Indiens Zahlungsinfrastruktur steht vor einer nüchternen Frage: Wie skaliert man ein System, das bereits riesig ist, ohne es unbeherrschbar zu machen?
Das Unified Payments Interface, kurz UPI, verarbeitet derzeit täglich mehr als 750 Millionen Transaktionen. Dilip Asbe, CEO der National Payments Corporation of India, sieht Künstliche Intelligenz als wichtigen Hebel, um die Marke von einer Milliarde täglichen Transaktionen zu überschreiten. Das klingt zunächst nach der nächsten Wachstumserzählung eines großen digitalen Zahlungssystems. Interessanter ist jedoch, wo diese KI eingesetzt werden soll: nicht nur an der Oberfläche der App, sondern in den tieferen Schichten des Zahlungsverkehrs.
Es geht um Betrugserkennung, Nutzergewinnung, mehrsprachige Bedienung, Kreditvergabe, Streitbeilegung und Risikoprüfung in Echtzeit. Damit verschiebt sich die Rolle von KI im Finanzsystem. Sie wird nicht bloß ein Assistent für den Nutzer. Sie wird Teil der Infrastruktur, die entscheidet, welche Transaktion durchläuft, welche angehalten wird, welcher Kunde Zugang bekommt und welcher Vorgang als verdächtig gilt.
UPI ist schon heute keine normale Zahlungs-App
UPI ist keine einzelne App, sondern eine staatlich geprägte Zahlungsarchitektur, auf der private Anbieter aufsetzen. In Indien ist diese Unterscheidung wichtig. PhonePe und Google Pay kontrollieren zusammen mehr als 80 Prozent des UPI-Transaktionsanteils, doch die Schiene selbst liegt bei der NPCI. Diese Konstruktion hat Indien erlaubt, digitale Zahlungen schnell zu verbreiten, ohne das Fundament vollständig privaten Plattformen zu überlassen.
Genau deshalb ist die KI-Frage politischer, als sie auf den ersten Blick wirkt. Wenn KI in UPI tiefer eingebaut wird, betrifft das nicht nur Komfortfunktionen. Es betrifft die Steuerung eines öffentlichen digitalen Zahlungsraums, der von privaten Apps genutzt wird, aber nicht vollständig von ihnen kontrolliert werden soll. Die geplante Obergrenze von 30 Prozent pro App, die bis Ende 2026 in Kraft treten soll, zeigt bereits, dass Indien Konzentrationsrisiken ernst nimmt.
Der nächste Konflikt liegt damit nicht allein zwischen Banken und Fintechs. Er liegt zwischen App-Oberflächen und Infrastrukturkontrolle. Wer die Modelle betreibt, die Betrug erkennen, Sprache verstehen oder Kreditwürdigkeit einschätzen, gewinnt Einfluss auf den Zahlungsalltag von Hunderten Millionen Menschen.
Die Sprachzahlung ist der schwierige Teil
Asbes Argument für KI berührt einen realen Engpass: Indien ist mehrsprachig, sozial ungleich und digital sehr unterschiedlich erschlossen. Wer weitere Nutzer erreichen will, kann nicht einfach voraussetzen, dass alle Menschen Formulare, Menüs und Sicherheitsabfragen in derselben Weise bedienen. Sprachgesteuerte Zahlungen sind deshalb naheliegend.
Die Reserve Bank of India hatte im August 2023 sogenannte Conversational Payments auf UPI vorgeschlagen. Nutzer sollen Transaktionen durch Gespräche mit einem KI-gestützten System einleiten und abschließen können. Die NPCI hatte bereits 2023 ein sprachassistentenbasiertes Zahlungssystem eingeführt. Die Akzeptanz blieb bisher jedoch hinter den Erwartungen zurück.
Das ist kein Randdetail, sondern ein Warnsignal. Sprache im Zahlungsverkehr ist operativ heikel. Ein falsch verstandener Name, ein Dialektproblem, Hintergrundlärm, eine mehrdeutige Anweisung oder eine unklare Bestätigung kann im Alltag Geld bewegen. Bei Suchanfragen sind solche Fehler lästig. Bei Zahlungen werden sie zu Haftungsfragen.
Lokale Sprachmodelle können hier helfen, aber sie lösen das Problem nicht automatisch. Die NPCI arbeitet mit FiMI an einem eigenen Financial Model for India, einem kleinen Sprachmodell für das Zahlungsökosystem. Es wird bereits für die Streitbeilegung bei mehr als einer Million Nutzern eingesetzt. Das ist sinnvoller als der Versuch, allgemeine große Modelle blind auf Finanzprozesse zu setzen. Aber auch spezialisierte Modelle müssen erklären können, warum sie einen Vorgang blockieren, freigeben oder eskalieren.
Die Betrugsabwehr wird zur Machtposition
Die Reserve Bank of India entwickelt mit der Digital Payments Intelligence Platform eine Infrastruktur, die KI zur Erkennung potenziell riskanter Transaktionen in Echtzeit einsetzen soll. Das Ziel ist plausibel: Je größer UPI wird, desto stärker lohnt sich Betrug. Mehr Transaktionen bedeuten nicht nur mehr Bequemlichkeit, sondern auch mehr Angriffsfläche.
Der kritische Punkt ist die Echtzeitentscheidung. Wenn ein KI-System eine Transaktion vor Abschluss als riskant einstuft, wird es Teil des Zahlungsflusses. Es analysiert nicht nachträglich. Es greift ein. Für Nutzer kann das Schutz bedeuten. Für Händler kann es Verzögerung bedeuten. Für Banken kann es weniger Schaden bedeuten. Für falsch markierte Personen kann es bedeuten, dass ein legitimer Zahlungsvorgang scheitert.
Die RBI scheint diese Ambivalenz zu sehen. Sie hat vorgeschlagen, dass Banken und andere regulierte Einheiten über einen Kill-Switch verfügen müssen, um ein eingesetztes KI-Modell sofort zu übersteuern, auszusetzen oder zu deaktivieren, wenn es schädliche oder fehlerhafte Ergebnisse liefert. Schon dieser Vorschlag sagt viel über den Reifegrad der Debatte. Eine KI, die im Zahlungsverkehr arbeitet, wird nicht als harmloses Werkzeug behandelt. Sie wird als operatives Risiko verstanden.
Das unterscheidet die indische Debatte von vielen oberflächlichen KI-Erzählungen. Hier steht nicht die Frage im Vordergrund, ob eine App menschlicher klingt. Es geht darum, wie ein Land ein Massenzahlungssystem betreibt, wenn automatische Modelle in Sekundenbruchteilen Risikourteile fällen.
Souveräne Modelle statt fremder Blackbox
Indien diskutiert zudem einen jährlichen souveränen KI-Fonds von fünf Milliarden Dollar und die Entwicklung kleiner Sprachmodelle für lokale Sprachen und konkrete Anwendungsfälle. Im Kontext von UPI ist das mehr als Industriepolitik. Zahlungsverkehr ist kritische Infrastruktur. Wer dort Modelle, Trainingsdaten, Schnittstellen und Risikoregeln kontrolliert, besitzt eine strategische Position.
Für NPCI und RBI liegt der Vorteil eigener oder stark lokal angepasster Modelle auf der Hand: weniger Abhängigkeit von ausländischen Basismodellen, bessere Anpassung an indische Sprachen, stärkere Kontrolle über regulatorische Anforderungen. Für private Anbieter ist das ambivalenter. PhonePe, Google Pay, Banken und Fintechs profitieren von einer sichereren und breiteren UPI-Schiene. Gleichzeitig verlieren sie Spielraum, wenn zentrale KI-Funktionen stärker von der Infrastruktur oder vom Regulator geprägt werden.
Die Gewinner dieser Entwicklung wären nicht automatisch die lautesten App-Anbieter. Gewinner wären jene Akteure, die an der regelsetzenden und technischen Kontrollschicht sitzen: NPCI, RBI, Banken mit belastbarer Risikotechnik und Anbieter, die lokale Modelle in reale Zahlungsprozesse integrieren können. Verlierer wären Anbieter, die nur eine Oberfläche besitzen und keine Antwort auf Sprache, Betrug, Haftung und Regulierung haben.
Eine Milliarde Transaktionen ist kein Selbstzweck
Das Ziel von einer Milliarde täglichen UPI-Transaktionen ist beeindruckend, aber als Kennzahl allein wenig aussagekräftig. Entscheidend ist, ob das System unter dieser Last fair, sicher und nachvollziehbar bleibt. KI kann helfen, Betrug schneller zu erkennen, neue Nutzer über Sprache einzubinden und Kleinkredite besser zu vermitteln. Sie kann aber auch neue Fehlerketten schaffen, die schwer zu prüfen sind.
Indiens Vorteil ist, dass diese Fragen nicht erst nach der vollständigen Kommerzialisierung gestellt werden. Der Staat, die Zentralbank und die Zahlungsinfrastruktur sind früh sichtbar in die KI-Architektur eingebunden. Das kann Schutz bieten. Es kann aber auch die Macht über Zahlungsvorgänge stärker zentralisieren.
Die nächste Phase von UPI wird deshalb nicht daran gemessen werden, ob KI im Zahlungsverkehr vorkommt. Das ist nahezu sicher. Sie wird daran gemessen werden, ob Indien eine Kontrollschicht baut, die Betrug eindämmt, Sprache ernst nimmt und Fehler begrenzt, ohne den Zahlungsalltag in eine undurchsichtige Modellentscheidung zu verwandeln.
Das ist weniger glamourös als die Zahl von einer Milliarde Transaktionen pro Tag. Aber es ist der Punkt, an dem sich entscheidet, ob Indiens Zahlungsmodell nur größer wird – oder auch robuster.
