Eine Zusammenschau von Reuters vom 13. Juli 2026 hat der Debatte über KI-Agenten in Banken einen neuen Bezugspunkt gegeben: 51 Prozent der befragten Häuser pilotieren solche Systeme. Die Zahl stammt aus einer Umfrage von KPMG aus dem Juni und wird über Peter Torrente zugeschrieben, den U.S. Sector Leader for Banking bei KPMG. Sie ist der Aufhänger, aber nicht der interessante Teil.
Die drei Vorhaben, die Reuters aufführt, lohnen den direkten Vergleich. Morgan Stanley, Goldman Sachs und Citi bauen Agenten für drei völlig verschiedene Zonen: das Kundengespräch, die Abwicklung hinter dem Handel und die Beratung im Vermögensgeschäft. Jedes Haus zieht die Grenze der Autonomie an einer anderen Stelle, und diese Entscheidungen sind aufschlussreicher als jede Adoptionsquote.
Was: drei parallele Vorhaben zur Verlagerung von KI-Agenten aus dem Backoffice in Richtung Kundenkontakt
Wer: Morgan Stanley (Wealth Management), Goldman Sachs mit Anthropic (Abwicklung und Compliance), Citi (Beratung im Vermögensgeschäft)
Wann: Goldman Sachs seit Februar 2026 bekannt, Citi Sky seit 22. April 2026 angekündigt, Morgan Stanley im Test ab Sommer 2026
Quellenlage: Reuters-Zusammenschau vom 13. Juli 2026, hier über drei übereinstimmende Syndizierungen belegt
Offener Punkt: die Methodik hinter den 51 Prozent ist öffentlich nicht einsehbar
Morgan Stanley: rund um die Uhr, aber ohne Vollmacht
Morgan Stanley testet nach den Reuters vorliegenden Angaben ab diesem Sommer digitale Assistenten, die jederzeit mit Klienten interagieren können. Zuständig ist Koren Maranca, Leiterin Künstliche Intelligenz im Wealth Management des Hauses. Die Assistenten sollen laut der Darstellung „analyze investments, suggest strategies and assist in building portfolios."
Ein Halbsatz daneben wird selten mitzitiert: „agents will not have autonomy to make decisions on portfolios". Das Haus baut also einen Agenten, der rund um die Uhr erreichbar ist, analysiert und vorschlägt, dem aber die Verfügungsgewalt über das Depot ausdrücklich entzogen bleibt. Verfügbarkeit und Entscheidungsbefugnis werden hier getrennt. Diese Architekturentscheidung bestimmt, welche Kontrollen anschließend überhaupt nötig werden.
Von diesem Vorhaben zu trennen ist ein zweites, das leicht damit verwechselt wird: Morgan Stanley öffnet ausgewählten Firmenkunden der Aktienplan-Verwaltung den Zugang zu Agenten für administrative Abläufe, mit einer Ausweitung im Jahr 2027. Das betrifft rund 3.400 Firmenkunden und hat mit dem Assistenten im Vermögensgeschäft nichts zu tun.
Goldman Sachs: Agenten hinter dem Handel, nicht im Handel
Goldman Sachs arbeitet seit rund sechs Monaten mit eingebetteten Ingenieuren von Anthropic an autonomen Agenten auf Basis des Modells Claude. Diese Angabe stammt aus einem CNBC-Bericht vom 6. Februar 2026. Verantwortlich auf Seiten der Bank ist Marco Argenti, Chief Information Officer des Hauses. Erfahrung mit dem Coding-Assistenten Devin ging der Zusammenarbeit mit Anthropic voraus.
Die Anwendungsfelder sind Transaktionsabgleich, Handelsbuchhaltung, Kundenprüfung und Onboarding sowie Compliance-Aufgaben wie das Auslesen von Dokumenten und die Anwendung von Regelwerken. Es geht um die Abwicklung bereits getätigter Geschäfte, nicht um die Ausführung von Handelsentscheidungen. Wer daraus „Agenten für den Handel" macht, behauptet autonomes Handeln an den Märkten, und das steht in keiner der Quellen.
Die Stoßrichtung ist gleichwohl deutlich. David Solomon, Chairman und Chief Executive Officer des Hauses, hat als Ziel ausgegeben, das Wachstum der Mitarbeiterzahl über den Umbau mit generativer KI zu begrenzen. Der Agent ersetzt hier die Arbeit hinter dem Handel, während die Händler bleiben.
Citi: der Agent als sichtbares Teammitglied
Citi ist am weitesten in Richtung Kunde gegangen, und zwar sichtbar. Am 22. April 2026 stellte das Haus Citi Sky vor, beschrieben als KI-gestütztes Mitglied des Citi-Wealth-Teams, gebaut auf Technologien von Google Cloud und Google DeepMind. Technische Grundlage ist die Gemini Enterprise Agent Platform, ergänzt um Echtzeit-Avatar-Technologie und die Live-Audio- und Video-Modelle von Gemini.
Der Rollout beginnt im Sommer 2026, gestaffelt in den Vereinigten Staaten für Citigold-Kunden, zunächst auf Englisch und Spanisch. Zu den Funktionen zählen Hinweise auf Fälligkeiten von Einlagenzertifikaten (Certificates of Deposit, CD), Markteinschätzungen aus dem Chief Investment Office des Wealth-Bereichs und konversationelle Unterstützung bei Finanzfragen.
Andy Sieg, Leiter des Wealth-Geschäfts bei Citi, fasst die Absicht so: „This is the shift from interface to intelligence, from transactions to outcomes." Und mit Blick auf den Anlass, aus dem Kunden sich melden: „At the center is a universal question: ‚Am I financially okay?'" Thomas Kurian, Chief Executive Officer von Google Cloud, ordnet das Vorhaben als Vorlage ein: „With Gemini Enterprise as the backbone of Citi Sky, combined with frontier models from Google DeepMind, Citi Wealth is establishing a new blueprint for agentic AI."
Die Risikoverschiebung, die selten benannt wird
Zwischen einem Agenten im Backoffice und einem Agenten im Kundendialog liegt mehr als eine Distanz im Organigramm. Im Backoffice prüft in aller Regel ein Mensch das Ergebnis, bevor es Wirkung entfaltet: Die Buchung wird freigegeben, der Alert wird bewertet, der Bericht wird gelesen. Ein Agent im Kundengespräch verlässt genau diese Zone. Seine Ausgabe ist die Wirkung, weil der Kunde sie im selben Moment hört oder liest.
Vor diesem Hintergrund ist die Morgan-Stanley-Beschränkung eine saubere Antwort auf die Frage, welche Kontrolle bei Echtzeit-Interaktion überhaupt noch greifen kann. Wenn kein Mensch mehr jede Ausgabe vorab prüft, muss die Kontrolle in den Rahmen wandern: in die Frage, worüber der Agent verfügen darf und worüber nicht.
Weitere Häuser aus der Reuters-Zusammenschau bestätigen die Bandbreite. Robin Vince, Chief Executive Officer der Bank of New York Mellon, beschreibt digitale Mitarbeiter als Teammitglieder mit eigenen Zugangskennungen und Spitznamen. Richard James, Head of AI Product bei UBS, berichtet von Agenten, die Berater auf notwendige Klienten-Aktionen hinweisen; Berater könnten dadurch rund 70 Prozent ihrer Zeit für Kundengespräche nutzen. Diese Zahl stammt aus der Reuters-Darstellung und ließ sich nicht an einer Primärquelle gegenprüfen.
Was von den 51 Prozent bleibt
Die Zahl ist real, mehrfach unabhängig syndiziert und einem benannten Sprecher zugeordnet. Zugleich ließ sich weder die Stichprobengröße noch der genaue Fragetext ermitteln, und zwei zeitlich passende, öffentlich zugängliche KPMG-Erhebungen tragen die Zahl nicht. Für eine Kennzahl, die Investitionsentscheidungen begründen soll, ist das dünn.
Als Richtungsanzeige bleibt sie brauchbar, als Messwert taugt sie nicht. Bhavi Mehta, Global Lead for Advanced Analytics in Financial Services bei Bain & Company, formuliert die Lage nüchtern: „Banks are increasingly using agentic AI and figuring out more ways to use it because it has a lot of potential." Wer den eigenen Rückstand oder Vorsprung an einer Adoptionsquote misst, deren Nenner niemand kennt, vergleicht sich mit einer Schätzung.
Was das für die Praxis heißt
Für Verantwortliche in Vertrieb, Betrieb und Digitalisierung ergeben sich vier Ansatzpunkte.
Sofort: Vor jedem Agenten-Vorhaben schriftlich klären, worüber das System verfügen darf und worüber ausdrücklich nicht. Morgan Stanley trennt Erreichbarkeit von Entscheidungsbefugnis; diese Trennung ist übertragbar und entscheidet darüber, welche Kontrollen anschließend nötig sind. Wer die Grenze erst nach dem Piloten zieht, baut sie gegen bestehende Erwartungen.
In der Planung: Ein Agent, dessen Ausgabe ein Mensch vor der Wirkung prüft, und ein Agent, der direkt mit dem Kunden spricht, sind unterschiedliche Risikoklassen. Der Sprung vom einen zum anderen ist kein Skalierungsschritt. Er verlangt eigene Freigaben, eigene Protokollierung und eine eigene Antwort auf die Frage, was bei einer falschen Auskunft passiert.
Sofort: Die 51 Prozent taugen als Stimmungsbild. Als Benchmark versagen sie. Wer sie ins eigene Reporting hebt, misst sich an einer Zahl ohne öffentlich nachvollziehbare Methodik. Sinnvoller sind Kennzahlen aus dem eigenen Betrieb: Zahl produktiver Anwendungsfälle, Anteil mit dokumentierter Aufsichtsform, Bearbeitungszeit vorher und nachher.
Fortlaufend: Von den drei Vorhaben ist keines vollständig produktiv. Goldman Sachs nennt kein Startdatum, Morgan Stanley testet, Citi rollt gestaffelt aus. Wer Wettbewerbsdruck aus solchen Meldungen ableitet, vergleicht den eigenen Produktivbetrieb mit fremden Ankündigungen. Der Reifegrad gehört in jede Wettbewerbsbetrachtung.
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 →Lesen Sie weiter – alle 14 Tage in Ihrem Postfach.
Kapitalmarkt-Insights, Regulierungs-Updates und AI-Trends. Kompakt, fundiert, kostenlos.
DSGVO-konform. Jederzeit abbestellbar.