Agentic AI im Finanzwesen: Wie Datenleiter sicher skalieren

Über ganz Europa hinweg stehen Datenleiter im Finanzdienstleistungssektor vor einer Herausforderung – sie wollen AI-Tools implementieren und skalieren, sind aber durch Compliance, Risikomanagement und die Herausforderung, messbaren Wert nachzuweisen, eingeschränkt. Laut unserer CDO Insights 2025-Umfrage sagen mehr als 97% der globalen Datenleiter, dass sie Schwierigkeiten haben, den Geschäftswert von generativer AI klar zu demonstrieren. Und während 87% planen, ihre Investitionen in AI zu beschleunigen, geben 67% zu, dass sie weniger als die Hälfte ihrer AI-Pilotprojekte in den Vollbetrieb überführt haben.

Einer der größten Hindernisse ist die Sicherung der Unterstützung der Führungsebene. Mehr als ein Drittel (35%) sagt, dass die Sicherung der Unterstützung und die Demonstration des Wertes eine der größten Herausforderungen ist, die die Einführung von AI behindert. Das bedeutet, dass viele in einer Warteschleife stecken, zögern, sich für eine weitergehende Einführung zu entscheiden, ohne messbare Beweise.

Diese Zögerlichkeit steht in scharfem Kontrast zu dem Potenzial der Technologie. McKinsey schätzt, dass AI und Analytics bis zu 1 Billion Dollar zusätzlichen jährlichen Wert für die globale Bankenbranche liefern könnten, während generative AI allein bis zu 340 Milliarden Dollar zum Betriebsgewinn beitragen könnte. Es ist eine Chance, die zu groß ist, um sie zu ignorieren – aber sie muss auf eine Weise angegangen werden, die Compliance sicherstellt, Vertrauen aufbaut und nachweisbare Renditen erzielt.

Der Weg nach vorne

Trotz erheblicher Gegenwindes gibt es Organisationen in Europa und auf der ganzen Welt, die ihre AI-Einführung vorantreiben und erkunden, wie sie die Vorteile von AI-Agenten nutzen können. Diejenigen, die den Finger am Puls haben, tun dies nicht, indem sie sich in komplexe, langfristige Deployments stürzen. Stattdessen gehen sie einen gemessenen Ansatz: Sie beginnen klein, bauen Vertrauen auf, demonstrieren Wert und skalieren nur dann auf, wenn die Technologie ihre Wirksamkeit bewiesen hat.

Die erfolgreichsten AI-Einführungen finden nicht über Nacht statt. Sie beginnen mit kleinen, hochwirksamen Schritten, die Vertrauen aufbauen und Ergebnisse liefern. Hier sind drei Schritte, um loszulegen.

1. Verwenden Sie AI, um Daten zu reinigen, bevor Sie skalieren

Selbst mit Compliance-Zustimmung sind AI-Systeme nur so stark wie die Daten, auf denen sie basieren. Eine schlechte Datenqualität wird Genauigkeit, Effizienz und Vertrauen untergraben. Tatsächlich sagen 43% der Datenleiter, dass Datenprobleme ihre größte Hürde bei der Skalierung von generativer AI sind.

Ermutigend ist, dass AI selbst dabei helfen kann, diese Datenprobleme zu beheben. Im Finanzdienstleistungssektor verwenden beispielsweise einige Unternehmen AI-Tools, um Daten zu reinigen, Duplikate zu entfernen, veraltete Einträge zu korrigieren und fehlende Datensätze zu lösen. Sobald die Daten konsistent und zuverlässig sind, können Unternehmen Follow-ups automatisieren, den Cashflow verbessern und mit größerem Vertrauen in ihre AI-gesteuerten Erkenntnisse operieren. Dies ist auch ein Top-Investitionspriorität. 86% der Datenleiter planen, ihre Ausgaben für Datenmanagement zu erhöhen, und fast die Hälfte davon nennt die Vorbereitung von Daten für AI als ihren Hauptmotivator.

2. Beginnen Sie mit fokussierten Executor-Agenten

Die Bereitstellung von “Executor”-Agenten mit einem engen Zweck ist einer der schnellsten Wege, um messbare Erfolge zu erzielen. Diese Agenten sind für sehr spezifische, gut definierte Aufgaben konzipiert, wie z. B. die Zusammenfassung von Besprechungen, die Verarbeitung von Standardtransaktionen oder die Kategorisierung von eingehenden Kundenanfragen.

Weil Executor-Agenten einfach zu überwachen sind, produzieren sie Ausgaben, die klar nachvollziehbar und leichter zu validieren sind. Dies reduziert nicht nur das operationale Risiko, sondern liefert auch frühe Beweise für Stakeholder, um die Zustimmung für eine weitergehende Einführung zu sichern.

Sobald der Erfolg mit Single-Task-Agenten nachgewiesen wurde, können Organisationen komplexere Agentic-Strukturen wie Planner und Orchestrator einführen, um Multi-Step-Workflows zu verarbeiten.

3. Automatisieren Sie Compliance-Berichterstellung

Compliance ist ein ressourcenintensiver Bereich im Finanzdienstleistungssektor. Regulatorische Berichterstattung erfordert oft die Erfassung und Abstimmung von Daten aus mehreren Quellen, ein Prozess, der Hunderte von Stunden in Anspruch nehmen und auf eine kleine Gruppe von geschulten Spezialisten angewiesen sein kann. AI eignet sich hier hervorragend, um zu testen und zu skalieren.

Sobald die zugrunde liegenden Daten gereinigt und strukturiert sind, kann AI einen Teil der Arbeit übernehmen. Zum Beispiel kann die Erstellung von BCBS 239-konformen Berichten teilweise automatisiert werden, indem Metadaten-Zuordnung mit Agentic-AI-Modellen kombiniert wird. Diese Systeme können genaue Erstentwürfe produzieren, die dann von Compliance-Offizieren überprüft werden, um die Bearbeitungszeit zu reduzieren und gleichzeitig die Qualität sicherzustellen.

Das Potenzial hier ist erheblich. McKinsey hebt ein globales Bankhaus hervor, das durch die Einführung eines “AI-Agenten-Fabrik”-Ansatzes Produktivitätsgewinne von 200% bis 2.000% bei Know-Your-Customer-(KYC)-Prozessen erzielt hat. Sie behielten die menschliche Aufsicht, automatisierten aber die zeitaufwändigsten Schritte.

Lektionen aus der Datenreise einer multinationalen Bank

Eine niederländische multinationale Bank erkannte die Wichtigkeit des Aufbaus von Datenfundamenten für den Erfolg von AI. Sie erkannte die Wichtigkeit des Datenmanagements und machte es zu einer Priorität. Sie investierte in die richtigen organisatorischen Prozesse, um die Lieferung im großen Maßstab zu ermöglichen, und traf bewusste Entscheidungen, um Teams zu befähigen. Und sie gab Teams klare Richtlinien und starke cross-funktionale Zusammenarbeit, um erfolgreich zu sein. Diese Kombination aus vertrauenswürdigen Daten, befähigten Teams und klaren strategischen Richtlinien ist es, was AI ermöglicht, Geschäftswert zu liefern – nicht nur technologische Ergebnisse.

Impuls aufbauen, ohne die Kontrolle zu verlieren

Mit 76% der Finanzdienstleistungsunternehmen, die planen, Agentic-AI-Lösungen in den nächsten 12 Monaten einzuführen, baut sich der Impuls auf. Es ist jedoch klar, dass die erfolgreichsten Organisationen nicht in eine vollständige Transformation stürzen. Sie setzen AI strategisch ein, konzentrieren sich auf kleine, gut abgegrenzte Anwendungsfälle, die messbaren Wert liefern und die betriebliche Effizienz verbessern. Sie integrieren auch Governance in jeden Schritt, stellen sicher, dass Compliance-Teams frühzeitig und regelmäßig involviert sind.

Indem Unternehmen diesen inkrementellen Ansatz verfolgen, können sie die AI-Einführung beschleunigen, ohne Vertrauen oder regulatorische Ausrichtung zu opfern, und “klein anzufangen” von einer wahrgenommenen Einschränkung in eine bewusste, bewährte Wachstumsstrategie umwandeln. Bei der AI-Einführung zählt Geschwindigkeit, aber Sicherheit und Skalierbarkeit zählen noch mehr. Finanzdienstleistungsunternehmen, die klein anfangen, Wert nachweisen und mit Vertrauen skalieren, werden am besten platziert sein, um das trillionenfache Potenzial von AI zu erschließen.