Der Finanzsektor erlebt einen tiefgreifenden Wandel in seinem Verhältnis zur Künstlichen Intelligenz, der über bloße Automatisierungsunterstützung hinausgeht und sich der agentischen KI zuwendet, die komplexe Aufgabenabfolgen eigenständig ausführen kann. Diese Entwicklung, die durch jüngste Fortschritte von Unternehmen wie Catena Labs, Primitive und Saris hervorgehoben wird, zwingt Banken dazu, sich einer entscheidenden Frage zu stellen: Wer zeichnet letztendlich für die Entscheidungen der Maschine verantwortlich, wenn die Software selbst den Prozess steuert?
Seit Jahren sind Banken mit der Automatisierung vertraut. Software überprüft routinemäßig Transaktionen, kennzeichnet verdächtige Aktivitäten, leitet Dokumente weiter, erstellt Berichte und steigert die Effizienz der Mitarbeiter. Diese Systeme unterstützen primär menschliche Entscheidungen, treffen sie aber selten selbst. Agentische KI hingegen bietet einen grundlegend anderen Ansatz. Anstatt lediglich einen Mitarbeiter zu unterstützen, kann diese fortschrittliche Software eine Abfolge von Aufgaben autonom ausführen. Sie kann Informationen aus verschiedenen Systemen sammeln, Dokumentationen überprüfen, Workflow-Schritte abschließen, Ausnahmen eskalieren und einen Prozess mit erheblich reduziertem menschlichen Eingriff zum Abschluss bringen.
Die Infrastruktur für diese in Finanzinstituten tätigen KI-Agenten entwickelt sich rasant. Unternehmen wie Catena Labs, Primitive und Saris konzentrieren sich darauf, Software tiefer in Prozesse zu integrieren, die historisch auf menschlichem Urteilsvermögen und menschlicher Aufsicht beruhten, und gehen dabei über einfache Chat-Schnittstellen oder Produktivitätstools hinaus. Die Anwendungen im Bankwesen sind umfassend und sofort ersichtlich. Finanzinstitute widmen erhebliche Ressourcen der Verwaltung von Kreditunterlagen, der Durchführung strenger Compliance-Prüfungen, der Untersuchung komplexer Betrugsfälle, der Kundenaufnahme und der Bearbeitung einer Vielzahl von Serviceanfragen. Viele dieser Aktivitäten erfordern von Mitarbeitern, Informationen aus mehreren Systemen sorgfältig zu sammeln, etablierte Regeln anzuwenden und die Arbeit zwischen verschiedenen Abteilungen zu koordinieren. Agentische KI verspricht, diese operative Belastung erheblich zu reduzieren.
Während der Wertbeitrag der agentischen KI aus Produktivitätssicht klar ist, wird die ihr innewohnende Governance-Herausforderung ebenso deutlich, wenn es um Rechenschaftspflicht geht. Ein Kreditberater könnte beispielsweise traditionell Software zur Organisation einer Akte verwenden. Mit agentischer KI könnte die Software beauftragt werden, fehlende Dokumente zu sammeln, Informationen zu validieren, Inkonsistenzen zu identifizieren, zusätzliche Materialien anzufordern und die Akte sogar für eine abschließende menschliche Überprüfung vorzubereiten. Ähnlich könnte ein Betrugsanalyst Technologie nutzen, um verdächtige Aktivitäten zu identifizieren. Ein KI-Agent könnte dann umfassende Kontohistorien zusammenstellen, Kundenakten abgleichen, Ergebnisse zusammenfassen und nächste Schritte empfehlen, bevor ein Mensch überhaupt in den Prozess eingreift. Die Delegation solcher Verantwortlichkeiten birgt jedoch erhebliche Herausforderungen und letztlich auch Haftungsrisiken.
Finanzinstitute ringen mit diesen Fragen in einer Zeit, in der die Anforderungen an das Risikomanagement bereits steigen. Laut PYMNTS Intelligence’s „State of Fraud and Financial Crime in the United States“ berichten bemerkenswerte 46 % der Finanzinstitute von einer zunehmenden Raffinesse bei Betrugsmaschen. Darüber hinaus nennen fast die Hälfte der von PYMNTS Intelligence und Block befragten Führungskräfte regulatorischen Druck als große Herausforderung, während 41 % auf den Druck hinweisen, der mit schnelleren und vielfältigeren Zahlungssystemen verbunden ist. Als Reaktion auf diese wachsenden Bedrohungen haben 68 % der Institutionen ihre Ausgaben für Betrugserkennungsfunktionen erhöht. Diese Zahlen unterstreichen, warum Diskussionen über agentische KI häufig eher auf Governance als ausschließlich auf ihre technischen Fähigkeiten zurückkommen.
Die Betonung der Kontrolle ist von größter Bedeutung. Wie in Ankündigungen von KI-Firmen erwähnt, hat Primitive beispielsweise ausdrücklich „Kontrollen, Messung und Aufsicht“ als zentrale Komponenten für den Einsatz von KI-Agenten in regulierten Umgebungen hervorgehoben. Dies spiegelt eine grundlegende Realität für jeden Bankmanager wider: Operative Autorität kann nicht einfach auf Software übertragen werden, ohne klare Grenzen dafür festzulegen, was die Software tun darf und wie ihre Aktionen streng überwacht werden. Die Komplexität wird durch die anhaltende Bedrohung durch Betrug weiter erhöht. Daten von PYMNTS Intelligence zeigen, dass Betrug durch unautorisierte Parteien mittlerweile 71 % der Betrugsfälle und Verluste ausmacht, hauptsächlich verursacht durch den Diebstahl von Zugangsdaten und Kontoübernahmen. Solche Ereignisse führen nicht nur zu direkten finanziellen Verlusten, sondern schädigen auch die Kundenbindung, den Ruf und führen zu verlorenen Geschäftsmöglichkeiten.
Die Einführung agentischer KI rückt die Frage der Autorität direkt in den Mittelpunkt. Banken müssen akribisch definieren, welche Aktionen ein KI-Agent autonom initiieren kann und welche Entscheidungen eine explizite menschliche Genehmigung erfordern. Kritische Überlegungen umfassen, wie Ausnahmen behandelt werden, wie alle Agentenaktionen umfassend dokumentiert werden und, am wichtigsten, wer die Rechenschaftspflicht trägt, wenn ein KI-Agent einen Fehler macht, der einen Kunden, eine Transaktion oder eine regulatorische Verpflichtung betrifft. Diese komplexen Fragen liegen genau an der Schnittstelle von fortschrittlicher Technologie und robusten Governance-Rahmenwerken. Jahrelang haben sich Finanzinstitute darauf konzentriert, die Fähigkeiten von Maschinen zu bestimmen. Die Diskussion hat sich nun entschieden auf das Ausmaß der Autorität verlagert, die sie diesen zunehmend fähigen Systemen zu gewähren bereit sind.
Während agentische KI im Bankensektor von der Konzeption zur operativen Realität wird, wird die Fähigkeit der Branche, Innovation mit strenger Kontrolle in Einklang zu bringen, ihren Erfolg bestimmen. Der fortlaufende Dialog wird sich nicht nur um technologischen Fortschritt drehen, sondern grundlegend darum, die Zusammenarbeit zwischen Mensch und Maschine und den letztendlichen Ort der Verantwortung in einer zunehmend automatisierten Finanzwelt neu zu definieren.
