Autonome KI-Agenten: Governance gehört in die Datenschicht

Was passiert ist

Am 27. August 2026 hat VentureBeat einen Beitrag von EDB veröffentlicht, der eine zentrale Frage für den Einsatz autonomer KI-Agenten stellt: Wenn ein Agent eine Aktion ausführt, die er nie autorisiert bekommen hat, was stoppt ihn tatsächlich? Die Antwort des Datenbankanbieters ist klar. Governance muss in die Datenschicht verlagert werden. Nicht in die Anwendung, nicht in das Modell, sondern in die Infrastruktur, die den Datenzugriff kontrolliert.

In der Praxis geht es um Folgendes. Unternehmen geben KI-Agenten immer mehr Autonomie. Diese Agenten planen, entscheiden und handeln über mehrere Systeme hinweg, ohne dass ein Mensch jeden Schritt freigibt. Das ist effizient, aber riskant. Die Verantwortung für das Handeln der Agenten liegt beim Unternehmen, das sie betreibt. Und diese Verantwortung kann nur wahrgenommen werden, wenn technisch durchgesetzt wird, was ein Agent darf und was nicht.

Der Beitrag von EDB richtet sich an Unternehmen allgemein, aber die Implikationen für die Finanzbranche sind besonders gravierend.

Warum es jetzt für die Finanzbranche zählt

Aus meiner Sicht ist das Thema für Banken, Asset-Manager, Finanzberater, Zahlungsdienstleister und alle anderen Akteure der Finanzbranche nicht optional. Autonome Agenten sind dort längst im Einsatz oder stehen unmittelbar davor. Typische Beispiele:

• Kreditprüfung: Ein Agent ruft Bonitätsdaten ab, bewertet Sicherheiten und generiert eine Kreditentscheidung.
• Portfolio-Rebalancing: Ein Agent überwacht Marktdaten, erkennt Abweichungen von der Zielallokation und löst Orders aus.
• Fraud-Monitoring: Ein Agent analysiert Transaktionen in Echtzeit und blockiert verdächtige Zahlungen.
• KYC und AML: Ein Agent gleicht Kundendaten mit Sanktionslisten ab und aktualisiert Risikoeinstufungen.
• Steuerliche Prüfung: Ein Agent prüft Belege, ordnet Konten zu und erstellt Buchungssätze.

In all diesen Fällen greift der Agent auf sensible Finanzdaten zu, trifft Entscheidungen mit regulatorischer Relevanz und löst Aktionen aus, die finanzielle Konsequenzen haben. Die Frage, was den Agenten stoppt, ist keine akademische. Es geht um Haftung, Compliance und Vertrauen.

Die Regulierung verschärft den Druck. Der EU AI Act stuft viele dieser Anwendungen als hochriskant ein. DORA verlangt ein umfassendes IKT-Risikomanagement für Finanzinstitute. MiFID II schreibt Geeignetheitsprüfungen vor, die bei automatisierten Beratungsprozessen nachvollziehbar sein müssen. BaFin, FMA und FINMA haben klargestellt, dass sie bei KI-Einsatz die gleiche Sorgfalt erwarten wie bei menschlichen Entscheidungen. Das bedeutet: Wer einen Agenten einsetzt, muss nachweisen können, dass der Agent nur das tut, wofür er autorisiert ist. Und dieser Nachweis muss technisch belastbar sein.

Ein häufiges Muster, das ich in Projekten sehe: Unternehmen definieren eine Policy für KI-Agenten, dokumentieren sie in einem PDF und glauben, damit sei die Governance erledigt. In der Realität wird die Policy auf Anwendungsebene umgesetzt, oft durch einfache Abfragen im Code. Ein Agent, der eigenständig APIs aufruft oder Daten aus verschiedenen Quellen kombiniert, kann solche Beschränkungen leicht umgehen. Oder ein Entwickler vergisst eine Prüfung, weil der Agent sich über eine neue Schnittstelle erweitert hat. Genau hier setzt der Vorschlag von EDB an. Die Kontrolle muss in der Datenschicht liegen, in der Datenbank oder im Data-Lake, wo jeder Zugriff erzwungen werden kann.

Technisch bedeutet das: Row-Level-Security, spaltenbasierte Berechtigungen, dynamisches Data-Masking, Audit-Tabellen auf Datenbankebene. Diese Mechanismen gelten unabhängig davon, welcher Agent oder welche Anwendung auf die Daten zugreift. Ein Agent kann nur die Daten sehen und verändern, die ihm die Datenschicht erlaubt. Das ist ein fundamentaler Unterschied zur App-Ebene.

Für die Finanzbranche ist das besonders kritisch, weil die Datenbasis oft heterogen ist. Kundendaten liegen im Core-Banking-System, Marktdaten im Data-Lake, Transaktionsdaten in Echtzeit-Streams. Ein autonomer Agent, der über diese Quellen hinweg agiert, braucht eine zentrale Durchsetzungsebene. Sonst entstehen Lücken. Dazu kommt das Bankgeheimnis und die DSGVO. Wenn ein Agent unbeabsichtigt Daten aus verschiedenen Quellen kombiniert, kann daraus ein Datenschutzverstoß entstehen, der hohe Strafen nach sich zieht.

Konkrete Handlungsempfehlung für KMU

Mein Rat an Finanzdienstleister, die autonome Agenten einführen oder bereits betreiben: Betrachten Sie Governance als Infrastrukturprojekt, nicht als Dokumentationsaufgabe. Drei Schritte sind sofort umsetzbar.

Schritt 1: Inventar der Agenten-Aktionen

Erstellen Sie eine vollständige Liste aller Aktionen, die Ihre KI-Agenten ausführen dürfen. Für jede Aktion dokumentieren Sie: Welche Datenquellen werden benötigt? Welche Schreibrechte sind erforderlich? Wer ist fachlich verantwortlich? Welche Freigabestufe gilt? Diese Liste ist die Grundlage für die technische Umsetzung. Wenn Sie nicht wissen, was Ihre Agenten tun, können Sie es nicht kontrollieren.

Schritt 2: Durchsetzung in der Datenschicht

Implementieren Sie Berechtigungen auf Datenbank- und Data-Lake-Ebene. Nutzen Sie Row-Level-Security, um den Datenzugriff auf das Nötigste zu beschränken. Ein Agent für Kreditprüfung braucht keinen Zugriff auf vollständige Kundendossiers, sondern nur auf die Felder, die für die Bonitätsbewertung relevant sind. Maskieren Sie sensible Inhalte wie Kontonummern oder persönliche Identifikatoren. Definieren Sie Schreibrechte restriktiv. Ein Agent, der Orders auslöst, darf keine Löschrechte auf Transaktionsdaten haben. Diese Regeln müssen unabhängig von der Anwendung durchgesetzt werden.

Schritt 3: Audit-Trails und automatisierte Überwachung

Protokollieren Sie jede Agenten-Aktion mit Datenkontext, Zeitstempel, beteiligten Systemen und auslösendem Trigger. Diese Protokolle dienen als Prüfpfad für interne Revision und Aufsichtsbehörden. Richten Sie automatisierte Alerts ein, die anschlagen, wenn ein Agent versucht, Aktionen außerhalb seines Berechtigungsrahmens auszuführen. Das ist kein Nice-to-have. Es ist die Grundlage für den Nachweis, dass Sie Ihre Governance ernst nehmen.

Ein weiterer Punkt: Testen Sie regelmäßig, ob die technischen Barrieren halten. Simulieren Sie einen Agenten, der versucht, Daten zu lesen oder zu verändern, die er nicht lesen oder verändern darf. Wenn die Datenschicht korrekt konfiguriert ist, wird der Zugriff verweigert und protokolliert. Wenn nicht, haben Sie eine Lücke gefunden.

Die VentureBeat-Meldung vom 27. August 2026 macht eines klar: Autonome Agenten sind keine Zukunftsmusik mehr. Sie handeln bereits. Und die Verantwortung für ihr Handeln liegt bei Ihnen. Verlassen Sie sich nicht auf Modell-Prompts oder Anwendungslogik. Governance gehört in die Datenschicht. Dort ist sie erzwungen, nicht nur erhofft.

Aus meiner Sicht ist das die einzige tragfähige Antwort auf die Frage, was einen Agenten tatsächlich stoppt. Alles andere ist Hoffnung.