Insight

Agentic AI Studie: Von GenAI zu Agentic AI im Finanzdienstleistungssektor

Veröffentlicht am 9. Juli 2026

  • Banken
  • Daten & Künstliche Intelligenz

Diese Seite wurde automatisch aus dem Englischen übersetzt, um den Zugang zu erleichtern. Bei Unklarheiten empfehlen wir, die Originalversion zurate zu ziehen.

Diese Studie untersucht, wie Banken und Versicherer von generativer KI zu Agentic AI übergehen und welche organisatorischen, Governance-, Daten- und Operating-Model-Anpassungen erforderlich sind, um KI erfolgreich unternehmensweit zu skalieren. Sie basiert auf 30 halbstrukturierten Interviews mit Führungskräften aus Banken, Versicherungen und Technologieanbietern in der DACH-Region, die zwischen Oktober 2025 und Mai 2026 gemeinsam von Wavestone und der Universität St. Gallen durchgeführt wurden.

In Kürze

  • Agentic AI geht über den Hype hinaus: Finanzinstitute betrachten Agentic AI zunehmend als strategische Fähigkeit mit dem Potenzial, Betriebsabläufe und Kundeninteraktion zu transformieren.
  • Regulierung bleibt die zentrale Hürde für die Einführung: Compliance-Anforderungen, Governance-Erwartungen und regulatorische Unsicherheiten verlangsamen weiterhin die Umsetzung.
  • Organisationen priorisieren Use Cases mit hohem Mehrwert: Aktuelle Initiativen konzentrieren sich auf Bereiche, in denen Automatisierung, Effizienz und Entscheidungsunterstützung messbare Geschäftsergebnisse liefern können.
  • Governance entscheidet über die Skalierung: Eine erfolgreiche Einführung hängt von robusten Governance-Frameworks ab, die Innovation, Risikomanagement und regulatorische Compliance ausbalancieren.
  • Frühe Anwender bauen Wettbewerbsvorteile auf: Organisationen, die heute Fähigkeiten, Betriebsmodelle und Expertise aufbauen, positionieren sich für eine langfristige Differenzierung.

Aktueller Stand der agentischen KI

Agentische KI entwickelt sich schnell von der Experimentierphase hin zur Implementierung. Finanzinstitute in den Bereichen Banking und Versicherung erkennen ihr Potenzial, komplexe Prozesse zu automatisieren, Entscheidungsfindung zu verbessern, Kundeninteraktionen zu optimieren und Produktivitätsgewinne in großem Maßstab zu realisieren. Trotz des wachsenden Interesses befinden sich die meisten Organisationen jedoch noch in frühen Phasen der Einführung.

Die Herausforderung liegt nicht mehr im Verständnis der Technologie selbst. Stattdessen bewegen sich Organisationen in einem komplexen Umfeld aus regulatorischen Anforderungen, Governance-Erwartungen, Altsystemen und Risikomanagement-Aspekten. Infolgedessen wägen viele Institute Innovation und Compliance sorgfältig ab, während sie praxisnahe Anwendungsfälle identifizieren, die messbaren geschäftlichen Mehrwert schaffen.

Unsere Studie untersucht, wo Finanzdienstleistungsorganisationen aktuell auf ihrem Weg zur agentischen KI stehen, welche Hürden den Fortschritt bremsen, wo bereits Mehrwert entsteht und wie führende Organisationen sich auf die nächste Welle der KI-Transformation vorbereiten.

  • Banken
  • Daten & Künstliche Intelligenz

From GenAI to Agentic AI | Wavestone x Universität St. Gallen

pdf · 7652KO

Studie jetzt herunterladen!

We process personal and highly sensitive data here. Technically, it’s not the problem, but the regulatory effort, the AI Act, GDPR, DORA – that’s where the biggest limitations are.

Head of AI einer deutsche Bank

Überblick in die Studie  

Struktur der Studie

Die Studie zur agentischen KI ist entlang der zentralen Dimensionen aufgebaut, die bestimmen, wie Finanzinstitute von isolierten KI-Anwendungsfällen zu einem agentischen Betriebsmodell übergehen können:

  • Executive Summary: Überblick über den aktuellen Stand der agentischen KI im Finanzdienstleistungssektor, zentrale Hürden, Implikationen für das Betriebsmodell sowie strategische Empfehlungen.
  • Einführung und strategischer Kontext: Analyse der Treiber der KI-Adoption, darunter demografischer Wandel, Kostendruck, regulatorische Anforderungen, Legacy-Systeme sowie das Aufkommen agentischer KI als neues Paradigma.
  • Aktueller Stand der Finanzdienstleistungen: Analyse des KI-Reifegrads von Banken und Versicherungen, einschließlich Machine Learning, GenAI-Adoption, Bereitschaft für agentische KI sowie der organisatorischen Faktoren, die Vorreiter von Nachzüglern unterscheiden.
  • Von GenAI zu Agentic AI: Analyse der tatsächlichen Veränderungen beim Übergang von aufgabenbasierter KI zu orchestrierten End-to-End-Workflows, einschließlich Agentenarchitekturen, Orchestrierungsprinzipien und Skalierungsanforderungen.
  • Zentrale Hürden bei der Einführung: Bewertung der wichtigsten Hindernisse für die Skalierung agentischer KI, von Regulierung, Rechenkapazität und Souveränitätsanforderungen bis hin zu Datenqualität, Governance, Mitarbeiterbefähigung und Legacy-Technologien.
  • Veränderung des Betriebsmodells: Detaillierte Analyse des Zielmodells, einschließlich Hub-and-Spoke-Strukturen, KI-Strategie, Governance, Portfoliomanagement sowie der Weiterentwicklung der Rollen von IT- und Fachbereichen.
  • Empfehlungen: Konkrete Handlungsempfehlungen für Finanzinstitute zur Definition einer KI-Strategie, zum Aufbau des richtigen Betriebsmodells, zur Etablierung einer adäquaten Governance, zur Steuerung von KI als Portfolio sowie zur Vorbereitung der Mitarbeitenden auf die Transformation.

 

Die Zukunft der agentischen KI im Finanzdienstleistungssektor wird nicht allein durch die Leistungsfähigkeit von Modellen bestimmt. Der entscheidende Differenzierungsfaktor ist die Fähigkeit einer Organisation, Strategie, Governance, Daten, Technologie und Mitarbeitende in einem Betriebsmodell zu vereinen, das eine sichere Skalierung von KI im gesamten Unternehmen ermöglicht.

  • Banken
  • Daten & Künstliche Intelligenz

From GenAI to Agentic AI | Wavestone x Universität St. Gallen

pdf · 7652KO

Studie jetzt herunterladen!

Mitwirkende

Kontaktieren Sie uns

Diesen Inhalt teilen