Wenn Peter Lacher, Chief Operating Officer der Schweizer PostFinance, von seinem ersten Blick auf die Celonis-Prozesslandkarte erzählt, klingt das wie eine Offenbarung: Zwischen dem, was Banken glauben, wie ihre Prozesse laufen, und der Realität liegen Welten. Diese Erkenntnis – banales Fundament und zugleich schmerzhafter Katalysator – steht am Anfang jeder operativen Transformation im Finanzsektor.
In einer Branche, die bis zu 80 Prozent ihres IT-Budgets für die Wartung von Systemen aufwendet, die teilweise noch aus den 1970er Jahren stammen, ist Prozesstransparenz keine akademische Übung. Sie ist eine existenzielle Notwendigkeit. Celonis, 2011 von drei Studenten der TU München gegründet, hat sich zum weltweit führenden Anbieter von Process Intelligence entwickelt – mit über 3.000 Mitarbeitern, Umsätzen von mehr als 770 Millionen Dollar und einer Kundenliste, die die Hälfte der Forbes Global 2000 umfasst.
Das operative Dilemma der Banken
Die Problemlage ist bekannt, aber in ihrer Tragweite unterschätzt: Rund 70 Prozent aller globalen Finanztransaktionen – von Geldautomaten-Abhebungen über Kreditkartenzahlungen bis zu Wertpapierabwicklungen – laufen irgendwann über Mainframe-Systeme. Über 40 Prozent aller Bankensysteme weltweit basieren auf COBOL, einer Programmiersprache aus dem Jahr 1959. Gleichzeitig gehen die COBOL-Programmierer, die diese Systeme am Leben halten, in den Ruhestand – und der Nachwuchs hat wenig Interesse an veralteter Technologie.
Für die operative Exzellenz bedeutet das ein fundamentales Paradoxon: Banken investieren massiv in Technologie, aber die Kosten sinken nicht. McKinsey spricht vom „Produktivitätsparadoxon" – die Technologieausgaben bei Asset Managern steigen mit einer jährlichen Wachstumsrate von 8,9 Prozent, doch die Kosten als Anteil am verwalteten Vermögen bleiben hartnäckig flach. Der Grund: Es werden Einzelprozesse automatisiert, aber das operative Gesamtbild bleibt undurchsichtig.
Legacy-Systeme: Starre Mainframe-Architekturen verhindern schnelle Anpassungen. 53 % der Institute können ihre Operationen nicht effektiv skalieren.
Regulierungsdruck: DORA, T+1-Settlement, MiCA, FiDA und AML-Anforderungen binden enorme Ressourcen und erfordern gleichzeitig Stabilität und Agilität.
AI-Skalierung: Fragmentierte Prozesse, unstrukturierte Daten und fehlende Echtzeitintegration hindern Banken daran, KI über Pilotprojekte hinaus zu skalieren.
Talentmangel: Der Wissensverlust durch pensionierte Legacy-Experten trifft auf fehlende Bereitschaft junger Talente, mit veralteten Systemen zu arbeiten.
Kultureller Widerstand: Hierarchische Strukturen und risikoaverse Kultur in großen Finanzinstituten bremsen den nötigen Kulturwandel.
Wettbewerbsdruck: Neobanken und Fintechs operieren mit bis zu zehnfach günstigeren Cost-to-Serve-Modellen.
Genau in dieser Gemengelage positioniert sich Celonis. Nicht als weiteres Automatisierungstool, sondern als die Intelligenzschicht, die Banken erst befähigt, ihre Probleme zu verstehen – bevor sie versuchen, sie zu lösen.
Wie Celonis funktioniert: Vom Event-Log zum digitalen Zwilling
Celonis beantwortet eine einzige, aber fundamentale Frage: Wie laufen unsere Geschäftsprozesse tatsächlich ab – im Unterschied zu dem, was wir designt oder dokumentiert haben? Die Antwort liefert die Celonis Process Intelligence Platform in vier Schritten.
1. Daten-Extraktion: Konnektoren zu ERP, Core Banking, CRM und weiteren Systemen extrahieren Event-Logs – also timestamped Datensätze jedes Prozessschritts.
2. Process Intelligence Graph: Millionen Datenpunkte werden zu End-to-End-Prozessabläufen rekonstruiert und mit Geschäftskontext angereichert: ein lebender digitaler Zwilling.
3. Analyse & Impact: Prozessabweichungen, Engpässe und Compliance-Verstöße werden visualisiert und deren finanzieller Impact quantifiziert.
4. Orchestrierung & AI: Die Orchestration Engine koordiniert Aufgaben über alle Tools, Systeme und Abteilungen hinweg – inklusive AI-Agenten.
Im Kern erstellt Celonis einen Process Intelligence Graph – einen lebenden digitalen Zwilling der Geschäftsoperationen, der Prozessdaten und Geschäftskontext zusammenbringt. Im Unterschied zu statischen Prozessmodellen zeigt dieser Graph nicht den Soll-Zustand, sondern die tatsächliche operative Realität, systemübergreifend und in Echtzeit.
Die Plattform ist dabei bewusst systemagnostisch: Sie dockt an SAP, Oracle, Salesforce, Avaloq, Temenos oder proprietäre Core-Banking-Systeme gleichermaßen an. Für deutsche Banken, die häufig heterogene IT-Landschaften über Jahrzehnte gewachsener Fusionen betreiben, ist diese Neutralität ein entscheidender Vorteil.
Object-Centric Process Mining (OCPM): Seit 2023 analysiert Celonis Prozesse nicht mehr in isolierten Einzelsträngen, sondern bildet die Verflechtung mehrerer Geschäftsobjekte (Aufträge, Rechnungen, Kunden) in einem einzigen Modell ab.
Task Mining & AI-driven Task Discovery: Desktop-Aktionen wie Tastatureingaben, Mausklicks und Bildschirm-Scrolls werden erfasst und mit Geschäftsprozessen verknüpft – für vollständige Transparenz auch jenseits der Systemgrenzen.
Celonis Data Core: Bi-direktionale Zero-Copy-Integration mit Data Lakes wie Databricks und Microsoft Azure – keine Datenduplizierung nötig.
AgentC Suite: Process Intelligence API für AI-Plattformen wie Microsoft Copilot Studio, Amazon Bedrock oder Salesforce Agentforce. Der weltweit erste Model Context Protocol (MCP) Server für Process Intelligence.
Orchestration Engine: Koordiniert das zunehmend komplexe Netz aus RPA-Bots, Workflow-Automatisierungen und manuellen Aktivitäten in einem einzigen Steuerungslayer.
Celonis im Banking: Wo die Plattform konkret wirkt
Die Celonis Banking Solutions werden von namhaften Instituten eingesetzt – darunter Wells Fargo, HSBC, ABN AMRO, Standard Bank, Deutsche Bank und Atruvia, der IT-Dienstleister der Volks- und Raiffeisenbanken. Die Anwendungsfelder im Finanzsektor umspannen die gesamte operative Wertschöpfungskette.
Kreditprozesse und Kundenservice
Im Kreditgeschäft hat Celonis die Wartezeit bei Kreditgenehmigungen um 50 Prozent reduziert. Bei einer der größten europäischen Universalbanken werden Kreditanträge nun viermal schneller bearbeitet; 98 Prozent der Bankkonten werden termingerecht eröffnet. PostFinance nutzt die Plattform für Kontoeröffnung, Kreditentscheidungen und Kreditbearbeitung – und hat dabei fundamentale Abweichungen zwischen angenommenen und tatsächlichen Arbeitsabläufen aufgedeckt.
Celonis rekonstruiert den tatsächlichen Ablauf eines Kreditantrags über alle beteiligten Systeme hinweg – vom Eingang über KYC-Prüfung, Scoring, Genehmigung bis zur Auszahlung. Die Plattform identifiziert automatisch, wo Anträge in Warteschleifen stecken, wo Rückfragen unnötige Schleifen erzeugen und welche Prozessvarianten zu den schnellsten Durchlaufzeiten führen. Daraus entstehen konkrete Automatisierungsempfehlungen: Welche Schritte können RPA-Bots übernehmen? Wo lohnt sich ein AI-Agent für die Dokumentenvalidierung?
KYC, Compliance und Regulatorisches Reporting
Die Plattform gewährleistet regulatorische Compliance, verbessert Datennachverfolgbarkeit und sichert den Schutz personenbezogener Daten bei gleichzeitiger Überwachung von Finanzkriminalität. Gerade im Kontext von DORA – wo Finanzinstitute nachweisen müssen, dass ihre kritischen Prozesse resilient und dokumentiert sind – liefert der digitale Prozesszwilling die benötigte Evidenzbasis.
Payments und Trade Settlement
Process Intelligence ermöglicht die Echtzeit-Überwachung von Zahlungsverkehrs- und Settlement-Prozessen. Im Kontext des T+1-Settlement-Regimes, das die Abwicklungsfrist für Wertpapiertransaktionen von zwei auf einen Tag verkürzt, wird diese Echtzeittransparenz von der Komfortfunktion zur operativen Notwendigkeit.
RPA-Identifikation und Automatisierung
Finanzinstitute nutzen Process Intelligence, um manuelle Schritte zu identifizieren, die mit RPA-Technologie automatisiert werden können. Celonis zeigt nicht nur, wo automatisiert werden sollte, sondern quantifiziert den erwarteten ROI jeder Automatisierungsmaßnahme und überwacht nach Implementierung, ob die Bots wie geplant performen.
Prozesseffizienz: Steigerung um bis zu 50 % in analysierten Kernprozessen
Kreditgenehmigung: 50 % Reduktion der Wartezeit; 4x schnellere Bearbeitung
Kontoeröffnung: 98 % termingerechte Eröffnung (bei einer europäischen Großbank)
Konversionsrate: 15 % Steigerung; bei einer Digitalbank sogar ~50 %
Kundenzufriedenheit: 10–15 Punkte Verbesserung im NPS
Regulatorisches Reporting: Termingerechte Einreichung, reduziertes Bußgeldrisiko
Marktübersicht: Celonis und seine Wettbewerber
Der Process-Mining-Softwaremarkt wächst mit einer prognostizierten jährlichen Wachstumsrate von knapp 57 Prozent bis 2033. Europa hielt 2025 rund 44 Prozent des Marktanteils. Doch der Markt ist in Bewegung – Akquisitionen durch Tech-Giganten und die Konvergenz mit RPA und AI verändern die Wettbewerbslandschaft fundamental.
| Anbieter | Positionierung | Banking-Relevanz |
|---|---|---|
| Celonis (Leader) | Process Intelligence Platform mit lebendem digitalem Zwilling. ~60 % Marktanteil. Gartner Leader 2025. Strategische Partnerschaften mit BCG und McKinsey. | Stärkste Banking-Referenzen (Deutsche Bank, HSBC, Wells Fargo, Atruvia). Vier vorkonfigurierte Solution Suites. MCP Server für Agentic AI. |
| SAP Signavio (Leader) | Process Mining + Modellierung + Simulation. Dreifacher Gartner Leader in Folge. Tiefste SAP-Integration am Markt. | Ideal für SAP-zentrische Institute. Relationales Prozessdatenmodell mit Stammdaten-Verknüpfung (seit April 2025). Stärke bei Compliance und Risikomanagement. |
| UiPath (Challenger) | Process Mining als Teil der RPA-Plattform. Fünffacher Everest Group Leader. Geschlossener Kreislauf von Discovery bis Automatisierung. | Attraktiv für Institute, die Mining primär als Vorstufe zur Bot-Automatisierung betrachten. Schwächer bei Echtzeit-Analyse. |
| Software AG (ARIS) (Etabliert) | Etabliertes Prozessmodellierungs-Erbe. Stark bei Governance und Compliance-Dokumentation. | Verbreitet in regulierten Umgebungen. Hinkt bei AI-Features hinterher. Erfordert mehr technische Expertise. |
| Microsoft Power Automate (Challenger) | Hohe Sichtbarkeit durch M365-Integration. Akquisition von Minit. Integration mit Microsoft Fabric und Celonis-Partnerschaft. | Einstiegs-Szenario für kleine Institute. Wachsende Relevanz durch Microsoft-Ökosystem in der Bankenwelt. |
| ABBYY Timeline (Nische) | Stärke in dokumentenzentrierten Prozessen durch OCR-Heritage. Task + Process Mining kombiniert. | Relevant für Banken mit hohem Dokumentenaufkommen in KYC, Compliance und Kreditprozessen. |
Die Celonis-McKinsey-BCG-Dimension
Bemerkenswert ist die strategische Verschränkung von Celonis mit den führenden Managementberatungen. BCG unterhält eine dedizierte Partnerschaft mit Celonis für AI-driven Process Intelligence im Banking und hat gemeinsam ein White Paper zu „Banking (Ops) Excellence" veröffentlicht, das einen dreistufigen Ansatz beschreibt: Assessment of Potential Value, North Star & Execution Blueprint, MVP Launch.
McKinsey wiederum bündelt über eine Celonis-Allianz Analytik-Plattformen mit Transformations-Playbooks und positioniert professionelle Dienstleistungsarme als Profit-Center für mehrjährige Engagements. Für Finanzinstitute bedeutet das: Celonis ist nicht nur ein Software-Vendor, sondern zunehmend Teil des strategischen Beratungsökosystems.
Die These beider Beratungshäuser konvergiert: Operative Exzellenz im Banking erfordert zunächst Prozesstransparenz, dann Prozess-Redesign, dann erst Technologieeinsatz. Celonis liefert die Infrastruktur für Schritt eins und zunehmend auch für Schritt drei – während die Beratungen Schritt zwei verantworten.
Lessons Learned: Was in der Praxis funktioniert – und was nicht
Die dokumentierten Praxiserfahrungen – etwa der UCB AG – zeigen klare Muster für erfolgreiche und gescheiterte Implementierungen.
Scope bewusst begrenzen: Process Mining eignet sich nur für hochvolumige, stark automatisierte Prozesse. Nicht jeder Bankprozess profitiert – das Expectation Management gegenüber dem Vorstand ist entscheidend.
Datenqualität als Vorbedingung: Die größte Anfangsherausforderung ist die Identifikation, Sammlung und Bereinigung der Event-Log-Daten. Fachbereichsverantwortliche müssen aktiv eingebunden werden.
Klaren Use Case definieren: Ob Prozesstransparenz, Optimierung, Monitoring oder Compliance – der Anwendungszweck muss vor dem Start klar sein und von Stakeholdern getragen werden.
Optimierung tatsächlich umsetzen: Die Wertschöpfung durch Process Mining wird erst durch die Umsetzung identifizierter Maßnahmen realisiert. Mining allein erzeugt keinen ROI.
Stufenweise skalieren: Erfolgreiche Institute starten mit einem einzelnen Prozess oder Teilprozess und skalieren dann systematisch auf weitere Domänen.
Celonis-Plattform-Evolution · 2011–2026
Handlungsempfehlungen für deutsche Finanzinstitute
Auf Basis der analysierten Marktdaten, Beratungsansätze und Praxiserfahrungen ergeben sich sieben konkrete Empfehlungen für Institute, die Process Intelligence als Hebel für operative Exzellenz evaluieren.
Bevor in RPA, AI oder neue Core-Banking-Systeme investiert wird, muss Klarheit über die tatsächlichen Prozessabläufe herrschen. Ein Process-Mining-Pilotprojekt auf einem klar definierten Kernprozess (z.B. Kreditantrag, KYC-Onboarding) schafft die Evidenzbasis für alle weiteren Investitionsentscheidungen.
Process Mining liefert nur so gute Ergebnisse wie die zugrundeliegenden Event-Logs. Ein dezidiertes Datenqualitäts-Assessment der relevanten Quellsysteme sollte jeder Celonis-Implementierung vorausgehen – inklusive klarer Verantwortlichkeiten der Fachbereiche.
Die DORA-Anforderungen an Prozessresilienz und -dokumentation bieten einen natürlichen Einstiegspunkt für Process Intelligence. Statt Compliance als reinen Kostenfaktor zu behandeln, sollte der digitale Prozesszwilling gleichzeitig als Basis für operative Optimierung dienen.
SAP-zentrische Institute sollten SAP Signavio evaluieren; Institute mit starkem Automatisierungsfokus UiPath. Für systemagnostische, End-to-End-Process-Intelligence mit strategischem AI-Ambitionsniveau bleibt Celonis die Benchmark – insbesondere durch die BCG/McKinsey-Partnerschaften.
Process Mining allein erzeugt keinen ROI. Erfolgreiche Institute definieren vorab, welche Ressourcen für die Umsetzung identifizierter Maßnahmen bereitstehen, und verknüpfen Process Intelligence mit konkreten Automatisierungs- und Change-Management-Initiativen.
Die Konvergenz von Process Intelligence und Agentic AI ist keine Zukunftsvision – Celonis' AgentC und MCP Server sind produktionsreif. Institute sollten heute evaluieren, wie ein Process-Intelligence-Layer als Grundlage für autonome AI-Agenten in Operations dienen kann.
Prozesstransparenz kann bedrohlich wirken – sie zeigt, wo Ineffizienzen liegen und wer für sie verantwortlich ist. Ein begleitendes Change Management, das Transparenz als Chance und nicht als Kontrollinstrument positioniert, ist essenziell für die Akzeptanz im Haus.