Wenn der Agent den Händler überwacht: Die Handelsüberwachung der Deutschen Bank mit Google Cloud

Die Deutsche Bank entwickelt gemeinsam mit Google Cloud ein System zur Handelsüberwachung, das auf einem großen Sprachmodell (Large Language Model, LLM) aufsetzt. Es soll Auffälligkeiten in Orders, Trades und Marktbewegungen nahezu in Echtzeit erkennen und zur Prüfung an einen menschlichen Compliance-Officer eskalieren. Bekannt wurde das Vorhaben über einen Bloomberg-Bericht vom 25. Februar 2026.

Für Häuser mit eigener Marktmissbrauchsüberwachung ist der Fall aus zwei Gründen interessant: Er zeigt, wo ein Sprachmodell in einer regulierten Kontrollfunktion tatsächlich ansetzt, und er zeigt an einem konkreten Beispiel, wie schnell Kennzahlen in der Berichterstattung die Bank wechseln.

Wem die kursierenden Zahlen wirklich gehören

In vielen Wiedergaben stehen zwei Werte neben dem Namen der Deutschen Bank: bis zu 40 Prozent weniger Fehlalarme und Einsparungen von bis zu 5 Mio. US-Dollar pro Jahr. Beide Zahlen gehören Nomura.

Sie stammen aus demselben Bloomberg-Artikel, in dem drei Banken vorkommen. Nomura führt Gespräche mit einem weiteren, nicht genannten Institut über gemeinsam trainierte Überwachungsmodelle und erwartet für dieses Vorhaben eine Senkung der Fehlalarme um 30 bis 40 Prozent sowie Einsparungen von bis zu 5 Mio. US-Dollar jährlich. Es handelt sich um eine Erwartung für ein Projekt, das noch nicht existiert. Genannt wird sie über Tahir Zafar, damals International Head of AI Strategy bei Nomura und inzwischen zu JPMorgan gewechselt.

Die einzige Zahl, die der Deutschen Bank namentlich zuzuordnen ist, lautet anders: Das Haus habe die Fehlalarme, die eine vertiefte Prüfung auslösen, um mehr als 25 Prozent gesenkt. Diese Angabe steht im Perfekt und liest sich damit als bereits erreichtes Ergebnis. Sie ist eine Aussage des damaligen Technologievorstands, kein geprüftes Resultat: Weder eine Methodik noch ein Prüfbericht sind veröffentlicht.

Was das System tatsächlich tun soll

Der fachlich interessante Teil liegt in der Arbeitsteilung. Das Sprachmodell übernimmt die Analyse und schlägt einen Bearbeitungsweg vor, die Entscheidung bleibt beim Menschen. Bernd Leukert beschrieb das so: „The LLM can do the analysis and help recommend the route which the compliance officer can validate and then close the alert. The ultimate decision stays with the compliance officer."

Damit adressiert das Vorhaben das teuerste Problem der Handelsüberwachung. Regelbasierte Systeme erzeugen Fehlalarme in großer Zahl, und jeder davon bindet Bearbeitungszeit in der Compliance. Ein Modell, das Alarme vorsortiert und einen Vorschlag mitliefert, greift genau dort an, ohne die Entscheidungsbefugnis zu verschieben.

Zum Umfang der bestehenden Infrastruktur nennt der Bericht zwei Zahlen: Das heutige System durchsucht mehr als 40 interne und externe Kanäle zur Überwachung kundennaher Mitarbeitender, und rund 200 Legacy-Server der Überwachung wurden abgeschaltet. Sid Nadella, Director and Global Head of Capital Markets Solutions bei Google Cloud, ordnet die Stoßrichtung ein: „Banks are worried about data loss prevention. Monitoring communications, making sure there is no problematic activity, has always been part of it. That can be amplified by using AI."

Die zweite Ausbaustufe und ihre deutsche Besonderheit

Neben der Handelsüberwachung im engeren Sinne ist eine LLM-gestützte Überwachung der Mitarbeiterkommunikation geplant, mit Rollout im Jahr 2026. Erfasst werden soll auffälliges Verhalten, etwa das Weiterleiten vertraulicher Informationen an private E-Mail-Adressen.

Hier verlässt der Fall die rein technische Ebene. In Deutschland unterliegt die Einführung technischer Einrichtungen, die zur Überwachung von Verhalten oder Leistung der Beschäftigten geeignet sind, der Mitbestimmung des Betriebsrats. Dazu treten die Anforderungen der Datenschutz-Grundverordnung an Erforderlichkeit und Verhältnismäßigkeit. Keine der ausgewerteten Quellen äußert sich dazu; diese Einordnung ist daher meine eigene und keine Aussage der beteiligten Unternehmen. Für Häuser, die Vergleichbares planen, dürfte sie den Zeitplan stärker bestimmen als die Technik.

Wie weit das Vorhaben ist

Zur Einordnung des Reifegrads lohnt ein genauer Blick auf die Wortwahl der Quellen. Sie sprechen durchgehend im Futur oder Konjunktiv: Das System werde entwickelt, die Absicht bestehe für die Zeit nach der Inbetriebnahme, der Rollout sei für später im Jahr vorgesehen. Die Anomalie-Erkennung in Orders und Trades ist am weitesten fortgeschritten, wird jedoch an keiner Stelle als produktiv bezeichnet.

Zwei ältere Vorhaben werden regelmäßig mit dieser Geschichte vermischt und gehören getrennt. Im September 2023 berichtete Bloomberg über ein Pilotprojekt der Deutschen Bank zur Tonalitätsanalyse von Telefonaten, ebenfalls mit Google Cloud und ebenfalls mit Bernd Leukert. Und ein Google-Cloud-Blogbeitrag vom Februar 2024 beschreibt eine Dateninfrastruktur für die Handelsüberwachung mit rund 30 Prozent IT-Kosteneinsparung. Beides belegt eine mehrjährige Partnerschaft, gehört aber nicht zur LLM-Geschichte von 2026.

Goldman Sachs wird im selben Bericht genannt, allerdings deutlich vager: Das Haus prüfe den Einsatz agentischer KI zur Analyse von Trades und zur Suche nach auffälligen Signalen. Kein Manager wird namentlich zitiert, Zahlen fehlen.

Was das für die Praxis heißt

Vier Ansatzpunkte für Verantwortliche in Handel, Compliance und Marktmissbrauchsüberwachung.

Christian Schablitzki

Strategy & Management Consultant · Agentic-AI-Experte für Finanzinstitute

Über 20 Jahre in Investmentbanking und Derivatehandel, anschließend mehr als 10 Jahre als Berater für Finanzinstitute. Aktuell Partner bei Infosys Consulting in Deutschland. Zertifiziert in Google AI, Generative AI Leader (Google Cloud) und IBM RAG and Agentic AI.

LinkedIn-Profil →