Kurse zum Thema KI im Finanzwesen: Der vollständige Leitfaden für Schulungen im Jahr 2026

Die Finanzdienstleistungsbranche durchläuft derzeit einen grundlegenden Wandel, da künstliche Intelligenz die Art und Weise verändert, wie Fachleute Märkte analysieren, Risiken bewerten und Anlageentscheidungen treffen. Für Finanzfachleute, die auch im Jahr 2026 wettbewerbsfähig bleiben wollen, ist die Beherrschung von KI-Technologien kein optionales Extra mehr. Die Nachfrage nach Fachkräften, die sowohl Finanzgrundlagen als auch KI-Anwendungen verstehen, hat ein florierendes Ökosystem spezialisierter Weiterbildungsprogramme geschaffen, die darauf abzielen, diese entscheidende Qualifikationslücke zu schließen.

Die Schnittstelle zwischen KI und Finanzen verstehen

Künstliche Intelligenz hat die Finanzlandschaft in zahlreichen Bereichen grundlegend verändert. Von algorithmischen Handelssystemen, die Millionen von Transaktionen pro Sekunde ausführen, bis hin zu Modellen des maschinellen Lernens, die betrügerische Muster in Echtzeit erkennen – KI-Anwendungen sind aus dem modernen Finanzgeschäft nicht mehr wegzudenken.

Finanzinstitute setzen mittlerweile auf KI für die Bonitätsbewertung, die Portfoliooptimierung, die Automatisierung des Kundenservice, die Einhaltung gesetzlicher Vorschriften und Marktprognosen. Dieser Wandel erfordert Fachkräfte, die sowohl die technischen Möglichkeiten von KI-Systemen als auch die komplexen Anforderungen der finanziellen Entscheidungsfindung verstehen.

Warum Finanzfachleute heute KI-Kenntnisse benötigen

Die Integration von KI in den Finanzsektor eröffnet drei konkrete Möglichkeiten für den beruflichen Aufstieg:

• Verbesserte Analysefähigkeiten: KI-Tools verarbeiten riesige Datensätze schneller als herkömmliche Methoden und ermöglichen so komplexere Finanzmodellierungen
• Wettbewerbsvorteil: Fachkräfte mit KI-Know-how erzielen höhere Gehälter und haben Zugang zu Führungspositionen
• Zukunftssichere Karrieren: Angesichts zunehmender Automatisierung wird das Verständnis von KI-Systemen für strategische Funktionen unerlässlich

Untersuchungen zeigen, dass Finanzinstitute Milliarden in KI-Infrastruktur investieren, was eine anhaltende Nachfrage nach Fachkräften schafft, die diese Systeme implementieren, verwalten und optimieren können. Die Kluft zwischen verfügbarem Fachpersonal und der Marktnachfrage wird immer größer, wodurch spezialisierte Weiterbildungen zunehmend an Wert gewinnen.

Kernkomponenten einer effektiven KI-Schulung im Finanzbereich

Hochwertige KI-Kurse im Finanzbereich weisen mehrere wesentliche Merkmale auf, die sie von allgemeinen KI- oder Finanzprogrammen unterscheiden. Diese Kurse verbinden fachspezifisches Wissen mit technischen Fähigkeiten und schaffen so eine praktische Grundlage für die Anwendung in der Praxis.

Lehrplanstruktur und Lernpfade

Die effektivsten Programme gliedern die Inhalte in aufeinander aufbauende Lernmodule:

1. Grundlagenvermittlung: Einführung in KI-Konzepte, Grundlagen des maschinellen Lernens und Analyse von Finanzdaten
2. Praktische Anwendungen: Praktische Erfahrungen mit algorithmischem Handel, Risikomodellierung und Betrugserkennung
3. Fortgeschrittene Techniken: Deep Learning, Verarbeitung natürlicher Sprache für Finanzdokumente und bestärkendes Lernen
4. Implementierungsstrategien: Modellbereitstellung, Einhaltung gesetzlicher Vorschriften und ethische Überlegungen zur KI

Programme wie die „AI for Finance Specialization“ von Coursera legen den Schwerpunkt auf praxisorientiertes Lernen, ohne dass umfangreiche technische Vorkenntnisse erforderlich sind, und machen sie somit für Finanzfachleute zugänglich, die in KI-gestützte Aufgabenbereiche wechseln möchten.

Führende Anbieter von Kursen zum Thema KI im Finanzwesen

Mehrere Institutionen haben sich als führende Anbieter von KI-Kursen im Finanzbereich etabliert und bieten je nach Ihren Lernzielen und Ihrer Karrierestufe jeweils unterschiedliche Vorteile.

Universitäre Programme

Akademische Einrichtungen bringen forschungsgestützte Lehrpläne und anerkannte Abschlüsse in die KI-Finanzausbildung ein. Das Zertifikatsprogramm „KI im Finanzwesen“ der Cornell University bietet strukturierten, von Dozenten geleiteten Unterricht, der theoretische Grundlagen mit praktischen Anwendungen verbindet. Diese Programme bieten in der Regel:

Der Kurs „Künstliche Intelligenz für die Finanzbranche“ der UC San Diego konzentriert sich auf praktische Fähigkeiten im algorithmischen Handel und im Risikomanagement und vermittelt gezieltes Fachwissen für Fachleute, die dieses Wissen sofort anwenden möchten.

Plattformen für berufliche Weiterbildung

Online-Lernplattformen haben den Zugang zu spezialisierten KI-Schulungen einem breiten Publikum erschlossen. Bei MammothClub haben wir Tausende von On-Demand-Kursen zusammengestellt, die es Finanzfachleuten ermöglichen, in ihrem eigenen Tempo zu lernen und gleichzeitig ihre berufliche Entwicklung voranzutreiben. Diese Plattformen zeichnen sich durch aktuelle, branchenrelevante Inhalte aus, die mit dem technologischen Fortschritt Schritt halten.

Der Kurs „KI und Finanzen“ des MIT zeigt, wie renommierte Institutionen sich an Online-Vermittlungsmodelle anpassen, und bietet Einblicke in verstärktes Lernen und große Sprachmodelle, die auf Anlagestrategien angewendet werden.

Technische Fähigkeiten, die durch KI-Finanzschulungen erworben werden

Zu verstehen, was Sie in Kursen zum Thema KI und Finanzen tatsächlich lernen werden, hilft dabei, realistische Erwartungen zu setzen und Ziele für die Karriereplanung zu formulieren. Diese Programme vermitteln sowohl technische Fähigkeiten als auch Fachwissen im Finanzbereich.

Maschinelles Lernen für Finanzanwendungen

Die meisten umfassenden Studiengänge behandeln Algorithmen des überwachten Lernens zur Kursprognose, des unüberwachten Lernens zur Marktsegmentierung sowie des verstärkenden Lernens zur Portfoliooptimierung. Sie arbeiten mit Python-Bibliotheken wie scikit-learn, TensorFlow und PyTorch und wenden diese auf Finanzdatensätze an.

Zu den wichtigsten technischen Kompetenzen gehören:

• Datenvorverarbeitung und Feature-Engineering für finanzielle Zeitreihen
• Modellbewertung mithilfe von Backtesting- und Kreuzvalidierungstechniken
• Hyperparameter-Optimierung zur Verbesserung der Vorhersagegenauigkeit
• Integration in Handelsplattformen und Finanz-APIs

Für diejenigen, die an der praktischen Umsetzung interessiert sind, bietet die Suche nach den besten KI-Kursen einen breiteren Kontext zu ergänzenden Fähigkeiten, die die finanzspezifische Ausbildung bereichern.

Natürliche Sprachverarbeitung im Finanzwesen

NLP-Anwendungen sind mittlerweile unverzichtbar für die Analyse von Gewinn- und Verlustrechnungen, der Stimmung in den Nachrichten, behördlichen Meldungen und Trends in den sozialen Medien. Fortgeschrittene KI-Kurse im Finanzbereich vermitteln Techniken zur Gewinnung verwertbarer Erkenntnisse aus unstrukturierten Textdaten.

Dazu gehören die Stimmungsanalyse zur Marktprognose, die Erkennung benannter Entitäten zur Identifizierung wichtiger Finanzakteure sowie die Dokumentenzusammenfassung zur Steigerung der Forschungseffizienz. Die Forschung zu großen Sprachmodellen im Finanzwesen verdeutlicht, wie diese Technologien die Art und Weise, wie Finanzfachleute Informationen verarbeiten, zunehmend verändern.

Spezialisierte Anwendungen und fortgeschrittene Themen

Über die grundlegenden Kenntnisse hinaus befassen sich fortgeschrittene KI-Kurse im Finanzbereich mit anspruchsvollen Anwendungen, die spezifische Herausforderungen und Chancen der Branche adressieren.

Algorithmischer Handel und quantitative Finanzwissenschaft

Der algorithmische Handel stellt eine der technisch anspruchsvollsten Anwendungen von KI im Finanzwesen dar. Diese spezialisierten Programme vermitteln Kenntnisse in den Bereichen Strategieentwicklung, Backtesting-Frameworks, Risikomanagementprotokolle und Ausführungsoptimierung. Die Kurse „KI für Finanzen und Handel“ von Udacity bieten praktische Erfahrungen bei der Entwicklung und dem Einsatz von Handelsalgorithmen.

Die Teilnehmer lernen, Strategien auf der Grundlage statistischer Arbitrage, Momentum-Indikatoren und Mean-Reversion-Mustern zu entwerfen. Der Lehrplan umfasst in der Regel die Positionsgrößenbestimmung, die Analyse von Transaktionskosten und das Slippage-Management – praktische Aspekte, die erfolgreiche Implementierungen von theoretischen Übungen unterscheiden.

Wer sich speziell für diesen Anwendungsbereich interessiert, sollte sich auch die speziellen KI-Handelskurse ansehen, um gezielte Lernpfade zu verfolgen.

Risikomanagement und Betrugserkennung

Finanzinstitute verlieren jährlich Milliarden durch Betrug, weshalb Erkennungssysteme zu einer kritischen Infrastruktur geworden sind. Die KI-gestützte Betrugserkennung kombiniert Algorithmen zur Anomalieerkennung, Netzwerkanalyse und Verhaltensprofilierung, um verdächtige Muster in Echtzeit zu identifizieren.

Zu den Anwendungen im Risikomanagement zählen Kreditbewertungsmodelle, die Bewertung von Marktrisiken, die Quantifizierung operationeller Risiken und Stresstests. Diese Systeme müssen ein Gleichgewicht zwischen Sensitivität (Erkennung echter Bedrohungen) und Spezifität (Vermeidung von Fehlalarmen, die legitime Transaktionen stören) herstellen.

Ethische Überlegungen und verantwortungsvolle KI-Implementierung

Da KI-Systeme zunehmend weitreichende finanzielle Entscheidungen treffen, wird es unerlässlich, die ethischen Implikationen zu verstehen. Hochwertige KI-Kurse im Finanzbereich befassen sich mit Verzerrungen in Kreditalgorithmen, Transparenzanforderungen und Rahmenbedingungen zur Einhaltung gesetzlicher Vorschriften.

Erklärbare KI bei der finanziellen Entscheidungsfindung

Die Forschung zur erklärbaren KI im Finanzwesen unterstreicht die Bedeutung der Interpretierbarkeit von Modellen für den Aufbau von Vertrauen und die Erfüllung regulatorischer Anforderungen. Finanzfachleute müssen KI-gesteuerte Entscheidungen gegenüber Stakeholdern, Aufsichtsbehörden und betroffenen Kunden erläutern können.

Dazu gehört das Verständnis von LIME- (Local Interpretable Model-agnostic Explanations) und SHAP- (SHapley Additive exPlanations) Werten sowie von Aufmerksamkeitsmechanismen in neuronalen Netzen. Für Fachleute, denen eine ethische Umsetzung am Herzen liegt, bieten Kurse zum Thema verantwortungsvolle KI ergänzende Perspektiven.

Einhaltung gesetzlicher Vorschriften und Modellvalidierung

Finanz-KI-Systeme unterliegen einer strengen behördlichen Aufsicht. Schulungsprogramme behandeln zunehmend Rahmenwerke zur Modell-Governance, Validierungsverfahren und Dokumentationsanforderungen, die von den Aufsichtsbehörden vorgeschrieben werden. Das Verständnis dieser Anforderungen beugt kostspieligen Compliance-Verstößen und Reputationsschäden vor.

Die Wahl des richtigen Schulungsprogramms für KI im Finanzwesen

Angesichts der zahlreichen verfügbaren Optionen erfordert die Auswahl der am besten geeigneten KI-Kurse im Finanzbereich die Abwägung verschiedener Faktoren, die auf Ihre Karriereziele und Ihren aktuellen Kenntnisstand abgestimmt sind.

Bewertungskriterien für die Programmauswahl

Berücksichtigen Sie bei der Bewertung der Studiengänge folgende Aspekte:

1. Voraussetzungen und Zugangsvoraussetzungen: Einige Programme setzen Programmiererfahrung voraus, während andere bei den Grundlagen ansetzen
2. Zeitaufwand und Flexibilität des Zeitplans: Intensivprogramme im Bootcamp-Stil im Vergleich zum Lernen im eigenen Tempo
3. Praktische Projektkomponenten: Zugang zu echten Finanzdatensätzen und praktische Erfahrungen bei der Umsetzung
4. Karriereunterstützung: Hilfe bei der Stellensuche, Networking-Möglichkeiten und Branchenkontakte
5. Kosten im Verhältnis zum Nutzen: ROI basierend auf der Anerkennung der Abschlüsse und der Kompetenzentwicklung

Der Coursera-Kurs „AI in Finance“ bietet Fachleuten ohne technischen Hintergrund leicht zugängliche Einstiegsmöglichkeiten und konzentriert sich auf praktische Anwendungen in den Bereichen Prognosen, Risikoanalyse und Betrugsaufdeckung.

Abstimmung der Weiterbildung auf die Karriereziele

Unterschiedliche Karrierewege profitieren von unterschiedlichen Ausbildungsansätzen:

Wer sich umfassendes Grundlagenwissen aneignen möchte, sollte sich zunächst mit Kursen zum Thema künstliche Intelligenz befassen, bevor er sich auf Finanzanwendungen spezialisiert.

Praxisorientiertes Lernen und praktische Umsetzung

Theoretisches Wissen ist ohne praktische Anwendungsfähigkeiten von geringem Wert. Die effektivsten KI-Kurse im Finanzbereich legen den Schwerpunkt auf projektbasiertes Lernen unter Verwendung realer Finanzdatensätze und branchenüblicher Tools.

Unverzichtbare Tools und Technologien

Professionelle KI-Finanzschulungen decken den gesamten Technologie-Stack ab:

• Programmiersprachen: Python (Hauptsprache), R (statistische Analyse), SQL (Datenverwaltung)
• ML-Frameworks: scikit-learn, TensorFlow, PyTorch, XGBoost
• Finanzbibliotheken: pandas, NumPy, QuantLib, Zipline
• Visualisierungstools: Matplotlib, Seaborn, Plotly, Tableau
• Cloud-Plattformen: AWS, Google Cloud, Azure für die Modellbereitstellung

Die Studierenden arbeiten mit Plattformen wie dem Bloomberg Terminal, Reuters Eikon und speziellen KI-Finanz-APIs. Das Verständnis der GPU-Anforderungen für das KI-Training wird beim Aufbau rechenintensiver Modelle relevant.

Aufbau eines Portfolios mit Finanz-KI-Projekten

Um Kompetenz unter Beweis zu stellen, sind konkrete Projektarbeiten erforderlich. Überzeugende Portfolios umfassen in der Regel:

• Kursprognosemodell: Zeitreihenprognosen für Aktien oder Kryptowährungen
• System zur Stimmungsanalyse: NLP-Anwendung zur Analyse der Auswirkungen von Nachrichten auf die Märkte
• Portfolio-Optimierer: Reinforcement-Learning-Ansatz zur Vermögensallokation
• Algorithmus zur Betrugserkennung: Erkennung von Anomalien zur Transaktionsüberwachung

Diese Projekte demonstrieren sowohl technische Fähigkeiten als auch Fachwissen im Finanzbereich und machen Bewerber für Arbeitgeber, die nach KI-versierten Finanzfachleuten suchen, attraktiver.

Neue Trends in der KI-Ausbildung im Finanzbereich

Der Bereich entwickelt sich rasant weiter, und die Kurse zum Thema KI im Finanzwesen werden kontinuierlich angepasst, um neue Technologien und Anwendungen einzubeziehen. Das Verständnis dieser Trends hilft Fachkräften dabei, in zukunftsrelevante Kompetenzen zu investieren.

Große Sprachmodelle und generative KI

Das Aufkommen von GPT-4 und ähnlichen Modellen hat neue Anwendungsmöglichkeiten in den Bereichen Finanzanalyse, Forschungsautomatisierung und Kundenkommunikation geschaffen. Schulungsprogramme befassen sich zunehmend mit Prompt-Engineering für Finanzanwendungen, der Feinabstimmung von Sprachmodellen anhand von Finanzdaten und der Integration von LLMs in bestehende Arbeitsabläufe.

Studien zur Bewertung der Glaubwürdigkeit von KI-Modellen bei der Beurteilung von Anlagerisiken unterstreichen die Notwendigkeit standardisierter Bewertungsrahmen, da diese Werkzeuge bei finanziellen Entscheidungen immer mehr Verbreitung finden.

Quantencomputing und fortgeschrittene Optimierung

Obwohl noch in den Kinderschuhen steckend, verspricht das Quantencomputing, die Portfoliooptimierung und die Risikomodellierung zu revolutionieren. Zukunftsorientierte KI-Kurse im Finanzbereich vermitteln Quantenkonzepte und deren potenzielle Anwendungsmöglichkeiten und bereiten Fachkräfte so auf den nächsten technologischen Wandel vor.

Nachhaltige Finanzen und ESG-Integration

KI-Tools analysieren bei Investitionsentscheidungen zunehmend ökologische, soziale und Governance-Faktoren. Schulungsprogramme befassen sich damit, wie maschinelles Lernen ESG-Risiken identifiziert, Nachhaltigkeitsauswirkungen misst und nichtfinanzielle Daten in traditionelle Analyserahmen integriert.

Unternehmensschulungen und Teamentwicklung

Unternehmen, die in KI-Kompetenzen investieren, benötigen koordinierte Teamschulungen statt individueller Weiterbildungen. Unternehmensspezifische KI-Kurse im Finanzbereich decken diesen Bedarf durch maßgeschneiderte Lehrpläne ab, die auf konkrete Geschäftsziele abgestimmt sind.

Konzeption von organisationalen Lernprogrammen

Effektive Unternehmensschulungsprogramme folgen einem strukturierten Ansatz:

1. Analyse der Kompetenzlücken: Bewertung der aktuellen Teamkompetenzen im Hinblick auf strategische KI-Ziele
2. Entwicklung maßgeschneiderter Lehrpläne: Anpassung der Inhalte an Anwendungsfälle und Daten des Unternehmens
3. Schrittweise Umsetzung: Durchführung der Schulungen im Einklang mit den Projektzeitplänen
4. Messung und Iteration: Nachverfolgung der Kompetenzentwicklung und Anpassung der Programme auf Basis der Ergebnisse

Unternehmen profitieren von Plattformen, die sowohl individuelle Lernpfade als auch teambasierte Projekte anbieten. Bei MammothClub liefern unsere Unternehmenszertifizierungsprogramme messbare Ergebnisse durch KI-gestützte Dashboards, die den Fortschritt verfolgen und den ROI aufzeigen.

Change Management und Einführung von KI

Technische Schulungen allein garantieren noch keine erfolgreiche KI-Implementierung. Umfassende Programme befassen sich mit dem organisatorischen Change Management und helfen Teams dabei, Widerstände zu überwinden, den Mehrwert zu vermitteln und eine funktionsübergreifende Zusammenarbeit zwischen Finanzfachleuten und Datenwissenschaftlern aufzubauen.

Kontinuierliches Lernen und Kompetenzaufbau

Die KI-Technologie entwickelt sich so rasant weiter, dass die anfängliche Schulung nur den Anfang eines fortlaufenden Lernprozesses darstellt. Erfolgreiche Finanzfachleute entwickeln Gewohnheiten zur kontinuierlichen Weiterentwicklung ihrer Kompetenzen.

Sich über Forschungsergebnisse und bewährte Verfahren auf dem Laufenden halten

Umfassende Übersichten über KI-Anwendungen im Finanzwesen bieten wertvolle Einblicke, um zu verstehen, wie sich die Techniken weiterentwickelt haben und in welche Richtung sich das Fachgebiet bewegt. Die regelmäßige Auseinandersetzung mit Fachliteratur, Branchenkonferenzen und Fachgemeinschaften sorgt dafür, dass die Kompetenzen auf dem neuesten Stand bleiben.

Fachleute sollten sich Zeit nehmen für:

• Wöchentliches Lernen: 3–5 Stunden für neue Tools, Techniken oder Anwendungen aufwenden
• Vierteljährliche Kompetenzbewertung: Bewertung neuer Fähigkeiten und Lücken
• Jährliche Rezertifizierung: Aktualisierung der Qualifikationsnachweise und Überprüfung des aktuellen Wissensstands

Viele KI-Kurse im Finanzbereich bieten Alumni-Communities und Ressourcen für kontinuierliches Lernen an, die die Weiterentwicklung über die Erstzertifizierung hinaus unterstützen.

Der Wert der Zertifizierung und ihre Auswirkungen auf die Karriere

Das Verständnis dafür, wie sich KI-Zertifizierungen im Finanzbereich auf den beruflichen Werdegang auswirken, hilft Fachkräften dabei, fundierte Entscheidungen über Investitionen in Fortbildungen zu treffen. Je nach Art des Arbeitgebers und den Anforderungen der jeweiligen Position haben verschiedene Zertifizierungen unterschiedliches Gewicht.

Branchenweite Anerkennung und Einstellungspräferenzen

Arbeitgeber legen zunehmend Wert auf nachgewiesene KI-Kompetenzen neben traditionellen Finanzqualifikationen wie CFA oder FRM. Eine Kombination aus anerkannten Zertifizierungen und praktischer Projekterfahrung schafft das überzeugendste Bewerberprofil.

Personalverantwortliche legen Wert auf:

• Praktische Projekterfahrung vor theoretischem Wissen
• Vertrautheit mit der produktiven Umsetzung, nicht nur mit der Modellentwicklung
• Verständnis für Finanzvorschriften und Compliance-Anforderungen
• Die Fähigkeit, technische Konzepte nicht-technischen Entscheidungsträgern zu vermitteln

Wer eine umfassende KI-Ausbildung anstrebt, sollte auch breit angelegte KI- und ML-Kurse in Betracht ziehen, die branchenübergreifend anwendbares Grundwissen vermitteln.

Auswirkungen auf das Gehalt und ROI-Analyse

Die Investition in KI-Kurse im Finanzbereich zahlt sich in der Regel in Form messbarer beruflicher Vorteile aus. Fachkräfte mit KI-Kenntnissen erzielen Gehaltsaufschläge von 15 bis 30 % im Vergleich zu Kollegen mit gleicher Berufserfahrung, die jedoch nur über traditionelle Kompetenzen verfügen.

Bei der ROI-Berechnung sollten direkte Kosten (Kursgebühren, Materialien), indirekte Kosten (Zeitaufwand) und erwartete Vorteile (Gehaltserhöhung, Aufstiegsmöglichkeiten, Arbeitsplatzsicherheit) berücksichtigt werden. Die meisten Fachkräfte amortisieren ihre Investitionen in die Weiterbildung innerhalb von 12 bis 18 Monaten durch eine höhere Vergütung oder neue Karrieremöglichkeiten.

Die Beherrschung von KI-Anwendungen im Finanzwesen hat sich angesichts der rasanten Entwicklung der Branche von einem Wettbewerbsvorteil zu einer beruflichen Notwendigkeit gewandelt. Das richtige Weiterbildungsprogramm beschleunigt Ihren Weg durch strukturiertes Lernen, praktische Erfahrungen und anerkannte Zertifikate, die Ihre Fachkompetenz bestätigen. Ganz gleich, ob Sie als Finanzfachkraft Ihre technischen Fähigkeiten erweitern möchten oder als Datenwissenschaftler auf Finanzanwendungen spezialisiert sind – die Investition in gezielte Weiterbildung zahlt sich messbar für Ihre Karriere aus. MammothClub bietet über 3.000 KI- und Technikkurse, interaktive Bootcamps sowie Zertifizierungsprogramme für Unternehmen an, die darauf ausgelegt sind, Fachkräften und Organisationen dabei zu helfen, KI-gestützte Finanzkompetenzen effizient zu erlernen. Unsere KI-gestützten Lern-Dashboards verfolgen den Fortschritt und liefern personalisierte Empfehlungen, sodass Ihre Investition in die Weiterbildung in konkrete Ergebnisse mündet, die Ihre Wettbewerbsfähigkeit in der sich rasant wandelnden Finanzlandschaft sichern.