Wo agentische KI im Finanzwesen hingehört – und wo nicht

Die Einführung ist schneller vorangeschritten, als die meisten erwartet hätten. 2026 geben rund 44 % der Finanzteams an, agentische KI einzusetzen – ein deutlicher Sprung gegenüber dem Vorjahr –, und der Markt dafür dürfte bis 2030 auf knapp 33 Milliarden US-Dollar anwachsen. Banken setzen Agenten bereits in der Kreditvergabe, im Underwriting, in der Betrugserkennung, im AML/KYC-Monitoring und im Portfoliobetrieb ein. Die technische Frage ist weitgehend geklärt. Die Designfrage ist es nicht.

Der Fehler, den wir immer wieder sehen: Man behandelt „agentisch“ als eine einzige Fähigkeit, die man für einen ganzen Prozess einschaltet. So einfach ist es nicht. Ein Agent, der ein Kreditvotum entwirft, und ein Agent, der den Kredit genehmigt, sind grundverschiedene Geschöpfe mit unterschiedlichen Fehlerkosten – selbst wenn darunter dasselbe Modell arbeitet.

Sortieren Sie die Arbeit nach den Kosten eines Fehlers

Unser erster Schritt bei jedem agentischen Projekt ist unspektakulär und erspart viel Ärger. Wir zerlegen den Workflow in einzelne Schritte und stellen pro Schritt eine Frage: Wenn der Agent das falsch macht, wie teuer wird es, und lässt es sich rückgängig machen?

Wo eine falsche Antwort günstig und reversibel ist, geben Sie dem Agenten freie Hand. Das deckt einen erstaunlich großen Teil der realen Finanzarbeit ab:

• Entwürfe: ein erster Entwurf eines Kreditvotums, eine Deal-Zusammenfassung, eine Kunden-E-Mail, die ein Mensch redigiert, bevor sie hinausgeht
• Triage und Weiterleitung: das Sortieren einer AML-Alarmwarteschlange nach wahrscheinlicher Schwere, das Kennzeichnen, welche KYC-Fälle ein menschliches Auge brauchen
• Abruf und Extraktion: das Herausziehen von Kennzahlen aus Geschäftsberichten, das Zusammentragen von Kontrahentendaten, das Bereitstellen der Grundlagen für eine Entscheidung statt der Entscheidung selbst

In all diesen Fällen produziert der Agent etwas, das ein Mensch prüft, bevor es Konsequenzen hat. Ein schlechter Entwurf kostet ein paar Minuten. Genau dort gehören autonome Workflows hin.

Wo eine falsche Antwort teuer ist, verantwortet ein Mensch die Entscheidung. Eine Kreditentscheidung, ein Trade, eine Zahl, die einem Kunden oder einer Aufsichtsbehörde vorgelegt wird: Diese brauchen einen menschlichen Freigabeschritt – nicht weil der Agent nicht vertrauenswürdig wäre, sondern weil die Kosten eines unentdeckten Fehlers die Kosten der Prüfung um ein Vielfaches übersteigen. Human-in-the-Loop-KI ist keine Übergangsphase, aus der man irgendwann herauswächst. Für folgenreiche Entscheidungen ist sie das Design.

Das Risiko, das sich leise einschleicht

Das schwierigere Problem sind kontinuierlich lernende Agenten. Ein Agent, der sein Verhalten anhand neuer Daten anpasst, ist verlockend – und er driftet. Was er im März tut, muss nicht dem entsprechen, was er im Januar getan hat, und wenn Sie jede Interaktion zum Training aufbewahren, haben Sie ein Datenaufbewahrungs- und Governance-Risiko geschaffen, das die Rechtsabteilung früher oder später aufdeckt. In einem regulierten Umfeld ist ein Agent, dessen Entscheidungslogik Sie im Nachhinein nicht rekonstruieren können, eine Haftungsgefahr – wie gut er im Aggregat auch abschneiden mag.

Deshalb behandeln wir die Autonomie des Agenten als etwas, das man bewusst gewährt und auf Architekturebene begrenzt. Vier Leitplanken erledigen den Großteil der Arbeit:

• Begrenzte Werkzeuge. Der Agent kann nur die Funktionen aufrufen, die er braucht. Ein Triage-Agent hat keinen Weg, Geld zu bewegen. Die Befugnis ist durch das begrenzt, was Sie verdrahten, nicht durch das, was Sie ihm zu unterlassen auftragen.
• Protokollierte Aktionen. Jeder Werkzeugaufruf und jede Ausgabe wird mitsamt der Eingaben aufgezeichnet, sodass Sie jede Entscheidung wiederholen und einen Prüfpfad vorlegen können, wenn jemand fragt, wie ein bestimmtes Ergebnis zustande kam.
• Ein menschlicher Freigabeschritt bei allem Unumkehrbaren oder Kundenseitigen, gesetzt genau an dem Punkt, an dem die Kosten Ihre Schwelle überschreiten.
• Überwachung auf stilles Versagen. Der gefährliche Fehlermodus ist nicht der Agent, der mit einem Fehler abbricht, sondern der, der weiterhin selbstbewusste, falsche Antworten liefert. Wir halten ein Eval-Set bereit, gegen das der Agent planmäßig läuft, sodass Drift sich als sinkende Kennzahl zeigt – und nicht als Überraschung zum Quartalsende.

Was das für Sie bedeutet

KI-Agenten in Finanzdienstleistungen sind wirklich nützlich, und die Teams, die echten Wert aus ihnen ziehen, sind nicht jene mit den autonomsten Systemen. Es sind die, die eine klare Linie gezogen haben: Agenten erledigen das Sammeln, Entwerfen und Sortieren in hohem Tempo, und Menschen behalten die Hand an den Entscheidungen, die echtes Geld kosten. Begrenzen Sie die Werkzeuge, protokollieren Sie die Aktionen, setzen Sie die Freigabe dorthin, wo das Risiko sitzt, und achten Sie auf das Versagen, das sich nicht selbst ankündigt.

Wenn Sie ein agentisches Projekt zuschneiden und der Plan lautet „den Agenten den ganzen Prozess übernehmen lassen“, dann ist genau das der Punkt, den man sich noch einmal genau ansehen sollte, bevor irgendetwas in den Produktivbetrieb geht.