Codex für Banker: Was der Agenten-Wettlauf von OpenAI und Anthropic für die Modell-Strategie bedeutet

Am 2. Juni 2026 hat OpenAI sechs rollenspezifische Plugins für seinen Agenten Codex vorgestellt, darunter zwei kapitalmarktnahe: Investment Banking und Public Equity Investing. Zusammen binden die Plugins den Agenten an 62 Geschäftsanwendungen an und starten mit 110 vorgebauten Fähigkeiten. Für das Plugin zum Public Equity Investing nennt OpenAI namhafte Datenpartner: Moody's, FactSet, S&P, die London Stock Exchange Group (LSEG), PitchBook und Hebbia, ergänzt um Daloopa und Datasite. Es ist der sichtbarste Vorstoß von OpenAI in den Finanzsektor, und er trifft auf einen Wettbewerber, der bereits im Markt steht.

Denn Anthropic hatte vorgelegt. Bereits im Januar 2026 brachte das Unternehmen elf rollenspezifische Plugins für seine Arbeitsumgebung Claude Cowork, im Mai folgte eine dedizierte Suite von rund zehn vorgebauten Finanz-Agenten samt dem damaligen Spitzenmodell Claude Opus 4.7. Es wäre verlockend, OpenAIs Juni-Ankündigung als direkte Antwort darauf zu lesen. Das ist sie nur bedingt: OpenAI selbst nennt Anthropic nicht als Auslöser, und der unmittelbare Vorläufer der Plugin-Logik war eher der Januar-Start von Claude Cowork. Genauer ist die nüchterne Beobachtung, dass sich der Codex-Vorstoß in einen bereits laufenden Wettlauf einreiht, statt ihn auszulösen.

Was OpenAI am 2. Juni vorgestellt hat

Die Codex-Plugins verwandeln einen Coding-Agenten in einen rollenspezifischen Arbeitsassistenten. Für das Investment Banking bedeutet das die Automatisierung wiederkehrender Analyse- und Aufbereitungsarbeit, für das Public Equity Investing die Anbindung an Finanzdatenbanken. Eine wichtige Präzisierung fällt in der Aufregung oft weg: Die 62 Anwendungen und 110 Fähigkeiten sind eine Gesamtzahl über alle sechs Plugins hinweg, nicht die Ausstattung des Investment-Banking-Plugins allein. Und die prominente Datenpartnerliste ist explizit dem Public-Equity-Investing-Plugin zugeordnet; für das Investment-Banking-Plugin bleibt OpenAI bei der vageren Formulierung vertrauenswürdiger Daten.

OpenAI flankiert den Vorstoß mit Nutzungszahlen: über fünf Millionen wöchentliche Codex-Nutzer, gegenüber rund 600.000 zu Jahresbeginn, davon etwa 20 Prozent ohne klassische Entwicklerrolle und mit dreifach schnellerem Wachstum. Diese Zahlen stammen ausschließlich aus OpenAIs eigener Auskunft; unabhängige Telemetrie liegt nicht vor. Wer sie in eine Investitionsentscheidung übernimmt, sollte sie als Eigenangabe kennzeichnen, nicht als geprüfte Kennzahl.

Der Wettlauf hat zwei Anbieter und ein Datentempo

Was die beiden Anbieter unterscheidet, ist weniger die Fähigkeit als die Kadenz. Anthropic hat seine Finanz-Agenten früh mit tiefen Datenintegrationen ausgestattet: Moody's als native Anwendung im Modellkontext, volle Anbindung an Microsoft 365, dazu ein Reigen weiterer Datenkonnektoren. Genannte Kunden reichen von JPMorgan, Goldman Sachs und Citigroup über Visa bis zu Citadel, der Bank of New York und FIS. OpenAI kontert mit Reichweite und einer horizontalen Rollenstrategie über sechs Berufsbilder.

Der für Banken entscheidende Punkt liegt quer zu diesem Wettbewerb: Dieselben Datenanbieter tauchen bei beiden Anbietern auf. Moody's und FactSet docken an beide Modell-Ökosysteme an, statt sich exklusiv zu binden. Für die Anbieterstrategie einer Bank ist das eine gute Nachricht. Die Datenanbindung ist nicht an ein einzelnes Sprachmodell gekettet. Wer seine Datenverträge klug gestaltet, kann Agenten von OpenAI und Anthropic parallel oder abwechselnd betreiben, ohne dass ein exklusiver Datenzugang zum Sperrriegel wird.

Das eigentliche Risiko: Das Modell rotiert schneller als die Validierung

Der unterschätzte operative Befund steckt in einem Detail des Zeitverlaufs. Anthropic stellte Claude Opus 4.7 am 5. Mai vor, ausdrücklich als führend bei Finanzaufgaben. Nur drei Wochen später, am 28. Mai, löste Claude Opus 4.8 das Modell ab, laut Hersteller rund viermal seltener anfällig dafür, eigene Programmierfehler zu übersehen. Zwischen zwei Spitzenmodellen lagen also drei Wochen.

Für das Modellrisikomanagement ist das ein struktureller Bruch. Klassische Validierungszyklen, wie sie die aufsichtliche Praxis rund um das Prinzip solider Modellsteuerung erwartet, sind auf Monate ausgelegt, nicht auf Wochen. Wenn das Basismodell hinter einem Agenten schneller wechselt, als die interne Validierung nachkommt, entsteht eine Lücke zwischen dem geprüften und dem produktiven Zustand. Banken brauchen daher einen eigenen Kontrollpunkt für die Modellversion, unabhängig vom Anbieter, der jeden Wechsel registriert und eine erneute, verhältnismäßige Prüfung auslöst.

Governance: Faktentreue und Auditierbarkeit im Front-Office

Beide Suiten zielen auf Dokumente mit aufsichtsrechtlicher Relevanz: Pitchbooks, Vergleichsanalysen, Kreditmemos. Genau dort sind die zwei klassischen Schwachstellen agentischer Systeme am gefährlichsten. Die erste ist die Faktentreue: Ein Agent, der Finanzkennzahlen aus mehreren Quellen zusammenzieht, kann Zahlen plausibel, aber falsch kombinieren. Weder OpenAI noch Anthropic veröffentlichen belastbare Fehlerquoten für die Extraktion von Finanzdaten. Die zweite ist die Auditierbarkeit: Wenn ein Agent 62 Anwendungen orchestriert, wird die lückenlose Nachvollziehbarkeit, welche Datenquelle welchen Output geprägt hat, zur Herausforderung. Beides sind keine Randfragen, sondern der Kern jeder Modellfreigabe im regulierten Umfeld.

EU AI Act: Die Einordnung gehört an die Rolle, nicht an den Anbieter

Bei der regulatorischen Einordnung ist Differenzierung entscheidend. Die europäische Verordnung über Künstliche Intelligenz, der EU AI Act, stuft Kreditwürdigkeitsprüfung und Versicherungsrisikobewertung als Hochrisiko nach Anhang III ein. Die meisten Front-Office-Anwendungen im Kapitalmarkt, etwa die Erstellung eines Pitchbooks oder einer Vergleichsanalyse, fallen dagegen nicht automatisch darunter. Grenzfälle sind Agenten nahe an Geldwäscheprävention und Kundenprüfung, wie Anthropics Agent zur Kundenprüfung oder der auf Claude basierende Agent von FIS zur Finanzkriminalität. Die Europäische Kommission hat am 19. Mai 2026 Entwurfsleitlinien zur Hochrisiko-Klassifizierung vorgelegt und bis zum 23. Juni konsultiert; der sogenannte Digital Omnibus verschiebt die zentrale Anhang-III-Frist zudem vom 2. August 2026 auf den 2. Dezember 2027. Für Banken folgt daraus, die Risikoklassifizierung pro Agenten-Rolle vorzunehmen, nicht pauschal pro Anbieter.

Handlungsempfehlungen für die operative Praxis

Für Institute, die Agenten in Front- und Middle-Office einführen, ist der Anbieter-Wettlauf weniger eine Kaufentscheidung als eine Steuerungsaufgabe. Fünf Handlungsfelder stehen im Vordergrund.

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 →