Von der manuellen Triage zur autonomen Aufsicht: Warum Agentic AI auf die APAC-RegTech-Agenda gehört

Von Rohith Rajamony, Senior Business Solutions Consultant APAC, Smartstream

In fast jedem Gespräch, das ich in diesem Jahr mit Compliance- und Operations-Verantwortlichen in der APAC-Region geführt habe, kam die gleiche Spannung zum Vorschein. Die regulatorischen Erwartungen steigen schneller als der Personalbestand, die grenzüberschreitenden Volumina nehmen stetig zu und das Back-Office fängt den Großteil dieses Drucks immer noch durch manuellen Aufwand ab. Analysten in Singapur, Sydney und Tokio verbringen ihre Tage mit weitgehend denselben Aufgaben: Daten systemübergreifend nachverfolgen, Ursachencodes zuweisen, Follow-up-E-Mails entwerfen und auf Antworten von Gegenparteien warten. Das ist gründlich, es ist notwendig, und es ist auch der Bereich, in dem sich der Großteil des operationellen Risikos im Stillen ansammelt.

Das ist der Hintergrund, mit dem ich zum Global RegTech Summit APAC im Marina Bay Sands am 29. April reise. Dort werde ich auf der Demo-Bühne im Rahmen des Innovationsprogramms die Smart Agents-Lösung von Smartstream vorstellen. Im Vorfeld der Veranstaltung möchte ich einige Überlegungen teilen, die unser Denken über Agentic AI in dieser Region geprägt haben, und erläutern, warum ich glaube, dass dies der folgenreichste Wandel ist, den RegTech seit Jahren erlebt hat.

Wenn man betrachtet, was ein Operations-Team in der APAC-Region tatsächlich beansprucht, ist das Muster auffällig. Branchendaten deuten darauf hin, dass bis zu 70 % des Aufwands im Back-Office durch ausnahmeintensive Workflows absorbiert werden: Abstimmungen, Cash-Differenzen, Abwicklungsausnahmen sowie AML- und KYC-Untersuchungen. In der APAC-Region weisen diese Zahlen regionale Besonderheiten auf. Institutionen agieren hier über fragmentierte Regulierungssysteme hinweg (MAS in Singapur, HKMA in Hongkong, ASIC in Australien, JFSA in Japan und weitere), von denen jedes seine eigenen Berichtszyklen und Beweisanforderungen hat. Hinzu kommen die Komplexität grenzüberschreitender Ströme, Abwicklungsfenster für verschiedene Währungen, die sich selten überschneiden, und Gegenparteien mit sehr unterschiedlichen Automatisierungsgraden – entsprechend wächst der Aufwand für die Triage.

Die meisten Unternehmen haben im letzten Jahrzehnt massiv in regelbasierte Automatisierung und Straight-Through Processing investiert. Diese Investitionen waren nicht umsonst, aber sie sind an ihre Grenzen gestoßen. Die verbleibende Arbeit – per Definition die Ausnahmen – ist genau jene Arbeit, mit der die Automatisierung am meisten zu kämpfen hatte: mehrdeutig, kontextabhängig und angewiesen auf implizites Wissen, das in den Köpfen erfahrener Analysten steckt.

Drei Faktoren halten Compliance- und Operations-Teams fest. Daten liegen fragmentiert in internen Systemen, Marktdaten-Feeds, Registern von Drittanbietern, E-Mails und Messaging-Plattformen vor, sodass Analysten ihre Zeit damit verbringen, Informationen nachzujagen, anstatt darauf zu reagieren. Institutionelles Wissen ist an einzelne Experten gebunden und nicht im Workflow selbst verankert, was bedeutet, dass jede Lösung davon abhängt, wer gerade den Fall bearbeitet. Und der Workflow selbst lernt nicht dazu. Dieselbe Art von Differenz tritt nächste Woche erneut auf, und es werden wieder dieselben Stunden für die Triage aufgewendet.

Nichts davon liegt an mangelndem Einsatz. Es ist eine strukturelle Grenze der Art und Weise, wie traditionelle Automatisierung konzipiert wurde: deterministisch, starr und reaktiv. Wenn man auf dieses Fundament regulatorische Änderungen, sich entwickelnde Betrugstypologien und grenzüberschreitende Abwicklungen stapelt, muss irgendwann etwas nachgeben.

Agentic AI, und speziell Smart Agents, ist eine neuartige Intelligenzebene. Anstatt auf isolierte Prompts zu reagieren oder einem festen Regelbaum zu folgen, arbeitet ein Agent auf ein definiertes Ergebnis hin („löse diese Abwicklungsdifferenz“, „bringe diesen KYC-Alarm in einen entscheidungsreifen Zustand“). Er plant die Abfolge der Aktionen, ruft die benötigten Daten systemübergreifend ab und validiert sie, entscheidet über den angemessenen Lösungsweg, führt die Aktualisierungen aus, übernimmt die Kommunikation mit der Gegenpartei und zeichnet alles lückenlos und prüfbar auf.

Wo im traditionellen Modell ein Mensch fünf oder sechs Anwendungen und einen E-Mail-Verlauf durchläuft, werden beim Agentic-Modell die Daten direkt dem Nutzer bereitgestellt, wobei der Großteil des Prozesses bereits abgeschlossen ist. Der Moment des menschlichen Urteils bleibt erhalten; er findet nur genau dort statt, wo Urteilsvermögen tatsächlich erforderlich ist, und nicht erst nach einer langen Phase der Vorbereitungsarbeit.

Die Zahlen sind aussagekräftig. In unseren kontrollierten Messungen sinkt der manuelle Aufwand für eine Ausnahme von etwa 14 Minuten auf rund eine halbe Minute, wenn sie autonom bearbeitet wird. Das entspricht einer fast 29-fachen Produktivitätssteigerung pro Fall, mit 30 bis 60 % schnelleren Lösungszeiten und 20 bis 40 % weniger Eskalationen. Ehrlich gesagt ist jedoch der qualitative Wandel wichtiger. Analysten hören auf, monotone Routineaufgaben zu erledigen, und beginnen mit der Aufsichts-, Risiko- und Mustererkennungsarbeit, für die sie eingestellt wurden.

Hier sollte das APAC-RegTech-Publikum aufmerksam werden. Autonomie ohne Kontrolle ist für die Regulierungsbehörden in dieser Region ausgeschlossen, und das zu Recht. MAS, HKMA und ASIC haben alle klargestellt, dass Erklärbarkeit, Rückverfolgbarkeit und menschliche Rechenschaftspflicht nicht verhandelbar sind, wenn Unternehmen KI einführen. Ein Agentic-System verdient seinen Platz im Back-Office nur dann, wenn es diese Erwartungen standardmäßig erfüllen kann.

Deshalb sind die Designentscheidungen hinter Smart Agents ebenso wichtig wie die Effizienzgewinne. Jede Aktion, die ein Agent ausführt, wird mit vollständiger Erklärbarkeit protokolliert. Die Governance ist durch Maker-Checker-Workflows, richtliniengesteuerte Autonomie und Human-in-the-Loop-Eskalationen bei Bedarf an Urteilsvermögen fest eingebettet. Kontrollen sind kein nachträglicher Zusatz zur KI; sie sind die Funktionsweise des Systems. Für Compliance-Verantwortliche wandelt dies Agentic AI von einer Risikodebatte in eine Kontrolldebatte um, was eine völlig andere Haltung darstellt.

Es gibt auch ein Skalierungsargument, das in der APAC-Region besonders ins Gewicht fällt. Volumenspitzen – ob durch Marktstress, regulatorische Berichtsfenster oder das Onboarding von Gegenparteien getrieben – treten hier tendenziell schneller auf, als Unternehmen Personal einstellen können. Eine Agentic-Belegschaft fängt diese Spitzen ab, ohne die Einstellungs-, Schulungs- und Schichtzyklen, die eine Skalierung durch Vollzeitkräfte erfordert. Das ist Resilienz, nicht nur Effizienz.

Smart Agents wurde speziell für ausnahmeintensive Finanzoperationen entwickelt, mit nativer Integration in unsere Plattformen für Abstimmungen, Daten und Gebühren sowie offenen Protokollen zur Anbindung an Drittsysteme und interne Systeme. Es bringt tiefes Fachwissen ein, das über Jahrzehnte in der Abstimmungs- und operativen Arbeit gesammelt wurde, gepaart mit den agentenbasierten Argumentations-, Orchestrierungs- und kontinuierlichen Lernfähigkeiten, die moderne Institutionen benötigen. Der Schwerpunkt lag durchweg auf einer Autonomie, die präzise, konform und prüfbar ist, anstatt nur um ihrer selbst willen „intelligent“ zu sein.

Wenn Sie am 29. April auf dem Global RegTech Summit APAC sind, besuchen Sie mich auf der Demo-Bühne. Dort werde ich zeigen, wie Smart Agents reale Untersuchungsworkflows durchgängig bearbeitet und wie das für ein Compliance-Team vor Ort in Singapur, Hongkong, Sydney oder Tokio aussieht. Unabhängig davon, ob Sie am Gipfel teilnehmen: Wenn Sie abwägen, welchen Platz Agentic AI auf Ihrer Roadmap für 2026 einnehmen sollte, kontaktieren Sie das Smartstream-Team, um das Gespräch darüber zu beginnen, was Smart Agents für Ihren Betrieb bedeuten könnte.