Einleitung
Die Kundin legte einen gefalteten Zettel auf den Schalter. Darauf standen eine Kontonummer, ein Betrag und der Satz, sie solle mit niemandem darüber sprechen. Lena Wiegand war damals im zweiten Ausbildungsjahr und merkte, wie still die Filiale plötzlich wurde.
Heute arbeitet Lena in Berlin in einer Projektgruppe für Betrugserkennung. Sie kennt den Moment, in dem ein System nicht einfach blockieren darf, aber ein Mensch dringend bessere Fragen braucht.
Geschichte des Weges in die KI
Der Beinahe-Betrug ließ Lena nicht los. Sie fragte erfahrene Kolleginnen, welche Muster sie erkennen: neue Empfänger, ungewöhnlicher Druck, Geschichten über Verwandte, die schnell Geld brauchen. Dann begann sie, einfache Datenanalysen zu lernen. Als Auszubildende hatte sie wenig formale Autorität, aber sie hatte den Fall gesehen.
Ihr erster Prototyp war ein Dashboard für riskante Überweisungen. Zu Beginn war es zu nervös. Es markierte normale Mietzahlungen, wenn ein Empfänger neu war, und übersah einen verdächtigen Fall, weil der Betrag knapp unter einer internen Schwelle lag. In einer Testsitzung schlug es sogar bei einer Vereinsüberweisung Alarm, weil der Verwendungszweck ungewöhnlich formuliert war. Lena lernte daraus, dass Betrugserkennung nicht nur Zahlen, sondern Gesprächssituationen braucht.
Aktuelle Arbeit
Heute testet ihr Team Hinweise, die Filialmitarbeitende unterstützen. Das System schlägt keine endgültigen Entscheidungen vor, sondern Gesprächsfragen: Kennen Sie den Empfänger persönlich? Gab es Zeitdruck? Hat jemand Geheimhaltung verlangt? Bei Unsicherheit wird eine zweite Prüfung ausgelöst.
In Pilotfilialen werden riskante Vorgänge früher besprochen, ohne den normalen Zahlungsverkehr ständig aufzuhalten. Lena bleibt wachsam gegenüber falschen Verdächtigungen. Ein zu aggressives Modell kann Kundinnen beschämen oder diskriminieren, besonders wenn Alter, Sprache oder ungewohnte Lebenslagen vorschnell als Risiko gelesen werden. Deshalb prüft sie Fehlalarme genauso genau wie Treffer.
Persönlicher Rat
„Eine gute Warnung macht ein Gespräch möglich“, sagt Lena. Für sie ist KI im Finanzbereich dann nützlich, wenn sie Menschen nicht übergeht, sondern den richtigen Moment für eine Nachfrage markiert.
Schlüsselfakten
Alter und Ort: 24, Berlin.
Hintergrund: Bankausbildung, frühe Verantwortung, Arbeit am Schalter.
Einstieg in KI: Dashboard für verdächtige Überweisungsmuster und Kommunikationsdruck.
Schwerpunkt heute: Betrugserkennung mit menschlicher Zweitprüfung.
Typische Werkzeuge: Anomalieerkennung, Dashboarding, Gesprächsleitfäden.
Werkstattnotiz
Lena bewahrt den rekonstruierten Fall ohne Namen im Schulungsmaterial auf. Daneben stehen Fehlalarme, die ihr unangenehm sind: neue Miete, Erbschaftszahlung, Reisebuchung. Diese Beispiele verhindern, dass das Team nur erfolgreiche Warnungen feiert. Der offene Punkt bleibt, wie ein System misstrauisch genug sein kann, ohne verletzend zu werden.