Die Folien sind fertig. Die Prozesse nicht.

Kein Strategiepapier ohne Agenten, kaum ein Betrieb mit ihnen. Zwischen der Ankündigung von KI-Agenten und ihrem produktiven Einsatz liegt in der Finanzbranche eine Lücke aus Prozessreife, Datenzugriff und ungeklärter Verantwortung – und diese Lücke schließt kein neues Modell, sondern nur Organisationsarbeit.

Wie groß der Abstand zwischen Ambition und Realität ist, zeigt Gartner im Hype Cycle für Agentic AI 2026: Nur 17 Prozent der befragten Organisationen haben KI-Agenten tatsächlich im Einsatz, während mehr als 60 Prozent planen, innerhalb von zwei Jahren welche einzuführen. Gartner verortet Agentic AI auf dem Gipfel der überzogenen Erwartungen und nennt die Adoptionsabsicht die aggressivste unter allen gemessenen Technologien – bei gleichzeitig eng begrenzten realen Einsätzen.

Was einen Agenten vom Assistenten unterscheidet

Ein Assistent antwortet, ein Agent handelt. Der Assistent liefert einen Entwurf, den ein Mensch weiterverarbeitet; der Agent führt eine Aufgabe über mehrere Schritte aus – er liest den Posteingang, ordnet den Vorgang zu, zieht Daten aus dem Bestandssystem und legt ein Ergebnis zur Freigabe vor. Genau diese Handlungsfähigkeit macht Agenten wertvoll und anspruchsvoll zugleich: Sie berühren Systeme, Daten und Entscheidungen, die bisher Menschen vorbehalten waren.

Deshalb greift der Vergleich mit der Chatbot-Einführung zu kurz. Ein Chatbot, der falsch antwortet, kostet Reputation. Ein Agent, der falsch handelt, erzeugt Vorgänge, Buchungen und Kundenkontakte – seine Fehler haben Workflow-Folgen.

Warum 60 Prozent planen und nur 17 Prozent liefern

Die Lücke hat drei Ursachen, und keine davon heißt Modellqualität.

Erstens die Prozessreife: Ein Agent braucht einen definierten Prozess mit klaren Übergabepunkten. In vielen Finanzunternehmen existieren Prozesse aber als gelebte Praxis, nicht als dokumentierte Abfolge – was der Agent übernehmen soll, kann niemand präzise beschreiben. Die Ausnahmen, die ein erfahrener Sachbearbeiter im Kopf hat, stehen in keinem Handbuch, und genau an diesen Ausnahmen scheitert der Agent dann sichtbar. Zweitens der Datenzugriff: Agenten brauchen strukturierten Zugriff auf Kernsysteme, und der ist in gewachsenen Landschaften oft nur über Umwege möglich. Drittens die Verantwortung: Wer haftet, wenn der Agent entscheidet? Solange diese Frage offen ist, bleibt jeder Rollout im Freigabestau – wir haben das Problem im Beitrag zur Prozessverantwortung in der KI-Ära ausführlich behandelt.

Der Gipfel der Erwartungen ist kein Kaufsignal

Die Position auf dem Hype Cycle ist eine Warnung an Entscheider: Auf dem Gipfel der überzogenen Erwartungen sind Anbieterversprechen am größten und Referenzen am dünnsten. Gartner hält fest, dass die meisten bestehenden Einsätze eng begrenzt sind und vollautonome Agenten für die Mehrheit der Unternehmensanwendungen nicht bereit sind. Wer jetzt eine Plattformentscheidung über Jahre trifft, kauft Erwartung, nicht Erfahrung.

Das Gegenteil von Hype-Kauf ist aber nicht Abwarten. Häuser, die erst in zwei Jahren anfangen, ihre Prozesse agentenfähig zu machen, stehen dann vor derselben Organisationsarbeit – nur unter Zeitdruck und mit Wettbewerbern, die den Lernweg hinter sich haben.

Wo Agenten in der Finanzbranche zuerst tragen

Die tragfähigen Einsatzfelder folgen einem Muster: hohes Volumen, klare Regeln, prüfbares Ergebnis, Mensch in der Schleife. Der Posteingang ist das naheliegendste Beispiel – Klassifikation, Vorgangszuordnung und fachliche Vorprüfung eingehender Anfragen, bevor ein Sachbearbeiter übernimmt. Ähnlich gelagert: die Vorbereitung von Kundengesprächen aus CRM- und Bestandsdaten, die Zusammenstellung von Unterlagen für Kreditvorgänge oder die Vorqualifizierung von Anfragen im Vermittlergeschäft. Wie das in der Kreditbearbeitung konkret aussieht, zeigt unser Beitrag zu Agentic AI in der Marktfolge.

Gemeinsam ist diesen Feldern: Der Agent ersetzt keine Entscheidung, er beseitigt Zuarbeit. Das senkt das Risiko, macht den Nutzen messbar – und baut genau die Betriebserfahrung auf, die für autonomere Stufen später fehlt. Häuser, die diesen Weg gehen, berichten übereinstimmend, dass der größte Aufwand nicht im Agenten selbst steckt, sondern in der Klärung dessen, was er übernehmen soll – eine Investition, die sich für jeden weiteren Anwendungsfall erneut auszahlt.

Der Betrieb entscheidet, nicht das Demo

Zwischen einem beeindruckenden Demo und einem betriebenen Agenten liegt genau die Arbeit, die im Hype unsichtbar bleibt. Ein produktiver Agent braucht Protokollierung jedes Arbeitsschritts, damit Revision und Fachbereich nachvollziehen, was er getan hat. Er braucht definierte Grenzen: welche Systeme er lesen darf, welche er schreiben darf, ab welchem Betrag oder welcher Fallkonstellation er abgibt. Und er braucht ein Monitoring, das nicht nur Verfügbarkeit misst, sondern Ergebnisqualität – Fehlerraten, Eingriffsquoten, Bearbeitungszeiten.

Diese Betriebsanforderungen sind keine Kür, sondern in der Finanzbranche die Eintrittskarte: Aufsicht und interne Revision behandeln handelnde Systeme strenger als antwortende. Wer die Betriebsfragen erst nach der Anbieterauswahl stellt, wählt mit hoher Wahrscheinlichkeit das falsche Produkt.

Autonomie ist ein Regler, kein Schalter

Der praktikable Weg führt über gestufte Autonomie. Stufe eins: Der Agent schlägt vor, der Mensch führt aus. Stufe zwei: Der Agent führt aus, der Mensch gibt frei. Stufe drei: Der Agent führt aus, der Mensch prüft Stichproben und Grenzfälle. Jede Stufe braucht definierte Kennzahlen – Fehlerrate, Eingriffsquote, Durchlaufzeit – und einen dokumentierten Beschluss, bevor die nächste Stufe zündet.

Dieses Vorgehen beantwortet auch die Verantwortungsfrage: Auf jeder Stufe ist eindeutig, wer freigibt und wer haftet. Und es diszipliniert die Anbieterauswahl – wer Autonomie stufen will, braucht Systeme, die Eingriffe, Protokolle und Grenzen technisch vorsehen, nicht nur versprechen.

Was Entscheider jetzt tun sollten

Drei Arbeitspakete bringen ein Finanzunternehmen von der Folie in den Betrieb. Einen Prozess auswählen, der die Musterkriterien erfüllt, und ihn so dokumentieren, dass Übergabepunkte und Ausnahmen explizit sind. Die Datenzugänge für genau diesen Prozess herstellen, statt eine Integrationsplattform für alle denkbaren Fälle zu bauen. Und ein Verantwortungsmodell beschließen, das Freigaben, Eskalation und Kennzahlen je Autonomiestufe festlegt.

Wer diese drei Pakete für einen ersten Prozess durchzieht, hat in wenigen Monaten einen betriebenen Agenten und ein wiederverwendbares Vorgehensmodell. Ein kompakter Workshop klärt, welcher Prozess im eigenen Haus dafür der richtige ist – und welche der drei Lücken zuerst geschlossen werden muss.