Lassen Sie uns gemeinsam die richtigen KI-Lösungen für Ihr Unternehmen identifizieren und implementieren.
Nubank, die größte digitale Bank Lateinamerikas, die 114 Millionen Kunden in Brasilien, Mexiko und Kolumbien betreut, stand unter enormem Druck, den Kundensupport angesichts des explosiven Wachstums zu skalieren.[1] Traditionelle Systeme kamen mit dem hohen Volumen an Tier‑1‑Anfragen nicht zurecht, was zu längeren Wartezeiten und inkonsistenter Personalisierung führte, während die Betrugserkennung eine Echtzeitanalyse riesiger Transaktionsdaten von über 100 Millionen Nutzern erforderte.[2] Die Balance zwischen gebührenfreien Services, personalisierten Erlebnissen und robuster Sicherheit war in einem wettbewerbsintensiven Fintech‑Umfeld, das von ausgefeilten Betrugsformen wie Spoofing und komplexen zentralen Betrugsfällen geprägt ist, entscheidend.[3]
Intern brauchten Callcenter und Support‑Teams Werkzeuge, um komplexe Anfragen effizient zu bearbeiten, ohne die Qualität zu opfern. Vor der KI führten lange Antwortzeiten zu Engpässen, und manuelle Betrugsprüfungen waren ressourcenintensiv, was Vertrauen der Kunden und regulatorische Compliance in den dynamischen Märkten Lateinamerikas gefährdete.
Nubank integrierte OpenAI GPT-4‑Modelle in sein Ökosystem für einen generativen KI‑Chatassistenten, einen Copilot für Callcenter und eine fortschrittliche Betrugserkennung, die NLP und Computer Vision kombiniert.[1] Der Chatassistent löst autonom Tier‑1‑Probleme, während der Copilot menschliche Agenten mit Echtzeit‑Insights unterstützt. Für die Betrugserkennung analysiert ein auf Foundation‑Modellen basierendes ML System Transaktionsmuster in großem Maßstab.[2]
Die Implementierung erfolgte in Phasen: Pilotierung von GPT‑4 für den Support Anfang 2024, Ausbau auf interne Tools bis Anfang 2025 und Erweiterung der Betrugssysteme mit multimodaler KI. Diese KI‑zentrische Strategie, verankert im maschinellen Lernen, ermöglichte nahtlose Personalisierung und deutliche Effizienzgewinne in den Abläufen.[4]
Buchen Sie eine kostenlose Beratung, um zu erfahren, wie KI Ihre spezifischen Herausforderungen lösen kann.
Nubanks KI‑Reise begann Anfang 2024 mit explorativen Pilotprojekten unter Einsatz von OpenAIs GPT‑4 für kundenorientierte Chatbots, um die Kernherausforderung der Skalierung des Supports für die 114 Millionen Kunden zu adressieren.[1] Bis Q1 2025 führten sie einen internen AI‑Copilot für Callcenter‑Agenten ein und integrierten ihn direkt in bestehende Workflows über APIs. Dieser Copilot nutzt generative KI, um Antwortvorschläge zu liefern, Gespräche zusammenzufassen und Echtzeitdaten abzurufen, wodurch sich die Bearbeitungszeit pro Agent deutlich verringerte.
Das Betrugserkennungssystem entwickelte sich von traditionellem ML zu einem foundation‑model‑basierten Ansatz, der Transaktionsdaten für über 100 Millionen Nutzer verarbeitet. In technischen Details feinabgestimmter Modelle kombinierte Nubank NLP für textbasierte Betrugssignale (z. B. Spoofing‑Alarme) und Computer Vision für Dokumentenverifikation.[2] Die Bereitstellung erfolgte auf Cloud‑Infrastruktur für Skalierbarkeit, mit A/B‑Tests, um eine Genauigkeit von über 95 % bei der Betrugserkennung sicherzustellen, ohne übermäßige False‑Positives.
Um Qualifikationslücken bei Mitarbeitenden zu schließen, führte Nubank KI‑Grundlagenprogramme ein und schulte bis Mitte 2025 mehr als 5.000 Mitarbeitende. Die Integration in Altsysteme erfolgte über maßgeschneiderte Connectoren, die Updates ohne Ausfallzeiten ermöglichten. Sicherheit hatte oberste Priorität: Modelle wurden auf anonymisierten Daten feinjustiert und entsprachen länderspezifischen Regularien wie Brasiliens LGPD.[3]
Personalisierungs‑Engines nutzten GPT‑4, um maßgeschneiderte Finanzempfehlungen zu generieren, basierend auf Nutzerverhaltens‑ML‑Modellen. Frühe Herausforderungen wie Halluzinationsrisiken wurden durch Retrieval‑Augmented Generation (RAG) gemindert, wodurch Antworten in verifizierte Bankdaten eingebettet wurden.
Der Stack umfasste GPT‑4 turbo für Geschwindigkeit sowie maßgeschneiderte ML‑Pipelines auf hybriden AWS/GCP‑Infrastrukturen. KPI‑Monitoring erfolgte über Dashboards, die Kennzahlen wie Lösungsrate und Kundenzufriedenheit (CSAT) verfolgten. Bis Ende 2025 verarbeitete das System Millionen täglicher Interaktionen und skalierte automatisch zu Spitzenlasten.[5] Geplante Erweiterungen zielen auf einen Markteintritt in den USA ab, wobei diese KI‑Kapazitäten für globale Skalierung genutzt werden sollen.[6]
Diese umfassende Implementierung automatisierte nicht nur Routineaufgaben, sondern stärkte Mitarbeitende für wertschöpfendere Interaktionen und verwandelte Nubank in eine KI‑first‑Bank.
Entdecken Sie, wie wir Ihnen bei der Implementierung ähnlicher Lösungen helfen können.
Der Umbau der Betrugserkennung verarbeitete Transaktionen für über 100 Mio. Nutzer in Echtzeit und reduzierte gezielte Betrugsfälle wie Spoofing durch fortschrittliche ML‑Modelle erheblich.[2] Das führte zu weniger Vorfällen und schnelleren Lösungen und erhielt damit das Vertrauen in einem risikoreichen Sektor. Insgesamt sanken die Betriebskosten, während generative KI Effizienzgewinne brachte, die sich in Branchenbenchmarks für das Bankwesen widerspiegeln.[4]
Bis Dezember 2025 positioniert die KI‑zentrierte Ausrichtung Nubank für eine Expansion in die USA, mit Kennzahlen, die anhaltende CSAT‑Verbesserungen und skalierbare Personalisierung anzeigen. Anfangs auftretende Integrationshürden wurden durch iterative Piloten überwunden, wodurch KI zu einem zentralen Wettbewerbsvorteil im Lateinamerika‑Fintech wurde.[6]
Founder & Partner
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Telefon