KI-Agenten im Finanzwesen

Ein Chatbot beantwortet eine Frage. Ein Agent bekommt ein Ziel, zerlegt es in Schritte, führt sie mit Werkzeugen aus und prüft seine Arbeit, bevor er berichtet. Im Finanzwesen sind die Werkzeuge die Systeme eines Sachbearbeiters oder Analysten: Marktdaten, Kernbankensystem, Schadendatenbank, Sanktionsliste, Tabellenkalkulation. Die ESMA zählt sie in ihrer Umfrage zu KI an den EU-Wertpapiermärkten (auf Englisch) eigens: Agenten machten etwa ein Sechstel der Fälle aus und liefen öfter als andere KI mit hoher oder mittlerer Autonomie. Die meiste KI braucht noch bei jedem Schritt eine Freigabe; mit Agenten testen Firmen, wie viel davon ans Ende rücken kann.

Generative KI schreibt den Text, ein Agent entscheidet den nächsten Schritt. Die meisten Agenten im Finanzwesen nutzen ein Sprachmodell zum Planen und feste Regeln für alles, was Geld oder Daten bewegt. Die Seite zu generativer KI im Finanzbereich erklärt die Sprachmodelle darunter.

In der Versicherung bearbeitet das Projekt Nemo (auf Englisch) der Allianz in Australien Schäden durch verdorbene Lebensmittel nach Stürmen mit sieben Agenten, die Deckung prüfen, das Wetter abgleichen, auf Betrug prüfen und die Zahlung berechnen. Die Kette läuft in Minuten und verkürzt die Bearbeitung passender Fälle um 80 Prozent; über die Auszahlung entscheidet ein Mensch.

Im Privatkundengeschäft nennt Lloyds Banking Group (auf Englisch) ihren neuen App-Assistenten den ersten agentischen KI-Finanzassistenten Großbritanniens. Er gibt Einblicke zu Ausgaben, Budget, Sparen und Anlegen, zerlegt Anfragen in Schritte, macht aus Fragen zu Umsätzen Code, merkt sich Zusammenhänge und übergibt bei Bedarf an Fachleute. Vor dem Kundenstart testeten ihn 7.000 Beschäftigte.

Für Investment Banking und Research veröffentlichte Anthropic zehn Agentenvorlagen für Finanzdienstleister (auf Englisch) für seine Claude-Modelle, etwa für Pitchbooks, KYC-Prüfung, Analyse von Quartalszahlen und Monatsabschluss, mit Anbindung an FactSet, S&P Capital IQ, MSCI, PitchBook, Morningstar und LSEG. In Deutschland nutzt die Deutsche Bank Googles Research-Agenten in der Unternehmensbank, wie die Seite zu KI in Frankfurter Banken zeigt.

Finance-Loop-Mitglied Fayssal El Mofatiche schrieb mit Hanane Dupouy Building AI Agents for Finance, erschienen bei Packt. Das Buch baut Agenten für Fundamentalanalyse, Deep Research, Handel, Versicherung und Compliance in Python und widmet die zweite Hälfte Bewertung und Betrieb: kalibrierte LLM-Prüfer, Drift-Erkennung, Modellrisikoberichte, Tracing, Versionierung und Leitplanken mit menschlicher Aufsicht. Ein Beispiel ist ein Multi-Agenten-Ablauf für Versicherungsschäden von der Schadenmeldung über Deckungs- und Betrugsprüfung bis zur Compliance-Freigabe mit vollem Prüfpfad.

Genau das verlangen Modellrisiko- und Revisionsteams einer Bank, bevor ein Agent live geht: eine Messung, ein Protokoll jedes Werkzeugaufrufs und einen Menschen, der abzeichnet.

Die KI-Verordnung kennt keine eigene Kategorie für Agenten. Die Pflichten folgen dem Einsatz: Ein Agent, der die Bonität von Privatkunden bewertet, ist hochriskant, einer, der eine Research-Notiz entwirft, nicht, und einer im Kundenkontakt muss sich als KI zu erkennen geben. Nach MiFID II handelt ein Agent in Anlagedienstleistungen im besten Interesse des Kunden wie jedes andere Werkzeug der Firma. Die BaFin-Prinzipien für Algorithmen in Entscheidungsprozessen verlangen eine benannte Verantwortung je Modellphase, bei einem Agenten also für jedes Werkzeug, das er aufrufen darf.

Jeder Modellanbieter und jede Datenanbindung hinter einem Agenten ist ein IKT-Dienst nach DORA und gehört ins Informationsregister. Die Seite zur KI-Verordnung im Finanzsektor erklärt die Pflichten von Anbietern und Betreibern.

Finance Loop ist der Treffpunkt für Entwickler, die Agenten bauen, und für die Risiko-, Compliance- und Fachleute, die sie freigeben müssen. Das Netzwerk verbindet die Finance-, IT- und KI-Communitys in Deutschland, Österreich und der Schweiz, mit Events in Frankfurt, München, Berlin und Hamburg.

Fayssal El Mofatiche lehrt auch bei Claude Hacker House, der Claude-Praxisreihe, die Finance Loop mit Finteda und Frankfurt Data Science unterstützt. Bei fAInance, das Finance Loop vorstellte, ging es im Schlussvortrag von Parloa um agentische KI im Kundenerlebnis. KI Exchange in Hamburg hatte Agentic Banking im Programm, und beim Point Zero Forum in Zürich, an dem Finance Loop teilnahm, gehörten KI-Agenten, die Transaktionen ausführen, zum Thema. Capital & Code in Frankfurt, wo Finance Loop Medienpartner ist, hat einen Track zu Agentic Payments, die Software-Agenten für ein Unternehmen oder einen Kunden auslösen.

KI-Agenten arbeiten in mehreren Schritten auf ein Ziel hin: Sie planen, rufen Werkzeuge auf, prüfen Ergebnisse und wählen den nächsten Schritt. Generative KI erzeugt Inhalte in einem Zug; ein Agent kann sie als Baustein nutzen.

Die Schadenagenten der Allianz für Sturmschäden in Australien, der Finanzassistent von Lloyds in der App, Research-Agenten bei der Deutschen Bank und Vorlagen für Pitchbooks, KYC-Prüfung und Monatsabschluss. Überall gibt ein Mensch das Ergebnis frei.

Sie können Entscheidungen vorbereiten, verantwortlich bleibt die Bank. Bei Kreditentscheidungen für Privatkunden verlangt die KI-Verordnung menschliche Aufsicht, und die BaFin erwartet eine benannte Verantwortung für jedes Modell. Die genannten Firmen lassen einen Menschen entscheiden.

Bei Claude Hacker House in Frankfurt, wo Finanz- und Tech-Leute an einem Abend Prototypen bauen, und bei den Finance-Loop-Events auf der Event-Seite und im Kalender oben.