Intelligente, teilautonome KI-Agenten versprechen eine leistungsstarke Lösung für viele Herausforderungen im Finanzbereich. Ihr Bedarf an qualitativ hochwertigen Daten macht jedoch auch die Mängel deutlich, die in den Datenarchitekturen einiger Institutionen noch bestehen.
Bis zu einem gewissen Grad nützlich
Diese scheinbare Henne-Ei-Situation kann nach Ansicht von Thomas Steinborn, Chief Product and Technology Officer bei Smartstream, nur durch eine Rückkehr zu den Grundlagen des Datenmanagements gelöst werden.
„Es gibt immer noch viel ‚menschliche Beteiligung‘, wenn es darum geht, überhaupt erst an die Daten zu gelangen“, sagte er gegenüber Data Management Insight. „Die Welt wird sehr, sehr bald durch KI-Agenten verändert werden, und dies ist eine gewaltige Verschiebung in der Art und Weise, wie die Branche das Problem betrachten würde.“
Künstliche Intelligenz mag die Datenverarbeitung für Finanzinstitute transformieren, doch die Neigung der KI zu Halluzinationen mit dem Potenzial, fehlinformierte oder falsche Entscheidungen zu treffen, unterstreicht die grundlegende Notwendigkeit, bewährte und vertrauenswürdige Datenmanagementstrategien, die bei Finanzinstituten eingesetzt werden, mit abgesichertem agentischem Denken zu kombinieren, um die Vorteile beider Welten zu nutzen.
KI-Agenten versprechen, alltägliche Aufgaben zu automatisieren und so Humankapital freizusetzen, aber das ist im Moment so weit, wie sie gehen können, sagte Steinborn.
„Was es nicht sofort tut, ist, allen KI-Agenten alle notwendigen semantischen Informationen zu geben“, sagte er.
Agentische KI, so argumentiert er, kann die Bedeutung von Daten nicht vollständig erfassen. Ein Datenvertrag ist im Wesentlichen ein digitaler Handschlag, der die Struktur und Qualität von Daten definiert, bevor ein Agent sie verarbeitet.
Das Problem wird durch inhärente Datenqualitätsprobleme und semantische Drift im Laufe der Zeit verschärft. Agenten können semantische Änderungen nicht erkennen, etwa wenn Datenaggregationsregeln oder Definitionen von einem Jahr zum nächsten angepasst werden.
Agenten haben auch nur begrenzte Kenntnisse über Datenverträge, die kritische Elemente wie Service Level Agreements (SLAs), Datenaktualität und Zeitzonen umfassen. Ohne diese könnte ein Agent Entscheidungen auf Grundlage gestriger Daten oder unvollständiger Informationen treffen, was zu Abstimmungsfehlern führt, wenn Abrechnungen fehlen oder Daten nicht aktuell sind.
Agenten zur Rettung
Agentische KI erweist sich jedoch in anderen Aspekten als unschätzbar wertvoll und kann sich voraussichtlich an ihre Schwächen anpassen.
Ein blinder Fleck, den agentische KI lösen kann, ist der Transfer von operativem Wissen zwischen Generationen von Arbeitskräften. Organisationen haben sich traditionell darauf verlassen, dass erworbenes Wissen in Form einer laufenden Nachfolge weitergegeben wird, die selten kodifiziert ist. Die Schwierigkeit entsteht, wenn erfahrene Mitarbeiter plötzlich ausscheiden, ohne Ersatzkräfte geschult zu haben, oder wenn keine Talente gefunden werden können, um sie zu ersetzen – eine Arbeitsmarktherausforderung, die die Branche seit vielen Jahren plagt.
In dieser Situation ist das Festhalten von Wissen in den Köpfen von Menschen ein Hindernis für Automatisierung und Innovation.
Indem man jedoch KI-Agenten erlaubt, Mitarbeiter bei ihrer täglichen Arbeit zu beobachten, kann dieses Wissen institutionalisiert und im gesamten Unternehmen zugänglich gemacht werden.
„Wir können diese Diskussion tatsächlich verlagern, denn letztendlich, wenn man beobachtet, was die Menschen mit den Systemen tun, mit denen sie im Laufe der Zeit interagieren, lernt man tatsächlich den Prozess“, sagte er. „Lassen Sie den Agenten eher ein Assistent sein… denn so wie institutionalisiertes Wissen heute in den Köpfen der Menschen existiert, wird die Definition von institutionalisiertem Wissen morgen in einer klar definierten Agentenspezifikation leben.“
Freisetzung des Kommunikationsraums
Die Integration von KI-Agenten wird auch ein weiteres langjähriges Problem beseitigen: Workflow-Stagnation. In komplexen Bankgeschäften werden Prozesse oft durch Kommunikationsaufwand aufgebläht, wie Steinborn es beschrieb.
Jede Zunahme der Kommunikation erstickt Agilität und Effizienz, sagte er. Mit KI-Agenten, die den Großteil des Workflows übernehmen, werden jedoch Prozesse radikal vereinfacht und optimiert, die ursprünglich für menschliche Skalierbarkeit konzipiert wurden.
Obwohl die Herausforderungen beträchtlich sind, ist Steinborn optimistisch hinsichtlich des Tempos des Wandels. Smartstream bietet bereits KI-gestützte Automatisierungslösungen an, entwickelt aber auch agentische Fähigkeiten, die über die semantischen Informationen verfügen werden, die sie benötigen, um die Bedeutung jedes Datenpunkts zu kennen. Es arbeitet auch an Agenten, die Datenverträge verstehen.
„Ich erwarte fest, dass wir in diesem Jahr eine Akzeptanz und Implementierung im Bereich von 20 bis 30 Prozent sehen werden“, sagte er. „Und dann, im Jahr 2027, erwarte ich, dass die Agenten zum Mainstream werden, sodass mehr als 50 Prozent der Organisationen Agenten nutzen werden.“
