Banken und Versicherungen investieren intensiv in Künstliche Intelligenz. Generative AI ist inzwischen in vielen Instituten angekommen, von der Dokumentenanalyse bis zu internen Wissensassistenten. Doch während die Diskussion zunehmend von Agentic AI geprägt wird, zeigt eine aktuelle Studie von Wavestone und der Universität St. Gallen: Die größte Hürde für den erfolgreichen Einsatz liegt nicht in den Modellen selbst, sondern in den Organisationen.
Für die Untersuchung wurden 30 Führungskräfte aus Banken, Versicherungen und Technologieunternehmen im DACH-Raum befragt. Das Ergebnis ist eindeutig: Die Leistungsfähigkeit der Technologie übersteigt bereits heute das, was viele Unternehmen organisatorisch umsetzen können. Daten-Silos, fehlende Schnittstellen zwischen Business und IT sowie komplexe Governance-Strukturen bremsen den Fortschritt stärker als technische Limitationen.
Von der Unterstützung zur Orchestrierung
Während GenAI vor allem einzelne Aufgaben wie Zusammenfassungen, Recherche oder Dokumentenverarbeitung unterstützt, geht Agentic AI einen Schritt weiter. KI-Agenten agieren eigenständig, greifen auf Daten und Anwendungen zu und koordinieren komplette Prozessketten. Das Potenzial reicht von der Schadenbearbeitung und Betrugsprävention über das Underwriting bis hin zum Kundenservice. Dennoch zeigt die Studie, dass die meisten Finanzunternehmen noch am Anfang dieser Entwicklung stehen. Zwar sind produktive GenAI-Anwendungen mittlerweile weit verbreitet, echte agentische Systeme finden sich bislang nur vereinzelt und überwiegend außerhalb produktiver Kernprozesse.
Warum einige Institute schneller vorankommen
Interessanterweise sind die Vorreiter nicht zwingend jene Unternehmen mit den modernsten KI-Lösungen. Erfolgreich sind vor allem Organisationen, die bereits über etablierte Prozesse, klare Verantwortlichkeiten und eine hohe operative Reife verfügen. Die Studie zeigt: Operating-Model-Maturity schlägt Model-Maturity. Anders formuliert: Wer seine Prozesse im Griff hat, kann Agentic AI deutlich schneller skalieren. Gleichzeitig steigt der Handlungsdruck. Demografischer Wandel, Fachkräftemangel und anhaltender Kostendruck erhöhen die Erwartungen an Automatisierung und Effizienz. Auf der anderen Seite stellen regulatorische Anforderungen wie DORA oder der EU AI Act hohe Anforderungen an Transparenz, Nachvollziehbarkeit und Governance.
Der Weg zur agentischen Organisation
Für Finanzdienstleister bedeutet dies, Agentic AI nicht als reine Technologieinitiative zu betrachten. Die Studienautoren empfehlen eine klare AI-Strategie mit Vorstandsunterstützung, eine zentrale Steuerung über ein Hub-and-Spoke-Modell sowie den gezielten Aufbau neuer Rollen an der Schnittstelle zwischen Business und IT. Besonders gefragt sind künftig Mitarbeitende, die KI-Systeme steuern, überwachen und orchestrieren, anstatt einzelne Prozessschritte selbst auszuführen.
Die entscheidende Frage lautet damit nicht mehr, ob Agentic AI kommt, sondern wie schnell Banken und Versicherungen die organisatorischen Voraussetzungen schaffen, um das Potenzial der Technologie in nachhaltigen Geschäftswert zu übersetzen.