen. Weil der PoC so stark lief, haben wir den zweiten Test-Run gestrichen und das Budget direkt bis zum Deployment verlängert.
FB
Fachbereich Beschwerdemanagement
Universalbank · Retail Financial Services
Eingesetzte Technologien & Services
Azure AI Foundry
OpenAI GPT
Python
Multi-Agent-System
REST-APIs
DSGVO-Hosting DE
Häufige Fragen
Wie hoch war die Trefferquote der KI-Agenten im Proof of Concept?
80% der Beschwerden wurden vollautomatisch korrekt behandelt. Von den restlichen 20% waren nur 5% wirklich falsch, die übrigen 15% korrekt bis auf eine leicht ergänzbare Kleinigkeit. Effektiv rund 95% brauchbare Ergebnisse im PoC unter realen Bankbedingungen.
Was kostet die KI-gestützte Bearbeitung einer Beschwerde?
Im PoC lagen die Kosten bei rund 2,50 EUR pro Beschwerde, gegenüber mehreren Personentagen manueller Sachbearbeitung. Der Wert ist noch nicht auf Effizienz getrimmt und wird durch weitere Optimierung in der MVP-Phase weiter sinken.
Werden durch die Automatisierung Arbeitsplätze abgebaut?
Nein. Ziel ist, bei gleichem Personalstand ein Vielfaches an Beschwerden zu bearbeiten. Sachbearbeiter prüfen die KI-Ergebnisse mit Ja oder Nein und werden für höherwertige Aufgaben frei. Stellenabbau war ausdrücklich ausgeschlossen.
Ist Agentic AI im Banking DSGVO-konform umsetzbar?
Ja. Die KI-Agenten werden in Deutschland gehostet, die Datenhaltung folgt Vorgaben zu Speicherort und Speicherdauer. DSGVO, BAIT, DORA und der EU AI Act waren Rahmenbedingung, kein Blocker. Pexon lieferte unter bankeigener Repository-Governance.
Skaliert der Ansatz von wenigen auf alle 1.500 Beschwerde-Kategorien?
Der PoC deckte zunächst die ersten sechs Kategorien ab. Die zentrale Aufgabe der MVP-Phase ist Generalisierung: eine Architektur, die Kategorien behandelt, ohne für jede einzelne einen eigenen Skill pflegen zu müssen. Fokus auf Wartbarkeit statt 1.500 Einzellösungen.
Passende Referenzen
Banken-IT / BaFin
On-Premise Data Mesh für Banken-IT
BaFin · DORA Regulierte Datenplattform unter BAIT und Auslagerungsvorgaben
Referenz lesen
KI / Agentic AICompany Brain mit KI-Agenten
RAG · Claude Multi-Agent-Wissensmanagement mit Tool-Use und EU-Datenhaltung
Referenz lesen
Financial ServicesSchadenbearbeitung auf Azure
Java · Camunda Prozessautomatisierung unter Versicherungsregulatorik
Referenz lesen
KI-Beschwerdemanagement im Banking umsetzen
Sie prüfen Agentic AI für dokumentenintensive Prozesse unter DSGVO und BaFin-Vorgaben? Pexon Consulting liefert die KI-Agenten-Architektur von der Daten-Anbindung bis zur produktiven Freigabe.
Sie suchen einen Partner für Ihr Projekt?
Wir analysieren Ihren individuellen Bedarf, geben erste Empfehlungen zu Umsetzungsstrategien und bieten Ihnen transparente Einblicke in unsere Methoden, Technologien und Referenzen.
400+
Projekte seit 2020
100+
Kunden im DACH-Raum
ISO
27001 zertifiziert
3
Hyperscaler Partner