Künstliche Intelligenz entwickelt sich rasant weiter. Nach dem Hype um Generative AI steht nun die nächste Evolutionsstufe im Fokus: Agentic AI. Für Banken und Versicherer könnte sie zum entscheidenden Hebel werden, um Produktivität zu steigern, Prozesse zu automatisieren und den wachsenden regulatorischen Anforderungen zu begegnen. Doch die größte Herausforderung liegt nicht in der Technologie selbst.
Wenn KI beginnt, Prozesse zu orchestrieren
Während Generative AI heute vor allem Inhalte erstellt, Fragen beantwortet oder Analysen unterstützt, geht Agentic AI einen Schritt weiter. KI-Agenten können eigenständig Aufgaben planen, Entscheidungen vorbereiten, verschiedene Systeme miteinander verbinden und ganze Prozessketten orchestrieren. Damit entwickelt sich KI von einem Werkzeug zu einem aktiven digitalen Mitarbeiter, der komplexe Abläufe selbstständig steuert.
Die möglichen Einsatzgebiete sind vielfältig: von der Schadensbearbeitung in Versicherungen über Kreditprozesse bis hin zu regulatorischen Prüfungen lassen sich zahlreiche Abläufe automatisieren und beschleunigen. Die Technologie verspricht nicht nur Effizienzgewinne, sondern auch eine höhere Skalierbarkeit in einem Markt, der unter Kosten- und Margendruck steht.
Warum viele Institute dennoch nicht vorankommen
Die eigentliche Herausforderung für Banken und Versicherer liegt jedoch an anderer Stelle. Eine aktuelle Studie von Wavestone und der Universität St. Gallen, die auf Interviews mit 30 Führungskräften aus Banken, Versicherungen und Technologieunternehmen im DACH-Raum basiert, zeigt ein überraschend klares Bild: Nicht die technologischen Möglichkeiten bremsen die Einführung von Agentic AI, sondern regulatorische Anforderungen und organisatorische Hürden.
Insbesondere Vorgaben aus dem EU AI Act, der DSGVO sowie DORA erhöhen die Anforderungen an Governance, Transparenz und Risikomanagement erheblich. Finanzinstitute müssen sicherstellen, dass autonome KI-Systeme nachvollziehbar, kontrollierbar und regelkonform agieren. Entsprechend vorsichtig verlaufen viele Pilotprojekte derzeit. Der Wettlauf um die richtigen Anwendungsfälle Trotz aller Herausforderungen hat die Branche begonnen, konkrete Einsatzfelder zu priorisieren. Im Fokus stehen Anwendungsfälle, bei denen sich wirtschaftlicher Nutzen schnell nachweisen lässt. Dazu gehören etwa die Automatisierung administrativer Tätigkeiten, die Unterstützung von Kundenberatern, intelligente Dokumentenverarbeitung oder die Optimierung interner Entscheidungsprozesse.
Die Institute verfolgen dabei einen pragmatischen Ansatz: Statt auf die vollständige Automatisierung ganzer Geschäftsbereiche zu setzen, werden zunächst klar abgegrenzte Prozesse identifiziert, in denen Agentic AI messbaren Mehrwert liefert. Dies reduziert Risiken und schafft wichtige Erfahrungen für den späteren Ausbau.
Governance wird zum Erfolgsfaktor
Die Studie zeigt, dass die erfolgreichsten Institute nicht unbedingt über die modernsten KI-Lösungen verfügen. Entscheidend ist vielmehr die Fähigkeit, neue Technologien wirksam in bestehende Organisationsstrukturen zu integrieren.
Organisationen mit klaren Verantwortlichkeiten, etablierten Prozessen und einer hohen operativen Reife können Agentic AI deutlich schneller einsetzen und skalieren. Oder anders formuliert: Operating-Model-Maturity schlägt Model-Maturity.
Mit zunehmendem Einsatz autonomer KI-Systeme steigt die Bedeutung von Governance-Strukturen. Unternehmen benötigen klare Verantwortlichkeiten, einheitliche Standards und ein professionelles Portfoliomanagement für KI-Initiativen. Die Einführung von Agentic AI wird damit zu einer strategischen Managementaufgabe und kann nicht allein von IT-Abteilungen getragen werden.
Erfolgreiche Organisationen etablieren daher neue Betriebsmodelle, in denen Fachbereiche, Risikomanagement, Compliance und Technologie eng zusammenarbeiten. Die Fähigkeit, Innovation und regulatorische Sicherheit gleichermaßen zu gewährleisten, dürfte künftig wichtiger sein als die Auswahl des besten KI-Modells.
Frühe Investitionen schaffen Wettbewerbsvorteile
Viele Unternehmen befinden sich noch in der Experimentierphase. Gleichzeitig zeichnen sich bereits erste Vorreiter ab, die gezielt Kompetenzen, Governance-Strukturen und organisatorische Voraussetzungen aufbauen. Diese Institute schaffen die Grundlage dafür, Agentic AI künftig unternehmensweit zu skalieren und sich nachhaltig vom Wettbewerb zu differenzieren.
Für Führungskräfte in Banken und Versicherungen bedeutet dies: Die zentrale Frage lautet nicht mehr, ob Agentic AI eingeführt wird, sondern wie schnell die Organisation die notwendigen Voraussetzungen schafft. Wer frühzeitig in Operating Model, Governance und neue Fähigkeiten investiert, kann erhebliche Produktivitäts- und Innovationsvorteile realisieren. Wer zu lange wartet, riskiert dagegen, den Anschluss an die nächste Entwicklungsstufe der künstlichen Intelligenz zu verlieren.
Die Ergebnisse im Detail
Welche Anwendungsfälle verfolgen Banken und Versicherungen bereits heute? Welche organisatorischen Hürden bremsen die Einführung von Agentic AI? Und welche Operating Models schaffen die Grundlage für eine erfolgreiche Skalierung?