Moody’s hat mit sei­ner „Agen­tic Solutions”-Plattform einen bemer­kens­wer­ten Wan­del in der Bear­bei­tung von Kre­dit­me­mos erreicht. Was frü­her 40 Stun­den in Anspruch nahm, lässt sich nun in zwei Minu­ten erle­di­gen. Der Ansatz basiert auf agen­ten­ba­sier­ter KI, die kom­ple­xe Arbeits­ab­läu­fe in spe­zia­li­sier­te Ein­zel­auf­ga­ben auf­teilt^[1]Moody’s cut cre­dit memo prep from 40 hours to 2 minu­tes with modu­lar AI agents: Here’s its agen­tic AI blue­print.

Modu­la­re Archi­tek­tur statt Monolith

Das Unter­neh­men setzt bewusst nicht auf eine umfas­sen­de KI-Lösung, son­dern auf ein Sys­tem spe­zia­li­sier­ter Agen­ten. Jeder Agent über­nimmt eine spe­zi­fi­sche Funk­ti­on: Fir­men­iden­ti­fi­ka­ti­on, Finanz­da­ten­ana­ly­se oder Peer-Ver­glei­che. Die­se Arbeits­tei­lung ermög­licht es, ein­zel­ne Kom­po­nen­ten zu opti­mie­ren oder aus­zu­tau­schen, ohne das gesam­te Sys­tem zu beeinträchtigen.

Der modu­la­re Auf­bau bie­tet prak­ti­sche Vor­tei­le bei War­tung und Wei­ter­ent­wick­lung. Ändert sich eine Anfor­de­rung, kann der ent­spre­chen­de Agent ange­passt wer­den, ohne ande­re Sys­tem­tei­le zu stö­ren. Dies erleich­tert die schritt­wei­se Ver­bes­se­rung und Anpas­sung an neue Gegebenheiten.

Model­lag­nos­ti­scher Ansatz zur Risikominimierung

Moody’s ver­wen­det ver­schie­de­ne Sprach­mo­del­le für unter­schied­li­che Auf­ga­ben. Die­se Stra­te­gie redu­ziert die Abhän­gig­keit von ein­zel­nen Anbie­tern und opti­miert Kos­ten durch den geziel­ten Ein­satz pas­sen­der Model­le. Ein­fa­che Klas­si­fi­zie­run­gen erfor­dern nicht die­sel­be Rechen­leis­tung wie kom­ple­xe Analysen.

Die Fle­xi­bi­li­tät bei der Modell­wahl ermög­licht es auch, neue Tech­no­lo­gien zu inte­grie­ren, ohne grund­le­gen­de Sys­tem­än­de­run­gen vor­neh­men zu müs­sen. Dies ist beson­ders rele­vant in einem schnell­le­bi­gen Technologiebereich.

Daten­qua­li­tät als Grundlage

In regu­lier­ten Bran­chen sind fal­sche Infor­ma­tio­nen pro­ble­ma­tisch. Moody’s begeg­net dem Risi­ko von KI-“Halluzinationen” durch die aus­schließ­li­che Nut­zung geprüf­ter, pro­prie­tä­rer Daten. Die­se Beschrän­kung auf ver­trau­ens­wür­di­ge Quel­len ist in com­pli­ance-kri­ti­schen Umge­bun­gen notwendig.

Die Stra­te­gie ver­zich­tet bewusst auf die Viel­falt öffent­li­cher Daten­quel­len zuguns­ten der Ver­läss­lich­keit. Für ein Rating­un­ter­neh­men ist die Genau­ig­keit der Aus­sa­gen wich­ti­ger als die Brei­te der ver­füg­ba­ren Informationen.

Ver­än­der­te Nutzungsmuster

Trotz der erheb­li­chen Zeit­er­spar­nis zeigt sich ein inter­es­san­tes Phä­no­men: Die Nut­zer kon­su­mie­ren 40 Pro­zent mehr Inhal­te als zuvor. Die KI stellt zusätz­li­che rele­van­te Infor­ma­tio­nen bereit, die zu ver­tief­ter Recher­che anre­gen. Die gewon­ne­ne Zeit wird nicht ein­fach gespart, son­dern in erwei­ter­te Ana­ly­sen investiert.

Schritt­wei­se Implementierung

Moody’s emp­fiehlt ande­ren Unter­neh­men einen gra­du­el­len Ein­stieg in die KI-Nut­zung. Klei­ne, spe­zi­fi­sche Pro­jek­te eig­nen sich bes­ser als umfas­sen­de Sys­tem­um­stel­lun­gen. Dabei soll­ten Unter­neh­men ihre spe­zi­fi­schen Stär­ken nut­zen – bei Moody’s sind das Finanz­ex­per­ti­se und umfang­rei­che Datensätze.

Bedeu­tung für regu­lier­te Branchen

Der Ansatz zeigt, wie KI in stark regu­lier­ten Umge­bun­gen ein­ge­setzt wer­den kann. Die Kom­bi­na­ti­on aus modu­la­rer Struk­tur, fle­xi­bler Tech­no­lo­gie­wahl und strik­ter Daten­qua­li­tät bie­tet einen prak­ti­ka­ti­blen Weg für ähn­li­che Unternehmen.

Die Erfah­run­gen von Moody’s ver­deut­li­chen, dass erfolg­rei­che KI-Imple­men­tie­rung weni­ger von der ver­wen­de­ten Tech­no­lo­gie als von der durch­dach­ten Anwen­dungs­stra­te­gie abhängt. Com­pli­ance-Anfor­de­run­gen und ope­ra­ti­ve Effi­zi­enz las­sen sich ver­bin­den, wenn die Sys­te­me ent­spre­chend kon­zi­piert werden.