KI-Agenten: Banken stehen vor dem Sprung vom Piloten in den Produktivbetrieb

Autonome KI-Agenten versprechen gerade Banken und Finanzdienstleistern erhebliche Effizienzgewinne: Sie könnten beispielsweise Serviceprozesse koordinieren, Informationen aus mehreren Systemen zusammenführen oder standardisierte Arbeitsschritte eigenständig ausführen. In der Unternehmenspraxis steckt Agentic AI allerdings noch weitgehend in der Erprobungsphase. Laut einer aktuellen Lünendonk-Studie testen 58 Prozent der befragten Unternehmen KI-Agenten in ersten Pilotprojekten, weitere 18 Prozent befinden sich noch in der Explorations- und Testphase.

Die Studie „Agentic AI: vom Copiloten zum Autopiloten“ zeigt damit eine deutliche Lücke zwischen strategischer Bedeutung und praktischer Umsetzung. 19 Prozent der Unternehmen setzen KI-Agenten bereits in einzelnen Aufgabenbereichen produktiv ein. Eine durchgängige Ende-zu-Ende-Integration über mehrere Kernprozesse hinweg haben dagegen erst ein Prozent der Befragten erreicht. Für Banken ist genau diese Integration entscheidend. Ein KI-Agent entfaltet seinen Nutzen schließlich erst dann vollständig, wenn er nicht nur Informationen zusammenfasst, sondern auf verschiedene Datenquellen und Anwendungen zugreifen, Prozesse anstoßen und deren Ergebnisse weiterverarbeiten kann. Denkbar sind Anwendungen etwa im Kundenservice, bei internen Recherche- und Dokumentationsaufgaben, im Zahlungsverkehr oder bei der Unterstützung von Compliance-Prozessen. Gleichzeitig steigen damit die Anforderungen an Berechtigungen, Nachvollziehbarkeit und Kontrolle.

Das Interesse an der Technologie ist dennoch groß. 96 Prozent der Befragten erwarten durch KI-Agenten Effizienzsteigerungen und Kostensenkungen, 90 Prozent versprechen sich schnellere und flexiblere Prozesse.

Die strategische Relevanz von autonomen KI-Agenten ist in der Breite angekommen. Was fehlt, ist die operative Konsequenz: Unternehmen müssen den Übergang vom Piloten in den Regelbetrieb aktiv gestalten – mit klaren Prozessverantwortlichkeiten, belastbaren Datenarchitekturen und einer durchdachten Governance.“

Tobias Ganowski, Senior Consultant und Studienautor bei Lünendonk

Von der KI-Demo zum belastbaren Bankprozess

Wie schwierig dieser Schritt ist, zeigt ein weiteres Ergebnis der Untersuchung. Bei 66 Prozent der Unternehmen hat bislang weniger als ein Viertel der gestarteten KI-Pilotprojekte den Sprung in den produktiven Betrieb geschafft. Als Ursachen nennt Lünendonk unter anderem fehlende technologische Voraussetzungen, unzureichende Datenanbindungen sowie Sicherheits- und Datenschutzbedenken.
Gerade Finanzinstitute dürften diese Probleme gut kennen. Viele Prozesse verteilen sich über Kernbankensysteme, Fachanwendungen, Dokumentenarchive und Datenplattformen. Ein KI-Agent, der über solche Systemgrenzen hinweg selbstständig tätig werden soll, benötigt nicht nur Schnittstellen, sondern auch klar definierte Zugriffsrechte und Kontrollmechanismen. Hinzu kommt die Frage, welche Aktionen ein Agent eigenständig ausführen darf und an welcher Stelle ein Mitarbeiter freigeben muss.

Damit unterscheidet sich Agentic AI deutlich vom bisherigen Einsatz generativer KI als Chatbot oder Copilot. Je stärker ein System selbstständig handelt, desto wichtiger werden Protokollierung, Governance und eindeutige Verantwortlichkeiten – insbesondere in regulierten Branchen wie Banking und Versicherungen.

Daten und Plattformen werden zur Voraussetzung

Entsprechend wollen die Unternehmen in den kommenden beiden Jahren vor allem in das technische Fundament investieren. 98 Prozent planen starke Investitionen in Datenqualität und Datenintegration, 94 Prozent in Orchestrierungsplattformen und IT-Infrastruktur. Schulungen und Change Management stehen ebenso wie KI-Compliance bei jeweils 87 Prozent im Fokus. Eine Ablösung bestehender Anwendungen durch KI-Agenten erwarten die meisten Unternehmen dagegen nicht. 73 Prozent gehen davon aus, dass Agenten vorhandene Systeme ergänzen und komplette Prozessketten über mehrere Anwendungen hinweg orchestrieren werden. Voraussetzung dafür sind offene Schnittstellen und zunehmend ereignisgesteuerte Architekturen.

Für Banken könnte Agentic AI damit zugleich zu einem weiteren Treiber der IT-Modernisierung werden. Denn der Aufbau leistungsfähiger Agentensysteme stößt schnell dort an Grenzen, wo Daten nur schwer zugänglich sind, Schnittstellen fehlen oder Prozesse über historisch gewachsene Systeme verteilt sind. Der eigentliche Aufwand dürfte deshalb vielfach weniger im KI-Modell selbst liegen als in der Integration in die bestehende Bank-IT. Für die Studie befragte Lünendonk 180 CIOs, IT-Bereichsleiter und Fachverantwortliche aus Konzernen und Unternehmen des gehobenen Mittelstands in Deutschland, Österreich und der Schweiz. Die Untersuchung ist branchenübergreifend und entstand in Zusammenarbeit mit Cosmo Consult, HyPlus, Materna, Reply, Sopra Steria und Woodmark.tw