FIS und Anthropic: Agentic AI zieht in die Geldwäsche-Ermittlung ein – und trifft auf ein Governance-Vakuum

Die Ankündigung klingt nach einem Meilenstein: FIS, der Bankentechnologie-Konzern, der nach eigenen Angaben Transaktionen im Wert von knapp 12 Prozent der globalen Wirtschaftsleistung verarbeitet („powering nearly 12% of the global economy"), entwickelt gemeinsam mit Anthropic einen Financial Crimes AI Agent. Claude dient als Reasoning Engine, der Agent soll Anti-Money-Laundering-Ermittlungen (AML) laut FIS von Tagen auf Minuten komprimieren, die kanadische BMO und die US-amerikanische Amalgamated Bank arbeiten an der Entwicklung mit. Wer die Meldung jedoch nüchtern liest, stellt fest: Das Produkt existiert noch nicht als verfügbare Software – die General Availability (GA) ist erst für das zweite Halbjahr 2026 geplant. Die eigentliche Geschichte handelt deshalb weniger von einem Durchbruch als von einer Verschiebung: Agentic AI zieht in hochregulierte Compliance-Workflows ein, während die Aufsicht in den USA wie in Europa genau dafür keine Regeln hat. Dieser Beitrag ist entsprechend eine Einordnung der Ankündigung, kein Testbericht über ein funktionierendes Produkt.

Was FIS verspricht – und was davon belegt ist

Funktional beschreibt FIS den Agenten so: Er sammelt automatisch Beweismaterial aus den Kernsystemen der Bank, bewertet Fälle gegen bekannte Geldwäsche-Typologien, priorisiert die risikoreichsten Vorgänge und bereitet die Narrative für Verdachtsmeldungen vor, in den USA die Suspicious Activity Reports (SAR). Die Entscheidungshoheit soll beim menschlichen Ermittler bleiben, jede Schlussfolgerung des Agenten soll auf ihre Quelldaten zurückführbar und auditierbar sein, die Kundendaten verbleiben in FIS-kontrollierter Infrastruktur. Anthropic hat dafür sein Applied-AI-Team direkt bei FIS eingebettet; vereinbart ist zudem ein Wissenstransfer, damit FIS künftig eigenständig weitere Agenten bauen kann – die Roadmap nennt Credit Decisioning, Deposit Retention, Onboarding und Fraud Prevention.

So weit die Herstellerdarstellung – und das ist wörtlich zu nehmen, denn nahezu alle Kernaussagen stammen aus der FIS-Pressemitteilung vom 4. Mai 2026. Das zentrale Leistungsversprechen, Ermittlungen „von Tagen auf Minuten" zu verkürzen, ist ein Herstellerversprechen ohne unabhängigen Benchmark; das FIS-Material selbst spricht an anderer Stelle von „Stunden auf Minuten", was eher auf Marketing-Sprache als auf eine belastbare Messung hindeutet. Die Beteiligung der BMO ist nur über FIS belegt, ein eigenes Statement der Bank existiert nicht. Anders die Amalgamated Bank: Sie bestätigte die Zusammenarbeit am 7. Mai 2026 in einer eigenen Pressemitteilung. Deren Chief Information and Operations Officer Sean Searby betont darin den Co-Design-Charakter: Die eigenen Teams gestalteten den Agenten mit, statt nur eine Technologie auszurollen. President und CEO Priscilla Sims Brown ordnet den Piloten als Beitrag dazu ein, wie fortgeschrittene Werkzeuge „mit Governance und Kontrollen" in regulierte Workflows eingeführt werden.

Dass das Problem real ist, steht außer Frage. Die Vereinten Nationen schätzen die illegalen Finanzströme im globalen System auf rund zwei Billionen US-Dollar jährlich; FIS beziffert die AML-Betriebskosten allein der US-Finanzinstitute auf 35 bis 40 Milliarden US-Dollar pro Jahr, ohne dafür eine eigene Quelle zu nennen. Und Branchenschätzungen, unter anderem von PwC, gehen davon aus, dass bis zu 95 Prozent aller AML-Alerts False Positives sind – eine unabhängige Primärstudie zu dieser Zahl existiert allerdings nicht. Sie beschreibt dennoch treffend, warum Großbanken Hunderte bis Tausende Analysten beschäftigen, deren Kapazität mehrheitlich in Fällen gebunden ist, die sich als harmlos erweisen. Die Enforcement-Aktion gegen die TD Bank 2024 zeigte die Kehrseite: Unbearbeitete Alerts durch False-Positive-Überlastung waren dort ein expliziter Kritikpunkt der US-Regulatoren.

Follower mit Vertriebsmacht: die Wettbewerbslandschaft

Zur Einordnung gehört auch das Timing. Die Ankündigung fiel auf denselben Tag wie Anthropics 1,5-Milliarden-US-Dollar-Joint-Venture mit Blackstone, Hellman & Friedman und Goldman Sachs – der 4. Mai 2026 war erkennbar als Anthropic-Finanzbranchen-Tag inszeniert. Das spricht für eine Co-Marketing-Logik: FIS bekommt das KI-Narrativ, Anthropic den Beleg, dass Claude in regulierten Workflows ankommt. Auffällig ist zudem, dass die Pressemitteilung auf der Anthropic-Webseite selbst nicht gelistet ist; die treibende Partei war FIS.

Inhaltlich ist FIS Follower, nicht First Mover. Oracle hat vergleichbare Agentic-AML-Funktionen in seinem Investigation Hub bereits seit März 2025 global verfügbar – Jason Somrak, Head of Financial Crime Products bei Oracle, beschrieb damals einen Agenten, der Datenquellen abfragt, Beweise sammelt, einem Ermittlungsplan folgt, eine Entscheidung empfiehlt und das vollständige Narrativ schreibt; Oracle schätzt, dass sich bei Großbanken mindestens 80 Prozent dieser Arbeit automatisieren ließe. NICE Actimize bietet seit 2025 AI-Agenten in seiner Xceed-Plattform an, Hawk AI positioniert ein agentisches AML-Overlay, und HSBC arbeitet mit Google Cloud seit Jahren an ML-basiertem Risk Scoring – mit nach eigenen Angaben 60 Prozent weniger False Positives bei zwei- bis vierfacher Trefferquote, allerdings ohne LLM-Agenten. Was FIS tatsächlich unterscheidet, sind drei Punkte: der Zugang zu den Core-Banking-Daten Tausender Institute, das Co-Design-Modell mit eingebetteten Anthropic-Ingenieuren samt Wissenstransfer und die Datenhaltung innerhalb der eigenen Infrastruktur. Das ist eine Vertriebs- und Architekturdifferenzierung, kein technologischer Vorsprung.

Das doppelte Governance-Vakuum: SR 26-2

Der regulatorisch brisanteste Teil der Geschichte steht nicht in der FIS-Pressemitteilung. Am 17. April 2026 hat die Federal Reserve mit SR 26-2 ihre Model-Risk-Guidance neu gefasst und damit zwei Vorgängerdokumente abgelöst: SR 11-7, den Standard von 2011, und SR 21-8 – das Interagency Statement zu Model Risk Management für Systeme nach dem Bank Secrecy Act (BSA), also exakt die Leitplanke, die bislang für AML-Systeme galt. SR 26-2 ist risikoorientiert und prinzipienbasiert, gilt aber nur noch für Banken mit mehr als 30 Milliarden US-Dollar Bilanzsumme – und klammert Generative AI und Agentic AI explizit aus. Eine separate Konsultation zu KI ist angekündigt, aber nicht erlassen.

Das ergibt ein doppeltes Vakuum: Kleinere Institute fallen aus der Model-Risk-Guidance ganz heraus, und für die Technologie, die FIS und Anthropic ausrollen wollen, existiert auch bei den großen Instituten kein verbindlicher Rahmen. Pikant wird das im Zusammenspiel mit der Proposed Rule des Financial Crimes Enforcement Network (FinCEN) vom April 2026, die AML-Programme künftig nach Effektivität statt nach Prozesserfüllung bewertet: Der Druck, leistungsfähigere Werkzeuge einzusetzen, steigt genau in dem Moment, in dem die Governance-Vorgaben dafür fehlen. Das FIS-Design mit Auditierbarkeit, Human-in-the-Loop und souveräner Datenhaltung antizipiert eine Regulierung, die es noch gar nicht gibt.

Die DACH-Dimension: §25h KWG, §7 GwG und die AMLA

In Europa ist das Bild strukturell ähnlich, mit einem entscheidenden Unterschied: Hier ist die Verantwortung schärfer kodifiziert. §25h des Kreditwesengesetzes (KWG) verpflichtet deutsche Institute zu angemessenen Datenverarbeitungssystemen für die Geldwäscheprävention – ob ein KI-Agent, dessen Schlussfolgerungen auf einem Sprachmodell beruhen, dieses Kriterium erfüllt, hat die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) bislang nicht beantwortet. §7 des Geldwäschegesetzes (GwG) weist dem Geldwäschebeauftragten die Verantwortung für die Einhaltung der geldwäscherechtlichen Pflichten zu. Daraus folgt die Frage, die in keiner Pressemitteilung steht: Wer haftet, wenn der Agent einen echten Verdachtsfall fälschlich als unauffällig schließt und deshalb die Verdachtsmeldung nach §43 GwG unterbleibt? Der Beauftragte kann seine Verantwortung nicht an eine Software delegieren – er muss die Entscheidungslogik des Agenten gegenüber der BaFin erklären können, einschließlich der Fälle, die der Agent aussortiert hat.

Hinzu kommt die neue europäische Aufsichtsebene. Die Anti-Money Laundering Authority (AMLA) hat ihren Betrieb in Frankfurt am Main zum 1. Juli 2025 aufgenommen, zum 1. Januar 2026 alle AML-Mandate der European Banking Authority (EBA) übernommen und wird ab 2028 rund 40 grenzüberschreitend tätige Hochrisiko-Finanzinstitute direkt beaufsichtigen; den Vorsitz führt Bruna Szego. Spezifische Vorgaben zu Agentic AI in der Geldwäscheprävention hat die AMLA bislang nicht erlassen. Für DACH-Institute heißt das: Wer heute einen AML-Agenten pilotiert, tut das in einer Grauzone – und sollte die eigene Governance so dokumentieren, dass sie einer künftigen AMLA-Prüfung standhält, deren Maßstäbe noch niemand kennt.

Was Compliance-Verantwortliche jetzt tun sollten

Aus der Analyse ergeben sich vier Arbeitspakete. Keines davon setzt voraus, den FIS-Agenten zu kaufen – alle setzen voraus, vorbereitet zu sein, bevor die erste Fachabteilung mit einem Piloten ankommt.

Risiken und offene Fragen

Drei Vorbehalte gehören zur ehrlichen Einordnung. Erstens die Beleglage: Rund vier Fünftel der Story hängen an einer einzigen Pressemitteilung. Es gibt keinen unabhängigen Benchmark der Zeitersparnis, kein eigenes BMO-Statement und keine Bestätigung der eingesetzten Modellversion; das Produkt ist nicht allgemein verfügbar. Zweitens das Governance-Risiko: Ein Agent, der Fälle priorisiert und Narrative vorbereitet, verschiebt faktisch Entscheidungsgewicht, auch wenn formal ein Mensch freigibt – die Automation Bias überlasteter Ermittlungsteams ist gut dokumentiert, und genau für diese Konstellation fehlt auf beiden Seiten des Atlantiks der Rahmen. Drittens die Anreizstruktur: Die FinCEN-Effektivitätslogik und der Kostendruck von schätzungsweise mehr als 60 Milliarden US-Dollar jährlicher AML-Compliance-Kosten weltweit drängen Institute in den Einsatz, bevor die Aufsicht Maßstäbe gesetzt hat. Wer zu früh skaliert, trägt das Auslegungsrisiko allein.

Die strategische Konsequenz: Die FIS-Anthropic-Ankündigung ist weder der Durchbruch, als der sie vermarktet wird, noch eine Randnotiz. Sie markiert den Moment, in dem Agentic AI vom Experiment zur Beschaffungsentscheidung in der Geldwäscheprävention wird – mit echter Vertriebsmacht dahinter. Institute, die jetzt ihre eigene Governance, ihre Haftungsfragen und ihre Erklärbarkeits-Anforderungen definieren, verhandeln später aus einer Position der Stärke. Die anderen übernehmen die Maßstäbe ihres Anbieters.

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 →