Die Lloyds Banking Group schloss das Jahr 2025 mit rund 50 Millionen Pfund realisiertem Wert aus generativer KI ab, erwirtschaftet durch ein Portfolio von über 50 GenAI-Lösungen im Produktivbetrieb der Bank. Die Zahl, veröffentlicht mit den Jahresergebnissen der Gruppe und im Februar 2026 von Banking Exchange aufgegriffen, stützt sich auf operative Belege: ein HR-Assistent löst rund 90 Prozent der Anfragen korrekt beim Erstkontakt, die Konvertierung von Legacy-Code verbesserte sich um 50 Prozent, und 5.000 Entwickler programmieren mit KI-Unterstützung. Für 2026 stellt die Bank über 100 Millionen Pfund zusätzlichen Wert in Aussicht, getragen von der Skalierung agentischer KI.
Die Ausgangslage: eine 260 Jahre alte Bank, gebremst vom eigenen Wissen
Die Lloyds Banking Group betreut rund 26 Millionen Kunden über die Marken Lloyds, Halifax, Bank of Scotland und Scottish Widows und ist damit die größte Retail- und Geschäftsbank Großbritanniens. Diese Größe erzeugte die klassischen Reibungen einer historischen Institution. Internes Wissen lag verstreut über Tausende Dokumente und Systeme. Mitarbeitende im Telefon-Banking suchten im Schnitt 59 Sekunden pro Anfrage nach der richtigen Prozedur, während Kunden in der Leitung warteten. Eine HR-Funktion für Zehntausende Beschäftigte bearbeitete einen konstanten Strom repetitiver Anfragen. Jahrzehnte alter Code bremste jeden Versuch, kundennahe Systeme zu modernisieren, und Data-Science-Talente arbeiteten in Silos, verteilt über Marken und Geschäftsbereiche.
Viele Banken antworten auf dieses Bild mit einem einzigen Vorzeige-Chatbot. Lloyds wählte einen anderen Weg. Die Führung kam zu dem Schluss, dass der Wert im Long Tail liegt: Dutzende spezifischer, messbarer Probleme, jedes für sich zu klein für eine eigene Infrastruktur, in Summe gewaltig. Diesen Long Tail zu heben verlangte ein gemeinsames technisches Fundament, auf dem jedes Team aufbauen kann. Diese Überlegung machte eine Plattform, statt einer einzelnen Anwendung, zur ersten Investition. Die Bank legte diesen Kurs 2024 fest, zu einem Zeitpunkt, als viele Wettbewerber Piloten und Machbarkeitsstudien ankündigten statt Produktivportfolios.
Die Entscheidung dahinter: erst ein Plattform-Rückgrat, dann das Portfolio
2024 migrierte Lloyds seinen Machine-Learning- und GenAI-Bestand auf eine einzige Google-Cloud-Vertex-AI-Plattform, die die Bank als Fundament ihrer KI-Strategie beschreibt. Die Gruppe holte zudem Rohit Dhawan, zuvor Data- und KI-Führungskraft bei AWS, als Group Director of AI and Advanced Analytics an Bord; er leitet ein zentrales AI Centre of Excellence, das Standards setzt, während die Geschäftsbereiche einzelne Anwendungsfälle verantworten. Anfang 2025 trug das gemeinsame Rückgrat über 300 Data Scientists und 18 produktive GenAI-Systeme, neben rund 80 Machine-Learning-Anwendungsfällen.
Die Architektur erklärt das anschließende Tempo. Weil Governance, Modellzugang, Datenkontrollen und Deployment-Pipelines einmal zentral existierten, startete jede neue Lösung auf einer laufenden Plattform statt auf einem leeren Blatt. So wuchs das Portfolio im Lauf des Jahres 2025 auf über 50 produktive GenAI-Lösungen, eine Breite, die wenige europäische Banken erreichen. Der Wert entstand aus vielen kleinen, sich summierenden Erfolgen, ein bewusster Kontrast zu den Ein-Assistent-Strategien anderswo in der Branche.
Das Ergebnis im vollen Kontext: 50 Millionen realisiert, 100 Millionen versprochen
Die Schlagzeile lautet rund 50 Millionen Pfund realisierter Wert im Jahr 2025, veröffentlicht mit den Jahresergebnissen der Gruppe. Die operativen Kennzahlen darunter geben ihr Substanz. Athena, das interne Wissenstool, heute von rund 20.000 Mitarbeitenden genutzt, senkte die durchschnittliche Suchzeit um 66 Prozent, von 59 auf 20 Sekunden pro Abfrage, und spart geschätzt 4.000 Stunden pro Jahr allein im Telefon-Banking, was direkt in kürzere Wartezeiten für Kunden mündet. Der KI-gestützte HR-Assistent löst heute rund 90 Prozent der Anfragen korrekt beim Erstkontakt. In der Entwicklung arbeiten 5.000 Ingenieure mit GitHub Copilot, mit einer um 50 Prozent verbesserten Konvertierung von Legacy-Code, was Upgrades der kundennahen Technologie beschleunigt.
SAGA markiert die Grenzen der Beweislage mit derselben Sorgfalt. Die 50 Millionen Pfund sind die eigene Attribution der Bank: unabhängige Medien wie Banking Exchange und FStech übernehmen die Zahl aus der Investorenberichterstattung, und eine externe Prüfung der Bewertungsmethodik (vermiedene Kosten, gesparte Stunden, erzielte Erträge) steht bislang aus. Das Ziel von 100 Millionen Pfund für 2026 ist Guidance: eine zukunftsgerichtete Wette auf skalierte agentische KI, auf einen Finanzassistenten in der App für Sparen, Kredite und Investments sowie auf eine AI Academy für die Belegschaft. Diese Wette wird binnen zwölf Monaten überprüfbar, und genau das macht sie wertvoll. Die 50 Millionen sind der realisierte Boden dieser Geschichte, die 100 Millionen die These, die Anfang 2027 zu prüfen ist. Zum Vergleich: Die singapurische DBS schreibt der KI nach einem zehnjährigen Programm über 1 Milliarde Singapur-Dollar Wert zu; Lloyds versucht eine ähnliche Kurve in verdichteter Zeit.
Was andere Organisationen daraus lernen können
Die übertragbare Lektion ist die Reihenfolge. Lloyds baute zuerst die Plattform, holte danach zentrale KI-Führung und skalierte anschließend die Anwendungsfälle, und das Portfolio lieferte messbaren Wert im selben Kalenderjahr seiner Expansion. Drei Bedingungen machen das Muster wiederholbar. Erstens: Eine einzige ML- und GenAI-Plattform gibt jedem Team dieselbe Governance, dieselbe Sicherheitsprüfung und denselben Weg in die Produktion und macht jeden neuen Anwendungsfall zu einem Grenzaufwand statt zu einem eigenen Großprogramm. Zweitens: Ein zentrales Centre of Excellence mit föderaler Verantwortung hält Standards streng und lässt zugleich die Menschen, die dem Problem am nächsten sind, die Lösung definieren. Drittens: Jährlich eine realisierte Wertzahl zu veröffentlichen, gekoppelt an das Ziel des Folgejahres, erzwingt finanzielle Disziplin in einem Feld voller Projektionen. Organisationen, die das 50-Lösungen-Portfolio vor dem Plattform-Rückgrat kopieren, erleben die Ökonomie umgekehrt: Kosten vervielfachen sich über Silos, Wert bleibt in Piloten stecken. Die Reihenfolge der Schritte ist die eigentliche Fallstudie.
Artikel von SAGA, Success Stories & Real Cases
SAGA berichtet über Enterprise-KI-Implementierungen mit verifizierten Ergebnissen. Jede Kennzahl hat eine Quelle. Jedes Unternehmen wird beim Namen genannt.