Techcombank: KI-gestützte Datenplattform steigert Vertriebskonversion und generiert nachweisbaren Mehrumsatz

Techcombank, eine der größten Privatbanken Vietnams, stand vor der Herausforderung, ihre Kundenbasis zu skalieren, ohne proportional mehr Personal einzustellen. Der Chief Data and Analytics Officer Santhosh Mahendira beschreibt das Grundproblem: „Wenn man weiter unten in der Wertschöpfungskette tätig sein will, ist der einfache Weg, mehr Mitarbeiter einzustellen, aber das ist nicht nachhaltig.“ Die Bank wollte von einer produktorientiert-reaktiven zu einer datengetriebenen, personalisierten Kundenansprache wechseln und dabei die Kostenbasis stabil halten. Daten lagen dabei in annähernd 150 Einzelsystemen verteilt vor, ohne gemeinsame analytische Infrastruktur.

Techcombank hat eine cloudbasierte Datenplattform aufgebaut, intern als „Data Brain“ bezeichnet, die Daten aus rund 100 bis 150 Quellsystemen zusammenführt und täglich annähernd 8 Milliarden Datenpunkte verarbeitet. Als technische Grundlage dient die Databricks-Plattform mit einer Data-Lakehouse-Architektur. Mahendira begründet die Wahl: „Wir suchten nicht nach BI-Automatisierung oder Dashboards. Wir suchten den KI- und ML-Vorteil, den Databricks klar hat.“

Auf dieser Infrastruktur betreibt die Bank mehr als 55 KI-Modelle. Ein zentrales System ist die sogenannte „Customer Brain“-Komponente, die über 12.000 Datenmerkmale je Kunde aggregiert, von Transaktionsdaten über demografische Angaben bis zu Familienbeziehungen und Community-Scores. Darauf aufbauend entwickelte Techcombank das proprietäre System LACE (Lead Allocation Curated Engine): Anstatt Vertriebsleads blind zuzuweisen, bewertet und erklärt LACE jeden Lead und teilt den rund 4.000 Relationship Managern mit, warum ein Kunde geeignet ist und welche Bedürfnisse er wahrscheinlich hat.

Daneben betreibt die Bank KI-Chatbots für HR und Kundenservice sowie ein System zur Echtzeit-Personalisierung von Marketingkampagnen. Ein dokumentiertes Beispiel aus dem Quellmaterial: Ein Büroangestellter, der seine Kreditkarte regelmäßig nutzt, erhält um 19 Uhr eine Push-Benachrichtigung mit einem personalisierten Ratenkreditangebot; am nächsten Morgen um 7 Uhr folgt eine In-App-Nachricht mit einem Café-Rabatt.

Die strategische Leitlinie folgt dem internen Kürzel DDT, Data, Digital, Talent. Techcombank baut KI-Modelle bewusst intern auf, anstatt sie von CRM- oder Marketing-Plattformen einzukaufen: „Wir haben mehr Daten, als Salesforce und Adobe nutzen könnten, um Modelle für uns zu entwickeln. Also bauen wir die Modelle selbst, orchestrieren sie und senden die Ergebnisse an jene Systeme, die eher als Frontend-Tools fungieren“, so Mahendira.

Begleitend wurden mehr als 9.000 Mitarbeitende, von Kassenkräften bis zum CEO, in Daten- und KI-Themen geschult. Mahendira betont, dass technische Implementierung allein nicht ausreicht: „Wenn man keine Mitarbeitenden weiterqualifiziert und keine Geschäftsprozesse verändert, hilft es nichts.“

Die Ergebnisse sind in den Quellen quantifiziert. Die KI- und Dateniniativen generierten im Jahr 2024 einen Mehrumsatz von VND 914 Mrd.; für 2025 wurde ein Zielwert von rund VND 1,5 Bio. (ca. 50 bis 60 Mio. USD) angegeben. Das Gesamtpotenzial aus KI-Modellen wurde vom Unternehmen auf VND 4,1 Bio. (rund 156 Mio. USD) an Umsatz- und Produktivitätszuwachs beziffert. Die KI-gestützte Lead-Allokation über LACE erhöhte die Konversionsrate um mehr als das Dreifache. Die Zahl der personalisierten Marketingkampagnen stieg um das 30-Fache.

Auf Gesamtbankebene verdoppelte sich die Kundenbasis von rund 9 Millionen (2021) auf über 18 Millionen (Ende 2025), während die Mitarbeiterzahl annähernd stabil blieb, was die Mitarbeiterproduktivität um den Faktor 1,4 steigerte. 97,8 % der Transaktionen im Privatkundengeschäft werden vollständig digital abgewickelt. Die Cost-Income-Ratio lag im zweiten Quartal 2026 bei 30,2 %.

Techcombank misst den Wert der KI-Initiativen intern an einem expliziten P&L-Ziel. Mahendira formuliert den Anspruch direkt: „Einfach etwas zu implementieren und zu sagen, es ist live, reicht nicht. Funktioniert es? Wie schafft es Wert? Wie viel verdienen wir damit?“ Dieser konsequent ergebnisorientierte Steuerungsansatz, kombiniert mit dem Aufbau einer eigenentwickelten Modelllandschaft statt Abhängigkeit von Drittanbietern, ist das strukturelle Merkmal, das den beschriebenen Ansatz von reiner Tool-Adoption unterscheidet.