Agentic AI im Retailbanking: Wer steuert künftig die Kundenschnittstelle

Retailbanken haben in den vergangenen Jahren viel in Apps, Omnikanal-Vertrieb und digitale Prozesse investiert. Mit Agentic AI verschiebt sich die entscheidende Frage jedoch: Wer interagiert künftig mit dem Kunden und wie kann eine Bank sicherstellen sich neben reiner Preisführerschaft durchsetzen zu können?

Vom Suchfeld zum persönlichen Finanzagenten

Kundinnen und Kunden werden perspektivisch immer seltener selbst nach dem passenden Finanzprodukt suchen. Stattdessen formulieren sie ein Ziel: „Optimiere meine Liquidität, spare für mein Vorhaben und schlage mir die passende Lösung vor.“ Den Weg dorthin übernimmt ein persönlicher KI-Agent. Dieser kann Informationen aus Banking-Apps, Vergleichsportalen, Suchmaschinen und weiteren digitalen Quellen auswerten, Optionen vergleichen und Handlungsvorschläge ableiten.

Damit wird preissensitives Verhalten auch für bequemere Kunden deutlich einfacher. Was heute noch aktive Recherche erfordert, kann künftig durch einen Agenten automatisiert vorbereitet werden. Für einfache, gut vergleichbare Produkte steigt dadurch der Druck auf Konditionen, Geschwindigkeit und Abschlussfähigkeit.

Diese Entwicklung ist mehr als eine Verschiebung einzelner Touchpoints innerhalb der Customer Journey. Agentic AI kann zum neuen Entscheidungs- und Interaktionslayer zwischen Kunde und Bank werden. Banken müssen deshalb klären, wie sie in diesem Layer sichtbar und relevant bleiben. Für Preisführer kann diese Entwicklung zunächst vorteilhaft sein. Für alle anderen Anbieter stellt sich die Frage, wie sie sich jenseits des Preises differenzieren können.

Die Antwort liegt in personalisierter, kontextbezogener Beratung. Banken können dort ansetzen, wo Kunden nicht nur den günstigsten Preis suchen, sondern Orientierung, Vertrauen und Komfort erwarten. Die Nachfrage nach individueller Beratung ist bei vielen Retailkunden vorhanden: Studien zufolge begrüßen 56% der Befragten personalisierte Beratung und proaktive Vorschläge und mehr als 40% wünschen sich ein personalisiertes Profil, das Lebenssituation und Ziele berücksichtigt [4].  KI-Agenten können diese Form der Beratung deutlich skalierbarer machen. Sie können Kunden bedürfnisorientiert begleiten, statt sie mit einer Vielzahl möglicher Produkte in eigene Recherchen zu schicken.

Dabei sollten Banken auch prüfen, in welchen Fällen Produkte anderer Anbieter integriert werden müssen. Die Bank wird dann nicht nur Produktanbieter, sondern persönlicher Finanzbegleiter. Intern kann die bestehende Produktlogik zunächst als Ausgangspunkt dienen. Sie muss jedoch so strukturiert und technisch zugänglich gemacht werden, dass kundenseitig ein ziel- und bedarfsorientierter Zugang entsteht.

Warum der Handlungsdruck jetzt steigt

Die Relevanz dieser Entwicklung zeigt sich bereits heute. Laut Oliver Wyman nutzen oder erwägen 40 Prozent der europäischen Retailbanking-Kunden KI für finanzielle Beratung; weitere 38 Prozent sind offen dafür, KI-Agenten Transaktionen in ihrem Namen ausführen zu lassen [1]. Parallel entsteht technische Infrastruktur für agentischen Handel und agentische Zahlungen. Visa hat mit dem Trusted Agent Protocol einen Rahmen vorgestellt, der sichere Kommunikation zwischen KI-Agenten und Händlern ermöglichen und agentengestützte Kaufprozesse absichern soll [2].

Auch große Plattformanbieter entwickeln agentische Assistenten weiter. Google beschreibt Gemini Spark etwa als persönlichen KI-Agenten, der mehrstufige Aufgaben bearbeiten, im Hintergrund laufen, Google-Apps anbinden, live recherchieren und Buchungen unterstützen können soll. Auch wenn sich der Dienst aktuell noch im Roll-out befindet, lässt es die klare Richtung erkennen, dass KI-Agenten zukünftig noch autarker werden.

Für Banken bedeutet das: Der Zeitpunkt zur strategischen Positionierung ist jetzt. Es geht nicht nur um ein weiteres digitales Feature, sondern um die Frage, welche Rolle sie im Agentic Banking einnehmen wollen.

Strategische Optionen für Banken

McKinsey beschreibt dabei drei grundsätzliche Optionen für Retailbanken:  Abwarten und als Fast Follower reagieren, sich an den neuen Agentenlayer anpassen und als API-fähiger Produktanbieter auftreten oder einen eigenen bankseitigen Agentic Relationship Layer aufbauen [3].

Gerade die dritte Option nutzt einen aktuellen Vorteil der Banken: Vertrauen. Laut McKinsey vertrauen 62 Prozent der befragten Kunden ihrer Hausbank am meisten bei GenAI-Finanzdienstleistungen, verglichen mit 19 Prozent bei großen Technologieunternehmen. Gleichzeitig würden 57 Prozent der Kunden einen GenAI-Finanzagenten eines Drittanbieters prüfen, wenn ihre Bank kein entsprechendes Angebot macht [3].

Aus diesem Vorteil entsteht noch kein Automatismus zugunsten der Banken, aber ein klares strategisches Fenster. Externe Agentenanbieter können häufig mit plattformübergreifender Reichweite punkten und stärkerem Kontextwissen zu weiterem Kaufverhalten und Interesse. Banken bringen dagegen neben Vertrauen, im Finanzkontext besonders relevante Stärken mit: Sie verfügen bereits über regulatorische Infrastruktur sowie etablierte Beratungs- und Kontrollprozesse. Diese Faktoren gemeinsam machen den Aufbau eines bankseitigen Agentic Relationship Layers strategisch plausibel.

Das gilt besonders dort, wo Agenten nicht nur informieren oder vergleichen, sondern konkrete finanzielle Empfehlungen geben. Je individueller und handlungsnäher ein Agent berät, desto wichtiger werden Vertrauen, Nachvollziehbarkeit und regulatorische Verantwortung. Sobald ein System einem Kunden auf Basis seiner persönlichen Situation eine Empfehlung zu einem konkreten Finanzinstrument gibt, handelt es sich regulatorisch gesehen um Anlageberatung. Diese ist als Wertpapierdienstleistung erlaubnispflichtig und unterliegt Anforderungen aus WpIG, WpHG und MiFID II, insbesondere zur Geeignetheitsprüfung, Transparenz, Dokumentation, Produktgovernance und zum Umgang mit Interessenkonflikten.

Damit wird Regulatorik nicht nur zur Hürde, sondern auch zum Differenzierungsmerkmal. Ein bankseitiger Agentic Layer kann personalisierte Beratung mit Vertrauen, Erlaubnisrahmen, Datenzugang und kontrollierter Ausführung verbinden. Daraus ergibt sich vor allem für Banken mit ausreichend großer Kunden- und Einlagenbasis eine strategische Chance: Sie können KI-Agenten nicht nur als Service- oder Vertriebskanal nutzen, sondern als regulierten, skalierbaren Zugang zu Beratung, Vermögensaufbau und finanzieller Begleitung positionieren.

Welche technische Basis für Agentic Banking notwendig ist

Nicht jede Bank wird einen eigenen Agentic Relationship Layer aufbauen. Aber auch Banken, die primär an agentische Systeme Dritter angebunden sein wollen, benötigen eine geeignete technische Grundlage. Bestehende APIs können ein Ausgangspunkt sein, reichen aber häufig nicht aus. Entscheidend sind aus unserer Sicht insbesondere die folgenden fünf Handlungsfelder:

Erstens braucht es Echtzeitfähigkeit. Viele bankfachliche Prozesse sind heute noch nicht konsequent auf sofortige Ausführung ausgelegt. Eine Kontoanlage, Produktfreischaltung oder komplexere Legitimation kann mehrere Tage dauern. Wenn ein Agent dem Kunden künftig mehrere passende Optionen in einem Dialog anbieten und abschließen soll, werden solche Prozessbrüche sichtbar.

Zweitens müssen APIs die richtige Granularität aufweisen, damit Agenten flexibel auf unterschiedliche Kundenbedarfe, Kontextinformationen und Prozesssituationen reagieren können. Viele bestehende Schnittstellen sind entlang heutiger Prozessstrecken geschnitten und für menschlich geführte Journeys optimiert. Agentische Systeme benötigen dagegen oft feinere Granularität: Sie müssen einzelne Fähigkeiten gezielt ansprechen, kombinieren und situativ orchestrieren können. Gleichzeitig darf diese Flexibilität nicht zu Kontrollverlust führen.

Drittens braucht es ein robustes Berechtigungs- und Kontrollmodell. Ein Agent darf nicht alles tun, nur weil eine Schnittstelle technisch verfügbar ist. Er muss abhängig von Kundeneinwilligung, Produkt, Prozessschritt, Risiko, regulatorischem Status und Datenkontext unterschiedliche Rechte erhalten. Granularität und Sicherheit müssen gemeinsam gedacht werden.

Viertens ist Nachvollziehbarkeit zentral. Empfehlungen und Aktionen müssen intern auditierbar und für den Kunden verständlich sein. Es muss erkennbar sein, welche Daten genutzt wurden, welche Annahmen eingeflossen sind, welche Alternativen geprüft wurden und warum eine Empfehlung ausgesprochen wurde. Transparenz ist die Voraussetzung für Vertrauen in agentische Finanzberatung.

Fünftens müssen Banken implizites Fachwissen explizit machen. Vieles, was heute in Organisation, Vertrieb oder Fachbereichen verankert ist, muss strukturiert, dokumentiert und technisch durchsetzbar werden: Welche Produktlogik gilt wann? Welche Beratungsschritte sind zwingend? Welche Daten dürfen in welchem Kontext genutzt werden? Wann ist eine menschliche Freigabe erforderlich? Wann darf ein Agent nur informieren, aber nicht empfehlen?

Sobald Agenten auf Cloud-, LLM-, API- oder Drittanbieterkomponenten zugreifen, wird diese technische Architektur zugleich Teil des DORA-relevanten IKT-Risikomanagements. Resilienz, Drittparteiensteuerung, Incident-Prozesse und Exit-Fähigkeit müssen deshalb von Beginn an mitgedacht werden.

Was jetzt zu tun ist

Agentic Retailbanking ist kein Chatbot-Upgrade, sondern eine strategische Neupositionierung im Kundenzugang. Banken sollten deshalb früh klären, welche der genannten Rollen sie künftig einnehmen wollen: Produktanbieter für Agenten Dritter, abwartender Fast Follower oder Betreiber eines eigenen Agentic Relationship Layers.

Welche Option sinnvoll ist, hängt dabei von Portfolio, Kundenbasis, Einlagenvolumen, regulatorischer Reife und technischer Anschlussfähigkeit ab. Klar ist jedoch: Wer im agentischen Ökosystem sichtbar bleiben will, muss heute die Voraussetzungen schaffen – von echtzeitfähigen Prozessen über granulare APIs bis hin zu nachvollziehbaren Entscheidungs- und Kontrolllogiken.

In den nächsten Beiträgen zeigen wir, wie diese technische Basis konkret aussehen kann: für die Anbindung an Agenten Dritter ebenso wie für den Aufbau eigener bankseitiger Agentic Layer.

Wenn Sie bereits heute prüfen möchten, welche Rolle Ihre Bank konkret im agentischen Ökosystem einnehmen sollte und wie groß die Lücke bei Ihnen im Haus zwischen heutiger Architektur und agentenfähigem Zielbild ist, sprechen Sie uns gerne direkt an.

Quellen

[1] Oliver Wyman (2026): 7 top distribution trends reshaping retail banking in Europe; https://www.oliverwyman.com/our-expertise/insights/2026/apr/key-retail-banking-distribution-trends-europe-2026.html

[2] Visa (2025): Visa stellt neues Protokoll für sicheren KI-Handel vor; https://www.visa.de/uber-visa/newsroom/press-releases.3410724.html

[3] McKinsey (2026): How gen AI agents threaten retail banks’ customer relationships; https://www.mckinsey.com/industries/financial-services/our-insights/how-gen-ai-agents-threaten-retail-banks-customer-relationships

[4] msg for banking (2025): Mehr Relevanz, mehr Beziehung: Warum Personalisierung im Banking kein Nice-to-have mehr ist; https://banking.vision/personalisierung-banking/