Wenn aus agentischen KI-Systemen ein IDV-Governance Thema wird

Es beginnt oft unspektakulär: In Fachbereichen von Banken, Versicherungen und Kapitalverwaltungsgesellschaften werden KI-gestützte Anwendungen genutzt, die Daten verarbeiten, Berechnungen durchführen und Ergebnisse in operative Prozesse übertragen. Registriert sind diese Systeme oft nirgends – weder Governance noch Risikomanagement haben Kenntnis davon. Genau hier droht im Finanzsektor eine neue Governance-Lücke zu entstehen.

Agentische KI-Systeme gehören zu den am schnellsten wachsenden Technologietrends im Finanzsektor. Laut dem KPMG Global Tech Report 2026 betten bereits 88 Prozent der befragten Unternehmen KI-Agenten in ihre Arbeitsabläufe ein. Gartner prognostiziert, dass bis Ende 2026 rund 40 Prozent aller Unternehmensanwendungen über aufgabenspezifische KI-Agenten verfügen werden.

Der EU AI Act (Art. 3 Abs. 1) definiert KI-Systeme als maschinenbasierte Systeme, die in unterschiedlichem Grad autonom operieren und sich nach der Inbetriebnahme anpassen können. Dabei verarbeiten sie erhaltene Eingaben und treffen auf dieser Grundlage Vorhersagen, Empfehlungen und Entscheidungen. Agentische KI-Systeme erfüllen diese Kriterien in besonderem Maße: Sie planen eigenständig, treffen Entscheidungen, führen mehrstufige Aufgaben autonom aus und passen ihr Verhalten dynamisch an. Genau das unterscheidet sie von klassischer regelbasierter Automatisierung.

Damit stellt sich eine Frage, die viele Unternehmen bisher nicht systematisch adressiert haben: Wann wird ein agentisches KI-System zur Individuellen Datenverarbeitung (IDV) – und was bedeutet das für die Governance?

Steffen Wodsack, Senior Manager bei KPMG, Financial Services, beobachtet bei vielen Instituten denselben Effekt: Agentische KI wird schnell eingeführt, aber selten sauber in bestehende Governance-Strukturen eingeordnet.

Frage: Wie gehen Kunden aktuell mit agentischen KI-Systemen um?

Antwort Steffen Wodsack: Aus unserer Sicht zeigt die aktuelle Marktdynamik vor allem eines: Unternehmen setzen agentische KI-Systeme mit zunehmender Geschwindigkeit ein, ohne ausreichend zu berücksichtigen, dass viele dieser Anwendungen unter bestehende IDV-Anforderungen fallen können. Selbst dort, wo dieses Bewusstsein vorhanden ist, besteht häufig Unsicherheit im Umgang mit den Systemen. Nicht die Technologie selbst ist dabei die zentrale Herausforderung, sondern ihre fehlende Einordnung in bestehende Governance-Strukturen.

Frage: Warum stellt Schatten-KI (oder Shadow AI), also die Nutzung von KI-Tools ohne formale IT-Freigabe, im Kontext von IDV ein besonders großes Risiko dar?

Steffen Wodsack: Schatten-KI stellt im IDV-Kontext ein besonderes Risiko dar, da agentische KI-Systeme zunehmend genutzt werden und dabei häufig außerhalb etablierter Governance- und Kontrollmechanismen agieren. Die mangelnde Nachvollziehbarkeit und Steuerbarkeit dieser digitalen Prozesse kann dazu führen, dass zentrale Anforderungen aus Regulatorik – insbesondere in Bezug auf Risikomanagement und Governance – nicht erfüllt werden und gleichzeitig neue Angriffsflächen entstehen.

Individuelle Datenverarbeitung (IDV) beschreibt Anwendungen, die von Mitarbeitenden in Fachabteilungen, außerhalb der zentralen IT-Prozesse, entwickelt und betrieben werden – typischerweise auf Plattformen wie Excel, Access, Python oder Matlab. Die regulatorischen Anforderungen an IDV ergaben sich ursprünglich aus den sektorspezifischen Rundschreiben der BaFin sowie aus den übergeordneten Rahmenwerken MaRisk/MaGo und DORA.

Ob eine Anwendung als IDV einzustufen ist, richtet sich in der Regel nach einem Entscheidungsbaum mit vier zentralen Kriterien:

1. Erfolgten die Entwicklung und der Betrieb durch den Endbenutzer (und nicht durch die zentrale IT)?
2. Werden Daten verarbeitet?
3. Ist die Anwendung Bestandteil eines Geschäfts- bzw. Unterstützungsprozesses?
4. Wird die Anwendung regelmäßig verwendet?

Wichtig ist hierbei auch, dass für die Entwicklung nur die Verwendung zugelassener Trägertechnologien erlaubt ist. Für klassische Excel- oder Python-basierte Anwendungen ist diese Einordnung etabliert. Bei agentischen KI-Systemen wird es jedoch komplex: Ein Copilot-Agent, der täglich Daten aus mehreren Systemen aggregiert, Berechnungen durchführt und Ergebnisse in operative Prozesse überträgt, erfüllt potenziell alle vier Kriterien – ohne dass dieser in der Regel bewusst als IDV registriert wird.

Nicht jedes agentische KI-System ist automatisch eine IDV. Ein reines Recherche-Tool, das lediglich Informationen zusammenfasst, ohne in geschäftskritische Datenverarbeitung einzugreifen, fällt in der Regel nicht unter die IDV-Regelung. Entscheidend ist hier die konkrete Verwendung:

Ob ein agentisches KI-System tatsächlich IDV-Governance-relevant ist, entscheidet sich vor allem daran, welche Daten es verarbeitet – von öffentlich verfügbaren Informationen bis hin zu sensiblen Kunden-, Vertrags- oder Transaktionsdaten. Eine saubere Datenklassifizierung ist deshalb die Grundlage jeder belastbaren Risikoeinschätzung.

Beispiel: Ein Versicherer nutzt eine agentische KI, die auf Basis historischer Vertragsdaten Schadenprognosen trifft. Die Fachabteilung entwickelt den Agenten selbst und liefert täglich Entscheidungsvorlagen für das Underwriting. Damit wird aus einem hilfreichen Tool schnell ein Fall für die individuelle Datenverarbeitung.

Die regulatorischen Anforderungen für KI im Finanzsektor verdichten sich seit 2025 massiv. Zwei Regelwerke sind besonders relevant:

• Der EU AI Act definiert KI-Systeme über sieben Merkmale – darunter autonome Entscheidungsfindung und Anpassungsfähigkeit. Agentische KI-Systeme, die eigenständig Aufgaben erzeugen, fallen grundsätzlich unter diese Definition. Die Risikoklassifizierung hängt vom konkreten Einsatzbereich ab: Im Finanzsektor sind viele Anwendungen potenziell als Hochrisiko-KI einzustufen. Der EU AI Act fordert insbesondere für Hochrisiko-KI nachvollziehbare technische Dokumentation, Logging sowie eine ausreichende Transparenz der Systementscheidungen. Gerade agentische KI-Systeme geraten hier schnell in Konflikt mit regulatorischen Anforderungen, wenn Entscheidungen autonom entstehen, aber nicht revisionssicher dokumentiert werden.

• DORA (Digital Operational Resilience Act) schafft erstmals einen sektorübergreifend harmonisierten Rahmen für die digitale operationale Resilienz u.a. von Banken, Versicherungen und Kapitalverwaltungsgesellschaften. KI-Systeme gelten als IKT-Assets und fallen damit automatisch in den DORA-Risikomanagementrahmen – das umfasst IKT-Risikomanagement, vollständige Identifizierung und Inventarisierung aller IKT-Assets sowie Schutz- und Präventionsmaßnahmen.

Die zentrale Erkenntnis: Durch das Wegfallen der Sonderregelungen für IDVen ergeben sich aus EU AI Act und DORA möglicherweise erweiterte Anforderungen an die bisherige Regulierung von IDV. Unternehmen müssen agentische KI-Systeme aus beiden regulatorischen Richtungen betrachten: einerseits als KI-System im Sinne des EU AI Act und – sofern die Kriterien erfüllt sind – zusätzlich auch als IKT-Asset im Sinne der DORA. Eine Verknüpfung von AI- und IDV-Register über eine Toollösung reduziert Aufwände und ermöglicht eine konsistente Governance über beide Regelungswelten hinweg.

Wer agentische KI-Systeme nicht aktiv in die bestehende IDV-Governance integriert, riskiert nicht nur operative Risiken durch unkontrollierte, intransparente Entscheidungsprozesse, sondern auch regulatorische Feststellungen.

Wir empfehlen ein schrittweises Vorgehen:

1. Identifizieren: Bewertung, ob und in welchem Umfang agentische KI-Systeme unter die IDV-Regulierung fallen.
2. Inventarisieren: Ergänzung bestehender IDV-Inventare um agentische KI-Systeme und toolbasierte Verknüpfung mit dem AI-Register.
3. Klassifizieren: Anwendung der Schutzbedarfsklassifizierung auch für agentische KI-Systeme.
4. Kontrollieren: Überprüfung bestehender IDV-Kontrollen auf ihre Anwendbarkeit für agentische KI-Systeme und ggf. Erweiterung.
5. Verantwortliche benennen: Befähigung der Fachbereiche durch praxisnahe Schulungen und Enablement-Maßnahmen im Umgang mit agentischen KI-Systemen.

Die eigentliche Herausforderung ist nicht, ob Fachbereiche agentische KI nutzen werden. Das tun sie bereits. Entscheidend ist, ob Institute diese Systeme rechtzeitig als Teil ihrer Governance sehen. Denn, sobald ein Agent geschäftsrelevante Daten verarbeitet und Entscheidungen vorbereitet, ist Wegsehen keine Option mehr.

Dieser Artikel ist unter Mitwirkung von Kenneth Paulsen, Erik Emmer und Niklas Kaiser entstanden.