Die Agentic AI Execution Gap: Warum Banken und Versicherungen durch Integration gewinnen oder verlieren

Von Maneeza Malik, Produktmarketingdirektor

Banken und Versicherungen treten in eine neue Phase der KI-Einführung ein. Nach Jahren des Experimentierens mit prädiktiven Modellen, Chatbots und generativer KI evaluieren viele Finanzinstitute nun agentische KI. Diese Systeme sind in der Lage, zu schlussfolgern, Entscheidungen zu treffen und Aufgaben über Geschäftsprozesse hinweg mit begrenztem menschlichen Eingreifen auszuführen.

Das Potenzial ist enorm: KI-Agenten können dabei helfen, komplexe Arbeitsabläufe zu automatisieren, den manuellen Aufwand zu reduzieren, die betriebliche Effizienz zu steigern und kundenbezogene Prozesse zu beschleunigen. Die Anwendungsbereiche erstrecken sich über Kundenservice, Betrugsuntersuchungen, Kreditvergabe, Underwriting, Schadenmanagement, Finanzwesen, Personalwesen und Compliance.

Die Technologie selbst schreitet rasant voran. Laut Gartner, Bis 2028 werden 33% Unternehmenssoftwareanwendungen agentenbasierte KI integrieren – gegenüber weniger als 1% im Jahr 2024 –, während 15% der täglichen Arbeitsentscheidungen autonom von KI-Agenten getroffen werden.

Während Unternehmen jedoch von der Experimentierphase zur Produktion übergehen, stellen viele fest, dass Intelligenz allein nicht ausreicht. KI-Agenten schaffen nur dann einen Mehrwert, wenn sie auf Daten zugreifen, mit Unternehmenssystemen interagieren und Aktionen über durchgängige Geschäftsprozesse hinweg ausführen können.

Im Finanzdienstleistungs- und Versicherungssektor, in dem Workflows oft Hunderte von Anwendungen und regulatorische Kontrollen umfassen, ist diese “letzte Meile” der Ausführung häufig das größte Hindernis für die Skalierung.

Die Frage ist nicht mehr, ob Institutionen agentische KI einführen werden. Es geht darum, welche Organisationen sie erfolgreich im gesamten Unternehmen operationalisieren werden. Und zunehmend erweist sich die Integration als das entscheidende Bindeglied zwischen KI-Fähigkeit und geschäftlichen Ergebnissen.

Die Umsetzungslücke für agentische KI im Finanzwesen

Das Versprechen von agentischer KI liegt nicht nur in besseren Erkenntnissen. Es ist die Fähigkeit, Arbeit auszuführen.

Die meisten Finanzinstitute und Versicherer haben bereits gezeigt, dass KI Dokumente analysieren, Informationen zusammenfassen, Muster erkennen und Handlungs empfehlungen geben kann. Diese Fähigkeiten werden zunehmend zur Grundvoraussetzung. Die Herausforderung beginnt, wenn Unternehmen versuchen, von isolierten Anwendungsfällen zum produktiven Einsatz im großen Maßstab überzugehen.

Im Gegensatz zu herkömmlicher Software agieren KI-Agenten selten innerhalb einer einzigen Anwendung. Um sinnvolle Arbeit zu leisten, müssen sie mit Datenquellen, Geschäftsanwendungen, Arbeitsabläufen und Entscheidungssystemen im gesamten Unternehmen interagieren.

Dazu benötigen KI-Agenten Zugriff auf Daten, Systeme, Arbeitsabläufe, Richtlinien und den geschäftlichen Kontext. Ohne diesen agieren selbst die fortschrittlichsten Modelle mit einem unvollständigen Verständnis der Umgebung und einer eingeschränkten Fähigkeit, Ergebnisse zu erzielen.

Hier scheitern viele Initiativen.

Ein Kreditvergabeprozess kann beispielsweise Kundenerfassungssysteme, Dokumenten-Repositories, Wirtschaftsauskunfteien, Underwriting-Plattformen, Kernbankanwendungen, Compliance-Kontrollen und Genehmigungsprozesse umfassen. Ein KI-Agent ist möglicherweise in der Lage, einen Antrag zu bewerten und Risikofaktoren zu identifizieren, aber der Abschluss des Prozesses erfordert einen koordinierten Zugriff auf jedes beteiligte System.

Die gleiche Herausforderung besteht bei der Schadenbearbeitung, bei Betrugsuntersuchungen, im Kundenservice und bei Finanzvorgängen. Informationen mögen vorhanden sein, aber die Ausführung wird schwierig, wenn die zugrundeliegenden Systeme fragmentiert sind.

Häufige Hindernisse sind:

• Daten, die auf Legacy- und Cloud-Umgebungen verteilt sind
• Geschäftsprozesse, die sich über mehrere Anwendungen erstrecken
• Inkonsistente Sicherheits- und Berechtigungsmodelle
• Eingeschränkte Einblickmöglichkeiten in die Aktionen und Ergebnisse von Agenten
• Manuelle Übergaben zwischen Systemen und Teams
• Behördliche Auflagen, die Überwachung und Rückverfolgbarkeit erfordern

Infolgedessen finden sich viele Finanzinstitute mit KI-Agenten wieder, die zwar Aktionen empfehlen, aber End-to-End-Geschäftsprozesse nicht zuverlässig abschließen können.

Diese Kluft zwischen Intelligenz und Umsetzung entwickelt sich zu einer der zentralen Herausforderungen bei der Einführung von Unternehmens-KI.

Warum agentische KI Integration benötigt, um im Banking Mehrwert zu liefern

Jahrzehntelang wurde Integration primär als IT-Funktion angesehen. Im Zeitalter der agentischen KI ist sie zu einer strategischen Geschäftsfähigkeit geworden.

Betrachten Sie eine Betrugsuntersuchung. Das Erkennen verdächtiger Aktivitäten ist nur der erste Schritt. Die Behebung des Problems kann das Abrufen von Transaktionshistorien, die Überprüfung von Kundenakten, die Überprüfung von Sanktionsscreening-Systemen, das Erstellen von Fallakten, die Benachrichtigung von Ermittlern und die Dokumentation von Maßnahmen für behördliche Meldungen erfordern.

Der Wert wird nicht dadurch generiert, dass ein potenzielles Problem identifiziert wird. Er wird dadurch generiert, dass die Untersuchung vorangetrieben wird. Das erfordert Konnektivität über Systeme hinweg.

Dasselbe Prinzip gilt für den Kundenservice. Ein Mitarbeiter, der einen Versicherungsnehmer betreut, muss möglicherweise Versicherungsinformationen abrufen, auf Schadenakten zugreifen, den Zahlungsstatus überprüfen, Kontodaten aktualisieren und die anschließende Kommunikation koordinieren. Das Kundenerlebnis hängt nicht nur von der Qualität dieser Interaktion ab, sondern auch von der Fähigkeit, Aktionen in Echtzeit auszuführen.

Aus diesem Grund ist die Integration zur letzten Meile der agentenbasierten KI geworden.

Organisationen haben massiv in Datenplattformen, Analytik und KI-Modelle investiert. Der geschäftliche Nutzen wird jedoch letztendlich dann realisiert, wenn KI innerhalb bestehender Prozesse operieren und Entscheidungen in Handlungen umsetzen kann. Integration bildet das bindegliedartige Gewebe, das diesen Übergang von Intelligenz zur Ausführung ermöglicht.

Ohne sie bleibt KI auf isolierte Anwendungsfälle beschränkt. Mit ihr können Unternehmen beginnen, vollständige Geschäftsprozesse anstelle einzelner Aufgaben zu automatisieren.

Governance darf kein nachträglicher Gedanke sein

Allein die Umsetzung reicht nicht aus. Finanzinstitute und Versicherungen agieren in einigen der strengsten Regulierungsräume weltweit. Jede Technologie, die Kundenergebnisse, finanzielle Entscheidungen oder operative Prozesse beeinflusst, muss strenge Anforderungen hinsichtlich Transparenz, Rechenschaftspflicht und Kontrolle erfüllen.

Dies wird umso wichtiger, je mehr Autonomie KI-Systeme erlangen.

Unternehmen benötigen das Vertrauen, dass die Aktionen von Agenten mit internen Richtlinien, regulatorischen Anforderungen und Risikomanagement-Frameworks im Einklang stehen. Sie müssen nachvollziehen können, wie Entscheidungen getroffen wurden, welche Informationen verwendet wurden und ob während des gesamten Prozesses die entsprechenden Kontrollmechanismen eingehalten wurden.

Fragen wie diese werden zunehmend wichtiger

• Warum wurde eine bestimmte Maßnahme ergriffen?
• Welche Daten lagen der Entscheidung zugrunde?
• Wurden die Richtlinien konsistent angewandt?
• Wann war eine menschliche Überprüfung erforderlich?
• Kann der Prozess im Nachhinein überprüft werden?

Diese Fragen sind mehr als nur Compliance-Bedenken. Sie sind Vertrauensanforderungen.

Ohne klare Governance-Mechanismen zögern Organisationen möglicherweise, KI-Agenten in hoch wertvollen Prozessen einzusetzen. Wenn hingegen Richtliniendurchsetzung, Überwachung, Beobachtbarkeit und Prüfbarkeit in die operativen Arbeitsabläufe integriert sind, können Institutionen die Automatisierung mit größerer Zuversicht skalieren.

Die Organisationen, die mit agentischer KI erfolgreich sein werden, sind nicht die, die sich am schnellsten bewegen. Es werden diejenigen sein, die die notwendigen Kontrollen etablieren, um verantwortungsvoll zu handeln.

Die Zukunft der autonomen Finanzen

Die Diskussion über agentische KI konzentriert sich oft darauf, was die Technologie leisten kann. Zunehmend ist die wichtigere Frage jedoch, was Unternehmen operationalisieren können.

Die meisten Finanzinstitute und Versicherer werden Zugang zu immer leistungsfähigeren KI-Modellen haben. Der Wettbewerbsvorteil wird daraus resultieren, wie effektiv diese Fähigkeiten in die Geschäftsprozesse integriert werden.

Organisationen, die in der Lage sind, KI-Agenten mit Unternehmenssystemen, Arbeitsabläufen und Governance-Frameworks zu verknüpfen, werden besser positioniert sein, um die Entscheidungsfindung zu beschleunigen, das Kundenerlebnis zu verbessern, die betriebliche Effizienz zu steigern und den manuellen Aufwand im gesamten Unternehmen zu reduzieren.

Wer dies versäumt, wird weiterhin vor einer bekannten Herausforderung stehen: vielversprechende KI-Initiativen, die über die Pilotphase hinaus nur begrenzte wirtschaftliche Auswirkungen erzielen.

Agentische KI stellt eine bedeutende Chance für Finanzdienstleistungen und Versicherungen dar, aber die Realisierung der potenziellen Vorteile erfordert mehr als intelligente Modelle. Sie erfordert die Infrastruktur, die es diesen Modellen ermöglicht, innerhalb der Komplexität von Unternehmensumgebungen zu arbeiten.

Jitterbit Harmony: KI mit der Unternehmensabwicklung verbinden

Da die Akzeptanz beschleunigt wird, erweist sich die Integration als die entscheidende Brücke zwischen dem Potenzial der KI und den Geschäftsergebnissen. Banken und Versicherungen, die diese Brücke erfolgreich bauen, werden diejenigen sein, die KI-Innovationen in messbare Ergebnisse im großen Maßstab umsetzen.

Dies erfordert ein Fundament, das es Systemen, Daten, Arbeitsabläufen und Governance-Prozessen ermöglicht, zusammenzuarbeiten.

Jitterbit Harmony bietet diese Grundlage durch eine einheitliche, KI-gestützte Low-Code-Plattform, die Folgendes zusammenführt:

• iPaaS
• Daten- und Systemintegrationen
• Vollständiger Lebenszyklus API-Verwaltung
• Anwendungsentwicklung
• KI-Assistenten und -Agenten
• Und vor allem komplexe Workflows und die Orchestrierung von KI-Agenten in großem Maßstab – alles in einer einzigen Umgebung

Anstatt sich auf fragmentierte Punkt-zu-Punkt-Verbindungen zu verlassen, können Unternehmen eine moderne Integrationsarchitektur aufbauen, die die Echtzeitkommunikation zwischen den verschiedenen Unternehmenssystemen unterstützt. Dazu gehören Kernbankplattformen, Versicherungssysteme, CRM-Anwendungen, ERP-Umgebungen, Datenspeicher und vieles mehr. Durch die Vernetzung dieser Umgebungen ermöglicht Harmony den unternehmensweiten Einsatz KI-gesteuerter Prozesse, anstatt dass diese nur in isolierten Anwendungen ablaufen.

Für Banken und Versicherungen, die den Schritt vom Experimentierstadium in den produktiven Einsatz wagen möchten, bietet Harmony eine umfassende Umgebung zur Entwicklung, Bereitstellung, Verwaltung und Koordination von KI-Agenten im gesamten Unternehmen. Die Low-Code-Funktionen beschleunigen die Entwicklung von KI-Agenten, indem sie die Gestaltung von Arbeitsabläufen, die Systemintegration und das Lebenszyklusmanagement der Agenten vereinfachen und so den Bedarf an umfangreicher individueller Programmierung reduzieren.

Finanzinstitute und Versicherungen können schnell KI-Agenten erstellen, die mit Kernbankensystemen, Policenverwaltungssystemen, Schadensbearbeitungsanwendungen, Kundendienst-Tools und Unternehmensdatenquellen interagieren. Diese Agenten können in Geschäftsprozesse eingebettet werden, mit anderen Agenten und menschlichen Benutzern zusammenarbeiten und Aktionen über verbundene Systeme hinweg in Echtzeit ausführen. Dies trägt dazu bei, dass Unternehmen komplexe Arbeitsabläufe automatisieren und gleichzeitig die operative Transparenz und Kontrolle behalten.

Ebenso wichtig ist, dass umfassende KI-Governance-, Compliance- und Sicherheitskontrollen fest in die Plattform integriert sind. Überwachung, Audit-Trails und die Durchsetzung von Richtlinien helfen Unternehmen dabei, Automatisierungsinitiativen zu skalieren und gleichzeitig die Einhaltung gesetzlicher Vorschriften zu gewährleisten. Und zentralisierte Verwaltungsfunktionen ermöglichen es Unternehmen, das Verhalten von Agenten zu steuern, die Leistung zu verfolgen und sicherzustellen, dass KI-gesteuerte Prozesse im Einklang mit Geschäfts-, Risiko- und regulatorischen Anforderungen bleiben.

Jitterbit Harmony hat Folgendes erreicht: ISO 42001 Zertifizierung, sowie mehrere andere Sicherheitszertifizierungen, die für regulierte Branchen von entscheidender Bedeutung sind. Unser branchenführender Fokus auf Sicherheit stellt sicher, dass Agenten den Zugriff erhalten können, den sie für ihren Erfolg benötigen, ohne zusätzliches Risiko.

Das Resultat ist eine sicherere und zuverlässigere Betriebsumgebung für agentische KI – eine, die sowohl Innovationen als auch Unternehmensanforderungen unterstützt.

Bereit, Ihre Reise in die agentische KI zu beginnen?

Sehen Sie, wie Jitterbit Finanzinstitute und Versicherer dabei unterstützt, agentische KI-Lösungen mit KI-Assistenten, KI-Agenten und der für den Wettbewerb in einem KI-getriebenen Markt erforderlichen Integrationsgrundlage aufzubauen, zu verbinden und zu skalieren.