KI schreibt den Code
Warum Finance Professionals Python trotzdem verstehen müssen
09. September 2026
„Warum sollte ich heute noch Python lernen, wenn generative KI den Code für mich schreiben kann?“ Die kurze Antwort lautet: weil ein erzeugter Code nicht automatisch ein richtiger Code ist. KI kann Analysen beschleunigen und technische Hürden senken. Ob Daten korrekt verarbeitet werden, eine Methode zur Fragestellung passt und ein Ergebnis fachlich plausibel ist, muss jedoch weiterhin der Mensch beurteilen.
Für Finance Professionals verschiebt sich damit die entscheidende Kompetenz. Es geht weniger darum, jede Codezeile auswendig zu beherrschen. Wichtiger wird die Fähigkeit, Python-Code zu lesen, seine Logik nachzuvollziehen, Fehler zu erkennen und KI gezielt zu steuern.
KI ist Sparringspartner – nicht Kontrollinstanz
Prof. Dr. Natalie Packham beschreibt generative KI als eine Art Sparringspartner: Sie kann bei Projekten unterstützen, Ideen schneller in erste Analysen übersetzen und den Handlungsspielraum erweitern. Die Verantwortung dafür, ob eine Analyse fachlich sinnvoll ist, bleibt jedoch bei der Person, die mit dem Ergebnis arbeitet.
Genau darin liegt der Unterschied zwischen „Code erzeugen“ und „mit Code arbeiten“. Wer eine KI um ein Python-Skript bittet, muss beurteilen können, ob der Code tatsächlich die gewünschte Frage beantwortet – und nicht nur fehlerfrei aussieht.
Fünf Fragen, die Finance Professionals prüfen müssen
Wurden die richtigen Daten eingelesen und sauber aufbereitet?
Sind Datentypen, Zeiträume, Währungen und fehlende Werte korrekt behandelt?
Passt die gewählte Methode zur fachlichen Fragestellung?
Enthält der Code unbemerkte Annahmen, Verzerrungen oder Datenlecks?
Sind Ergebnis, Risiko und Grenzen der Analyse nachvollziehbar?
Ohne ein grundlegendes Verständnis von Python und Data Science lassen sich solche Fragen nur schwer beantworten. Ein technisch funktionierendes Skript kann trotzdem falsche Daten verwenden, Berechnungen unpassend verknüpfen oder Ergebnisse erzeugen, die fachlich keinen Sinn ergeben.
Python-Kenntnisse machen den KI-Einsatz besser
Wer Python versteht, kann präzisere Aufgaben formulieren, generierten Code schneller prüfen und Fehler systematisch eingrenzen. Auch die Zusammenarbeit mit KI wird dadurch effizienter: Statt Ergebnisse blind zu übernehmen, können Finance Professionals Rückfragen stellen, Varianten vergleichen und den Code gezielt weiterentwickeln.
Python-Kompetenz bedeutet dabei nicht, jede Bibliothek und jeden Befehl auswendig zu kennen. Entscheidend ist ein belastbares Grundverständnis: Wie ist ein Skript aufgebaut? Wie fließen Daten durch eine Analyse? Wo können Fehler entstehen? Und wie lässt sich prüfen, ob ein Ergebnis reproduzierbar und plausibel ist?
Fachwissen bleibt der entscheidende Maßstab
Im Finanzbereich reicht technische Korrektheit allein nicht aus. Das gilt auch regulatorisch: Die EU-KI-Verordnung stuft bestimmte Anwendungen – etwa KI-Systeme zur Bewertung der Kreditwürdigkeit natürlicher Personen – als Hochrisiko-KI ein. Für solche Systeme verlangt sie unter anderem eine wirksame menschliche Aufsicht. Verantwortliche müssen Ergebnisse richtig interpretieren, mögliche Fehlentwicklungen erkennen und bei Bedarf eingreifen können.
Bei daten- und entscheidungssensitiven Anwendungen ist die menschliche Prüfung deshalb kein optionaler letzter Schritt. Sie setzt neben fachlichem Urteilsvermögen auch technisches Verständnis voraus. Python- und Data-Science-Kenntnisse helfen Finance Professionals, Datenwege, Annahmen und Modellergebnisse nachzuvollziehen und KI verantwortungsvoll einzusetzen.
Python verstehen statt KI blind vertrauen
Genau hier setzt die Weiterbildung „Python for Finance & Data Science“ an. Sie vermittelt Python als Werkzeug für die Arbeit mit Finanzdaten – mit dem Ziel, Analysen selbst nachvollziehen, generierten Code fundiert beurteilen und KI sinnvoll in den eigenen Arbeitsprozess integrieren zu können. Informieren Sie sich jetzt über „Python for Finance & Data Science“
Python ist die Grundlage – der CFDS geht den nächsten Schritt
Der berufsbegleitende CFDS | Chartered Financial Data Scientist richtet sich an Finance Professionals, die ihre Erfahrung um fundierte Data-Science-Kompetenzen erweitern möchten. Das Programm führt von Statistik und Ökonometrie über Python zu Machine Learning, neuronalen Netzen und Ensemblemethoden. In einem eigenen, individuell begleiteten Projekt übertragen die Teilnehmenden das Gelernte auf eine konkrete Fragestellung aus ihrer Praxis.
