KI-Agenten im Finanzwesen: Die nächste Generation von Finanz-Workflows – von der Automatisierung zur intelligenten Ausführung

Während sich die künstliche Intelligenz von der reinen „Inhaltserstellung“ hin zur „Aufgabenausführung“ weiterentwickelt, tritt die Finanztechnologie in eine neue Entwicklungsphase ein.

In der Vergangenheit verließen sich Finanzinstitute stark auf Regelsysteme, RPA (Robotic Process Automation) und herkömmliche Unternehmenssoftware, um standardisierte Aufgaben wie Dateneingabe, Kontenabstimmung und Berichterstellung zu bewältigen. Diese Werkzeuge eignen sich gut für feste Prozesse; stoßen sie jedoch auf Formatänderungen, fehlende Informationen, ungewöhnliche Transaktionen oder Situationen, die ein Urteilsvermögen erfordern, ist oft menschliches Eingreifen nötig.

KI-Agenten beginnen nun, dieses Modell zu verändern.

Ein KI-Agent tut mehr, als nur ein vorgegebenes Skript abzuarbeiten. Er kann zielorientiert arbeiten, Informationen sammeln, Zusammenhänge verstehen, Schritte planen, Werkzeuge nutzen, Aktionen ausführen und auf Basis der Ergebnisse entscheiden, welcher Schritt als Nächstes folgt.

Für KAEL AI liegt der eigentliche Mehrwert von KI-Agenten im Finanzwesen nicht im Streben nach „vollautonomen Abläufen“, sondern in der Fähigkeit, folgende Elemente miteinander zu verknüpfen:

Finanzdaten + KI-Modelle + Werkzeuge + Workflow-Automatisierung + Risikokontrolle + menschliche Aufsicht

... und so einen durchgängigeren, intelligenteren und kontrollierbaren Finanz-Workflow zu schaffen.

Was ist ein KI-Agent im Finanzwesen?

Ein KI-Agent für das Finanzwesen ist ein System der künstlichen Intelligenz, das in der Lage ist, Finanzaufgaben kontinuierlich innerhalb klar definierter Befugnisse, Regeln und Zielvorgaben zu bearbeiten.

Typischerweise erfüllt er fünf Kernfunktionen:

Informationen wahrnehmen → Aufgabe verstehen → Plan erstellen → Werkzeuge nutzen → Ergebnisse ausführen und bewerten

Ein Agent für die Kontenabstimmung (Reconciliation) vergleicht beispielsweise nicht einfach mechanisch zwei Zahlenspalten.

Er kann zunächst Daten aus Bankensystemen und dem ERP-System des Unternehmens abrufen, Transaktionsdaten, Beträge, Lieferantennamen und Zahlungsinformationen identifizieren, die meisten regulären Transaktionen automatisch abgleichen, mögliche Ursachen für nicht zugeordnete Posten analysieren und schließlich jene Ausnahmefälle aufbereiten, die tatsächlich eine menschliche Entscheidung erfordern.

Ein KI-Agent lässt sich somit als digitaler Mitarbeiter mit einem gewissen Maß an operativer Handlungsfähigkeit betrachten.

Er verarbeitet nicht nur Daten, sondern versteht auch die Zusammenhänge zwischen verschiedenen Aufgaben.

Wie unterscheiden sich KI-Agenten von der herkömmlichen Finanzautomatisierung?

Das Grundprinzip der klassischen RPA lautet:

Ausführung nach festen Regeln.

Zum Beispiel:

Wenn der Rechnungsbetrag dem Bestellwert entspricht, zum nächsten Schritt übergehen; bei Abweichung den Vorgang stoppen und zur menschlichen Überprüfung weiterleiten. Dieser Ansatz kann äußerst effizient sein, stößt jedoch an Grenzen, wenn Situationen außerhalb der vordefinierten Regeln liegen.

KI-Agenten legen einen stärkeren Schwerpunkt auf:

Verständnis + Schlussfolgerung + Werkzeugnutzung + Entscheidungsunterstützung.

Weicht beispielsweise ein Rechnungsbetrag von der Bestellung ab, stoppt der Agent nicht zwangsläufig sofort.

Er kann die Prüfung fortsetzen:

Enthält die Rechnung Versandkosten?

Haben sich die Steuern geändert?

Treten bei diesem Lieferanten häufig ähnliche Abweichungen auf?

Wurden ähnliche Fälle in der Vergangenheit genehmigt?

Erlaubt die Unternehmensrichtlinie eine Abweichung in dieser Höhe?

Das System kann dann entscheiden, ob der Fall automatisch bearbeitet, eine Empfehlung abgegeben oder der Vorgang zur menschlichen Überprüfung eskaliert werden soll.

Die beiden Technologien lassen sich daher wie folgt charakterisieren:

RPA: Führt feste Arbeitsabläufe aus.

KI-Agent: Bewältigt dynamische Arbeitsabläufe, die ein Verständnis des Kontexts erfordern.

KAEL AI betrachtet diese Technologien als komplementär und nicht als gegenseitig ausschließend.

Einfache, regelbasierte Aufgaben mit hohem Volumen können weiterhin von Automatisierungssystemen erledigt werden, während komplexe, halbstrukturierte Aufgaben, die Analyse und Urteilsvermögen erfordern, von KI-Agenten unterstützt werden können.

Kernfähigkeiten von KI-Agenten im Finanzwesen

Ein ausgereifter Finanz-Agent benötigt typischerweise verschiedene Fähigkeitsebenen.

1. Autonome Ausführung

Ein Agent kann eine Aufgabe innerhalb vorgegebener Grenzen eigenständig vorantreiben, ohne dass der Benutzer für jeden Schritt Anweisungen geben muss.

Wenn beispielsweise neue Bankdaten in das System gelangen, kann ein Abgleich-Agent (Reconciliation Agent) automatisch damit beginnen, Transaktionen zuzuordnen, Unstimmigkeiten zu identifizieren und Bearbeitungsergebnisse zu generieren.

Diese Autonomie bedeutet nicht „unbegrenzte Befugnisse“.

Ein zuverlässiger Finanz-Agent sollte klar unterscheiden zwischen:

Aktionen, die automatisch ausgeführt werden können, und solchen, die eine menschliche Genehmigung erfordern.

2. Wahrnehmung der Umgebung

Finanzbezogene Arbeit umfasst viele verschiedene Arten von Daten, darunter:

ERP-Daten, Kontoauszüge, Rechnungen, PDFs, E-Mails, Finanzberichte, Marktdaten, Datenbanken und API-Daten.

Ein Agent muss zunächst in der Lage sein, diese Informationen zu „verstehen“.

Dies kann Verfahren wie OCR, Verarbeitung natürlicher Sprache (NLP), Datenextraktion, strukturierte Transformation und Datenvalidierung umfassen.

Eine Lieferantenrechnung kann beispielsweise folgende Informationen enthalten:

Name des Lieferanten, Betrag, Steuern, Zahlungsbedingungen, Bestellnummer und Anmerkungen.

Der Agent muss diese Inhalte zunächst in analysierbare Daten umwandeln, bevor eine weitere Bearbeitung erfolgen kann.

3. Zielorientiertes Verhalten

Herkömmliche Software arbeitet meist auf der Basis eines festen