Autoren:

Adam Preis, Director Product and Solution Marketing, Ping Identity

Deepak Goyal, Senior Manager, Cyber and Strategic Risk, Deloitte & Touche LLP

Eine neue Ära autonomer Intelligenz

Die Finanzdienstleistungsbranche nähert sich einem entscheidenden Wendepunkt zwischen intelligenter Automatisierung und autonomer Intelligenz. In den vergangenen zehn Jahren haben Banken, Versicherer und Vermögensverwalter erheblich in Analytik, Robotik und maschinelles Lernen investiert, um Prognosefähigkeit, Effizienz und Kontrolle zu verbessern. Nun entsteht mit Agentic AI eine neue Entwicklungsstufe der künstlichen Intelligenz (KI) als nächster Schritt dieser Transformation.

Diese Entwicklung markiert einen Paradigmenwechsel von Tools, die lediglich Muster analysieren und berichten, hin zu intelligenten Systemen, die Erkenntnisse operationalisieren, Kundennutzen liefern, Compliance stärken und Loyalität fördern, um nachhaltige Profitabilität zu erzielen. Mehr als nur ein technologischer Fortschritt stellt Agentic AI einen grundlegenden Wandel darin dar, wie Finanzinstitute ihre Geschäfte planen, bereitstellen und skalieren. Im breiteren Branchenkontext wird dieser Paradigmenwechsel traditionelle Modelle der Finanzintermediation infrage stellen. Die Chance ist enorm. Doch mit jedem Schritt hin zu mehr Autonomie steigt auch das Risiko.

Agentic AI definiert die Grenzen zwischen Finanzinstituten, ihren Kunden und der Technologie, die sie verbindet, neu. Während sich KI-Ökosysteme von Analyse-Engines zu autonomen Akteuren entwickeln, die Transaktionen ausführen, Kredite vergeben oder Policen abschließen können, werden langjährige Grenzen von Verantwortlichkeit und Aufsicht auf die Probe gestellt. Finanzinstitute stehen nun vor einem doppelten Imperativ: den Mehrwert intelligenter Automatisierung zu realisieren und gleichzeitig sicherzustellen, dass Agentic-AI-Lösungen so konzipiert, implementiert und abgesichert sind, dass sie Vertrauen bewahren, Risiken steuern und höchsten regulatorischen sowie operativen Integritätsstandards entsprechen.

Dieses White Paper untersucht, wie dieser Imperativ die Finanzdienstleistungsbranche neu gestaltet, und legt eine gemeinsame Perspektive von Deloitte und Ping Identity dar, wie Institute das Identity Fabric konzipieren, implementieren und absichern können, das Agentic AI einen sicheren, verantwortungsvollen und skalierbaren Betrieb ermöglicht.

Die Entwicklung von KI im Finanzdienstleistungssektor

KI im Finanzdienstleistungssektor hat sich in vier transformativen Wellen entwickelt, die jeweils durch größere Chancen, steigende Risiken und höhere Investitionen gekennzeichnet sind. Was als einfache Backoffice-Automatisierung begann, hat sich zu fortschrittlicher, KI-gestützter Intelligenz entwickelt, die in der gesamten Branche verankert ist.

Mit jeder Welle ist KI näher an die Endkunden gerückt und hat grundlegend verändert, wie Finanzinstitute arbeiten, Kunden einbinden und Risiken steuern. Mit der zunehmenden Reichweite von KI wächst auch ihr Risikoprofil, wodurch Security-by-Design bei der Entwicklung, Bereitstellung und Governance moderner Agentic-AI-Systeme unverzichtbar wird. Deloitte (siehe Abbildung 1) bietet einen übergreifenden Rahmen, der diese Entwicklung in vier Schlüsselphasen beschreibt.

Abbildung 1. Entwicklung von Agentic AI im Finanzdienstleistungssektor¹

¹ Deloitte. August 2025.

Identitätsgestützte Autonomie: Die Architektur von Agentenbeziehungen

Agentic AI verändert grundlegend das Verständnis eines Nutzers. Erstmals können digitale Akteure Entscheidungen treffen, Maßnahmen ergreifen und mit anderen Systemen zusammenarbeiten – bei reduzierter direkter menschlicher Kontrolle. In dieser neuen Umgebung wird Identität zum ordnenden Prinzip der Autonomie – dem Rahmen, der bestimmt, wer oder was ein Agent ist, was er tun darf und wie seine Handlungen aufgezeichnet und gesteuert werden.

Ping Identity definiert dieses neue Paradigma als „Identity for AI“, eine grundlegende Fähigkeit zur Steuerung der nächsten Generation intelligenter, nicht-menschlicher Agenten. Im Gegensatz zu traditionellen Anwendungen oder Servicekonten denken, lernen und handeln KI-Agenten autonom und finden häufig kreative Wege, um ihre Ziele zu erreichen.

Sie bilden daher eine neue Klasse von Identität: intelligente, nicht-menschliche Einheiten, die authentifiziert, autorisiert und kontinuierlich überwacht werden müssen, um Verantwortlichkeit und überprüfbares Vertrauen bei jeder Handlung sicherzustellen. „Identity for AI“ stellt die Leitplanken bereit, die dies ermöglichen, indem Delegation statt Identitätsvortäuschung verankert, das Prinzip der minimalen Rechtevergabe sowie Just-in-Time-Zugriff durchgesetzt und eine vollständige Nachverfolgbarkeit zwischen dem menschlichen Auftraggeber, dem in seinem Namen handelnden Agenten und jeder vom Agenten getroffenen Entscheidung gewährleistet wird.

Die drei Anwendungsfälle von Agentenbeziehungen

Jeder Agentic-AI-Workflow im Finanzdienstleistungssektor fällt in eines oder mehrere von drei wiederkehrenden Beziehungsmustern: und in wessen Namen gehandelt wird.

Customer-to-Agent
Einzelpersonen oder Unternehmen setzen Agenten ein, um mit ihren Finanzdienstleistern zu interagieren. Diese kundenorientierten Agenten können Zahlungen verwalten, Versicherungsverlängerungen durchführen oder Anlageportfolios steuern. Anbieter müssen sie als legitime Intermediäre anerkennen, ihre Berechtigungen authentifizieren und autorisieren sowie Zustimmungsframeworks anwenden, die jede Handlung des Agenten an ein führendes System binden.

Business-to-Agent
Finanzinstitute betreiben eigene Unternehmensagenten zur Ausführung interner oder kundenorientierter Aufgaben – von Onboarding und Know-your-Customer-(KYC)-Prüfungen bis hin zu Betrugserkennung und Schadensbearbeitung. Diese Agenten erfordern Provisionierung, Überwachung und Lifecycle-Management mit derselben Strenge wie bei menschlichen Mitarbeitenden, einschließlich klarer Verantwortlichkeiten, die den jeweiligen Business-Verantwortlichen zugeordnet sind.

Agent-to-Agent
Autonome Agenten arbeiten zunehmend über Unternehmens- und Ökosystemgrenzen hinweg zusammen. Der Betrugserkennungs-Agent einer Bank kann beispielsweise einen Zahlungsnetzwerk-Agenten abfragen, oder der Schadensagent eines Versicherers koordiniert sich mit dem Agenten einer Reparaturwerkstatt. Diese Interaktionen erfordern eine beidseitige Authentifizierung, richtlinienbasierte Delegation und unveränderliche Transaktionsaufzeichnungen, um sicherzustellen, dass jeder agentenübergreifende Austausch legitim, im Umfang begrenzt und vollständig auditierbar ist.

IAM-Funktionen für verantwortliche Autonomie

Über die Anwendungsfälle Customer-to-Agent, Business-to-Agent und Agent-to-Agent hinweg schafft ein konsistenter Satz von Identity- und Access-Management-(IAM)-Funktionen eine Steuerungsebene für Agentic AI. Diese Funktionen transformieren Identität von einer statischen Sicherheitsschicht zu einem dynamischen Governance-System, das gleichzeitig die Sicherheit stärkt, regulatorische Compliance ermöglicht und das für die Finanzintermediation im Zeitalter von Agentic AI essenzielle Vertrauen bewahrt.

Authentifizierung und Herkunftsverifikation
Der erste Schritt zur Absicherung von Autonomie besteht darin zu verifizieren, wer oder was der Agent ist und woher er stammt. In einem agentischen Ökosystem geht Identitätsprüfung über Benutzer und Geräte hinaus und umfasst autonome digitale Einheiten sowie die von ihnen verarbeiteten Daten. Die Herkunftsverifikation stellt sicher, dass sowohl der Agent als auch die von ihm genutzten Datensätze auf legitime, auditierbare Quellen zurückgeführt werden können.

Für Finanzinstitute bedeutet dies, eine kryptografische Herkunftssicherung zu etablieren, zu verifizieren, dass ein Zahlungsagent zu einem registrierten Kunden gehört, dass ein Underwriting-Agent innerhalb der Richtliniendomäne des Instituts operiert und dass externe Daten von Partnern oder Gegenparteien nicht manipuliert wurden. Indem jede Interaktion an eine validierte Identität und Datenquelle gebunden wird, verhindern Authentifizierung und Herkunftsverifikation Spoofing, Identitätsvortäuschung und Datenvergiftung – zentrale Bedrohungen zukünftiger agentischer KI-Umgebungen.

Delegierte Autorisierung
Wenn Agenten beginnen, eigenständig zu handeln, müssen sie dies auf Basis expliziter, begrenzter Mandate tun. Delegierte Autorisierung steuert dieses Gleichgewicht, indem kurzlebige, aufgabenbezogene Berechtigungen ausgegeben werden, die präzise definieren, was ein Agent unter welchen Bedingungen und für welchen Zeitraum tun darf. Diese Berechtigungen kodieren das Prinzip der minimalen Rechtevergabe und stellen sicher, dass ein Agent nur auf die Daten oder Systeme zugreifen kann, die zur Erfüllung seiner Aufgabe erforderlich sind – und nicht mehr.

Human-in-the-Loop-Kontrollen ergänzen dieses Modell, indem sie sicherstellen, dass sensible oder wirkungsstarke Maßnahmen stets eine explizite menschliche Genehmigung oder eine Überprüfung nach der Ausführung erfordern. Dadurch bleibt menschliche Verantwortlichkeit auch bei autonom agierenden Agenten gewahrt und Vertrauen sowie Transparenz über sämtliche agentische Aktivitäten hinweg werden gestärkt.

In der Praxis könnte dies den persönlichen Agenten eines Kunden darauf beschränken, Überweisungen unterhalb eines festgelegten Schwellenwerts zu initiieren, oder einen unternehmensweiten Schadensagenten auf die Bearbeitung von Policen in seiner zugewiesenen Region begrenzen. Delegierte Autorisierung reduziert nicht nur die Angriffsfläche, sondern erzwingt auch eine interne Funktionstrennung – eine zentrale Kontrolle im Rahmen von Regularien wie dem Digital Operational Resilience Act (DORA) und den Operational-Resilience-Regeln der FCA.

Richtlinienbasierte Zugriffskontrolle

Die richtlinienbasierte Zugriffskontrolle (PBAC) wendet kontextbezogene Intelligenz auf jede Autorisierungsentscheidung an, indem Informationen über die Rolle des Agenten, die Sensibilität der Transaktion, die aktuelle Risikolage und geltende regulatorische Verpflichtungen kombiniert werden. In einem agentischen System ersetzt PBAC statische Zugriffsliste durch Echtzeitbewertungen und erlaubt oder verweigert Aktionen auf Basis dynamischer Kontexte wie Transaktionswert, Kundenverwundbarkeit oder jurisdiktionale Grenzen. Diese Fähigkeit ermöglicht es Instituten, Compliance-Richtlinien direkt in die Systemlogik zu kodieren und Vorschriften wie die EU AI Act, Monetary Authority of Singapore (MAS) Pathfinder, oder Consumer Duty in durchsetzbare, automatisierte Kontrollen. PBAC wird damit zur operativen Verkörperung von Risikomanagement und Compliance-Sicherung.

Einwilligungsmanagement

Da AI-Agenten im Namen von Menschen handeln, beruht ihre Legitimität auf Einwilligung. Einwilligungsmanagement erfasst, speichert und setzt die Berechtigungen durch, die eine menschliche Hauptidentität mit den Aktionen eines Agenten verknüpfen. Es stellt sicher, dass die Autorisierung eines Kunden zur Weitergabe von Daten oder zur Ausführung von Transaktionen bei jeder Anfrage sicher mitgeführt wird und dass diese Berechtigungen jederzeit widerrufbar sind. Für Finanzdienstleister ist diese Fähigkeit zentral, um die Einhaltung der EU Datenschutz-Grundverordnung (GDPR), des Singapurischen Personal Data Protection Act (PDPA) sowie ähnlicher Datenschutzgesetze sicherzustellen. Sie dient zudem als Schutz gegen Zielmanipulation oder unbefugte Datennutzung und liefert nachweisbare Belege dafür, dass jede agentische Handlung mit der ausdrücklichen Absicht des Kunden übereinstimmt.

Lebenszyklus-Governance

Agenten müssen – wie menschliche Identitäten – unter kontrollierten Bedingungen erstellt, überwacht und außer Betrieb genommen werden. Die Lebenszyklus-Governance steuert diesen Prozess durchgängig: von der Bereitstellung neuer Agenten mit definierten Rollen über die kontinuierliche Überwachung ihrer Leistung und ihres Verhaltens bis hin zu ihrer Stilllegung, wenn sie nicht mehr benötigt werden oder sich Risikobedingungen ändern. In regulierten Umgebungen wie der Finanzdienstleistungsbranche schafft diese Fähigkeit die operative Transparenz, die Aufsichtsbehörden erwarten, indem sie Bestände aktiver Agenten, ihrer Zugriffsrechte und ihrer fachlichen Verantwortlichen dokumentiert. Sie unterstützt zudem interne Audit- und Risikofunktionen, indem sie sicherstellt, dass inaktive oder verwaiste Agenten nicht unbemerkt in kritischen Systemen verbleiben.

Auditierbarkeit und Nichtabstreitbarkeit

Letztlich muss jede autonome Handlung beobachtbar und rekonstruierbar sein. Auditierbarkeit und Nichtabstreitbarkeit gewährleisten eine unveränderliche, zeitgestempelte Aufzeichnung aller Agentenaktivitäten und verknüpfen jedes Ereignis mit den Anmeldeinformationen, Einwilligungstoken und Richtlinienentscheidungen, die es autorisiert haben. Diese Aufzeichnungen ermöglichen es Institutionen, regulatorische Anforderungen an Erklärbarkeit gemäß dem EU AI Act sowie an die Nachverfolgbarkeit von Vorfällen gemäß DORA und MAS Pathfinder zu erfüllen. Noch wichtiger ist, dass sie die Beweisgrundlage schaffen, die Vertrauen trägt: Kunden, Aufsichtsbehörden und Geschäftspartner können nicht nur erkennen, was ein Agent getan hat, sondern auch, dass er unter legitimer Autorität und innerhalb genehmigter Grenzen gehandelt hat.

Das Model Context Protocol: Eine gemeinsame Sprache für Vertrauen

Mit der wachsenden Zahl autonomer Agenten und vernetzter Systeme in Finanzinstituten wird es untragbar, Identität, Zugriff und Vertrauen über proprietäre oder Punkt-zu-Punkt-Integrationen zu verwalten. Jede Agent-zu-Agent- oder domänenübergreifende Interaktion – sei es zwischen dem persönlichen Assistenten eines Kunden, der Betrugserkennungs-Engine einer Bank oder einem Drittanbieter-Abwicklungsnetzwerk – erfordert eine konsistente Methode zur Authentifizierung der Beteiligten, zum sicheren Austausch von Anmeldeinformationen und zur Durchsetzung von Richtliniengrenzen.

Das Model Context Protocol (MCP) ist entstanden, um diesem Bedarf gerecht zu werden. Es bietet einen Standardrahmen, der die zentralen IAM-Funktionen Authentifizierung, Autorisierung, Einwilligung und Audit über verteilte Multi-Agent-Umgebungen hinweg verknüpft. Durch die Erweiterung etablierter Sicherheitsprotokolle wie OAuth 2.0 und OpenID Connect schafft MCP eine gemeinsame Sprache für Vertrauen und ermöglicht sichere Discovery, den Austausch von Anmeldeinformationen und kontextbezogene Kommunikation zwischen Agenten, Tools und Datenquellen. Innerhalb von Finanzdienstleistungsökosystemen erlaubt es dem persönlichen Agenten eines Kunden, dem operativen Agenten einer Bank und dem Service-Agenten eines Drittanbieters, sich gegenseitig zu erkennen und zu validieren sowie gegenseitiges Vertrauen und explizite Autorisierungsumfänge durchzusetzen.

In diesem Modell wird Identität zu einem aktiven Bestandteil jeder Transaktion anstatt zu einem einmaligen Verifizierungsschritt. Authentifizierung bestätigt die Herkunft; Autorisierung definiert den Umfang; Auditierung sichert den Nachweis. Durch diese Trias können Institute sicherstellen, dass jede autonome Handlung – ob von einem Menschen, einem Unternehmenssystem oder einem AI-Agenten initiiert – innerhalb genehmigter Grenzen bleibt und einer verantwortlichen Instanz zugeordnet werden kann.

Abbildung 3. MCP als gemeinsame Sprache für Vertrauen.

Das Identity-for-AI-Framework

Mit der zunehmenden Verbreitung agentischer AI schaffen Standards wie MCP eine technische Grundlage für Interoperabilität und Vertrauen. Doch Standards allein genügen nicht; Finanzdienstleister benötigen zudem eine Designphilosophie, die definiert, wie Identitätsschutzmaßnahmen auf autonome Akteure angewendet werden sollen.

Ping Identity möchte genau diese Grundlage mit seiner ‚Identity for AI‘-Lösung bereitstellen. Sie übersetzt abstrakte Governance-Konzepte in umsetzbare Designprinzipien und stellt sicher, dass Autonomie in Finanzsystemen unter kontinuierlicher menschlicher Verantwortung erfolgt. Diese Lösung basiert auf fünf Leitprinzipien, die gemeinsam eine sichere, konforme und skalierbare Einführung agentischer AI in den Bereichen Banking, Versicherung und Vermögensverwaltung ermöglichen.

Leitprinzip 1: Delegation statt Identitätsvortäuschung

Im Finanzdienstleistungssektor hängt Verantwortlichkeit davon ab, zu wissen, wer eine Handlung ausgeführt hat und unter wessen Autorität. Agenten handeln daher im Namen von Menschen, jedoch niemals als diese. Jeder Agent – ob persönlicher Banking-Assistent, digitaler Schadenregulierer oder Handelsalgorithmus – erhält eine eigene kryptografisch verifizierbare Identität und ein eigenes Berechtigungsset, getrennt von der Person oder dem Unternehmen, das er repräsentiert.

Delegation stellt sicher, dass, wenn ein Agent eine Zahlung initiiert, einen Anspruch genehmigt oder einen Handel ausführt, seine Anmeldeinformationen auf eine verantwortliche Hauptidentität zurückgeführt werden können, jedoch nicht zur Identitätsvortäuschung dieser Person oder Institution genutzt werden können. Diese Trennung der Identitäten verhindert die gemeinsame Nutzung von Anmeldeinformationen – eine der Hauptursachen für Insider- und Supply-Chain-Verstöße – und bildet den Grundpfeiler digitalen Vertrauens.

Leitprinzip 2: Least Privilege & Just-in-Time Access

Finanzinstitute unterliegen strengen Grundsätzen der Compliance-Überwachung – dasselbe muss für agentische AI gelten. Agenten erhalten nur den minimal erforderlichen Zugriff zur Ausführung einer bestimmten Aufgabe und nur für die exakt notwendige Dauer. Dieses Prinzip der geringsten Privilegien begrenzt laterale Bewegungen und Datenexposition im Falle einer Kompromittierung eines Agenten, während Just-in-Time (JIT)-Zugriff persistente Risiken reduziert, indem dauerhafte Anmeldeinformationen vollständig vermieden werden.

In der Praxis bedeutet dies, dass ein Kreditprüfungsagent Kundendaten einsehen, jedoch nicht exportieren darf; ein Schadenbearbeitungsagent Erstattungen nur innerhalb seines festgelegten monetären Schwellenwerts genehmigen kann; und der Zugriff eines Beratungsagenten auf Kundenportfolios unmittelbar nach Ausführung erlischt. Durch die zeitliche und funktionale Begrenzung von Privilegien reduzieren Institute systemische Risiken und stärken die Einhaltung regulatorischer Erwartungen zur Risikobegrenzung.

Leitprinzip 3: Human-in-the-Loop

Selbst in den fortschrittlichsten agentischen Systemen bleiben Menschen die letztinstanzlichen Entscheider in Bezug auf treuhänderische und ethische Verantwortung. Maßnahmen mit hoher Auswirkung, hohem Risiko oder anomale agentische Aktionen – wie große Geldtransfers, ungewöhnliche Versicherungszahlungen oder grenzüberschreitender Datenzugriff – müssen vor Abschluss eine Human-in-the-Loop-Bestätigung auslösen.

Diese Schutzmaßnahme spiegelt operative Kontrollen wider, die in der Finanzaufsicht seit Langem etabliert sind: Doppelautorisierung, Vier-Augen-Prinzip und Eskalation bei Ausnahmen. Die direkte Einbettung dieser Trigger in agentische Workflows stellt sicher, dass die Aufsicht mit der Geschwindigkeit der Automatisierung erfolgt – nicht erst im Nachhinein.

Leitprinzip 4: Kontinuierliches Monitoring & Rückverfolgbarkeit

Autonome Systeme benötigen kontinuierliche Transparenz, um vertrauenswürdig zu bleiben. Jede Entscheidung, jede Datenanfrage und jede von einem Agenten ausgeführte Aktion muss mit vollständigen kontextuellen Metadaten protokolliert werden: wer sie autorisiert hat, welche Daten verwendet wurden, welches Ergebnis erzielt wurde und welche Kontrollen angewendet wurden. Kontinuierliches Monitoring verwandelt diese Daten in Erkenntnisse: Es ermöglicht Instituten, anomales Verhalten zu erkennen, Compliance zu validieren und Erkenntnisse in das Modellrisikomanagement zurückzuführen.

Für Aufsichtsbehörden liefert diese Rückverfolgbarkeit die zunehmend geforderte Transparenz; für Kunden bietet sie die Gewissheit, dass selbst autonome Abläufe beobachtbar und verantwortbar bleiben. Monitoring und Rückverfolgbarkeit bilden somit die Auditspur des agentischen Zeitalters.

Grundsatz 5: Lifecycle Governance

Agenten benötigen – ebenso wie menschliche Mitarbeitende – eine vollständige Überwachung ihres gesamten Lebenszyklus, von der Erstellung und dem Onboarding über die Beaufsichtigung und Änderung bis hin zur endgültigen Außerbetriebnahme. Lifecycle Governance stellt sicher, dass Zweck, Berechtigungen und Verantwortlichkeitskette jedes Agenten vor der Bereitstellung definiert, während des Betriebs kontinuierlich überprüft und bei Änderung von Funktion oder Kontext formell beendet werden.

Diese Fähigkeit adressiert eine kritische Kontrolllücke in der entstehenden KI-Regulierung: die Anforderung, ein vollständiges und aktuelles Inventar aller operativen KI-Systeme zu führen. Durch die Ausweitung der Identity Governance auf non-human identity (NHI) können Finanzinstitute aufsichtsrechtliche Erwartungen in Bezug auf Modellinventare, Zugriffsüberprüfungen und Policy-Attestierungen erfüllen und gleichzeitig verhindern, dass „Ghost Agents“ unbemerkt in Produktionsumgebungen fortbestehen.

Konsequent angewendet transformiert die Lösung „Identity for AI“ IAM von einer reaktiven Compliance-Funktion zu einer ermöglichenden Architektur vertrauenswürdiger Autonomie. Sie erlaubt es Finanzinstituten, mit hoher Geschwindigkeit zu innovieren – in dem Vertrauen, dass jede autonome Entscheidung authentifiziert, autorisiert, überwacht und zuordenbar ist – eine vollständige Vertrauenskette vom Design bis zur Ausführung.

Agentische KI und die Konvergenz der Compliance

Während Finanzinstitute autonome Entscheidungsprozesse integrieren, verständigen sich Regulierungsbehörden weltweit auf ein zentrales Prinzip: Autonomie darf Verantwortlichkeit nicht verwässern. Neue Rahmenwerke – vom EU AI Act und DORA über die Operational-Resilience-Regeln der britischen FCA bis hin zu MAS Pathfinder in Singapur – fordern, dass Governance direkt in die Systeme eingebettet wird. Compliance verlagert sich von nachträglicher Berichterstattung hin zu architektonischer Absicherung.

Identity dient als gemeinsamer Nenner und unterstützt Finanzinstitute dabei, Compliance zu erreichen, während regulatorische Erwartungen schneller werden und sich weiter ausdifferenzieren. Authentifizierung, Autorisierung, Einwilligung und Audit werden zur gemeinsamen Sprache, mit der Transparenz, Aufsicht und Erklärbarkeit im Zeitalter der agentischen KI nachgewiesen werden. Unabhängig von Region oder Regulierung muss jeder KI-Agent identifizierbar sein, seine Handlungen nachvollziehbar und seine Berechtigungen zeitlich sowie im Umfang begrenzt.

Dieses Identity Fabric macht Compliance kontinuierlich und selbstdokumentierend. Provenienzprüfung validiert die Datenintegrität; delegierte Autorisierung begrenzt Autonomie; richtlinienbasierte Zugriffskontrolle verankert Regulierung im Code; und Lifecycle Governance gewährleistet Transparenz und Auditierbarkeit. Regulierung wird zu einer lebendigen Steuerungsebene statt zu einer statischen Checkliste.

Durch die Einbettung dieser Identity-Sicherungsmaßnahmen verwandeln Finanzinstitute Compliance von einer Einschränkung in einen Enabler. Was Deloitte als „compliance by design“ bezeichnet, ersetzt Reibung durch Vertrauen und ermöglicht es agentischer KI, sicher zu skalieren, Verantwortlichkeit in Echtzeit nachzuweisen und das Vertrauen zu bewahren, das die finanzielle Stabilität trägt.

Kontrolle von LLM-Modellbias

Agentische KI, einschließlich LLMs, ermöglicht autonome Entscheidungsfindung im Finanzdienstleistungssektor und treibt Produktempfehlungen, Kundenberatung, Compliance-Prüfungen und Risikobewertungen voran. LLMs sind jedoch anfällig für Verzerrungen, was erhebliche Risiken in Bezug auf Compliance, Reputation und finanzielle Stabilität schafft.

Warum Modellbias ein ernstes Problem ist

Um diese Herausforderungen zu adressieren, wird ein mehrgleisiger Ansatz empfohlen. Eine rigorose Bias-Bewertung sollte bereits in der Modellkonzeption beginnen, mit vielfältigen und repräsentativen Trainingsdatensätzen sowie dem Einsatz synthetischer Daten zur Schließung von Abdeckungslücken, insbesondere in sensiblen oder unterrepräsentierten Kategorien. Die regelmäßige Überprüfung von Workflow-Prompts hilft, unbeabsichtigte Verzerrungen in praktischen Implementierungen zu mindern.

Fortgeschrittenes Monitoring und Testing sind unerlässlich, einschließlich der Implementierung domänenspezifischer Bias-Detection-Harnesses und regelmäßiger Audits durch Dritte, um fortlaufende Fairness sicherzustellen. Human-in-the-loop-Kontrollen bleiben entscheidend, insbesondere bei Entscheidungen mit hoher Auswirkung wie Kreditvergabe oder Kundensegmentierung; Expertenprüfungen und Override-Protokolle dienen als Schutzmechanismen gegen automatisierte Fehler. Darüber hinaus befähigt die Einbettung von Erklärbarkeit und Transparenz – durch Explainable-AI-Techniken und umfassende Dokumentation – sowohl Stakeholder als auch Regulierungsbehörden, KI-gestützte Ergebnisse zu verstehen, zu prüfen und zu hinterfragen.

Branchenanwendungsfälle: Von der heutigen Realität zu agentischen Zukunftsszenarien

Die Finanzdienstleistungsbranche hat einen Punkt erreicht, an dem Effizienz allein nicht mehr mit Fortschritt gleichzusetzen ist. Jahre der Prozessautomatisierung und Digitalisierung haben Skaleneffekte ermöglicht, jedoch auch die Angriffsfläche vergrößert, die Aufsicht fragmentiert und regulatorische Kontrolle belastet. Böswillige Akteure nutzen inzwischen dieselben digitalen Kanäle wie Kunden, während Datenschutzanforderungen und Vorgaben zur operationellen Resilienz mit jedem Vorfall strenger werden. Während Banken, Versicherer und Vermögensverwalter beginnen, agentische KI einzusetzen, lautet die zentrale Frage nicht mehr, ob Entscheidungen automatisiert werden sollen, sondern wie dies sicher, effizient und effektiv erfolgen kann.

Die Antwort liegt in der Etablierung eines Identity Fabric: einer kohärenten Ebene, die Sicherheit, Vertrauen und Compliance über menschliche und agentische Interaktionen hinweg vereint. Dieses Fabric integriert Best-of-Breed-Authentifizierung, -Autorisierung, -Einwilligung, Policy-Durchsetzung und Audit in jede Interaktion und stellt sicher, dass jede autonome Aktion verifiziert, begrenzt und nachvollzogen werden kann. Es transformiert Identity von einer defensiven Schutzmaßnahme zu einem aktiven Governance-Framework: Missbrauch wird verhindert, bevor er entsteht, Compliance wird währenddessen nachgewiesen, und Innovation wird ermöglicht, der sowohl Regulierungsbehörden als auch Kunden vertrauen können.

Durch die Verankerung von Security-by-Design-Prinzipien im Kern agentischer KI ermöglicht das Identity Fabric Finanzinstituten, Risiken zu begrenzen und gleichzeitig Produktivitäts-, Personalisierungs- und Kundenerlebnisgewinne autonomer Abläufe zu erschließen. Die folgenden Anwendungsfälle veranschaulichen, wie diese Fähigkeiten messbaren Mehrwert liefern können.

Bankwesen

Autonome Betrugserkennung und -reaktion

Herausforderung

Betrug bleibt eines der größten operationellen Risiken weltweit, während allein der Authorized Push Payment (APP)-Betrug voraussichtlich über 8,3 Milliarden US-Dollar erreichen wird² weltweit im Jahr 2024. Statische Regeln und manuelle Triage sind langsam, reaktiv und anfällig für menschliche Fehler. Kunden verlieren das Vertrauen, Regulierungsbehörden fordern weiterhin schnellere Rückerstattungen, und operative Teams leiden unter Alert-Fatigue, da die Compliance-Anforderungen zunehmen.

² Deloitte, Oktober 2025.

Zielbild

Agentische KI-Betrugsabwehr etabliert einen kontinuierlichen, identitätsverankerten Kontrollkreislauf. Authentifizierte Betrugsagenten auf Unternehmensseite überwachen Zahlungen in Echtzeit und leiten bei Anomalien bilaterale Prüfungen mit Kundenagenten ein. Durch delegierte Autorisierung und kundengesteuerte Einwilligung validieren beide Seiten die Absicht vor der Ausführung. Transaktionen werden automatisch fortgesetzt oder pausiert, und jedes Ereignis wird unveränderlich für Audit und Rückerstattung erfasst.

Werttreiber

Agentisches Betrugsmanagement definiert Compliance und Verlustprävention als einen einheitlichen, kontinuierlichen Prozess von Schutz und Absicherung neu. Deloitte-Studien zur intelligenten Automatisierung zeigen, dass Banken durch den Einsatz fortschrittlicher KI im operationellen Risikomanagement Betrugsverluste und damit verbundene Bearbeitungskosten deutlich senken können, indem sie Untersuchungszeiten verkürzen und die Genauigkeit erhöhen. Um Mehrwert zu realisieren, sollten Entscheidungsträger im Finanzdienstleistungssektor:

• Eine einheitliche Betrugsagenten-Architektur definieren, die mit ihrer Identity-Struktur verknüpft ist.
• Kundenagenten-Kanäle für die sofortige Transaktionsbestätigung etablieren.
• Delegierte Autorisierungsgrenzen im Einklang mit Risikoschwellenwerten integrieren.
• Die Erfassung von Nachweisen für das Compliance-Reporting automatisieren.

Identity für KI-Funktionen

Human-in-the-Loop-Kontrollen

Selbst bei agentischer Betrugsprävention in Echtzeit bleibt menschliche Aufsicht entscheidend, um Vertrauen, Verantwortlichkeit und regulatorische Sicherheit zu gewährleisten. Betrugsagenten können anomales Verhalten sofort erkennen und darauf reagieren, doch die abschließende Beurteilung bei strittigen oder hochvolumigen Fällen muss bei geschulten Analysten liegen, die nach definierten Eskalationsrichtlinien arbeiten. Human-in-the-Loop-Kontrollen bieten diese Absicherung und stellen sicher, dass Ausnahmen, Kundenbeschwerden oder Richtlinienunklarheiten von verantwortlichen Personen geprüft und gelöst werden, bevor Mittel freigegeben oder Entscheidungen finalisiert werden.

Personalisierte Finanzberatungsagenten

Herausforderung

Beratungsmodelle sind durch manuelle Datenerhebung und punktuelle Interaktion eingeschränkt. Berater verbringen mehr Zeit mit der Zusammenstellung von Daten als mit der eigentlichen Beratung. Datenschutzgesetze verlangen eine ausdrückliche Einwilligung und vollständige Nachverfolgbarkeit – Anforderungen, die eine kontinuierliche Personalisierung ohne neue Kontrollmechanismen erschweren. Hinzu kommt, dass sich viele Kunden unwohl fühlen, wenn sie menschlichen und agentischen KI-Beratern uneingeschränkten Zugriff auf ihre Konten und Daten gewähren.

Zielbild

Ein Netzwerk intelligenter, identitätsverankerter Agenten ermöglicht eine kontinuierliche, konforme Personalisierung. Der Kundenagent erfasst finanzielle Ziele und Verhaltensinformationen sicher auf Basis ausdrücklicher Einwilligung, während der Anbieter-Beratungsagent diese Informationen mithilfe der Policy- und Risk-Engines des Instituts interpretiert und integrierte Eignungs- und Offenlegungsregeln anwendet. Jede Empfehlung ist von der Datenquelle bis zur Bereitstellung nachvollziehbar und wird von einem menschlichen Berater validiert, wodurch treuhänderische Aufsicht gewahrt bleibt und gleichzeitig jederzeit verfügbare, transparente Beratung geboten wird, die sowohl Vertrauen als auch Kundenbindung stärkt.

Werttreiber

Die Einbettung von Identity-Kontrollen ermöglicht eine Hyperpersonalisierung, die nachweislich konform und sicher ist. Um Mehrwert zu realisieren, sollten Entscheidungsträger im Finanzdienstleistungssektor:

• Einwilligungs-Token als Compliance-Artefakte in CRM- und Beratungssystemen verwenden.
• Eignungsprüfungen über PBAC automatisieren, die an Anlagerichtlinien gebunden sind.
• Beratern Echtzeit-Transparenz-Dashboards für Agentenaktivitäten bereitstellen.
• Beratungskommunikation für Compliance-Prüfungen erfassen und speichern.
• Die Wirkung anhand der Häufigkeit der Kundeninteraktion und der Effizienz regulatorischer Prüfungen messen.

Identity für KI-Funktionen

Human-in-the-Loop-Kontrollen

Menschliche Aufsicht bleibt in agentischen Beratungsmodellen unverzichtbar, da Entscheidungen das finanzielle Wohlergehen der Kunden und regulatorische Verpflichtungen betreffen. Während Beratungsagenten Daten analysieren und Empfehlungen autonom generieren können, muss die endgültige Freigabe durch lizenzierte Berater erfolgen, die vor der Umsetzung professionelles Urteilsvermögen und kontextuelles Verständnis anwenden. Diese Human-in-the-Loop-Kontrollen wahren die treuhänderische Verantwortung und stellen sicher, dass jede automatisierte Erkenntnis unter dem Gesichtspunkt der Kundeneignung und der regulatorischen Compliance interpretiert wird. Sie stärken zudem das Vertrauen der Kunden.

Agentische Kreditprüfung und Bonitätsbewertung

Herausforderung

Die Kreditprüfung bleibt einer der fragmentiertesten und risikobehaftetsten Prozesse im Bankwesen. Manuelle Dokumentenprüfung, wiederholte Dateneingaben und intransparente Entscheidungslogiken verlängern die Genehmigungszeiten und erhöhen die Betriebskosten. Das Modellrisikomanagement steht unter Druck, da Regulierungsbehörden – insbesondere im Rahmen des EU AI Act – Transparenz, Erklärbarkeit und menschliche Verantwortlichkeit für automatisierte Kreditentscheidungen verlangen. Das Ergebnis ist ein Prozess, der teuer im Betrieb, anfällig für Verzerrungen und zu langsam ist, um Ergebnisse in der heute erwarteten Echtzeit zu liefern.

Zielbild

Nutzung eines durchgängigen Netzwerks authentifizierter Agenten zur Koordination von Kreditentscheidungen. In diesem Anwendungsfall stellt ein Kundenagent verifizierte digitale Nachweise wie Identität, Einkommensnachweise und Open-Banking-Daten zusammen, die alle durch Herkunftsverifizierung authentifiziert sind. Der Underwriting-Agent der Bank verbindet sich anschließend über das MCP mit Auskunftei-Agenten und nutzt delegierte Rechte, um ausschließlich die für diesen spezifischen Antrag autorisierten Informationen abzurufen. PBAC trägt dazu bei, dass Entscheidungen den jeweiligen Kreditvergaberichtlinien der Rechtsordnung und internen Risikolimits entsprechen, während jeder Datenaustausch und jede Entscheidung unveränderlich für Prüfzwecke aufgezeichnet wird.

Werttreiber

Agentische Kreditprüfung ermöglicht transparente, erklärbare Kreditentscheidungen in digitaler Geschwindigkeit und verwandelt eine traditionelle Compliance-Verpflichtung in einen Wettbewerbsvorteil. Um Mehrwert zu realisieren, sollten Entscheidungsträger im Finanzdienstleistungssektor:

• Standards für verifizierbare Nachweise für den Datenaustausch mit Kreditnehmern einführen.
• MCP-basierte Agentenkommunikation mit Auskunfteien und Fintech-Datenanbietern etablieren.
• Erklärbarkeitsberichte automatisieren, die an lokale Compliance-Anforderungen angepasst sind.
• Delegierte Zugriffstoken einsetzen, die bei Entscheidungsmitteilung ablaufen, um eine übermäßige Datenexposition zu verhindern.
• Den Return on Investment anhand höherer Genehmigungsgenauigkeit, schnellerer Durchlaufzeiten und reduziertem Prüfaufwand quantifizieren.

Identity für AI-Funktionen

Human-in-the-Loop Controls

Selbst bei agentenbasierter Betrugsprävention in Echtzeit bleibt menschliche Aufsicht entscheidend, um Vertrauen, Verantwortlichkeit und regulatorische Sicherheit zu gewährleisten. Betrugsagenten können anomales Verhalten sofort erkennen und darauf reagieren, doch die endgültige Entscheidung bei strittigen oder hochvolumigen Fällen muss bei geschulten Analysten liegen, die nach definierten Eskalationsrichtlinien arbeiten. Human-in-the-Loop Controls bieten diese Absicherung und stellen sicher, dass Ausnahmen, Kundenbeschwerden oder Richtlinienunklarheiten von verantwortlichen Personen geprüft und geklärt werden, bevor Gelder freigegeben oder Entscheidungen finalisiert werden.

Versicherung

Automatisiertes Schadenmanagement

Herausforderung

Schadenprozesse gehören zu den kostenintensivsten und kundenrelevantesten Funktionen in der Versicherungsbranche. Manuelle Prüfungen, fragmentierte Workflows und inkonsistente Betrugsprüfungen führen zu langen Durchlaufzeiten, steigenden Schadenregulierungskosten und hoher regulatorischer Exponierung. Regulierungsbehörden erwarten schnellere Bearbeitung, transparente Begründungen und menschliche Aufsicht, während Kunden Versicherer zunehmend danach beurteilen, wie schnell und fair sie Schäden regulieren. Legacy-Systeme erschweren es, diese Anforderungen zu erfüllen, ohne das operative Risiko zu erhöhen.

Zielbild

Agentenbasierte Automatisierung, gestützt durch die Identity Fabric, verbindet jeden Schritt des Schadenlebenszyklus in einem einheitlichen, gesteuerten Workflow. Der Kunden-Agent erfasst verifizierte Nachweise und übermittelt sie mit authentifizierten Anmeldedaten an den Schadenbearbeitungs-Agenten des Versicherers. Der Provider-Agent validiert den Versicherungsschutz durch Herkunftsverifikation und bindet externe Partneragenten, beispielsweise medizinische Netzwerke oder Werkstätten, über delegierte Autorisierung ein. PBAC setzt Zahlungsschwellen und Betrugsprüfungen automatisch durch, während Lifecycle Governance sicherstellt, dass aktive Schadenagenten überwacht und außer Betrieb genommen werden, wenn sie nicht mehr benötigt werden. Alle Aktionen werden durch Auditierbarkeit und Nichtabstreitbarkeit protokolliert und schaffen einen unveränderlichen Nachweis für Compliance und Fairness.

Werttreiber
Identitätsbasierte Automatisierung senkt gleichzeitig Kosten und Risiken und macht Compliance nachweisbar. Führende Versicherer erhöhen ihre Investitionen in KI, um die durchschnittliche Regulierungsdauer zu verkürzen, unter anderem durch den Einsatz ihrer Insurance Copilots. Um Mehrwert zu realisieren, sollten Entscheidungsträger im Finanzdienstleistungssektor:

• Eine durchgängige Herkunftsverifikation für alle Schadenmeldungen implementieren.
• Automatisierte Auszahlungen innerhalb definierter Schwellenwerte mithilfe delegierter Tokens autorisieren.
• Compliance-Teams Live-Audit-Dashboards für Schadenstatus und Ausnahmen bereitstellen.
• PBAC und Einwilligungsmanagement auf alle Versicherungspolicen ausweiten.
• Den Erfolg anhand der Reduzierung von Betrugsverlusten und regulatorischen Reaktionszeiten messen.

Identity für KI-Funktionen

Human-in-the-Loop Controls

Im Schadenmanagement kann Automatisierung die Bearbeitung beschleunigen, doch menschliche Aufsicht bleibt entscheidend, um Fairness, Genauigkeit und Compliance sicherzustellen. Während agentenbasierte Systeme Nachweise validieren, Auszahlungen berechnen und Anomalien kennzeichnen können, müssen hochvolumige oder strittige Schäden zur menschlichen Prüfung eskaliert werden, um unparteiisches Urteilsvermögen und Kundenvertrauen zu wahren. Human-in-the-Loop Controls ermöglichen es Schadenspezialisten, komplexe Fälle zu bewerten, agentenbasierte Empfehlungen zu übersteuern oder zu bestätigen und die Begründung für Regulierungsbehörden und Prüfer zu dokumentieren.

Dynamische Risikobepreisung und Policenempfehlungen

Herausforderung

Preismodelle sind weitgehend statisch, werden jährlich neu kalibriert und basieren häufig auf veralteten Daten. Diese Verzögerung setzt Versicherer einem Underwriting-Risiko aus und begrenzt die Wettbewerbsfähigkeit. Datenschutzvorschriften schränken die Nutzung von Telemetriedaten ein, und Regulierungsbehörden verlangen Transparenz und Fairness bei der Prämienfestlegung, was einen Compliance-Engpass für Echtzeit-Preisinnovationen schafft.

Zielbild

Ein gesteuertes Netzwerk aus Kunden-Agenten und Anbieter-Preisagenten ermöglicht eine kontinuierliche, erklärbare Preisgestaltung. Kunden-Agenten übermitteln Telemetrie- oder Verhaltensdaten unter ausdrücklicher, widerrufbarer Einwilligung. Preisagenten wenden PBAC und delegierte Autorisierung an, um ausschließlich zulässige Daten für Expositionsberechnungen zu nutzen. Jede Tarifänderung wird durch Auditierbarkeit validiert, zur Aufsicht protokolliert und sicher über MCP-Verbindungen mit Rückversicherer- oder Vertriebspartner-Agenten geteilt.

Werttreiber

Eine kontinuierliche Preisgestaltung, unterstützt durch Identity Governance, kann zu faireren Ergebnissen für Kunden und nachhaltigen Margen für Versicherer führen. Um Mehrwert zu realisieren, sollten Entscheidungsträger im Finanzdienstleistungssektor:

• Einwilligungsmanagement-Frameworks implementieren, die mit lokalen Datenschutzanforderungen im Einklang stehen.
• Audit-Berichte für Tarifanpassungen und Kundenbenachrichtigungen automatisieren.
• Delegierte Anmeldeinformationen für Prämienaktualisierungen unter kontrollierten Schwellenwerten verwenden.
• Rückversicherer- und Makler-Agenten integrieren, um transparente Expositionsübersicht zu gewährleisten.
• Fairness-Kennzahlen überwachen, um Compliance und Kundenvertrauen nachzuweisen.

Identity für KI-Funktionen

Human-in-the-Loop-Kontrollen

Dynamische Preisgestaltung führt zu einer kontinuierlichen Neukalibrierung von Prämien und macht menschliche Aufsicht unerlässlich, um Fairness, Transparenz und regulatorisches Vertrauen zu gewährleisten. Während Preisagenten Telemetrie- und Verhaltensdaten in Echtzeit analysieren können, müssen menschliche Aktuare und Risikomanager algorithmische Anpassungen überprüfen, um sicherzustellen, dass Tarife gerechtfertigt, verhältnismäßig und nicht diskriminierend bleiben. Human-in-the-Loop-Kontrollen bieten diese Absicherung, indem sie prüfen, ob agentische Entscheidungen mit Zeichnungsgrundsätzen, Verbraucherschutzstandards und Solvabilitätsanforderungen im Einklang stehen.

Wealth- und Asset-Management

Autonome Portfolio-Neugewichtung

Herausforderung

Manuelle Neugewichtungen führen zu Portfolioabweichungen und Verzögerungen, während die Notwendigkeit, jede Entscheidung für MiFID II und andere regulatorische Anforderungen zu dokumentieren, operative Ressourcen belastet. Berater verbringen häufig Zeit mit dem Abgleich von Aufzeichnungen statt mit dem Management der Strategie.

Zielbild

Das Identity Fabric ermöglicht eine Anbieter-zu-Agent- und Kunden-zu-Agent-Konfiguration für kontinuierliche Abstimmung. Portfolio-Management-Agenten überwachen Expositionen in Echtzeit und führen kleine Trades autonom unter delegierter Autorisierung aus, wobei wesentliche Umschichtungen zur Genehmigung im Rahmen von Human-in-the-Loop eskaliert werden. PBAC wendet Risiko- und Eignungsparameter auf jeden Trade an, und die Auditierbarkeit dokumentiert Begründung und Ergebnis automatisch für die aufsichtsrechtliche Prüfung.

Werttreiber

Kontinuierliche, regelkonforme Neugewichtung verbessert sowohl Performance als auch Governance und reduziert Tracking-Fehler sowie operative Kosten. Um Mehrwert zu realisieren, sollten Entscheidungsträger im Finanzdienstleistungssektor:

• Anlagerichtlinien direkt in PBAC-Logik abbilden.
• Delegierte Zugriffstoken für automatische Neugewichtung im Rahmen des Mandats konfigurieren.
• MiFID II- und SEC-Reporting aus Audit-Logs automatisieren.
• Beratern Dashboards für Aufsicht und Genehmigungen bereitstellen.
• Compliance-Effizienz anhand reduzierter Prüfzeiten und Fehlerquoten messen.

Identity für KI-Funktionen

Human-in-the-Loop-Kontrollen

Im Portfoliomanagement ist menschliche Aufsicht unverzichtbar, um treuhänderische Verantwortung und regulatorische Sicherheit zu gewährleisten. Während Portfolio-Management-Agenten Positionen überwachen und kleinere Anpassungen autonom ausführen können, erfordern größere Umschichtungen, die das Risikoprofil oder die Anlageziele eines Kunden wesentlich beeinflussen, eine menschliche Validierung. Berater fungieren als entscheidender Kontrollpunkt, prüfen die Begründung, bestätigen die Eignung und genehmigen die Ausführung, bevor Aufträge erteilt werden.

Wealth Concierge Agents

Herausforderung

Vermögende Kunden erwarten einen personalisierten 24/7-Service, doch erhöhte Datenschutzanforderungen machen Reaktionsfähigkeit ohne granulare Kontrolle riskant. Ohne verifizierbare Identitätsgrenzen riskiert kundenorientierte Automatisierung die Verletzung der Vertraulichkeit oder eine fehlerhafte Ausführung von Transaktionen.

Zielbild

Eine Kombination aus Kunden-Agenten und Concierge-Provider-Agenten ermöglicht einen jederzeit verfügbaren, identitätsgesicherten Service. Kunden-Agenten initiieren Anfragen über adaptive Authentifizierung; Concierge-Agenten erfüllen diese unter richtlinienbasierter Zugriffskontrolle und eskalieren sensible Aktionen über eine Human-in-the-Loop-Prüfung. Einwilligungsmanagement bindet jede Anfrage an einen genehmigten Verantwortlichen, während Lifecycle-Governance sicherstellt, dass Berechtigungen dem Kundensegment und dem Beziehungsstatus angemessen bleiben.

Mehrwert und Entscheidungspunkte

Identitätsgestützte Concierge-Automatisierung erweitert Kapazitäten und stärkt zugleich das Vertrauen. Das Pilotprojekt von RBC Wealth berichtete über signifikante Produktivitätssteigerungen bei Beratern und eine höhere Kundenzufriedenheit infolge seiner agentenbasierten Transformationsinitiativen.³ Um Mehrwert zu realisieren, sollten Entscheidungsträger im Finanzdienstleistungssektor:

• Adaptive Authentifizierung und Verhaltensanalysen zur Kundenverifizierung einsetzen.
• PBAC verwenden, um Beratungs- und Transaktionsfunktionen zu trennen.
• Einwilligungs-Token für alle Hochrisikoaktionen erfassen.
• Compliance-Nachweise automatisiert aus Audit-Logs extrahieren.
• Kapazitätssteigerungen bei Beratern und Einsparungen bei Compliance-Audits quantifizieren.

^{3 Salesforce}

Identität für KI-Funktionen

Human-in-the-Loop-Kontrollen

Selbst in den fortschrittlichsten Concierge-Modellen ist menschliche Aufsicht unerlässlich, um Kundenvertrauen, Datenschutz und regulatorische Compliance zu wahren. Während Concierge-Agenten Informations- und routinemäßige Serviceanfragen sicher erfüllen können, muss jede Handlung, die Beratung, Geldbewegungen oder Änderungen an Kundenberechtigungen betrifft, eine menschliche Prüfung auslösen. Berater fungieren als letzte Validierungsebene, bestätigen die Kundenabsicht, prüfen die regulatorische Eignung und stellen sicher, dass sensible Anweisungen korrekt ausgeführt werden.

Gemeinsam die Identity Fabric aufbauen

Agentic AI verändert, was es bedeutet, Risiken zu managen und Mehrwert in Finanzdienstleistungen zu schaffen. Institute können Innovation nicht länger von Governance trennen: Dieselben Systeme, die Autonomie ermöglichen, müssen auch Rechenschaftspflicht nachweisen. Diese Konvergenz von Leistungsfähigkeit und Kontrolle bildet die Grundlage der Identity Fabric – der gemeinsamen Architektur aus Sicherheit, Compliance und Vertrauen, die die sichere Einführung von agentic AI unterstützt. In diesem Umfeld bündeln Deloitte und Ping Identity ihre Stärken, um die Branche vom Experimentieren zur unternehmensweiten Implementierung zu führen.

Zusammenarbeit zur Schaffung vertrauenswürdiger Autonomie

Gemeinsam unterstützen Deloitte und Ping Identity Finanzinstitute dabei, das Identity for AI-Framework durch Design, Richtlinien und Technologie zu operationalisieren. Deloitte bringt strategische und regulatorische Expertise ein: Definition von Zielbetriebsmodellen, Abbildung regulatorischer Verpflichtungen und Unterstützung von Kunden bei der Ausrichtung der Governance an der unternehmensweiten Risikobereitschaft.

Ping Identity stellt die technische Grundlage durch die Ping Identity Platform bereit, die Authentifizierung, Autorisierung, Einwilligung, Richtliniendurchsetzung und Auditierung über Anwendungsfälle hinweg vereinheitlicht – für Kunden-, Workforce-, Drittanbieter- und nicht-menschliche Identitäten. Diese Allianz unterstützt Kunden in jeder Phase der Einführung – vom ersten Proof of Concept bis zur skalierenden Produktion – und ermöglicht Fortschritte innerhalb eines überprüfbaren Rahmens aus Compliance und Sicherheit.

Von Prinzipien zur Praxis: Vertrauen, Risiko und Ertrag

Die geschäftliche Begründung für identitätsgestützte Autonomie basiert auf drei untrennbaren Ergebnissen: Vertrauen, Risiko und Ertrag, die jeweils durch die in diesem Whitepaper beschriebenen Fähigkeiten gestärkt werden. Gemeinsam bilden sie die strategische Logik für den Aufbau der Identity Fabric, die es Finanzinstituten ermöglicht, agentic AI sicher und im großen Maßstab einzusetzen.

Zusammengenommen Vertrauen, Risiko und Ertrag definieren das neue Gleichgewicht für Finanzdienstleistungen im Zeitalter von agentic AI. Institute, die diese Prinzipien in ihre Identity Fabric integrieren, gehen über kontrollierte Experimente hinaus hin zu skalierbarer, wiederholbarer und messbarer Transformation, in der Autonomie nicht nur erlaubt, sondern vertrauenswürdig, gesteuert und profitabel ist.

Setzen Sie Ihre agentic AI-Reise noch heute mit Ping Identity und Deloitte fort⁴ und sichern Sie sich Ihren kostenlosen Ultimate Guide for Identity for AI.

⁴ Wie in diesem Dokument verwendet, bezeichnet „Deloitte“ Deloitte & Touche LLP, eine Tochtergesellschaft von Deloitte LLP. Weitere Informationen finden Sie unter www.deloitte.com/us/about für eine ausführliche Beschreibung unserer rechtlichen Struktur. Bestimmte Dienstleistungen sind für Bestätigungskunden gemäß den Regeln und Vorschriften der öffentlichen Rechnungslegung möglicherweise nicht verfügbar.