BNY und die agentische Wende: Wenn KI zur Betriebsinfrastruktur wird

Mit der Eliza-Plat­tform und Gem­i­ni Enter­prise vol­lzieht BNY den Schritt vom KI-Assis­ten­ten zur bankweit­en Automa­tisierungss­chicht. Das Sig­nal an die Branche ist unmissver­ständlich: Wer diesen Umbau nicht nachvol­lzieht, wird struk­turell zurück­fall­en.

Die jüng­ste Ankündi­gung von BNY markiert einen qual­i­ta­tiv­en Sprung in der strate­gis­chen Posi­tion­ierung von Kün­stlich­er Intel­li­genz im Bankensek­tor¹BNY rais­es the IQ of AI enteprise plat­form Eliza with Google Cloud. Die Botschaft ist klar: Der isolierte Copi­lot, der einzelne Auf­gaben unter­stützt, weicht ein­er agen­tis­chen Plat­tform, die ganze Wis­sens- und Prozess­ket­ten automa­tisiert.

Mit Eliza und der Inte­gra­tion von Gem­i­ni Enter­prise entste­ht fak­tisch eine bankweite AI-Oper­at­ing-Schicht, auf der Mitar­beit­er eigen­ständig Agen­ten entwick­eln kön­nen. Diese Agen­ten kom­binieren Research, Doku­menten­sich­tung und Daten­abfra­gen zu automa­tisierten Work­flows und beschle­u­ni­gen damit erhe­bliche Teile der Wis­sensar­beit. Dass nahezu die gesamte Belegschaft KI-geschult ist und bere­its über 110 Lösun­gen pro­duk­tiv laufen, zeigt: Dies ist kein Pilot-The­ater mehr, son­dern eine echte Skalierungsphase.

Tech­nol­o­gisch bringt die Gem­i­ni-Enter­prise-Inte­gra­tion mul­ti­modale Fähigkeit­en direkt an die Front der Analyse und des Report­ings. Text, struk­turi­erte Dat­en und teil­weise auch Video lassen sich nun in einem ein­heitlichen Frame­work ver­ar­beit­en. Allerd­ings ver­stärkt diese Architek­tur die Bindung an Google Cloud erhe­blich. Was ein­er­seits Zugang zu tech­nol­o­gis­chen Spitzen­mod­ellen sichert, erzeugt ander­er­seits eine wach­sende Ven­dor-Lock-in-Abhängigkeit, deren langfristige Kosten noch nicht abse­hbar sind.

Die beschriebe­nen Anwen­dungs­fälle tre­f­fen präzise die Ana­lysten-Mit­telschicht. Automa­tisierte Auswer­tung von Finanzbericht­en, his­torische Tren­d­analy­sen, Rou­tine-Back­of­fice-Tasks: Vieles, was bis­lang Junior-Ana­lysten und der Mit­tel­bau erledigten, wird zur Orchestrierungsauf­gabe über Agen­ten.

Wenn die gesamte Belegschaft KI-befähigt ist, bedeutet das in der Kon­se­quenz: Die Pro­duk­tiv­ität der High Per­former steigt, während der Bedarf an klas­sis­ch­er, repet­i­tiv­er Wis­sensar­beit sinkt. Die Arbeit­steilung im Finanzsek­tor wird sich fun­da­men­tal ver­schieben — die Zahl der benötigten Mitar­beit­er ver­ringert sich entsprechend.

Gov­er­nance-seit­ig birgt der Ansatz erhe­bliche Risiken. Dass grund­sät­zlich jed­er Mitar­beit­er Agen­ten bauen kann, klingt demokratisch, ist aber heikel. Ohne strik­te Guardrails dro­hen Shad­ow-Work­flows, Mod­ell-Miss­brauch oder fehler­hafte Analy­sen mit großem Hebel. BNY betont die naht­lose und sichere Inte­gra­tion von Daten­quellen, was impliziert, dass mas­siv in Data Gov­er­nance, Zugriff­ss­chicht­en und Auditabil­i­ty investiert wer­den muss. Andern­falls skaliert man nicht nur Effizienz, son­dern auch oper­a­tionelles und Rep­u­ta­tion­srisiko.

In der Makrop­er­spek­tive zeigt der Fall BNY, dass Großbanken Kün­stliche Intel­li­genz inzwis­chen wie Infra­struk­tur behan­deln, nicht wie ein Fea­ture. Die Formel „AI for every­one, every­where and every­thing” ist im Kern ein neues Organ­i­sa­tion­sprinzip. Für Wet­tbe­wer­ber hat das weitre­ichende Imp­lika­tio­nen: Wer kein ver­gle­ich­bares agen­tis­ches Plat­tfor­m­mod­ell auf­set­zt, inklu­sive der sys­tem­a­tis­chen Befähi­gung der gesamten Belegschaft, wird in Research-Geschwindigkeit, Pro­duk­ten­twick­lung und Kosten­struk­tur kaum mithal­ten kön­nen. Die agen­tis­che Wende ist keine Option mehr, son­dern wird zur Ein­trittsvo­raus­set­zung.