30. März 2026
Künstliche Intelligenz ist gerade überall präsent. Die Schlagzeilen feiern Durchbrüche. Die Demos beeindrucken. Das Versprechen fühlt sich grenzenlos an. Für Banken und Zahlungsunternehmen beginnt die eigentliche Herausforderung jedoch nach den Ankündigungen – wenn KI in Systemen operieren muss, von denen ganze Volkswirtschaften abhängig sind.
Wenn KI Zahlungsautorisierungsentscheidungen, Betrugserkennung, Identität oder Risiko informiert, gibt es keinen Spielraum für "Schnell handeln und es später beheben". Modelle dürfen nicht leise ausfallen. Entscheidungen werden nicht rückgängig gemacht. Und Vertrauen ist, einmal verloren, schwer zurückzugewinnen. Im vergangenen Jahr lag unser Fokus nicht darauf, schnelle Innovation isoliert zu verfolgen; Es ging darum, Informationen im grossen Massstab zu operationalisieren – über Geografien, regulatorische Umgebungen und Bedrohungslandschaften hinweg.
Für Organisationen, die sich in einem ähnlichen Umfeld bewegen, ist die Lektion einfach, aber anspruchsvoll. Der Reifegrad der KI wird nicht deklariert. Das verdient man sich durch die Entscheidungen, die wir alle treffen, wenn viel auf dem Spiel steht.
Die Nutzung von KI in der Produktion erzwingt ein Gleichgewicht – zwischen Geschwindigkeit und Disziplin, Experimentieren und Verantwortlichkeit, Ehrgeiz und Sorgfalt. Für Unternehmen, die ihre KI-Fähigkeiten ausbauen möchten, sind vier Bereiche am wichtigsten: nicht als abstrakte Prinzipien, sondern als operative Entscheidungen.
KI sollte nicht nur die Verantwortung eines Teams sein, wenn sie alle Bereiche eines komplexen Unternehmens antreiben soll. In unserem Unternehmen werden Informationen in der gesamten Organisation verteilt, nahe an den gelösten Problemen, aber unterstützt durch gemeinsame Standards, Governance, Tools und Best Practices.
Diese Struktur ermöglicht es Teams, zu innovieren und gleichzeitig Rechenschaftspflicht zu bewahren. Es stellt ausserdem sicher, dass sich die Modelle angemessen verhalten, selbst wenn sie in unterschiedlichen Kontexten eingesetzt werden. Nach unserer Erfahrung schafft Dezentralisierung ohne Standards Risiken, und Zentralisierung ohne Nähe verlangsamt die Wirkung. Das Gleichgewicht ist wichtig.
Ebenso wichtig ist, dass die KI-Reife davon abhängt, in Menschen zu investieren – nicht nur in Forscher und Data Scientists, sondern auch in Ingenieure, Entwickler, Produktleiter und Betreiber, die verstehen, wie sich Modelle in der realen Welt verhalten. Wenn Teams den Systemen vertrauen, die sie bauen und nutzen, folgt die Einführung. Wenn sie das nicht tun, stockt selbst die fortschrittlichste Technologie.
Die jüngsten KI-Investitionen von Mastercard konzentrieren sich auf die Schaffung neuer Funktionen für unsere Kunden, die auf unserer jahrzehntelangen Expertise in den Bereichen Daten, KI und Zahlungen aufbauen, sowie auf neue Tools für unsere Mitarbeiter, die eine möglichst breite Anwendung finden können.
Für unsere Kunden, zu denen Tausende von Banken und Einzelhändlern gehören, konzentriert sich diese Arbeit darauf, Agentic-Commerce-Technologien zu entwickeln, die es einem Verbraucher ermöglichen, direkt in einem KI-Chat Einkäufe zu tätigen, Personalisierungstools, die ihnen das bestmögliche Erlebnis ermöglichen, sowie Betrugslösungen, die auf mehr Daten als je zuvor basieren. Für die Mitarbeiter umfasst dies den Einsatz von KI-Assistenten für unsere Berater, damit diese so schnell wie möglich auf die benötigten Dokumente zugreifen können, die Bereitstellung von Coding-Copiloten für unsere Softwareentwickler und die Entwicklung eines gen-KI-gestützten Tools, das unseren Kundensupportteams bei der Beantwortung von Fragen zum Onboarding und zur Implementierung hilft.
Viele unserer Investitionen konzentrieren sich darauf, mehr KI-Intelligenz und Echtzeitentscheidungen in unsere Kernkompetenzen zu integrieren. Das sind keine Laborexperimente. Es handelt sich um produktionsfähige Systeme, die in grossem Massstab arbeiten, sich kontinuierlich anpassen und sowohl Cyberkriminellen als auch regulatorischer Kontrolle standhalten müssen.
Für Finanzinstitute erfordert dies einen Denkwechsel. Innovation wird nicht daran gemessen, wie schnell man etwas Neues starten kann, sondern daran, wie geschäftskritisch es für Ihre Arbeit ist und wie zuverlässig es funktioniert, sobald es in die Kernabläufe eingebettet ist. Experimentieren sind wichtig, aber nur, wenn sie diszipliniert, zielgerichtet und auf Dauer ausgelegt sind.
KI-Führung dreht sich genauso sehr darum, was man nicht verspricht, wie um das, was man tut. In komplexen Ökosystemen schafft Überversprechen sowohl intern als auch extern ein Risiko.
Wir haben bewusst darüber gesprochen, was KI bei Zahlungen kann und was nicht. Diese Klarheit informiert Investitionsentscheidungen, Bereitstellungszeitpläne und wie neue Fähigkeiten Kunden und Partnern vorgestellt werden. Es sorgt ausserdem für einen Konsens in der gesamten Organisation und stellt sicher, dass Teams reale Probleme lösen, anstatt abstrakten Möglichkeiten nachzujagen.
Beginnen Sie mit den Bedürfnissen der Kunden und arbeiten Sie sich rückblickend zur Technologie vor. KI ändert diese Disziplin nicht. Im Gegenteil, es verstärkt es.
Im Finanzsektor ist Vertrauen nicht verhandelbar. Jedes Modell muss erklärbar, gesteuert und kontinuierlich überwacht werden, da das System davon abhängt.
Im vergangenen Jahr haben wir weiterhin die Art und Weise gestärkt, wie KI-Systeme überprüft, dokumentiert und gemessen werden. Diese Arbeit ist grundlegend. Governance ist nicht das, was man am Ende der Einführung hinzufügt – sondern das, was KI ermöglicht, verantwortungsvoll und im grossen Massstab zu arbeiten. Viele mögen das Gefühl haben, dass dies das Tempo verlangsamt; Unsere Erfahrung ist das Gegenteil. Mit etablierter Governance können sich die Menschen auf Innovation und die Lösung der Kundenbedürfnisse konzentrieren.
Viele der Entscheidungen, die den Reifegrad von KI prägen, erfordern eine langfristige Perspektive darauf, wohin sich die Technologie entwickelt und was Organisationen benötigen, um sie einsetzen zu können. Dazu gehören der Aufbau von Governance-Strukturen und Leitplanken, die Integration neuer Funktionen in bestehende Systeme anstatt die Einführung paralleler Systeme und die Priorisierung der Zuverlässigkeit gegenüber der Geschwindigkeit. Diese Entscheidungen verstärken sich im Laufe der Zeit.
Unser Unternehmen wurde kürzlich von Fast Company als führend im Bereich angewandte KI ausgezeichnet und als eine der führenden Organisationen im neuen Evident Payment AI Index, einem neuen Industriestandard zur Bewertung der KI-Entwicklung von Zahlungsanbietern. Wir sind stolz auf die Anerkennung, aber es ist auch wichtig, diese externen Bewertungen als nachhinkende Indikatoren zu betrachten. Dieses Ranking spiegelte jahrelange konsequente Umsetzung wider – frühe Investitionen in KI, einen langjährigen Fokus auf Betrug und Vertrauen sowie auf Skalierung ausgelegte Governance. Die Anerkennung war nicht das Ziel, aber sie bestärkte unseren Ansatz, dass der Aufbau einer soliden KI- und Datenbasis es uns ermöglichte, sowohl schnell als auch zuverlässig zu innovieren.
Auf dieser Grundlage können wir nun verantwortungsvoll voranschreiten – sei es durch die Einführung unseres neuen KI-Basismodells und die Erweiterung der Funktionen unserer Mastercard Agent Suite , zusammen mit Virtual C-Suite, die KI auf praktische und kontrollierte Weise in die Entscheidungsfindung einbezieht. Diese Momente mögen von aussen inkrementell erscheinen, sind aber das Produkt bewusster Entscheidungen, die lange vor dem Rampenlicht getroffen wurden.
Die wichtigste Erkenntnis ist folgende: Bei KI im grossen Massstab geht es weniger um bahnbrechende Innovationen als vielmehr um konstant hohe operative Standards. Die Modelle werden sich verbessern. Die Fähigkeiten werden erweitert. Entscheidend ist, ob die von uns geschaffenen Systeme auch weiterhin Vertrauen gewinnen – Transaktion für Transaktion, Entscheidung für Entscheidung. Das ist die Arbeit. Und es dauert an.