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 Ban­ken­sek­tor^[1]BNY 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.