Agentenbasierte Systeme automatisieren wiederkehrende IT-Compliance-Prozesse über den gesamten Lebenszyklus von (KI-)Software hinweg – von der Prüfung externer IT-Dienstleister über das Sammeln von Nachweisen bis zur kontinuierlichen Prüfung implementierter Kontrollen – und binden sich an die bestehende GRC- und IT-Landschaft an.
Dieser KI-Anwendungsfall wurde mit unserem Partner erarbeitet:
Agentenbasierte Systeme können wiederkehrende IT-Compliance-Prozesse über den gesamten Lebenszyklus von (KI-)Software automatisieren – von der Prüfung von externen IT-Dienstleistern über das Sammeln der erforderlichen Nachweise bis zur kontinuierlichen Prüfung der implementierten Kontrollen. Spezialisierte KI-Agenten, die im Hintergrund laufen, können sich an die bestehende GRC- und IT-Landschaft anbinden und Richtlinien, Verträge, Fragebögen und technische Dokumentation der IT-Assets kontinuierlich auswerten.
Finanzinstitute unterliegen einer stetig wachsenden Zahl IT-bezogener Compliance-Anforderungen – getrieben vor allem durch DORA, das die BAIT für die meisten Institute als maßgeblichen IT-Aufsichtsrahmen abgelöst hat, ergänzt um Anforderungskataloge wie aus MaRisk, ISO/IEC 27001 und die EU-KI-Verordnung. Besonders aufwendig wird es beim Zukauf von Drittanbieter-Software und KI-Systemen: Jeder neue Dienstleister und jedes neue System muss bewertet, mit Nachweisen hinterlegt und laufend überwacht werden. Ein Großteil dieser Governance-Arbeit (z.B. Kontrollbewertung, Nachweissammlung, Dienstleisterprüfung und Audit-Vorbereitung) erfolgt jedoch weitgehend manuell und ist meist über traditionelle GRC-Plattformen (ServiceNow, RSA Archer, Collibra, usw.), Confluence, SharePoint und Excel-Listen verteilt. IT-Compliance bleibt so meist noch ein zeitpunktbezogener Zustand, und die Compliance-Funktion wird zum Engpass für jede neue Anwendung, jeden Dienstleister und jede zusätzliche Anforderung.
Die Automatisierung von IT-Compliance-Prozessen wird in Finanzinstituten durch mehrere Faktoren erschwert:
Die Folge sind verzögerte Freigaben bei der Softwareeinführung, hoher Ressourceneinsatz in der Compliance-Funktion und ein Compliance-Status, der zum Prüfungszeitpunkt nur mit erheblichem Aufwand belegbar ist. Agentische Compliance-Lösungen überführen diese manuelle Arbeit in einen kontinuierlichen, KI-gestützten Prozess – ohne die bestehende GRC- und Systemlandschaft zwingend zu ersetzen:
In unseren Projekten, bei welchen diese agentischen Lösungen eingesetzt worden sind, wurden schnell Zeitersparnisse von 50-70% in der IT-Governance realisiert. Insbesondere die Automatisierungen der initialen Bewertungen sowie der Kontrollprüfungen bieten neben der Dokumentationsführung meist das größte Einsparungspotenzial.
Der Use Case basiert auf spezialisierten KI-Agenten für GRC-Aufgaben, die Inhalte aus der bestehenden System- und Toollandschaft auswerten und in nachvollziehbare, prüfungssichere Ergebnisse für die jeweiligen IT-Assets bzw. Drittanbieter überführen. Die Agenten sollten dabei einer Tool-Oberfläche unterliegen, die die nötige und organisationsspezifische GRC-Logik abbilden kann. Eine Abbildung über weitverbreitete Agent-Tools und MCP Servern ist zwar möglich, aber für kritische Compliance-Prüfungen nicht zu empfehlen.
| Risiko | Beschreibung | Maßnahmen |
|---|---|---|
Ungenaue Ausgaben | Das KI-Modell liefert möglicherweise ungenaue Informationen oder zieht falsche Schlüsse. In diesem Zusammenhang kann es vorkommen, dass das LLM komplexe IT-Compliance-Rahmenwerke (wie DORA) falsch interpretiert oder Nachweise aus Anbieterdokumenten falsch zusammenfasst, was zu ungenauen Compliance-Berichten oder Bewertungen führt. | Quellenbasierte Auswertung (RAG): Strikte Ausrichtung des Modells auf die bereitgestellten Richtlinien und Datenquellen, wie im Anwendungsfall beschrieben. Copy-on-Write-Mechanismus: Durch eine „Human-in-the-Loop"-Prüfung wird sichergestellt, dass alle vorgeschlagenen Compliance-Änderungen von einem Fachexperten (2nd LoD) überprüft werden, bevor sie wirklich in Kraft treten. |
Datenexfiltration | Die KI-Agenten benötigen umfassenden Zugriff auf möglicherweise hochsensible interne IT-Architekturbeschreibungen, Lieferantenbeschreibungen und GRC-Systeme. Eine Sicherheitslücke könnte ausgenutzt werden, um diese vertraulichen Daten an Unbefugte weiterzuleiten. | Stellen Sie sicher, dass die Agenten über strenge Filter für den ausgehenden Datenverkehr verfügen (Runtime Enforcement). Agenten sollten nur mit den internen (GRC-)Tools und der autorisierten LLM-API kommunizieren können. |
Übermäßige Handlungsfähigkeit | Die Fähigkeit, über Erweiterungen mit anderen Systemen zu kommunizieren oder als Reaktion auf eine Aufforderung Maßnahmen zu ergreifen. Wenn autonome KI-Agenten einen Compliance-Status direkt ändern oder Informationen an verbundene Systeme senden können, könnte dies zu unkontrollierten Handlungen führen, falls das KI-Modell fehlerhaft funktioniert oder kompromittiert wird. | Handlungsspielraum begrenzen: Die etablierte „Freigabe-Mechanik" (Copy-on-Write) auf API-Ebene durchsetzen, oder die Agent-Tools so einschränken, dass sie keine irreversiblen Arbeitsabläufe auslösen können, sondern lediglich analysieren und Vorschläge unterbreiten. |
Risk
Das KI-Modell liefert möglicherweise ungenaue Informationen oder zieht falsche Schlüsse. In diesem Zusammenhang kann es vorkommen, dass das LLM komplexe IT-Compliance-Rahmenwerke (wie DORA) falsch interpretiert oder Nachweise aus Anbieterdokumenten falsch zusammenfasst, was zu ungenauen Compliance-Berichten oder Bewertungen führt.
Quellenbasierte Auswertung (RAG): Strikte Ausrichtung des Modells auf die bereitgestellten Richtlinien und Datenquellen, wie im Anwendungsfall beschrieben.
Copy-on-Write-Mechanismus: Durch eine „Human-in-the-Loop"-Prüfung wird sichergestellt, dass alle vorgeschlagenen Compliance-Änderungen von einem Fachexperten (2nd LoD) überprüft werden, bevor sie wirklich in Kraft treten.
Risk
Die KI-Agenten benötigen umfassenden Zugriff auf möglicherweise hochsensible interne IT-Architekturbeschreibungen, Lieferantenbeschreibungen und GRC-Systeme. Eine Sicherheitslücke könnte ausgenutzt werden, um diese vertraulichen Daten an Unbefugte weiterzuleiten.
Stellen Sie sicher, dass die Agenten über strenge Filter für den ausgehenden Datenverkehr verfügen (Runtime Enforcement). Agenten sollten nur mit den internen (GRC-)Tools und der autorisierten LLM-API kommunizieren können.
Risk
Die Fähigkeit, über Erweiterungen mit anderen Systemen zu kommunizieren oder als Reaktion auf eine Aufforderung Maßnahmen zu ergreifen. Wenn autonome KI-Agenten einen Compliance-Status direkt ändern oder Informationen an verbundene Systeme senden können, könnte dies zu unkontrollierten Handlungen führen, falls das KI-Modell fehlerhaft funktioniert oder kompromittiert wird.
Handlungsspielraum begrenzen: Die etablierte „Freigabe-Mechanik" (Copy-on-Write) auf API-Ebene durchsetzen, oder die Agent-Tools so einschränken, dass sie keine irreversiblen Arbeitsabläufe auslösen können, sondern lediglich analysieren und Vorschläge unterbreiten.
Eine reine GRC-/IT-Compliance-Automatisierung kann in dieser Form unter der EU-KI-Verordnung (KI-VO) als nicht hochriskant ausgelegt werden, allerdings könnten – je nach Einsatz und Rolle – Transparenzanforderungen (Kapitel IV) greifen.
Nach der DSGVO sind, sofern die ausgewerteten Quellen personenbezogene Daten enthalten, Rechtsgrundlage, Zweckbindung und Datenminimierung (Art. 5, 6) sicherzustellen. Da jede Empfehlung der KI menschlich freigegeben wird, liegt keine ausschließlich automatisierte Entscheidung i. S. v. Art. 22 vor. Bei Einsatz eines externen KI-/Modellanbieters sind ein Auftragsverarbeitungsvertrag (Art. 28) sowie Datensicherheit und -residenz (Art. 32) zu beachten.
Nach DORA ist die Agenten-Lösung, sofern sie von einem externen Anbieter bezogen wird, selbst ein IKT-Dienstleister und unterliegt dem IKT-Drittparteienrisikomanagement (Art. 28–30) inkl. Aufnahme ins Informationsregister. Das System unterstützt DORA-Compliance und muss dann zugleich selbst DORA-konform eingebunden werden.
Die genannten Rahmenwerke greifen teilweise ineinander; Umfang und konkrete Pflichten hängen von Unternehmenstyp, Rolle (Anbieter/Betreiber), Umsetzung des KI Use Cases und Risikoklasse ab. Dies muss in jedem Fall geprüft werden.
KI entfaltet im Finanzsektor erst dann echten Mehrwert, wenn sie nicht nur nützlich, sondern zugleich konform und vertrauenswürdig ist. Genau hier setzen BearingPoint und trail gemeinsam an: BearingPoint bringt die fachliche Branchenexpertise und Beratung, um die richtigen, mehrwertstiftenden KI-Anwendungsfälle zu identifizieren und umzusetzen; trail liefert die technischen Strukturen, um KI schnell und zugleich regelkonform in den Betrieb zu bringen.
Sprechen Sie mit uns, wenn Sie KI-Lösungen umsetzen möchten, die echten Mehrwert liefern und zugleich den regulatorischen Anforderungen standhalten.
Registrierung, Klassifizierung, Bewertung, Überwachung und Dokumentation dieses KI-Anwendungsfalls – vollständig geführt durch die AI Governance Plattform von trail & GRC Agents.
