Data2Space schafft für diese Komplexität eine neue Perspektive. Data2Space stellt Finanz- und Unternehmensdaten in interaktiven räumlichen Informationswelten dar und macht dadurch Beziehungen sichtbar, die in klassischen Tabellen, Berichten und Ratingmodellen häufig nur indirekt erkennbar sind.

Ein Bankenrating verdichtet die Analyse einer Bank zu einer Ratingklasse. Hinter dieser Ratingklasse stehen jedoch zahlreiche quantitative und qualitative Faktoren. Kapitalausstattung, Asset Quality, Profitabilität, Liquidität, Refinanzierung, Risikomanagement, Geschäftsmodell, Marktposition und regulatorisches Umfeld beeinflussen gemeinsam die Kreditqualität. Die Herausforderung besteht deshalb nicht nur darin, die einzelnen Kennzahlen korrekt zu analysieren. Entscheidend ist, ihre Wechselwirkungen zu verstehen. Genau hier setzt Data2Space an.

Eine Bankbilanz lässt sich als räumliches Finanzsystem darstellen. Aktiva und Passiva werden nicht mehr ausschließlich als Bilanzpositionen betrachtet, sondern als miteinander verbundene Strukturen. Kreditportfolios, Wertpapiere, Liquiditätsreserven und Refinanzierungsquellen können gemeinsam untersucht werden. Der Analyst erhält damit eine Art digitalen Zwilling der Bank. Besonders wichtig ist die Asset Quality. Die Kreditqualität einer Bank hängt wesentlich davon ab, welche Risiken in ihrem Kreditportfolio enthalten sind. Branchen, Länder, Schuldnergruppen, Immobilienfinanzierungen und andere Forderungsklassen können unterschiedliche Risikoprofile besitzen.

Data2Space macht diese Konzentrationen sichtbar. Ein Kreditportfolio kann nach Regionen, Branchen, Ratingklassen, Laufzeiten oder anderen Merkmalen räumlich strukturiert werden. Dadurch werden Cluster erkennbar, die in umfangreichen Tabellen schwer zu erfassen sind. Eine Bank mit einem großen Kreditportfolio ist deshalb nicht automatisch diversifiziert. Entscheidend ist, wie die Risiken verteilt sind. Data2Space zeigt diese Verteilung als Struktur.

Auch die Kapitalausstattung erhält dadurch eine neue Dimension. Eine hohe Eigenkapitalquote ist zunächst positiv. Für das Bankenrating ist jedoch entscheidend, wie viel Kapital im Verhältnis zu den tatsächlichen Risiken zur Verfügung steht und wie sich dieses Kapital unter verschiedenen Szenarien entwickelt.

Kapital, Risikoaktiva und potenzielle Verluste können innerhalb eines gemeinsamen Modells miteinander verbunden werden. Dadurch lässt sich untersuchen, welche Bereiche der Bilanz besonders kapitalintensiv sind und wo sich mögliche Belastungen konzentrieren. Damit wird aus der Kapitalquote ein Bestandteil einer umfassenderen Kapital-Risiko-Landschaft.

Ein ähnlicher Zusammenhang besteht bei der Liquidität. Eine Bank kann bilanziell solide kapitalisiert sein und dennoch vor erheblichen Liquiditätsproblemen stehen, wenn Refinanzierungsquellen nicht verfügbar sind oder Einlagen schnell abfließen. Data2Space verbindet Liquiditätsreserven, Einlagen, Kapitalmarktfinanzierungen und weitere Refinanzierungsquellen in einer gemeinsamen Struktur. Dadurch wird sichtbar, wie die Liquidität einer Bank aufgebaut ist und welche Abhängigkeiten bestehen.

Besonders relevant ist dabei die zeitliche Dimension. Fälligkeiten von Finanzierungen können mit erwarteten Liquiditätszuflüssen und -abflüssen verbunden werden. Eine Konzentration von Refinanzierungsbedarf zu einem bestimmten Zeitpunkt wird dadurch unmittelbar sichtbar. Das Bankenrating wird damit dynamisch.

Auch Zinsänderungsrisiken lassen sich räumlich darstellen. Banken verfügen über Aktiva und Passiva mit unterschiedlichen Laufzeiten und Zinsbindungen. Veränderungen des Zinsniveaus können deshalb unterschiedliche Auswirkungen auf Zinserträge, Finanzierungskosten und Marktwerte haben. Data2Space kann diese Strukturen miteinander verbinden und dadurch sichtbar machen, wo eine Bank besonders empfindlich auf Veränderungen des Zinsumfelds reagiert.

Bei Immobilienbanken oder Banken mit hohen Immobilienkreditportfolios kommt eine weitere Dimension hinzu. Veränderungen von Immobilienwerten können die Qualität von Sicherheiten beeinflussen und damit Auswirkungen auf Kreditrisiken, Wertberichtigungen und Kapitalanforderungen haben. Die Immobilie, der Kreditnehmer, das Darlehen, die Sicherheit und die Bilanzposition lassen sich innerhalb einer gemeinsamen räumlichen Struktur miteinander verbinden. Dadurch wird aus dem einzelnen Kredit ein Bestandteil des gesamten Bankrisikos.

Auch bei Staatsanleihen und anderen Wertpapieren ist die Vernetzung relevant. Eine Bank kann große Bestände an Wertpapieren eines bestimmten Landes oder bestimmter Emittenten halten. Veränderungen der Marktwerte können wiederum Kapital und Liquidität beeinflussen. Data2Space stellt diese Abhängigkeiten innerhalb der Bankbilanz dar und ermöglicht eine Analyse von Konzentrations- und Ansteckungsrisiken.

Besonders interessant wird dies bei Interbankbeziehungen. Banken sind nicht isoliert voneinander tätig. Sie vergeben Kredite an andere Banken, halten deren Wertpapiere, nutzen Derivate und sind über Zahlungs- und Finanzierungsinfrastrukturen miteinander verbunden. Damit entsteht ein Netzwerk, in dem Probleme einer Bank Auswirkungen auf andere Institute haben können. Data2Space kann solche Beziehungen als Finanznetzwerk darstellen. Der Nutzer erkennt nicht nur die Position einer einzelnen Bank, sondern auch ihre Beziehungen zu anderen Finanzinstituten. Damit wird Bankenrating von einer isolierten Unternehmensanalyse zu einer Netzwerkanalyse.

Auch das Geschäftsmodell einer Bank lässt sich in die räumliche Analyse integrieren. Eine Retailbank weist eine andere Ertrags- und Risikostruktur auf als eine Investmentbank, eine Immobilienbank oder eine Spezialbank. Erträge aus Zinsgeschäft, Provisionsgeschäft, Kapitalmarktaktivitäten oder anderen Geschäftsfeldern können als unterschiedliche Bereiche der Bank dargestellt werden. Gleichzeitig lassen sich Kosten, Kapitalbedarf und Risiko mit diesen Geschäftsfeldern verbinden. So wird sichtbar, welche Geschäftsbereiche die Profitabilität tragen und welche Bereiche besonders hohe Risiken oder Kapitalanforderungen erzeugen.

Profitabilität erhält dadurch ebenfalls eine strukturelle Dimension. Ein hoher Gewinn ist für sich genommen noch kein ausreichender Beleg für hohe Kreditqualität. Entscheidend ist, wie nachhaltig der Gewinn ist, welche Risiken ihm gegenüberstehen und wie stark er zur Kapitalbildung beiträgt. Data2Space macht diese Beziehungen nachvollziehbar.

Auch das Risikomanagement kann als Teil des Bankenratings betrachtet werden. Eine Bank verfügt über zahlreiche Prozesse und Kontrollsysteme, die Risiken identifizieren, messen und begrenzen. Für das Rating ist relevant, ob diese Systeme tatsächlich zur Stabilität der Bank beitragen. Die räumliche Darstellung ermöglicht es, Risikobereiche mit den jeweiligen organisatorischen und finanziellen Strukturen zu verbinden. Damit wird Risikomanagement nicht nur als qualitative Aussage behandelt, sondern als Bestandteil des gesamten Bankmodells.

Besonders wertvoll ist die Möglichkeit, Szenarien zu untersuchen. Wie verändert sich das Bankenrating bei steigenden Kreditausfällen? Welche Auswirkungen hat ein starker Abfluss von Einlagen? Was geschieht bei sinkenden Immobilienwerten? Wie verändert sich die Kapitalposition bei höheren Marktverlusten? Data2Space verbindet solche Szenarien mit der bestehenden Bankstruktur.

Die Auswirkungen werden dadurch nicht nur als einzelne Stresskennzahl sichtbar. Der Nutzer kann verfolgen, welche Bereiche der Bank betroffen sind und wie sich die Veränderungen über die Bilanz und das Risikonetzwerk ausbreiten. Damit wird Stress Testing räumlich nachvollziehbar.

Auch Ratingmigration lässt sich auf diese Weise darstellen. Eine Bank kann ihr Kreditprofil über die Zeit verbessern oder verschlechtern. Veränderungen der Kapitalausstattung, Asset Quality, Profitabilität, Liquidität oder Refinanzierungsstruktur können mit den Veränderungen des Ratings verbunden werden. Der Nutzer erkennt dadurch nicht nur die Ratinghistorie, sondern die Entwicklung der Faktoren hinter der Ratinghistorie. Das stärkt die Nachvollziehbarkeit des Ratings.

Für Ratinganalysten entsteht gleichzeitig eine gemeinsame Arbeitsumgebung. Finanzdaten, regulatorische Informationen, Unternehmensstrukturen, Marktinformationen und historische Entwicklungen können innerhalb eines Datenraums miteinander verbunden werden. Mehrere Analysten können dieselbe Informationsstruktur untersuchen und unterschiedliche Perspektiven einbringen. Damit wird auch das Ratingkomitee zu einem kollaborativen Analyseprozess. Die Teilnehmer diskutieren nicht nur über Tabellen und Präsentationsfolien, sondern können gemeinsam in der zugrunde liegenden Informationsstruktur navigieren.

Für Investoren entsteht eine zusätzliche Möglichkeit, Banken miteinander zu vergleichen. Institute können anhand von Kapitalausstattung, Asset Quality, Liquidität, Profitabilität, Geschäftsmodell und weiteren Faktoren in einer gemeinsamen Bankenrating-Landschaft dargestellt werden. Dadurch werden Unterschiede und Gemeinsamkeiten unmittelbar sichtbar.

Eine solche Darstellung ist insbesondere bei großen Bankportfolios interessant. Investoren können erkennen, ob sich Konzentrationen auf bestimmte Länder, Geschäftsmodelle oder Risikofaktoren ergeben. Das Bankenrating wird dadurch vom einzelnen Institut auf die Ebene des gesamten Portfolios erweitert.

Die besondere Stärke von Data2Space liegt dabei in der Verbindung von Mikro- und Makroperspektive. Der Nutzer kann eine einzelne Forderung, einen Geschäftsbereich oder eine Refinanzierungsquelle untersuchen und gleichzeitig erkennen, welche Rolle dieser Bestandteil im Gesamtsystem der Bank spielt. Genau das ist für Bankenratings entscheidend. Das Risiko einer Bank entsteht selten aus einem einzelnen Faktor. Es entsteht aus dem Zusammenspiel von Kreditrisiken, Marktpreisrisiken, Liquiditätsrisiken, Kapitalausstattung, Refinanzierung und Geschäftsmodell. Data2Space macht dieses Zusammenspiel sichtbar. Damit verändert sich auch die Kommunikation des Bankenratings. Die Ratingnote bleibt eine wichtige Verdichtung der Kreditqualität. Hinter ihr steht jedoch eine interaktive Informationslandschaft, in der die wesentlichen Ratingtreiber und ihre Beziehungen untersucht werden können.

Aus der Bankbilanz wird ein navigierbares Finanzmodell. Aus der Ratingnote wird eine Evidenzstruktur. Aus dem isolierten Kreditrisiko wird ein vernetztes System. Data2Space schafft damit für das Bankenrating eine neue analytische Ebene: Kreditqualität wird nicht nur berechnet und bewertet, sondern räumlich dargestellt, interaktiv untersucht und gemeinsam verstanden.

Gerade bei Banken, deren Risiken und Geschäftsbeziehungen besonders stark miteinander vernetzt sind, wird dadurch sichtbar, was eine einzelne Ratingnote niemals vollständig zeigen kann: Nicht nur wie kreditwürdig eine Bank ist, sondern warum sie so kreditwürdig ist, wo ihre Stabilität entsteht und an welchen Stellen sich Risiken durch das System bewegen.

Für ein Anleiherating sind solche Eckdaten wichtig, aber sie erzählen noch nicht die ganze Geschichte. Interessant wird die Anleihe gerade durch ihre wirtschaftliche Anbindung an einen konkreten Sachwert. Der Nettoemissionserlös von rund 9,5 Millionen Euro soll nach Angaben von Paribus Finance für den Erwerb von Anteilen am Publikums-AIF Paribus Technologiezentrum Berlin eingesetzt werden. Die Fondsanteile werden zugunsten der Anleihegläubiger verpfändet. Damit entsteht neben dem Rückzahlungsanspruch gegenüber der Emittentin „eine zusätzliche, auf einem Immobilieninvestment basierende Sicherheit“.

Für ein Rating eröffnet sich dadurch eine mehrdimensionale Analyse. Zu beurteilen ist nicht nur die Bonität der Paribus Finance GmbH. Ebenso relevant sind die Qualität des Immobilieninvestments, die Struktur des Fonds, die Verpfändung der Fondsanteile, die Vermietungssituation, die Laufzeit des Mietvertrags, die Bonität des Mieters, die Entwicklung des Standorts und die Fähigkeit des Investments, über die Laufzeit der Anleihe hinweg stabile wirtschaftliche Werte zu erzeugen.

Der zugrunde liegende Sachwert ist dabei bemerkenswert konkret. Der Fonds hält einen rund 37.000 Quadratmeter großen Büro-, Forschungs- und Laborcampus am Wohlrabedamm in Berlin-Spandau. Mieter ist die BSH Hausgeräte GmbH, ein hundertprozentiges Tochterunternehmen der Robert Bosch GmbH. BSH nutzt den Standort als Forschungs- und Entwicklungszentrum für den Bereich Wäschepflege. Der Mietvertrag läuft bis zum 31. August 2036 und sieht laut Mitteilung eine vollständige jährliche Anpassung der Miete an die Entwicklung des Verbraucherpreisindex vor.

Für ein Rating bedeutet dies: Zwischen dem Wertpapier und dem zugrunde liegenden Immobilieninvestment bestehen zahlreiche Verbindungen, die gemeinsam beurteilt werden müssen. Der Anleger kauft wirtschaftlich betrachtet nicht einfach eine Forderung mit 5,5 Prozent Verzinsung. Er investiert in ein strukturiertes Finanzierungsmodell, dessen Risiko- und Ertragsprofil durch Emittent, Sicherheitenstruktur, Fonds, Immobilie, Mieter und Standort beeinflusst wird.

Genau an dieser Stelle gewinnt die immersive Visualisierung durch Data2Space eine neue Bedeutung. Die verschiedenen Ebenen einer solchen Anleihe können in einem gemeinsamen Datenraum miteinander verbunden werden. Der Ausgangspunkt ist die Anleihe. Von dort führt die Datenstruktur zur Emittentin, zur Mittelverwendung, zu den erworbenen Fondsanteilen und zur Verpfändung. Von den Fondsanteilen führt der Datenraum weiter zum Immobilienobjekt, zum Standort, zum Mietvertrag und zum Mieter. Jede dieser Ebenen kann wiederum mit weiteren Informationen verbunden werden.

Das klassische Rating verdichtet diese Informationen zu einer Beurteilung. Data2Space kann dagegen die Entstehung des Risikoprofils sichtbar machen. Der Nutzer kann sich gewissermaßen durch die wirtschaftliche Architektur des Investments bewegen. Dadurch wird die Frage „Wie sicher ist die Anleihe?“ durch die wesentlich präzisere Frage ergänzt: „Welche Beziehungen und Abhängigkeiten bestimmen die Sicherheit der Anleihe?“

Auch die Standortdimension lässt sich immersiv darstellen. Paribus weist darauf hin, dass sich das Technologiezentrum nur rund 600 Meter von der „Siemensstadt Square“ entfernt befindet, die als eines der bedeutendsten Stadtentwicklungsprojekte Berlins beschrieben wird. Für die Bewertung eines Immobilieninvestments ist diese Information nicht isoliert zu betrachten. Infrastruktur, Nachbarschaft, Stadtentwicklung, Arbeitsmarkt, Mietmarkt und wirtschaftliche Dynamik können miteinander verknüpft werden. Data2Space kann solche Informationen in einen räumlichen Kontext stellen und dadurch eine klassische Finanzanalyse um eine Standortanalyse erweitern.

Hinzu kommt die operative Erfahrung des Anbieters. Paribus erklärt, das Unternehmen betreue die Immobilie bereits seit 2011 und verfüge damit über „langjährige operative Erfahrung mit dem Objekt, dem Mieter und dem Standort“. Auch dieser Faktor lässt sich in ein umfassendes Ratingmodell integrieren. Historische Daten über Vermietung, Objektmanagement, Investitionen, Instandhaltung und Entwicklung können mit dem aktuellen Ratingobjekt verbunden werden.

Besonders interessant ist die Zinsstruktur. Die reguläre Verzinsung beträgt 5,5 Prozent p. a.; für einen möglichen Verlängerungszeitraum steigt sie auf 6,5 Prozent p. a. Damit entsteht eine zeitliche Dimension, die sich in einem immersiven Datenraum darstellen lässt. Die Anleihe kann in verschiedene Phasen zerlegt werden: Emission, laufende Verzinsung, planmäßige Rückzahlung und gegebenenfalls Verlängerungsphase. Gleichzeitig können die jeweiligen Risiken und wirtschaftlichen Voraussetzungen den einzelnen Zeitabschnitten zugeordnet werden.

Die Meldung selbst beschreibt das Produkt als „Auftakt“ einer Produktreihe mit „klarem Sachwertbezug“. Genau dieser Sachwertbezug ist für die Weiterentwicklung des Ratings besonders interessant. Je stärker ein Finanzprodukt mit einem realen Vermögenswert verbunden ist, desto wichtiger wird die Fähigkeit, Finanz- und Sachwertdaten gemeinsam zu analysieren. Eine Immobilienanleihe lässt sich nicht vollständig verstehen, wenn die Immobilie lediglich als Fußnote im Wertpapierprospekt erscheint.

Die RATING EVIDENCE GmbH beschäftigt sich seit vielen Jahren mit der systematischen Bewertung von Finanzinstrumenten, Unternehmen, Vermögensanlagen und Sachwerten. Die gemeinsam mit Mitherausgebern herausgegebenen Werke wie „Handbuch Rating“, „Rating von Vermögensverwaltungen“, „Transparenzrating“ und „Rating von Finanzinstituten“ zeigen die Entwicklung von der klassischen Bonitätsbeurteilung hin zu einer immer umfassenderen Betrachtung von Risiko, Transparenz, Management und wirtschaftlichen Zusammenhängen. Gerade diese Verbindung verschiedener Ratingdimensionen ist für strukturierte Sachwertfinanzierungen besonders relevant.

Die Paribus-Anleihe verdeutlicht damit eine grundsätzliche Entwicklung des Ratings. Ein Wertpapier lässt sich nicht mehr nur über seine isolierten Produkteigenschaften beurteilen. Entscheidend ist zunehmend das Netzwerk dahinter: Wer emittiert? Wofür werden die Mittel verwendet? Welche Vermögenswerte stehen dahinter? Welche Sicherheiten bestehen? Wer nutzt diese Vermögenswerte? Wie lange laufen Verträge? Welche Standortfaktoren wirken? Welche Abhängigkeiten entstehen? Und wie verändern sich diese Faktoren während der Laufzeit?

Data2Space bietet hierfür eine neue Form der Evidenz. Die immersive Visualisierung ersetzt weder Wertpapierprospekt noch Ratingmethodik noch rechtliche Prüfung. Sie schafft vielmehr eine zusätzliche Ebene, auf der komplexe Informationen miteinander verbunden und räumlich erfahrbar werden. Gerade bei Anleihen mit Sachwertbezug kann dies einen erheblichen Erkenntnisgewinn schaffen.

Aus einer Anleihe wird damit ein navigierbares Wirtschaftsmodell. Der Kupon ist nur ein Punkt darin. Emittent, Immobilie, Fonds, Mieter, Standort, Vertragslaufzeiten, Sicherheiten und Zahlungsströme werden zu miteinander verbundenen Elementen. Das ermöglicht eine neue Perspektive auf Anleihe- und Zertifikateratings: Nicht nur die Bewertung steht im Mittelpunkt, sondern die immersive Evidenz der wirtschaftlichen Struktur, die diese Bewertung begründet.

Für Anleger entsteht dadurch eine zusätzliche Möglichkeit, Chancen und Risiken zu verstehen. Für Analysten entsteht ein Instrument, um komplexe Zusammenhänge schneller zu erkennen. Und für Emittenten entsteht die Möglichkeit, die Qualität und Struktur eines Investments wesentlich anschaulicher zu vermitteln. Gerade bei Sachwertanleihen kann die Verbindung von Ratingmethodik und Data2Space deshalb zum nächsten Entwicklungsschritt einer evidenzbasierten Finanzanalyse werden.

Die Angaben zur Paribus Finance Unternehmensanleihe 2026/2030 stammen aus der vorgelegten Werbemitteilung. Sie stellen keine eigene Bonitäts- oder Anlageempfehlung dar. Die Meldung weist selbst darauf hin, dass der Erwerb mit Risiken bis hin zum vollständigen Verlust des eingesetzten Kapitals verbunden ist und das öffentliche Angebot ausschließlich auf Grundlage des gebilligten Wertpapierprospekts einschließlich etwaiger Nachträge erfolgt.

Die technologische Grundlage dieser Entwicklung bilden unterschiedliche Modellklassen, deren Abkürzungen im Workshop eingeordnet wurden. LLM steht für Large Language Models, also große Sprachmodelle, die natürliche Sprache verstehen und generieren können. VLM bezeichnet Vision Language Models, die Bild- und Sprachinformationen kombinieren. VLA meint Vision Language Action Modelle, die zusätzlich Aktionen ausführen können. MMLLM steht für Multimodal Large Language Models, die verschiedene Datentypen integrieren. GPT bezeichnet Generative Pre-trained Transformer, eine spezifische Modellarchitektur für generative KI. DM steht für Decision Models, also Modelle zur Entscheidungsunterstützung. GNN sind Graph Neural Networks, neuronale Netze zur Analyse komplexer Beziehungsstrukturen. MOE bedeutet Mixture of Experts, ein Modellansatz, bei dem spezialisierte Teilmodelle kombiniert werden. SSM steht für State Space Models, die zeitliche Dynamiken abbilden. LBM kann als Large Behavioral Models verstanden werden, die komplexe Verhaltensmuster modellieren.

Ein zentrales Argument des Workshops war, dass Open-Source-KI zur tragenden Säule der Innovation geworden ist. Offene Modelle erreichen mittlerweile Leistungsniveaus an der technologischen Spitze und ermöglichen gleichzeitig größere Unabhängigkeit, insbesondere im Hinblick auf Datenhoheit und Kostenkontrolle. In diesem Kontext wurde auch die Modellfamilie NVIDIA Nemotron vorgestellt, die auf hohe Leistungsfähigkeit, Effizienz und Offenheit ausgelegt ist. Ergänzend dazu beschleunigt die sogenannte RAG-Technologie, Retrieval-Augmented Generation, Anwendungen, bei denen generative KI mit unternehmensspezifischem Wissen kombiniert wird, indem relevante Daten gezielt abgerufen und in die Antwortgenerierung integriert werden.

Die Umsetzung solcher Anwendungen erfolgt zunehmend über modulare Infrastrukturen, etwa durch Microservices, also kleine, spezialisierte Softwarekomponenten, die zusammen komplexe Systeme bilden. Diese treiben sogenannte RAG-Pipelines an, also Prozessketten, die Daten in verwertbares Wissen transformieren. Unterstützt werden sie durch optimierte Inferenz-Engines, also Systeme zur effizienten Ausführung trainierter Modelle, die auf Plattformen wie NVIDIA NIM, einer Laufzeitumgebung für KI-Modelle, basieren. Ziel ist es, hochgradig anpassbare, produktionsreife Systeme zu schaffen, die flexibel eingesetzt werden können und gleichzeitig eine schnelle Verarbeitung großer Datenmengen ermöglichen, etwa durch beschleunigte Vektorsuche.

Ein weiteres zentrales Konzept war die Idee von „AI Factories“, also KI-Fabriken, die als integrierte Systeme aus Rechenleistung, Netzwerken, Speicher und Software eine neue industrielle Infrastruktur bilden. Diese gelten als Treiber einer neuen industriellen Revolution, da sie die Skalierung und Industrialisierung von KI-Anwendungen ermöglichen. NVIDIA liefert hierfür Referenzarchitekturen, die Unternehmen als Blaupause für den Aufbau solcher Systeme nutzen können.

Im Bankenkontext wurde diese Entwicklung anhand von Architekturprinzipien für eine KI-getriebene Bank veranschaulicht. Dazu gehören souveräne Grundlagen durch Open-Source-Modelle zur Sicherstellung von Plattformunabhängigkeit, Datenschutz und geringeren Gesamtkosten, proprietäre Präzision durch die Nutzung und Veredelung interner Daten sowie die agentische Ausführung als „Intelligence Flywheel“, also ein sich selbst verstärkender Kreislauf aus Daten, Modellen und Entscheidungen. Praxisbeispiele wie die Royal Bank of Canada zeigen, dass durch den gezielten Einsatz solcher Technologien signifikante Wachstumsziele unterstützt werden können.

Abschließend wurde deutlich, dass sogenannte Transaction Foundation Models, also grundlegende Modelle für Transaktionsdaten, als nächste Entwicklungsstufe gelten. Insbesondere Graph Neural Networks spielen hierbei eine wichtige Rolle, da sie komplexe Beziehungen in Finanzdaten, etwa zwischen Kunden, Transaktionen und Netzwerken, besonders gut abbilden können. Insgesamt machte der Workshop klar, dass Agentic AI nicht nur einzelne Prozesse optimiert, sondern als umfassende Infrastruktur die Grundlage für eine tiefgreifende Transformation der Finanzindustrie bildet.

Im Kern beschreibt Bruckner eine Branche, in der sich die traditionellen Grenzen zwischen Eigenbetrieb, Plattformbezug und Orchestrierung verschieben. GenAI senkt die Produktionskosten vieler Bankfunktionen, während spezialisierte Plattformpartner in Bereichen wie Core Banking, Payment oder KYC/AML Skalenvorteile erzielen. Gleichzeitig bleibt der regulatorische Druck hoch, weil DORA, der EU AI Act, die Outsourcing-Leitlinien der EBA und der Cyber Resilience Act klare Anforderungen an Steuerbarkeit, Auditierbarkeit, Exit-Fähigkeit und technische Sicherheit stellen. Damit wird die alte Frage „kaufen oder selbst bauen?“ durch eine neue ersetzt: Was muss unter eigener Governance bleiben, und was kann unter externer Steuerung laufen?

Der Vortrag macht deutlich, dass Banken nicht nur technologisch, sondern vor allem organisatorisch unter Veränderungsdruck stehen. Bruckner ordnet KI in mehreren Stufen ein, von klassischer KI über GenAI und KI-Agenten bis zu Multi-Agent-Systemen, und zeigt, dass besonders operative Bereiche, Dokumentenverarbeitung, Kreditvergabe, Compliance und Risikomanagement von Effizienzgewinnen betroffen sind. Zugleich verweist er darauf, dass bereits heute ein großer Teil der Bank-FTEs in Operations gebunden ist und dass Agentic AI diese Tätigkeiten zunehmend automatisieren kann. Für Banken entsteht dadurch nicht nur ein Effizienzthema, sondern auch ein strategisches Risiko: Wer heute ohne klare Leitplanken investiert, baut Datenarchitekturen, Abhängigkeiten und Governance-Strukturen auf, die später schwer korrigierbar sind.

Besonders prägnant ist die Gegenüberstellung zweier tragfähiger Betriebsmodelle. Das erste Modell ist der fokussierte Spezialist, der seine Ressourcen auf einen klar definierten Kern konzentriert und dort mit hoher operativer Exzellenz, geringer externer Abhängigkeit und robuster Resilienz arbeitet. Das zweite Modell ist der souveräne Orchestrator, der die Kundenschnittstelle und die Steuerung eines Partner-Ökosystems behält, während Leistungserbringung und Spezialisierung weitgehend ausgelagert werden. Beide Modelle können erfolgreich sein, aber sie verlangen völlig unterschiedliche Investitionsprioritäten, Fähigkeiten und Governance-Logiken. Die eigentliche Gefahr liegt laut Vortrag nicht in der Wahl eines der beiden Wege, sondern in der unentschlossenen Mitte, die hohe Komplexität, regulatorische Exposition und fehlenden Wettbewerbsvorteil miteinander verbindet.

Der regulatorische Teil des Vortrags verleiht dieser strategischen Entscheidung zusätzliches Gewicht. DORA zwingt Banken, kritische IKT-Funktionen nachweisbar steuerbar zu halten und Drittparteien transparent zu kontrollieren; der EU AI Act erhöht die Anforderungen an Erklärbarkeit, menschliche Aufsicht und Auditierbarkeit von KI-gestützten Entscheidungen; der Cyber Resilience Act erweitert den Fokus auf Produktsicherheit in vernetzten Systemen. Für Banken bedeutet das: Governance ist nicht mehr nur eine Unterstützungsfunktion, sondern eine Kernkompetenz. Gerade im Orchestrator-Modell wird die Fähigkeit, Partner zu überwachen, Datenflüsse zu kontrollieren und Exit-Optionen vorzuhalten, selbst zum Wettbewerbsvorteil.

Am Ende ist die Botschaft des Vortrags klar: KI ist nicht das Betriebsmodell, sondern das Instrument. Die eigentliche Managemententscheidung besteht darin, die Wertschöpfung der Bank sauber zu kartieren, das passende Modell bewusst zu wählen und Governance-Kompetenz als strategisches Investitionsfeld zu behandeln. Resilienz entsteht dann nicht zufällig, sondern durch Kohärenz zwischen Strategie, Operating Model und regulatorischer Umsetzung. Wer diesen Zusammenhang heute ernst nimmt, gestaltet die Bank von 2030 aktiv; wer ihn ignoriert, wird durch Kosten, Regulierung und neue Marktstrukturen dazu gezwungen.

Die Konferenz „Finanzdienstleister der nächsten Generation“ an der Frankfurt School of Finance & Management hat sich als zentrale Plattform etabliert, auf der sich Entscheiderinnen und Entscheider aus Banken, Versicherungen, Technologieunternehmen und Aufsicht über die Zukunft der Finanzindustrie austauschen. Im Mittelpunkt stehen dabei die tiefgreifenden Veränderungen durch Künstliche Intelligenz, Cloud-Technologien und neue regulatorische Rahmenbedingungen, die das Zusammenspiel von Innovation, Risiko und Governance neu definieren. Charakteristisch für die Veranstaltung ist die enge Verzahnung von wissenschaftlicher Analyse, praktischer Umsetzung und strategischer Perspektive, wodurch nicht nur Trends diskutiert, sondern konkrete Transformationspfade aufgezeigt werden. Die Konferenz schafft damit einen Raum, in dem die Finanzbranche ihre Rolle zwischen technologischer Disruption und stabilitätsorientierter Verantwortung neu verhandelt und sich auf die nächste Entwicklungsstufe digitaler Finanzdienstleistungen ausrichtet.

Mit Vertreterinnen und Vertretern aus Instituten wie der Deutsche Bank AG, der Deutsche Kreditbank AG sowie der DZ PRIVATBANK S.A. und einem führenden Technologieanbieter wurde deutlich, dass sich Risikomodellierung und Entscheidungsfindung zunehmend von statischen Verfahren hin zu dynamischen, KI-gestützten Systemen entwickeln. Diese Entwicklung ist nicht nur technologisch getrieben, sondern stellt insbesondere Governance, Organisation und regulatorische Aufsicht vor neue Anforderungen.

Die Relevanz der Diskussion liegt vor allem darin, dass sie die Schnittstelle zwischen Innovation und Verantwortung adressiert. Während der Einsatz moderner Modelle und KI-Systeme erhebliche Effizienzgewinne in der Kreditvergabe, im Fraud Detection und im Compliance-Management ermöglicht, entstehen gleichzeitig neue Fragestellungen hinsichtlich Modelltransparenz, Validierung und Kontrolle. Genau an diesem Punkt wird die Transformation für Finanzinstitute strategisch bedeutsam: Es geht nicht mehr nur um die Einführung neuer Technologien, sondern um die Fähigkeit, diese in bestehende Entscheidungsarchitekturen sicher und nachvollziehbar zu integrieren.

Besonders hervorzuheben ist zudem die Rolle der Diskussion als Brücke zwischen verschiedenen Funktionsbereichen innerhalb der Finanzindustrie. Risk Management, IT, Produktentwicklung und Regulierung rücken enger zusammen, da KI-basierte Entscheidungsmodelle diese Bereiche zunehmend miteinander verschränken. Dadurch entsteht ein interdisziplinärer Dialog, der für die Weiterentwicklung der Branche entscheidend ist, da isolierte Betrachtungen einzelner Funktionen nicht mehr ausreichen, um die Komplexität moderner Modelle zu beherrschen.

Insgesamt zeigte die Podiumsdiskussion exemplarisch, dass die Transformation im Bereich Risk Modelling und Decisioning weit über technische Implementierungsfragen hinausgeht. Sie ist vielmehr Ausdruck eines grundlegenden Wandels in der Finanzindustrie, in dem datengetriebene Entscheidungen zur neuen Norm werden und gleichzeitig neue Anforderungen an Kontrolle, Governance und Vertrauen entstehen. Damit wurde die Runde zu einem zentralen Baustein der Konferenz, der die strategische Tragweite der KI- und Modelltransformation im Bankensektor besonders deutlich machte.

Die Konferenz „Finanzdienstleister der nächsten Generation“ an der Frankfurt School of Finance & Management hat sich als zentrale Plattform etabliert, auf der sich Entscheiderinnen und Entscheider aus Banken, Versicherungen, Technologieunternehmen und Aufsicht über die Zukunft der Finanzindustrie austauschen. Im Mittelpunkt stehen dabei die tiefgreifenden Veränderungen durch Künstliche Intelligenz, Cloud-Technologien und neue regulatorische Rahmenbedingungen, die das Zusammenspiel von Innovation, Risiko und Governance neu definieren. Charakteristisch für die Veranstaltung ist die enge Verzahnung von wissenschaftlicher Analyse, praktischer Umsetzung und strategischer Perspektive, wodurch nicht nur Trends diskutiert, sondern konkrete Transformationspfade aufgezeigt werden. Die Konferenz schafft damit einen Raum, in dem die Finanzbranche ihre Rolle zwischen technologischer Disruption und stabilitätsorientierter Verantwortung neu verhandelt und sich auf die nächste Entwicklungsstufe digitaler Finanzdienstleistungen ausrichtet.

Marktlage im Jahr 2026: Ein Überblick

Der Finanzsektor steht im Jahr 2026 vor erheblichen Veränderungen. Die Dynamik an den globalen Finanzmärkten hat neue Höhen erreicht, wobei technologische Innovationen und geopolitische Entwicklungen eine zentrale Rolle spielen. In diesem Kontext gewinnen strategische Vermögensbewertungen zunehmend an Bedeutung. Diese Bewertungen sind entscheidend, um die Performance von Finanzinstituten zu bestimmen und deren Ratings zu beeinflussen. Ratings sind für Banken und Investmentgesellschaften essenziell, da sie die Kreditwürdigkeit und die Risikoeinschätzung widerspiegeln, was letztlich die Konditionen für Kapitalbeschaffung und Investitionen beeinflusst.

Die globalen Märkte zeigen eine zunehmende Volatilität, die durch politische Ungewissheiten und wirtschaftliche Verschiebungen getrieben wird. Einer der Hauptfaktoren, der die Marktlage prägt, ist der technologische Fortschritt, insbesondere im Bereich FinTech. Neue Technologien ermöglichen effizientere Bewertungen und Analysen von Vermögenswerten, was die Transparenz und Genauigkeit der Finanzberichterstattung erhöht. Dies hat direkte Auswirkungen auf die Ratings, da präzisere Daten zu einer realistischeren Einschätzung der Risiken und Chancen führen.

Zusätzlich zu den technologischen Einflüssen spielen auch regulatorische Änderungen eine wichtige Rolle. Die Einführung strengerer Vorschriften zur Risikobewertung und Kapitalausstattung zwingt Finanzinstitute dazu, ihre Bewertungsstrategien kontinuierlich zu überdenken und anzupassen. Diese regulatorischen Veränderungen zielen darauf ab, die Stabilität des Finanzsystems zu erhöhen und das Vertrauen der Anleger zu stärken.

Analyse von Vermögensbewertungen und deren Einfluss auf Ratings

Strategische Vermögensbewertungen sind ein wesentlicher Bestandteil der Finanzanalyse und haben einen direkten Einfluss auf die Ratings von Finanzinstituten. Eine fundierte Bewertung der Vermögenswerte ermöglicht es Institutionen, ihre finanzielle Gesundheit und den potenziellen ROI (Return on Investment) besser zu verstehen. Dies ist entscheidend, um den Anforderungen der Ratingagenturen gerecht zu werden und ein positives Rating zu erhalten.

Die Bewertung von Vermögenswerten umfasst mehrere Aspekte, darunter die Analyse von Cashflows, Marktbedingungen und zukünftigen Wachstumschancen. Es ist wichtig, sowohl quantitative als auch qualitative Faktoren zu berücksichtigen, um eine umfassende Bewertung zu gewährleisten. Quantitative Analysen konzentrieren sich auf finanzielle Kennzahlen wie die Rendite und das Risiko, während qualitative Analysen die Marktposition und das Management der Institution bewerten.

Ein weiterer wichtiger Aspekt ist die Berücksichtigung von Marktdaten und Trends. Historische Daten bieten wertvolle Einblicke in die Leistung von Vermögenswerten und deren potenzielle Entwicklung. Diese Daten werden häufig in Form von Charts und Diagrammen dargestellt, um Muster und Anomalien zu erkennen, die die Bewertungen beeinflussen können.

Im Folgenden einige der wichtigsten Faktoren, die bei der Vermögensbewertung berücksichtigt werden sollten:

• Marktliquidität: Die Fähigkeit, Vermögenswerte schnell und ohne signifikante Preisnachlässe zu verkaufen.
• Volatilität: Maß für die Schwankungsbreite der Preise eines Vermögenswertes, was zur Risikoabschätzung beiträgt.
• Zinsumfeld: Einfluss der aktuellen Zinssätze auf die Bewertung von festverzinslichen Wertpapieren.

Strategien zur Optimierung von Vermögensbewertungen

Die Entwicklung effektiver Strategien zur Vermögensbewertung erfordert eine Kombination aus technologischer Innovation und fundierter Marktkenntnis. Eine der vielversprechendsten Ansätze ist der Einsatz von Künstlicher Intelligenz (KI) und maschinellem Lernen, um große Datenmengen zu analysieren und präzise Vorhersagen über die Wertentwicklung von Vermögenswerten zu treffen.

Durch den Einsatz von KI können Finanzinstitute Muster und Trends identifizieren, die menschliche Analysten möglicherweise übersehen würden. Dies ermöglicht eine genauere Risikobewertung und verbessert die Entscheidungsfindung. Darüber hinaus können Algorithmen zur Datenanalyse verwendet werden, um die Effizienz von Bewertungsprozessen zu steigern und die Genauigkeit der Ergebnisse zu erhöhen.

Ein weiterer strategischer Ansatz ist die Diversifikation der Vermögenswerte. Durch die Streuung von Investitionen über verschiedene Anlageklassen und geografische Regionen können Risiken minimiert und die Chancen auf eine höhere Rendite verbessert werden. Dies ist besonders wichtig in einem volatilen Marktumfeld, in dem einzelne Vermögenswerte starken Schwankungen unterliegen können.

Zudem spielt die Schweizer Vermögensverwaltung eine entscheidende Rolle bei der Entwicklung von Bewertungsstrategien. Die langjährige Erfahrung und das Fachwissen in der Vermögensverwaltung machen die Schweiz zu einem Vorreiter in der Anwendung innovativer Bewertungsmethoden.

Risikobewertung und deren Einfluss auf Ratings

Eine präzise Risikobewertung ist entscheidend, um die Gesundheit eines Finanzinstituts zu beurteilen und dessen Ratings zu beeinflussen. Die Risikobewertung umfasst die Analyse potenzieller Bedrohungen und Unsicherheiten, die die finanzielle Stabilität beeinträchtigen können. Dazu gehören Marktrisiken, Kreditrisiken und operationelle Risiken.

Marktrisiken beziehen sich auf die potenziellen Verluste aufgrund von Preisänderungen auf dem Markt. Diese Risiken können durch Faktoren wie Zinsänderungen, Wechselkursschwankungen und Rohstoffpreise beeinflusst werden. Kreditrisiken entstehen, wenn Kreditnehmer ihre Verpflichtungen nicht erfüllen können, während operationelle Risiken aus internen Prozessen und Systemen resultieren.

Ein fundierter Ansatz zur Risikobewertung beinhaltet die Verwendung von Szenarioanalysen und Stresstests. Diese Methoden ermöglichen es Finanzinstituten, potenzielle Risiken zu quantifizieren und Strategien zur Risikominderung zu entwickeln. Szenarioanalysen simulieren verschiedene Marktsituationen, um die Auswirkungen auf die Vermögenswerte zu bewerten, während Stresstests extreme Marktbedingungen nachahmen, um die Widerstandsfähigkeit der Institution zu testen.

Die folgende Tabelle zeigt einige der wichtigsten Faktoren, die bei der Risikobewertung berücksichtigt werden sollten:

Die Ergebnisse dieser Analysen haben direkte Auswirkungen auf die Ratings von Finanzinstituten. Eine präzise Risikobewertung verbessert das Verständnis der finanziellen Gesundheit und erhöht die Wahrscheinlichkeit, ein positives Rating zu erhalten. Dies wiederum beeinflusst die Konditionen für Kapitalbeschaffung und Investitionen erheblich.

ANZEIGE

Brauckmann skizzierte die Strategie der DZ Bank entlang eines klaren Grundsatzes: Abhängigkeiten reduzieren, Innovation steigern. Dies zeigt sich besonders in der Modelloffenheit der hauseigenen GenAI-Plattform, auf der Lösungen wie der DZ Chat betrieben werden. Die Bank setzt bewusst auf verschiedene Anbieter, um technologische Flexibilität zu sichern und Exit-Strategien jederzeit möglich zu halten. Diese Offenheit schützt nicht nur vor Lock-in-Effekten, sondern erlaubt es auch, stets die besten Modelle und Technologien einzusetzen, ohne langfristig an einen Hyperscaler oder ein proprietäres Ökosystem gebunden zu sein.

Von zentraler Bedeutung ist für Brauckmann die Frage, wo und wie Daten verarbeitet werden. Die DZ Bank verfolgt deshalb eine Cloud-Strategie, die auf Rechenzentren in Europa setzt und die regulatorische wie technologische Souveränität in den Mittelpunkt stellt. Europäische Standorte für Datenhaltung und Compute sind kein politisches Statement, sondern eine geschäftskritische Notwendigkeit, um langfristige Sicherheit, Compliance und Kontrolle zu garantieren. Gleichzeitig erlaubt diese Architektur die konsequente Umsetzung von Exit-Szenarien, sollte sich die Abhängigkeit von einem Cloud-Anbieter technologisch oder geopolitisch als kritisch erweisen.

Das Herzstück dieser Strategie bildet das Zielbild der Virtual Hybrid IT-Infrastructure. Brauckmann beschreibt es als hochstandardisierte, übergreifende Plattform, die Cloud-Umgebungen und eigene Rechenzentren so miteinander verbindet, dass Anwendungen immer dieselbe Umgebung vorfinden – unabhängig davon, wo sie tatsächlich betrieben werden. Die IT bestimmt dynamisch den optimalen Ausführungsort, während die Anwendungen einheitliche Operations- und Runtime-Plattformen nutzen können, basierend auf Containern, virtuellen Maschinen und standardisierten Integrations- und Datenbankdiensten. Zero-Trust-Ansätze sichern die Perimeter, während eine konsolidierte Netzwerkarchitektur die Komplexität reduziert.

Dieses Modell ermöglicht Effizienz durch Arbeitsteilung, Kostenvorteile durch intelligente Steuerung von Compute-Kapazitäten und eine signifikante Verringerung technologischer Komplexität. Die Bank schafft damit eine Infrastruktur, die flexibel skaliert, regulatorisch sauber bleibt und Innovation nicht behindert, sondern beschleunigt.

Besonders eindrücklich wurde Brauckmanns Souveränitätsverständnis im Blick auf den Zahlungsverkehr. Während viele Wettbewerber ihre Infrastruktur an externe Dienstleister ausgelagert haben, ist die DZ Bank bewusst den gegenläufigen Weg gegangen und hat den Zahlungsverkehr zurück ins eigene Haus geholt. Damit setzt sie ein starkes Signal: kritische Kerninfrastruktur gehört in die eigene Verantwortung, weil sie zentrale Grundlage für Stabilität, Sicherheit und Unabhängigkeit ist.

Der Single Euro Payments Area (SEPA) war „ein riesengroßer Schritt hin zu europäischer Souveränität“, so Brauckmann, weil es erstmals gelungen ist, den Zahlungsverkehr im gesamten Euroraum zu vereinheitlichen und damit eine eigenständige, robuste Infrastruktur zu schaffen, die nicht von außereuropäischen Systemen abhängig ist. Indem Überweisungen und Lastschriften in Europa genauso einfach und effizient funktionieren wie nationale Zahlungen, wurde ein Binnenmarkt für Zahlungsdienste geschaffen, der Effizienzgewinne, Wettbewerb und Innovation ermöglicht. SEPA hat die technische Grundlage gelegt, auf der heute Echtzeitverfahren, digitale Identitäten und neue europäische Zahlungslösungen aufbauen können. Vor allem aber hat SEPA gezeigt, dass Europa gemeinsame Standards schaffen kann, die wirtschaftliche Integration vertiefen und die strategische Autonomie stärken – ein Prinzip, das angesichts geopolitischer Spannungen und der Dominanz globaler Tech-Plattformen aktueller ist denn je.

Zum Abschluss wurde deutlich, dass Brauckmann nicht technologische Euphorie predigt, sondern strategische Konsequenz. GenAI, Cloud und moderne Zahlungsverkehrsplattformen sind für ihn keine isolierten Innovationen, sondern Bausteine einer Zukunft, in der Banken nur dann erfolgreich bleiben, wenn sie ihre technologische Basis selbst beherrschen. Die DZ Bank setzt dafür auf Diversifikation, europäische Infrastruktur, klare Governance und eine IT-Architektur, die Wandel nicht nur ermöglicht, sondern voraussetzt. Damit lieferte Brauckmann einen kraftvollen Impuls für die gesamte Branche: Souveränität entsteht nicht durch Abschottung, sondern durch bewusste, strategische Gestaltung technologischer Abhängigkeiten – und durch den Mut, kritische Infrastruktur in die eigene Hand zu nehmen.

Warum Europa einen digitalen Euro braucht, wie eine solche Form digitalen Zentralbankgelds im Alltag funktionieren könnte und welche Rolle Banken künftig in diesem neuen Ökosystem einnehmen werden, darüber sprach Winter mit präziser Klarheit. Ihr Beitrag setzte einen zentralen Akzent im Programm der BankenTech 2025: Er machte deutlich, dass technologische Innovation im Finanzsektor nur dann nachhaltig sein kann, wenn sie auf einem souveränen, stabilen und vertrauenswürdigen Fundament aufbaut – und genau dieses Fundament soll der digitale Euro schaffen.

Souveränität, Effizienz und Resilienz – das sind nach Winter die drei zentralen Schlagworte, die den digitalen Euro begründen. Es soll ein Zahlungsmittel entstehen, das im gesamten Euroraum digital nutzbar ist und auch in Notsituationen funktionsfähig bleibt. Resilienz stand anfangs nicht im Mittelpunkt, rückte jedoch insbesondere durch die baltischen Staaten stärker in den Fokus, die die Offline-Fähigkeit als unverzichtbares Element der Krisenvorsorge betrachten.

Anpassungen werden notwendig sein, unter anderem im Blick auf Drittdienstleister, das sogenannte Wasserfallmodell und das Haltelimit – alles Punkte, über die der EU-Rat noch entscheiden muss. Winter geht jedoch nicht davon aus, dass die EU-Finanzminister ECOFIN-Rat „Wirtschaft und Finanzen“ am 12. Dezember 2025 das Haltelimit bereits in dieser Phase mit einer konkreten Zahl festlegen werden.

Winter erläuterte zudem, dass PayPal seine Banklizenz nicht in gleicher Weise für den Zahlungsverkehr nutzt wie klassische Banken. Für große Technologieunternehmen sei der Erwerb einer Banklizenz in Europa nicht schwierig, betonte sie: „Für uns ist es schwierig, aber nicht für die.“ Zugleich relativierte sie mögliche Veränderungen für Big-Tech-Unternehmen durch die Einführung des digitalen Euro und stellte klar, dass dieser keine radikalen Einschnitte für deren Geschäftsmodelle bedeute.

Der digitale Euro sei nicht einfach ein Verrechnungssystem, betonte Winter. Vielmehr werde der Euro in einer neuen Form herausgegeben. Banken hätten den digitalen Euro zwar nicht von Beginn an begeistert aufgenommen, hätten den Prozess inzwischen jedoch konstruktiv begleitet.

Besonders hervor hob Winter die höhere Privatsphäre im Offline-Modus. Die Bank sehe nur, wie viel Geld vom Konto abgehoben werde, aber nicht, wofür es verwendet wird. Eine begrenzte Form von Anonymität werde damit möglich. In manchen Kreisen sei lange die Ansicht vertreten worden, dass „offline“ niemand brauche. Mittlerweile habe sich jedoch eine spürbare Wertschätzung dafür entwickelt.

Zum Stand des Gesetzgebungsverfahrens erklärte Winter, dass der EU-Abgeordnete Fernando Navarrete Rojas zwar seinen Entwurf zur Positionierung des Parlaments vorgelegt habe, dieser aber noch nicht endgültig sei. Anschließend folge der Trilog, das informelle Verhandlungsverfahren zwischen Europäischem Parlament, Rat und Kommission, das eine politische Einigung beschleunigen soll. Die dort erarbeiteten Kompromisse müssten später noch formell bestätigt werden.

Max Linden, CEO von lemon.markets, und Chris Püllen, CEO von NaroIQ, skizzierten eindrucksvoll, wie stark globale Tech-Konzerne bereits heute zentrale Bausteine der europäischen Wertschöpfung dominieren – von Cloud-Diensten über Social-Media-Plattformen bis hin zu Zahlungstechnologien. Während die sicherheitspolitische Debatte über 5G und Huawei öffentlich geführt werde, bleibe die Diskussion über die Abhängigkeit der Finanzinfrastruktur fast unsichtbar, obwohl sie strategisch ebenso bedeutsam sei.

Linden und Püllen zeigten drei mögliche Zukunftsszenarien für Europas digitale Finanzarchitektur: eine vollständige Dominanz globaler Player, politische Ausschlüsse nicht-europäischer Anbieter oder – im ambitioniertesten Fall – europäische Technologieführerschaft.

Nur das dritte Szenario sichere langfristige digitale Souveränität, Innovationskraft und wirtschaftliche Unabhängigkeit. Wie diese Vision praktisch aussehen kann, erläuterten die Referenten anhand einer Case Study zu NaroIQ. Der ETF-Markt wächst rasant, während klassische Publikumsfonds Marktanteile verlieren. Doch viele Kapitalverwaltungsgesellschaften können mangels moderner digitaler Infrastruktur keine eigenen ETF-Produkte anbieten. Auf ihren häufig veralteten, analogen Systemen lassen sich ETFs schlicht nicht effizient abbilden – ein struktureller Wettbewerbsnachteil, der die Abhängigkeit von wenigen großen, globalen ETF-Anbietern verstärkt.

NaroIQ setzt genau hier an: Das FinTech entwickelt ETF-Infrastruktur “made in Europe”, die es KVGen ermöglicht, auf ihrer bestehenden Systemlandschaft ETF-fähig zu werden. Damit entsteht eine souveräne europäische Alternative, die den Zugang zum ETF-Markt demokratisiert, Innovation fördert und Wettbewerb stärkt.

Der Impuls machte klar, dass die Zukunft nicht nur im sichtbaren Frontend des Bankings entschieden wird, sondern im unsichtbaren Backend – dort, wo Infrastruktur, Effizienz und Kontrolle über Datenströme den Spielraum für Innovation bestimmen. Europas Fähigkeit, eigene Infrastruktur-FinTechs aufzubauen und zu skalieren, wird damit zu einem entscheidenden Faktor für digitale Resilienz und wirtschaftliche Unabhängigkeit.

Binder sprach aus einer doppelten Erfahrung heraus: aus seiner Zeit bei der UniCredit, in der er MidCap-Unternehmen begleitete, und aus seinen Jahren als Gründer des Neo-Family-Office ZEITGEIST GROUP sowie als Managing Director des Venture-Capital-Fonds Zeitgeist X Ventures. Er hat Fintech-Entwicklungen aus nächster Nähe erlebt, an Investments in Bling, Timeless oder UnitPlus mitgewirkt und gleichzeitig die strukturellen Hürden beobachtet, die Privatanleger am Zugang zu privaten Märkten hindern. Aus dieser Erkenntnis entstand NAO – eine Multi-Asset-Plattform, die per App Investitionen ab einem Euro in Private Equity, Venture Capital, Infrastruktur oder Hedgefonds ermöglicht und dafür auf Co-Investments setzt. Das Ziel ist klar: eine Welt institutioneller Anlagemöglichkeiten für alle zugänglich machen, unabhängig vom Vermögen.

Binder erinnerte daran, dass Private Markets in institutionellen Portfolios bereits heute eine dominante Rolle spielen: 44 Prozent ihrer Anlagen sind dort gebunden. Für Privatanleger hingegen waren sie lange nahezu unzugänglich – aufgrund hoher Mindestbeträge, komplexer Strukturen und fehlender technischer Lösungen. Dies hat sich mit dem regulatorischen Rahmen von ELTIF 2.0 grundlegend verändert. Während ELTIF 1.0 noch von hohen Einstiegshürden, komplexen Geeignetheitsprüfungen, strengen Portfolioquoten und begrenzter Flexibilität geprägt war, bringt ELTIF 2.0 deutlich vereinfachte Zugangsvoraussetzungen, eine breitere Palette zulässiger Vermögenswerte, mehr Handlungsspielraum im Portfolioaufbau sowie eine deutlich verbesserte Vertriebsfähigkeit für Retail-Anleger. Die Mindestanforderungen an das investierbare Vermögen und die Beschränkung auf bestimmte Investorengruppen sind entfallen, gleichzeitig lassen die neuen Regeln eine diversifiziertere Struktur, Zwischenliquidität und moderne Fondsmechanismen zu. Für den Markt bedeutet das: Was früher ein Produkt für Wohlhabende war, wird nun massentauglich.

Diese Öffnung verbindet NAO mit einer besonders niedrigen Einstiegsbarriere: dem „Drei-Klick-Einstieg“ in Private Markets. Binder betonte, dass es nicht genügt, lediglich Zugang zu schaffen. Private Markets allein seien nicht die Zukunft; entscheidend sei die richtige Guidance. Anleger benötigen Transparenz, Einordnung, eine klare Navigation durch Anlageklassen, Risiken und Chancen. Genau hier setzt NAO an: Die Plattform verspricht institutionelle Qualität, vollständige Portfoliotransparenz, einen nachweisbaren Track Record des Fondsmanagements, faire und verständliche Kostenstrukturen, technologische Innovation und größtmögliche Flexibilität für Retail-Investoren.

Binder formulierte sein Fazit in einem einfachen Gedanken: Die Demokratisierung der Private Markets funktioniert nur, wenn man deren Qualität, die zuvor wenigen vorbehalten war, mit echter Nutzerorientierung verbindet. Private Markets werden so nicht zu einem Hype, sondern zu einem natürlichen Bestandteil einer modernen Anlegerwelt. Entscheidend sei, dass Menschen nicht nur investieren können, sondern auch verstehen, wie und warum sie investieren. Mit diesem Anspruch positioniert NAO sich als Wegbereiter für eine neue Ära des Retail-Investierens – niedrigschwellig, transparent und qualitativ auf institutionellem Niveau.