Agentic AI im Wealth Management: Was die Technologie kann und was sie nicht entscheiden darf

Agentic AI bezeichnet KI-Systeme, die mehrstufige Aufgaben selbstständig planen und ausführen, ohne dass für jeden Schritt eine menschliche Eingabe nötig ist. Im Wealth Management heisst das: Das System recherchiert, filtert und fasst zusammen. Was es nicht tut und nicht darf: inhaltlich über Anlagestrategie oder Mandatsführung entscheiden. Diese Abgrenzung ist nicht nur eine technische, sondern eine regulatorische.

Der Begriff kursiert seit Monaten durch die Fachdiskussion, und nicht wenige Anbieter vermarkten ihre Produkte bereits als vollständige Betriebsinfrastruktur für Financial Advisors auf Basis agentischer Systeme. Für Relationship Manager, die täglich mit realen Mandaten und realer Haftung arbeiten, lohnt sich ein genauerer Blick: Was kann diese Technologie tatsächlich leisten, was bleibt zwingend beim Menschen, und welche Fragen sollten vor einem Einsatz beantwortet sein?

Das Wichtigste in Kürze

• Definition: Agentic AI = KI-Systeme, die Ziele in Teilschritte zerlegen und diese selbstständig ausführen, teils unter Nutzung externer Datenquellen oder Schnittstellen.
• Marktdynamik: Mehrere spezialisierte Anbieter positionieren sich seit 2024/2025 mit agentischen Systemen speziell für Wealth Management und Financial Advisory (Quelle: diverse Branchenberichte, u.a. EY, 2025 Global Wealth and Asset Management Outlook).
• Regulatorischer Rahmen Schweiz: Anlageentscheide müssen einer beaufsichtigten und verantwortlichen Person zurechenbar sein (FIDLEG, FINMA-Regulierung Vermögensverwalter).
• Zeitpotenzial: Relationship Manager verbringen nach McKinsey-Schätzungen rund 60 bis 70 Prozent ihrer Zeit mit nicht-ertragsgenerierenden, oft administrativen Tätigkeiten; generative KI könnte einen Teil dieser Zeit (etwa 20 bis 30 Prozent) Richtung wertschöpfender Kundenarbeit verschieben (Quelle: McKinsey, Insights zum US Wealth Management, 2024).
• Kernerkenntnis: Technologie entlastet den Prozess. Sie ersetzt nicht das Urteilsvermögen.

Was bedeutet „agentisch” genau?

Agentic AI unterscheidet sich von klassischer Automatisierung durch einen entscheidenden Aspekt: Sie kann unstrukturierte Aufgaben interpretieren, Teilschritte selbst planen und bei Hindernissen alternative Wege suchen. Ein klassisches Automatisierungssystem folgt fixen Regeln: Wenn Bedingung X erfüllt ist, führe Schritt Y aus. Ein agentisches System erhält ein Ziel, etwa „Erstelle eine Zusammenfassung der relevantesten Marktentwicklungen der letzten Woche für diesen Kundentyp”, und plant selbstständig, welche Quellen es nutzt, in welcher Reihenfolge es vorgeht und wie es die Ausgabe strukturiert.

Diese Flexibilität ist der Mehrwert. Sie ist aber auch der Grund, warum agentische Systeme schwerer vorhersehbar sind als einfache Regelautomatisierungen. Und genau deshalb sind klare Grenzen, Audit-Trails und menschliche Kontrollpunkte keine Kür, sondern Grundvoraussetzung für einen verantwortungsvollen Einsatz.

Wo bringt Agentic AI dem Relationship Manager konkret Zeitgewinn?

Bestehende Praxisbeispiele und Pilotprojekte aus dem Finanzbereich zeigen, dass agentische Systeme in klar abgegrenzten Prozessschritten echten Zeitgewinn bringen können. Die häufigsten Anwendungsbereiche:

Informationsaufbereitung: Das System scannt definierte Quellen, identifiziert themenbezogene Meldungen und erstellt eine strukturierte Zusammenfassung für den Relationship Manager. Statt 45 Minuten Recherche am Morgen bekommt der RM eine vorbereitete Leseliste mit Relevanzbewertung.

Dokumentenverarbeitung: Eingehende Dokumente, etwa Jahresabschlüsse, Depotauszüge oder Rechtsdokumente, werden automatisch erfasst, kategorisiert und auf relevante Kennzahlen verdichtet. Der RM sieht das Wesentliche, nicht den Rohtext.

Gesprächsvorbereitung: Auf Basis vorliegender Kundendaten und zurückliegender Interaktionen erstellt das System einen strukturierten Gesprächsvorschlag mit offenen Punkten, Portfolioentwicklung und möglichen Anlässen. Der RM entscheidet, welche Punkte er aufgreift.

Compliance-Vorchecks: Das System prüft, ob erforderliche Unterlagen für eine geplante Transaktion oder ein neues Mandat vorliegen, und meldet fehlende Dokumente vor dem menschlichen Review.

In allen diesen Fällen bleibt die Kernaufgabe beim Relationship Manager: die inhaltliche Einschätzung, das Gespräch mit dem Kunden, die Entscheidung.

Was Agentic AI nicht entscheiden darf

Hier ist Klarheit wichtiger als Begeisterung. Nach FIDLEG und den Aufsichtsregeln der FINMA für Vermögensverwalter liegt die Verantwortung für Anlageentscheide, die Wahrung der Sorgfaltspflicht und die Mandatstransparenz beim beaufsichtigten Institut und seinen Mitarbeitenden. Kein KI-System ist regulatorisch als Entscheidungssubjekt anerkannt.

Das bedeutet in der Praxis:

• Anlageentscheide brauchen eine verantwortliche Person, die nachweislich involviert war.
• Mandatstransparenz gegenüber dem Kunden muss menschlich verantwortet sein, auch wenn Systeme zugearbeitet haben.
• Dokumentation von Entscheidungsgrundlagen kann AI-gestützt sein, die Vollständigkeit und Richtigkeit liegt aber in menschlicher Verantwortung.
• Fehlerkontrolle ist Pflicht: Agentische Systeme produzieren Fehler, sogenannte Halluzinationen, sachlich falsche Ausgaben ohne Korrekturmechanismus. Wer AI-Output ungeprüft weitergibt, trägt die Verantwortung dafür.

Dieser regulatorische Rahmen ist nicht eine Bremse, sondern eine sinnvolle Schutzfunktion: für den Kunden, für den Relationship Manager und für das Vertrauen in die Branche.

Welche Fragen sollten vor einem Einsatz beantwortet sein?

Für Relationship Manager und Führungskräfte in Vermögensverwaltungen, die den Einsatz agentischer Systeme prüfen, sind folgende Fragen leitend:

Datenschutz und Datenverarbeitung: Wo werden Kundendaten verarbeitet? Verlassen sie den definierten regulatorischen Perimeter? Welche Drittanbieter sind involviert, und sind diese gemäss nDSG und DSGVO qualifiziert?

Nachvollziehbarkeit: Liefert das System einen Audit-Trail für seine Ausgaben? Kann im Nachhinein nachvollzogen werden, auf welchen Quellen eine Zusammenfassung beruht?

Qualitätskontrolle: Gibt es einen dokumentierten Freigabeprozess, bevor AI-Output in Kundenkontakt geht? Wer ist verantwortlich?

Grenzen des Systems: Ist klar definiert, welche Aufgaben das System übernimmt und welche nicht? Gibt es technische oder prozessuale Sicherungen, die verhindern, dass das System in nicht freigegebene Bereiche vordringt?

Die Antworten auf diese Fragen sollten schriftlich vorliegen, bevor ein System produktiv eingesetzt wird.

Häufige Fragen zu Agentic AI im Wealth Management

Was ist Agentic AI im Wealth Management?

Agentic AI bezeichnet KI-Systeme, die mehrstufige Aufgaben selbstständig planen und ausführen, ohne für jeden Schritt eine menschliche Eingabe zu benötigen. Im Wealth Management heisst das: Das System recherchiert, filtert und fasst Informationen zusammen, oder führt definierte Prozessschritte durch. Die inhaltliche Entscheidung über Anlagestrategie und Mandat liegt weiterhin beim zuständigen Relationship Manager.

Darf Agentic AI Anlageentscheide treffen?

Nein. Nach FIDLEG und den FINMA-Aufsichtsregeln für Vermögensverwalter liegt die Verantwortung für Anlageentscheide und die Sorgfaltspflicht beim beaufsichtigten Institut und seinen Mitarbeitenden. KI kann Informationen aufbereiten und Prozessschritte automatisieren, ist aber kein regulatorisch anerkanntes Entscheidungssubjekt. Jede Anlageentscheidung muss einer verantwortlichen Person zurechenbar sein.

Wo bringt Agentic AI dem Relationship Manager konkret Zeitgewinn?

Typische Anwendungsfälle sind die automatisierte Aufbereitung von Kundenunterlagen, die Vorselektion von relevanten Marktmeldungen, die Zusammenfassung von Dokumenten und die Erstellung von Gesprächsvorbereitung auf Basis vorliegender Datenpunkte. Relationship Manager verbringen nach McKinsey-Schätzungen rund 60 bis 70 Prozent ihrer Zeit mit nicht-ertragsgenerierenden, oft administrativen Tätigkeiten; generative KI könnte einen Teil dieser Zeit Richtung wertschöpfender Kundenarbeit verschieben.

Wie unterscheidet sich Agentic AI von klassischer Automatisierung?

Klassische Automatisierung folgt fixen Regeln (wenn X, dann Y). Agentic AI kann unstrukturierte Aufgaben interpretieren, Teilschritte selbst planen und bei Hindernissen alternative Wege suchen. Das macht sie flexibler, aber auch schwerer vorhersehbar. Deshalb braucht jeder produktive Einsatz klare Grenzen, Audit-Trails und menschliche Kontrolle an definierten Kontrollpunkten.

Welche Risiken birgt der Einsatz von Agentic AI im Finanzumfeld?

Die grössten Risiken sind Halluzinationen (sachlich falsche Ausgaben), fehlende Nachvollziehbarkeit von Entscheidungsschritten, Datenschutzfragen bei der Verarbeitung von Kundendaten und unkontrollierte Weitergabe von Informationen an externe Systeme. Eine sorgfältige Auswahl der Systeme, ein dokumentierter Freigabeprozess und regelmässige Qualitätschecks sind deshalb unerlässlich.

---

Dieser Artikel stellt keine Anlage- oder Rechtsberatung dar und ersetzt keine rechtliche oder regulatorische Einzelfallprüfung.