Vom Copiloten zum Betriebsmodell

Bei der ersten Generation der generativen KI ging es vor allem um die individuelle Produktivität. Künstliche Intelligenz (KI) konnte dabei helfen, Entwürfe zu erstellen, Zusammenfassungen zu verfassen, Recherchen durchzuführen, zu programmieren oder Sitzungsprotokolle zu schreiben. Diese Anwendungsmöglichkeiten sind zwar wertvoll, beschränken sich aber in der Regel auf einzelne Aufgaben: eine Person, eine Eingabeaufforderung, eine Ausgabe.

Agentenbasierte KI deutet auf einen umfassenderen Wandel hin. Sobald KI in der Lage ist, eine Abfolge von Schritten zu unterstützen, Instrumente zu nutzen, den Kontext zu bewahren und strukturierte Ergebnisse an eine Person oder ein anderes System weiterzugeben, ändert sich die relevante Frage von „Kann dieses Instrument mir helfen, schneller zu arbeiten?“ zu „In welchen Arbeitsablauf ist dieses System eingebunden, was darf es tun und wie wird das Ergebnis überprüft?“

Diese Unterscheidung ist in der Vermögensverwaltung wichtig, da Anlageentscheidungen selten isoliert getroffen werden. Sie sind Teil eines umfassenderen Arbeitsablaufs: Research-Vorbereitung, Portfolioüberwachung, Risikoprüfung, Kundenberichterstattung, Due-Diligence-Prüfung, Compliance-Prüfungen, Datenqualität, operative Abläufe und Dokumentation. KI kann viele dieser Schritte unterstützen, allerdings nur, wenn der damit verbundene Prozess gezielt gestaltet wird.

Der Übergang vom Copiloten zum Betriebsmodell ist daher eine Frage der Leistungsfähigkeit, des Umfangs und der Kontrolle. Ein einzelner KI-Assistent kann auch dann nützlich sein, wenn die damit verbundenen Abläufe eher informell sind. Sobald KI jedoch in wiederholbare Arbeitsabläufe integriert ist, müssen Vermögensverwalter Aspekte wie Konsistenz, Kostentransparenz, Protokollierung der Betriebsabläufe, Eskalationswege und menschliche Freigabe berücksichtigen.

Die nachstehende Infografik veranschaulicht diesen Wandel in drei Phasen.

Beachten Sie, dass nicht jeder Prozess agentenbasiert werden sollte, sondern dass KI-gestützte Arbeitsabläufe sich das Recht auf Skalierung erst verdienen müssen. Das bedeutet, zu wissen, was das System tun darf, auf welche Daten es zugreifen kann, welche Kosten bei seinem Betrieb anfallen, wie oft es scheitert, wann es einen erneuten Versuch unternimmt, welche Nachweise es heranzieht und wann es den Fall an einen Menschen weiterleitet. Dies bedeutet auch, dass die Bestände im Rahmen der Arbeitsabläufe gepflegt werden müssen: benannte Verantwortliche, genehmigte Datenquellen, genehmigte Instrumente, Lebenszyklusphase, Überprüfungsrhythmus und Eskalationswege.

An dieser Stelle knüpft die Diskussion über Arbeitsabläufe direkt an das Thema Governance an. Verankerung, Stabilität, Berechtigungsprüfung, Beweisketten und menschliche Beaufsichtigung sind untrennbar mit dem Betriebsmodell verbunden.¹ Sie sind es, die dabei helfen, dass KI-gestützte Arbeitsabläufe den Schritt von Experimenten hin zum institutionellen Einsatz vollziehen.

In diesem Sinne wird die Gestaltung von Arbeitsabläufen zu einem Bestandteil der Anlagedisziplin. Unternehmen, die am meisten von agentenbasierter KI profitieren, sind womöglich nicht bei der Automatisierung am schnellsten, sondern entwickeln Prozesse, die wiederholbar, überprüfbar, kostenbewusst und nachvollziehbar sind. Tatsächlich besteht der nächste Schritt nicht darin, KI häufiger einzusetzen, sondern darin, bessere Arbeitsabläufe rund um sie herum zu gestalten.

Fußnote

¹Lesen Sie den Beitrag von Mike Chen zum Thema „Agentenbasierte KI und Governance“