Kapitalmaßnahmen und die Grenzen traditioneller Automatisierung
Nur wenige Funktionen im Asset Servicing sind so stark von menschlicher Interpretation abhängig wie Kapitalmaßnahmen. Jede Dividende, Fusion, Bezugsrechtsemission oder jedes Übernahmeangebot beginnt mit einer Emittentenmitteilung, die interpretiert werden muss, bevor sie in operative Anweisungen überführt werden kann. Anders als bei Settlement oder Abstimmung besteht die Herausforderung nicht einfach darin, Transaktionen schneller zu verarbeiten – sondern darin, zu verstehen, was diese Mitteilungen bedeuten. Emittentendokumente treffen in unterschiedlichen Formaten und aus verschiedenen Jurisdiktionen ein, und Datenanbieter können dasselbe Ereignis unterschiedlich interpretieren. Das bedeutet, dass Operations-Teams entscheiden müssen, welche Interpretation korrekt ist, bevor irgendeine Anweisung einen Kunden erreicht.
Große Sprachmodelle (LLMs) und generative KI beginnen, das zu verändern. Im Gegensatz zur traditionellen, regelbasierten Automatisierung kann KI unstrukturierte Dokumente analysieren, Schlüsselinformationen extrahieren und komplexe Ereignisse in natürlicher Sprache zusammenfassen – und damit eine neue Ebene an Interpretationsfähigkeit in eine der anspruchsvollsten operativen Funktionen der Finanzdienstleistungsbranche bringen. Kapitalmaßnahmen stellen jedoch einen der härtesten Tests für KI dar: Eine falsch interpretierte Wahloption oder ein Zahlungstermin kann unmittelbare finanzielle Folgen haben – Unternehmen müssen daher Effizienz und operative Kontrolle in Einklang bringen.
Von unstrukturierten Dokumenten zu strukturierten Workflows
Smartstream ist über den Proof of Concept hinausgegangen und setzt KI ein, um narrative Dokumentationen zu prüfen, Ereignisbeschreibungen zusammenzufassen und bedingte Formulierungen in umfangreichen Emittentenmitteilungen zu identifizieren. Adam Cottingham, Product Manager für Kapitalmaßnahmen bei Smartstream, erläutert den Kernnutzen: „Komplexe Kapitalmaßnahmen gehen oft mit detaillierter Angebotsdokumentation einher, die nicht nach einem Standard verfasst ist und von Einzelpersonen häufig unterschiedlich wahrgenommen wird. KI ermöglicht es, unstrukturierte Daten in eine strukturierte Transformation zu überführen, die Herkunft (Lineage) in großem Maßstab nachzuweisen, die relevanten Informationen zu extrahieren und das Rauschen zu entfernen.“
Anstatt die bestehende deterministische Verarbeitung zu ersetzen, fungiert KI als Interpretationsebene darüber. Regeln steuern weiterhin Anspruchsberechnungen und Validierungen, während KI sich darauf konzentriert, Dokumentationen zu verstehen, die zuvor eine manuelle Prüfung erforderten. Cottingham beschreibt dies als eine Verschiebung in der Klassifikationslogik: „KI ermöglicht den Wechsel von deterministischer Klassifikation zu erlernter, probabilistischer Klassifikation und lenkt den Nutzer auf die wichtigsten Aufgaben.“ Smartstreams Smart Actions End-to-End-Automatisierungsplattform für Kapitalmaßnahmen bringt diese Fähigkeit in eine vollständig gesteuerte, auditierbare Workflow-Umgebung, die alle verpflichtenden, verpflichtenden mit Wahlmöglichkeit sowie freiwilligen ISO-Event-Typen abdeckt.
Die Vertrauensgrenze: wo KI hilft und wo Menschen entscheiden
Bei komplexen Ereignissen wie Insolvenzen, Übernahmeangeboten, Fusionen und Restrukturierungen – mit Hunderten Seiten juristischer Dokumentation und sich entwickelnden Bedingungen – liegt der größte Wert von KI darin, das Verständnis zu beschleunigen, statt Urteilsvermögen zu ersetzen. Cottingham ist klar, wo diese Grenze verläuft: „KI kann diese Ereignisse realistisch unterstützen, aber der Wert bündelt sich auf der Informationsseite, und die Vertrauensgrenze verläuft zwischen dem Helfen, damit ein operativer Nutzer nachdenken kann, und dem Erlaubtsein, zu entscheiden.“ Anspruchsberechnungen, Prorationsmethoden und Wahlentscheidungen bleiben deterministische Prozesse, die weiterhin Rules Engines und menschliche Aufsicht erfordern. Wie Cottingham es ausdrückt: „Der mit Abstand größte Nutzen ist KI als Lese-Beschleuniger.“
Transparenz entscheidet darüber, ob KI echte Effizienz liefert oder lediglich manuelle Arbeit verlagert. „Nachvollziehen zu können, warum die KI einen Wert erzeugt hat, und ihn bis zu einer Quelle zurückzuverfolgen, ermöglicht es einem Prüfer, ein Ergebnis in Sekunden zu validieren, statt es erneut herzuleiten“, erklärt Cottingham. „Ohne das verlagert KI lediglich das manuelle Nachprüfen, anstatt es zu beseitigen.“ Operations-Teams entwickeln sich entsprechend weiter – und wechseln, in Cottinghams Worten, „vom Ausführen zum Überwachen“. Die Expertise verlagert sich hin zu mehrdeutigen Ereignissen, komplexen Bedingungen und treuhänderischen Entscheidungen, bei denen Verantwortlichkeit, Urteilsvermögen und Aufsicht weiterhin inhärent menschliche Aufgaben bleiben.
Governance, Datenqualität und der Weg zur produktiven KI
Die Wirksamkeit von KI bei Kapitalmaßnahmen hängt auch von der Qualität der zugrunde liegenden Daten ab – eine seit Langem bestehende Herausforderung der Branche. Cottingham benennt ein konkretes Risiko, das Unternehmen steuern müssen: „Das Risiko von KI in diesem Prozess sind nicht schmutzige oder unvollständige Daten. Es ist, dass falsche Daten sauber aussehen.“ Das unterstreicht die Bedeutung robuster operativer Kontrollen und von Branchenstandardisierungsinitiativen wie ISO 20022, die den Umfang der erforderlichen Interpretation reduzieren, bevor Informationen nachgelagerte Systeme erreichen. Auf regulatorischer Ebene sieht Cottingham den EU AI Act eher als Governance-Enabler denn als Hindernis: „Die meiste KI im Asset Servicing fällt außerhalb des Hochrisiko-Regimes. Der EU AI Act wird sich voraussichtlich als weniger restriktiv als befürchtet und nützlicher als erwartet erweisen.“ Er argumentiert, dass die Gesetzgebung Organisationen dabei hilft, von der Frage, ob KI vertrauenswürdig ist, hin zur Etablierung von Governance-Frameworks zu gelangen, die es Unternehmen ermöglichen, KI-Outputs formell freizugeben. Für Asset Servicer, die produktive KI verfolgen, wird der Aufbau dieses Vertrauens – über Datenqualität, Erklärbarkeit und operative Kontrollen hinweg – zunehmend ebenso sehr zu einer Governance-Herausforderung wie zu einer technologischen. Um zu erfahren, wie Smartstream KI-Fähigkeiten über den gesamten Transaktionslebenszyklus hinweg entwickelt, nehmen Sie Kontakt mit dem Smartstream-Team auf.
