Fast jede Bank und jeder Versicherer im DACH-Raum hat inzwischen AI. Lizenzen sind gekauft, Copiloten ausgerollt, Piloten gelaufen. Und trotzdem fehlt in den meisten Häusern die Antwort auf die entscheidende Frage: Wer betreibt das eigentlich? Managed AI Services sind die Antwort auf ein Problem, das die klassische Build-or-Buy-Debatte systematisch übersieht.
Build, Buy – und die dritte Frage: Operate
Die alte Logik kennt zwei Optionen. Selbst bauen, mit eigenem Team und eigener Plattform. Oder kaufen, als Lizenz oder SaaS. Beide Antworten enden am selben Punkt: dem Tag nach dem Go-live. Ab dort braucht ein KI-System Monitoring, Qualitätssicherung der Outputs, Prompt- und Skill-Pflege, Modell-Updates, Incident-Prozesse und eine Compliance-Dokumentation, die einer Prüfung standhält. Das ist kein Projekt. Das ist Betrieb – dauerhaft, mit Verantwortung und messbaren Ergebnissen. Und mit laufenden Kosten, die gesteuert werden wollen: Wie ein AI Cost Audit explodierende Token-Kosten senkt, zeigen wir an anderer Stelle.
Die Taktung verschärft das Problem. Modellgenerationen wechseln inzwischen im Rhythmus von Monaten, nicht Jahren. Anbieter veröffentlichen Agenten-Frameworks, Konnektoren und Protokolle in einer Frequenz, die kein internes Team einer mittelgroßen Bank nebenbei absorbiert. Wer heute eine AI-Anwendung fest auf ein einzelnes Modell verdrahtet, kauft sich technische Schuld mit Ansage. Die belastbare Architektur ist modell-agnostisch: eine Orchestrierungsschicht, unter der sich Modelle austauschen lassen, ohne dass der Fachprozess es merkt. Das größte Hindernis auf dem Weg dorthin sind gewachsene Systemlandschaften. Welche Rolle KI in der Modernisierung von Kernbanksystemen spielt, haben wir separat beschrieben.
Genau hier setzt das Operator-Modell an. Managed AI heißt: Ein Partner verantwortet den laufenden Betrieb der AI-Infrastruktur – von der Integration in die Systemlandschaft über das Monitoring bis zur prüfungsfesten Dokumentation. Nicht Beratung, die ein Konzept übergibt und geht. Nicht Software, die der Kunde selbst am Leben halten muss. Sondern ein Ergebnis, das läuft. Autopilot statt Copilot.
Managed AI Services sind in regulierten Häusern eine Compliance-Architektur
Für Financial Services kommt eine Ebene dazu, die den Unterschied zum generischen IT-Outsourcing macht. Wer AI-Systeme in kritische oder wichtige Funktionen integriert, holt sich mit dem Betriebspartner einen IKT-Drittdienstleister ins Haus – mit allen Anforderungen, die DORA in den Artikeln 28 und 30 an das Drittparteirisiko stellt: vertragliche Mindestinhalte, Auditrechte und Exit-Strategien, verschärft für kritische oder wichtige Funktionen. Dazu kommen die Anforderungen des EU AI Act an Protokollierung und menschliche Aufsicht, die 2027 vollständig durchsetzbar werden, und die DSGVO-Frage der Datenresidenz – lösbar etwa über Deployments auf EU-Infrastruktur wie AWS Bedrock in Frankfurt.
Man kann das als Bürde lesen. Wir lesen es umgekehrt: Die Regulierung definiert präzise, was ein professioneller AI-Betrieb leisten muss. Wer diese Anforderungen in die Betriebsarchitektur einbaut, statt sie nachträglich zu dokumentieren, hat einen Vorsprung, den kein Wettbewerber mit einer schnellen Tool-Einführung aufholt. Regulierung ist kein Blocker. Sie ist der Moat.
Der Einwand liegt auf der Hand: Kann das nicht der große Systemintegrator? Kann er – für Konzerne mit Konzernbudgets. Zwischen dem Hyperscaler-Programm der Allianz-Klasse und dem Do-it-yourself des Fachbereichs liegt der breite Mittelbau aus Banken, Versicherern und Finanzdienstleistern, für den es dieses Betriebsmodell bislang schlicht nicht gab. Genau dort entsteht die Kategorie Managed AI Services gerade. Was AI wirklich kostet und wie der Business Case dafür aussieht, haben wir durchgerechnet.
Drei Fragen an jeden AI-Anbieter
Bevor Sie den nächsten AI-Vertrag unterschreiben, stellen Sie drei Fragen. Wer trägt die Verantwortung für den laufenden Betrieb – mit welchem SLA auf welches Ergebnis? Wer erstellt und pflegt die Compliance-Dokumentation, die BaFin, DORA und AI Act verlangen? Und was passiert beim nächsten Modellwechsel – Migration inklusive, oder neues Projekt? Anbieter, die auf eine dieser Fragen mit „das liegt beim Kunden“ antworten, verkaufen Ihnen ein Werkzeug. Kein Ergebnis. Dass der Unterschied real ist, zeigt sich derzeit am deutlichsten daran, wie schwer der Weg vom Piloten in den Produktivbetrieb tatsächlich ist.
AI zu haben ist 2026 keine Differenzierung mehr. AI compliant zu betreiben schon. Wenn Sie über das Betriebsmodell für Ihr Haus sprechen wollen: Sprechen Sie uns an.
Häufige Fragen zu Managed AI Services
Was sind Managed AI Services?
Managed AI Services sind der dauerhafte Betrieb von AI-Systemen durch einen spezialisierten Partner – von der Integration in die Systemlandschaft über Monitoring und Modell-Updates bis zur prüfungsfesten Compliance-Dokumentation. Das Modell folgt der Logik des Managed Service Providers: Der Kunde kauft ein laufendes Ergebnis, kein Werkzeug.
Worin unterscheidet sich Managed AI von klassischer KI-Beratung?
Beratung übergibt ein Konzept und geht. Managed AI verantwortet den Betrieb nach dem Go-live – mit SLA auf Ergebnisse, laufendem Monitoring und Dokumentation, die BaFin-, DORA- und AI-Act-Prüfungen standhält. Der Unterschied zeigt sich am Tag nach der Einführung, nicht am Tag der Präsentation.
Warum ist der AI-Betrieb in regulierten Häusern besonders anspruchsvoll?
Wer AI-Systeme in kritische oder wichtige Funktionen integriert, macht den Betriebspartner zum IKT-Drittdienstleister nach DORA – mit vertraglichen Mindestinhalten, Auditrechten und Exit-Strategien. Dazu kommen die Protokollierungs- und Aufsichtspflichten des EU AI Act sowie die DSGVO-Frage der Datenresidenz, lösbar etwa über EU-Deployments wie AWS Bedrock in Frankfurt.
