KI-Agenten in der realen Umsetzung in Banken: Von Compliance-Screening bis zur Prozessneugestaltung

Der reale Einsatz von KI-Agenten in Banken: Von der Compliance-Überprüfung bis zur Prozessneugestaltung

Finanzkriminalitäts-Compliance ist einer der am stärksten regulierten Bereiche im Bankwesen. Da das Transaktionsvolumen um das Zehnfache wächst, stoßen herkömmliche, auf manueller Arbeit basierende Screening-Methoden an ihre Grenzen. Fintech-Unternehmen wie WorkFusion und Genpact bringen KI-Agenten in die Produktionsumgebung – Ersterer hat bereits über zehn Einsatzfälle in den Top-20-Banken realisiert, während Letzterer betont, dass KI-Agenten den Kontext von Geschäftsprozessen verstehen müssen, um echten Mehrwert zu schaffen.

Branchenhintergrund

Der Compliance-Druck auf Banken steigt kontinuierlich. Die Anzahl der Alarme in Bereichen wie Geldwäschebekämpfung, Sanktionsscreening und KYC übersteigt bei weitem die manuelle Verarbeitungskapazität. Laut Adam Famularo, CEO von WorkFusion, müsste eine große Bank etwa 1.800 zusätzliche Compliance-Analysten einstellen, um die regulatorischen Anforderungen allein durch menschliche Arbeitskraft zu erfüllen – mit extrem hohen Schulungs- und Bindungskosten. Gleichzeitig zwingt der Trend zur Echtzeit-Abwicklung von Zahlungen die Banken dazu, Screenings in kürzerer Zeit durchzuführen, wobei herkömmliche Batch-Verfahren kaum noch ausreichen.

Aktuelle Entwicklungen

WorkFusion: KI-Agenten von Pilotprojekten zur skalierbaren Produktion

WorkFusion (inzwischen von UiPath übernommen) konzentriert sich auf KI-Agenten für die Compliance bei Finanzkriminalität. Sein Produkt „Evan“ ist auf das Screening negativer Medien spezialisiert und hat an einem Tag 80 Millionen Entitäten gescannt. Famularo erklärt, dass KI-Agenten nicht mehr im Pilotstadium stecken: „Wir haben über zehn der 20 größten Banken der Welt, die KI-Agenten im Compliance-Bereich produktiv einsetzen.“

Zu den Kernanwendungen gehören Sanktionslistenscreening, Kunden-Name-Abgleich und Screening negativer Medienberichte. In diesen hochrepetitiven, kapazitätsintensiven Aufgaben können KI-Agenten 50-70 % der Fehlalarme automatisch verarbeiten, sodass sich Analysten auf komplexere Fälle konzentrieren können. Im Bereich Betrugsermittlung und KYC übernehmen KI-Agenten eine unterstützende Rolle, indem sie die Informationssuche vereinfachen und Analysten beschleunigen.

Famularo erwähnt auch eine kulturelle Innovation: WorkFusion gibt seinen KI-Agenten Namen, Gesichter und Identitäten, um Banken zu helfen, sie als „Mitarbeiter“ statt als Werkzeuge zu betrachten. Diese Gestaltung erleichtert es Banken, KI-Agenten als Teil des Teams zu akzeptieren, und nicht als bloße Ersatzlösung.

Genpact: KI-Agenten müssen den Kontext von Arbeitsabläufen verstehen

Anders als WorkFusion, das sich auf spezifische Aufgaben konzentriert, geht Genpact von Unternehmensgeschäftsprozessen aus. CEO Balkrishan Kalra weist darauf hin, dass der aktuelle Markt für KI-Agenten „viel Lärm“ macht, der wahre Unterschied jedoch darin liegt, ob sie die „letzte Meile“ im Unternehmensbetrieb bewältigen können – also Ausnahmen, Übergaben und Entscheidungen, die nicht durch standardisierte Software oder öffentlich zugängliche Trainingsdaten abgedeckt werden.Genpact und HFS Research veröffentlichten einen gemeinsamen Bericht, der zeigt, dass 85 % der Führungskräfte der Meinung sind, dass Technologie-, Daten-, Prozess- und Personalschulden den Wert von KI einschränken, und nur 6 % der Unternehmen diese Schulden effektiv abbauen können. Vijay Vijayasankar (Globaler KI-Agent-Chef bei Genpact) betont, dass Modelle selbst in Unternehmensumgebungen selten direkt funktionieren; es muss ein geeigneter Governance-Rahmen um das Modell herum aufgebaut werden.

Die Strategie von Genpact besteht darin, in den operativen Bereichen, in denen es stark ist – wie Finanzen, Beschaffung, Lieferkette und Versicherungen – AI-Agenten in konkrete Prozesse wie Rechnungsverarbeitung, Schadensprüfung und Genehmigungsabläufe zu integrieren. Elena Christopher (Vizepräsidentin für strategische Projekte bei Genpact) warnt, dass AI-Agenten, falls die Prozesse selbst fehlerhaft sind, „unbeaufsichtigt die falschen Schritte schneller ausführen“ könnten.

Auswirkungen auf das Finanzsystem

Compliance-Effizienz und -Kosten

Der Einsatz von AI-Agenten in der Finanzkriminalitäts-Compliance senkt direkt die Personalkosten für die Bearbeitung von Fehlalarmen. Famularo weist darauf hin, dass 70 % der Fehlalarme vollständig durch AI-Agenten beurteilt werden können, sodass Banken die Aufmerksamkeit erfahrener Analysten auf wirklich risikoreiche Fälle konzentrieren können. Diese Effizienzsteigerung wirkt sich indirekt auf die Geschwindigkeit des Zahlungsverkehrs aus, da die Compliance-Prüfung oft den Engpass im Zahlungsprozess darstellt.

Finanzielle Inklusion

Compliance-Kosten sind eines der Haupthindernisse für Banken, den unteren Markt zu bedienen. Die Automatisierungsfähigkeit von AI-Agenten könnte die Compliance-Kosten pro Kunde senken, sodass Banken eher bereit sind, margenschwache Bereiche wie kleine Konten und grenzüberschreitende Überweisungen zu bedienen. Langfristig könnte dies die finanzielle Inklusion fördern.

Wettbewerbslandschaft im Bankwesen

Banken, die frühzeitig AI-Agenten einsetzen, werden Wettbewerbsvorteile in Bezug auf Compliance-Kosten, Reaktionsgeschwindigkeit und Risikokontrolle erzielen. Kleinere Banken könnten durch den Kauf von SaaS-Diensten ähnliche Fähigkeiten erlangen und so die technologische Lücke zu großen Banken verringern. Der Bericht von Genpact weist jedoch auch darauf hin, dass Banken mit erheblichen Prozessschulden möglicherweise Schwierigkeiten haben, Renditen aus KI-Investitionen zu erzielen.

Herausforderungen

Modellglaubwürdigkeit und Transparenz

Famularo erklärt, dass Banken Vertrauen aufbauen müssen, nachdem sie AI-Agenten in ihren eigenen Systemen sehen. WorkFusion geht so vor, dass es Banken erlaubt, die Entscheidungslogik der Modelle zu überwachen und die Modelle durch Training an die spezifischen Strategien der Bank anzupassen. Der gesamten Branche fehlt jedoch noch ein einheitlicher Standard für KI-Erklärbarkeit.

Datenschutz und regulatorische Unsicherheit

AI-Agenten benötigen Zugriff auf große Mengen an Kundentransaktionsdaten, was Datenschutzbedenken aufwirft. Die Regulierungsbehörden in verschiedenen Ländern haben unterschiedliche Haltungen zur Anwendung von KI in der Finanz-Compliance. Einige Länder verlangen manuelle Überprüfungen aller KI-Entscheidungen, was die Implementierung komplexer macht.

Technische Integration und Prozessschulden

Die Forschung von Genpact zeigt, dass die meisten Unternehmen erhebliche technische und prozessuale Schulden haben. Das Überlagern von AI-Agenten auf Altsystemen könnte Probleme verschlimmern. Banken müssen vor der Bereitstellung von KI zunächst Prozessneugestaltung und Daten-Governance durchführen.## Zukunftsausblick

Famularo ist der Ansicht, dass Banken mit zunehmendem Transaktionsvolumen durch KI und Echtzeitzahlungen mit mehr Betrugs- und Finanzkriminalität konfrontiert sein werden und der Einsatz von KI-Agenten weiter zunehmen wird. "Wir werden nur noch mehr Wege finden, Technologie einzusetzen, um die Bösen aufzuhalten." Er prognostiziert, dass KI-Agenten in den nächsten drei bis fünf Jahren von Compliance-Bereichen auf breitere Bankfunktionen wie Kreditbewertung, Kundenservice und Risikomanagement übergreifen werden.

Genpact hingegen betont, dass der Erfolg von KI-Agenten von einem tiefen Verständnis des Geschäfts abhängt. Die zukünftigen Gewinner werden die Unternehmen sein, die sowohl KI-Technologie beherrschen als auch Prozesse neu gestalten können. Die Branche muss von der "Automatisierung bestehender Prozesse" zur "Gestaltung von Prozessen für KI" übergehen.

Insgesamt bewegen sich KI-Agenten vom Proof-of-Concept zur Massenproduktion, aber die technologische Bereitschaft der Banken und der regulatorische Rahmen müssen sich gleichzeitig weiterentwickeln. In den nächsten fünf Jahren könnten KI-Agenten im Compliance-Bereich zum Standard werden, während allgemeinere agentische KI schrittweise in den Bankbetrieb Einzug halten wird.

*Dieser Artikel basiert auf einer Übersetzung des Newsweek AI Impact Weekly-Berichts und wurde redaktionell bearbeitet.*