Als Nächstes steht der Maschinenraum auf dem Programm – und die Kapitalrendite wird Sie überraschen

Teil zwei einer dreiteiligen Serie über die „Agentic Bank“, verfasst von Geert van Kerckhoven, CEO und Mitbegründer von Oper.

Das Front-Office steht im Rampenlicht. Aber wenn Sie mich fragen, wo KI im Hypothekengeschäft derzeit den unmittelbarsten und messbarsten Nutzen bringt, lautet die Antwort: im Mid-Office und im Back-Office. Und wenn Sie fragen, wo die langfristig transformativste Chance liegt, überrascht die Antwort die meisten Menschen: Sie liegt darin, was nach der Kreditbuchung geschieht.

Dokumentenintelligenz in großem Maßstab

Der zentrale Engpass bei der Hypothekenvergabe hat sich seit Jahrzehnten nicht verändert: Dokumente. Sie sammeln, lesen, validieren, mit den Richtlinien abgleichen, bei fehlenden Angaben zurücksenden, auf die erneute Einreichung warten – und den Zyklus wiederholen.

Agentic AI beseitigt diesen Engpass grundlegend. Agenten analysieren PDFs, Kontoauszüge, Identitätsnachweise, Immobiliendokumente und Einkommensnachweise. Sie klassifizieren Dateien, erkennen fehlende Seiten und extrahieren Entitäten – Namen, Arbeitgeberangaben, Cashflows, Kontostände – aus mehrsprachigen Eingaben in verschiedenen Formaten. Nicht die unzuverlässige OCR von vor fünf Jahren. Echtes Verständnis: zu begreifen, was ein Dokument bedeutet, nicht nur, was darin steht.

Die Zahlen sind beeindruckend. KI-gestützte Kreditprüfungen können 70–85 % der Kreditanträge ohne menschliches Eingreifen bearbeiten. Agente-basierte Workflows senken die Bearbeitungskosten pro Kredit um 35–50 %. Freddie Mac schätzt, dass Kreditgeber, die KI-Automatisierung voll ausschöpfen, bis zu 1.500 US-Dollar pro Kredit einsparen und die Bearbeitungszyklen um durchschnittlich 5 Tage verkürzen können. Automation Anywhere berichtet, dass die agentenbasierte Prozessautomatisierung die Bearbeitungszeit um 88 % verkürzt.

Und das ist keine Pilotphase mehr. Laut Celent planen 83 % der Kreditgeber, ihre Budgets für generative KI im Jahr 2026 aufzustocken. Zwei Drittel haben bereits GenAI-Strategien umgesetzt oder werden dies noch in diesem Jahr tun. Der Markt hat die Experimentierphase endgültig hinter sich gelassen.

Sowohl bei konventionellen als auch bei nicht-konventionellen Kreditvergaben – wo die Komplexität der Unterlagen und der Sonderfälle zunimmt – werden wir die dramatischsten Fortschritte erleben. Der Einsatz von Tools macht es für Sachbearbeiter zum Kinderspiel, externe Datenbanken abzufragen, Beschäftigungsnachweise zu überprüfen, Steuererklärungen abzugleichen und behördliche Register zu kontrollieren. Der Mid-Office- und Back-Office-Analyst, der früher Stunden damit verbrachte, ein Dossier zusammenzustellen, wird nun nur noch Minuten benötigen, um eines zu prüfen.

Der KI-Kreditausschuss

Hier ist ein Konzept, das radikal klingt, bis man fünf Minuten darüber nachdenkt: die Kreditentscheidung durch mehrere Akteure.

Heute besteht ein Kreditausschuss aus einer Gruppe erfahrener Fachleute, die ein Dossier prüfen und darüber beraten, ob ein Kreditnehmer kreditwürdig ist. Sie bringen unterschiedliche Perspektiven ein – Risikobereitschaft, Kenntnis der regulatorischen Rahmenbedingungen, Portfolioausgewogenheit, Beziehungskontext. Der Prozess funktioniert, ist jedoch langsam, kostspielig und durch die Verfügbarkeit von Personal eingeschränkt.

Stellen Sie sich nun vor, mehrere Agenten – die möglicherweise auf unterschiedlichen Modellen basieren und unterschiedliche Spezialisierungen haben – würden dieselbe Beratung durchführen. Ein Agent analysiert das finanzielle Risiko. Ein anderer bewertet das Geschäftsmodell. Ein Dritter prüft die Einhaltung regulatorischer Vorschriften. Sie legen ihre Ergebnisse offen, weisen auf Meinungsverschiedenheiten hin und erarbeiten eine strukturierte Empfehlung. McKinsey beschreibt diese als „Multi-Agenten-Teams“, die vollständige Kreditprüfungsabläufe ermöglichen, und berichtet, dass ein Finanzinstitut bereits ein Multi-Agenten-System einsetzt, um Finanzrisikobewertungen für Firmenkunden zu erstellen.

Der Mensch verschwindet nicht. Der Mensch wird zum abschließenden Prüfer – er stellt sicher, dass die Sicherheitsvorkehrungen eingehalten wurden, prüft auf Diskriminierung und trifft in Grenzfällen eine Beurteilung. Doch die Vorbereitung, die früher Tage dauerte, erfolgt nun nahezu in Echtzeit. McKinsey schätzt eine Produktivitätssteigerung von 40–80 % pro Anwendungsfall bei einer um etwa 30 % schnelleren Entscheidungsfindung.

Der Compliance-Aspekt ist von entscheidender Bedeutung. KI-Systeme analysieren mittlerweile Hunderte oder Tausende von Variablen, während herkömmliche Modelle weniger als 20 Datenpunkte verwenden, und erzielen so eine Steigerung der Kreditgenehmigungen um 25–50 % ohne zusätzliches Risiko. Doch mit dieser Macht geht auch Verantwortung einher. Die im Jahr 2024 gegen Apple und Goldman Sachs wegen Bedenken hinsichtlich algorithmischer Diskriminierung verhängten Strafen in Höhe von 89 Millionen Dollar unterstreichen, warum die „Human-in-the-Loop“-Sicherheitsvorkehrung nicht optional, sondern existenziell ist. Best Practice: Richten Sie einen Modellrisikausschuss ein, der für Genehmigungen, Leistungsüberprüfungen, die Behandlung von Ausnahmen sowie Entscheidungen zur Auslaufphase zuständig ist.

Sicherheiten aus einer neuen Perspektive

Bei besicherten Krediten – vor allem bei Hypotheken – verändert multimodale KI auch die Art und Weise, wie die Sicherheiten selbst bewertet werden.

Mithilfe von Computer Vision lässt sich der Zustand von Immobilien nun in großem Maßstab anhand von Bildmaterial beurteilen. Die im März 2025 angekündigte Partnerschaft zwischen Restb.ai und HomeVision nutzt Computer Vision, um Unstimmigkeiten zwischen Bewertungsdaten und Immobilienbildern zu erkennen, den Zustand von Immobilien automatisch zu analysieren und visuelle Erkenntnisse zu gewinnen. Über 70 % der Immobilienunternehmen nutzen mittlerweile KI-gestützte Modelle zur Wertermittlung. Fannie Mae und Freddie Mac genehmigen automatisierte Bewertungsmodelle für bestimmte Hypothekenprodukte, wobei Fannie Mae angibt, dass die standardisierte Datenerfassung den Verbrauchern im Vergleich zu herkömmlichen Gutachten Einsparungen von 350 bis 400 US-Dollar bringt.

Das CFPB hat im Juni 2024 neue Vorschriften zum Einsatz von KI und Algorithmen bei Immobilienbewertungen verabschiedet und damit Qualitätsstandards für automatisierte Bewertungsmodelle festgelegt. Der regulatorische Rahmen für KI-gestützte Immobilienbewertungen ist vorhanden. Die Technologie ist ausgereift. Und für Kreditgeber, die Tausende von Hypothekenanträgen bearbeiten, schafft die Kombination aus automatisierter Dokumentenanalyse und automatisierter Immobilienbewertung einen vollständig vermittlergestützten Prozess vom Antrag bis zur Kreditentscheidung.

Über RPA hinaus: Lebenszyklusmanagement

Die meisten Diskussionen über KI im Kreditgeschäft beschränken sich auf die Kreditvergabe. Das ist ein Fehler. Die einschneidendsten Auswirkungen könnten sich erst nach der Verbuchung des Kredits zeigen.

Heute ist das Lebenszyklusmanagement eine Welt voller Formulare. Ein Kreditnehmer möchte Sicherheiten austauschen – Formular. Eine Immobilie wird aufgrund einer Scheidung aufgeteilt – Formular. Jemand verstirbt und der Nachlass muss neu geordnet werden – Formular. Jedes Formular löst einen Eintrag im Kernbankensystem aus. RPA hat bereits viele dieser prozessbezogenen Aufgaben automatisiert, und man muss ihr zugutehalten: Sie hat geholfen.

Aber RPA ist auch anfällig. Sie folgt Skripten. Sie versagt, wenn sich der Prozess ändert. Es kann nicht mit Mehrdeutigkeiten, Ausnahmen oder Aufgaben umgehen, die ein Verständnis des Kontexts erfordern.

Agentische KI ist anders. Ein Agent, der das Lebenszyklusereignis versteht, die Abläufe kennt, Zugriff auf die Tools hat – das Kernbankensystem, die Dokumentenmanagement-Plattform, die regulatorischen Datenbanken – und die Besonderheiten jedes Einzelfalls durchdenken kann. Ein Kreditnehmer sendet eine E-Mail mit der Bitte um eine Änderung. Der Agent nimmt die E-Mail entgegen, interpretiert die Anfrage, prüft die Berechtigung, führt die Aufgabe systemübergreifend aus, sendet eine Bestätigung und plant Folgeaktionen. Kein vordefinierter Workflow – sondern ein adaptiver Prozess, der die Variabilität des realen Lebens bewältigt.

KI-gestützte Nachprüfungen nach Abschluss können nun 100 % der Kredite überprüfen – im Gegensatz zur bisherigen Stichprobe von 10 % –, wodurch das Rückkaufrisiko und der Aufwand für die Prüfungsvorbereitung um etwa 50 % reduziert werden. Fannie Mae berichtet von einem durchschnittlichen Rückgang der Betriebskosten um 29 % bei Kreditgebern, die KI einsetzen, sowie von einer Reduzierung der Fälle von Hypothekenbetrug um 50 % durch maschinelles Lernen (ML)-basierte Erkennung.

Die „Kosten-pro-Token“-These

Hier ist das Argument, das meiner Meinung nach alles im Kreditgeschäft verändert – und das hat nichts mit der Kreditvergabe zu tun.

Wenn die Kosten einer Kreditmodifikation in „Tokens“ statt in Stunden gemessen werden, eröffnet sich der gesamte Spielraum für die Produktgestaltung.

Heute sind Kreditumschuldungen teuer. Sie erfordern menschliche Analysten, die Änderungen prüfen, bearbeiten und erfassen. Daher minimieren Kreditgeber sie. Viele Aufgaben, die die Situation der Kreditnehmer tatsächlich verbessern würden, werden einfach aus dem Produkt gestrichen, weil die Betriebskosten den Nutzen nicht rechtfertigen. Zinsanpassungen nach einer Renovierung? Zu teuer, um sie manuell zu bearbeiten. Dynamische Tilgung basierend auf Lebensereignissen? Operativ nicht umsetzbar. Kontinuierliche Überwachung der Energieeffizienz, die Zinsverbesserungen auslöst? Niemand hat das Personal dafür.

Wenn jedoch die Grenzkosten für die Bearbeitung einer Anpassung auf einen Bruchteil der heutigen Kosten sinken – weil die Systeme rund um die Uhr arbeiten, elastisch skalieren und zu symbolischen Preisen laufen, die von Jahr zu Jahr sinken –, kommen diese gestrichenen Aufgaben wieder ins Spiel. Und mit ihnen völlig neue Produktkategorien.

Dynamische Tilgungstabellen

Stellen Sie sich eine Hypothek vor, bei der sich der Tilgungsplan automatisch an Lebensereignisse anpasst – etwa bei Arbeitsplatzverlust, Gehaltserhöhung, Elternzeit oder im Ruhestand. Der Agent überwacht, überprüft und passt an. Keine Formulare. Keine Wartezeiten.

Neubewertung der Energieeffizienz

Ein Kreditnehmer renoviert seine Immobilie und verbessert dadurch deren Energieeffizienzklasse. Der Makler erkennt diese Änderung anhand von Versorgungsdaten, Renovierungsgenehmigungen oder aktualisierten Energieausweisen, überprüft sie und passt den Zinssatz entsprechend an. Eine Aufgabe, die unmöglich war, als sie noch manuell zu bearbeiten war, wird zum Standardmerkmal des Produkts.

Kontinuierliche Überwachung nach Vertragsabschluss

Nachprüfungen, die aus Kostengründen gestrichen wurden – Einkommensnachweis, Zustand der Immobilie, Einhaltung von Versicherungsauflagen – werden zum Standard, wenn sie nur noch „Token“ statt Arbeitsstunden kosten. Das Risikomanagement des Kreditgebers verbessert sich, und der Kreditnehmer erhält bessere Konditionen, da der Kreditgeber über genauere Informationen verfügt.

Abschließende Worte

Eine Studie von Forrester bestätigt diese Entwicklung: 70 % der Befragten aus der Finanzdienstleistungsbranche gehen davon aus, dass sie agentische KI einsetzen werden, um maßgeschneiderte Erfahrungen zu bieten, die bisher nur vermögenden Privatkunden vorbehalten waren – darunter die automatische Refinanzierung bei sinkenden Zinsen sowie ein proaktives Portfoliomanagement. Ein Finanzdienstleister hat bereits 60 agentische KI-Agenten im Einsatz und plant, diese Zahl bis 2026 auf über 200 zu erhöhen.

Die Auswirkungen auf die Erschwinglichkeit sind erheblich. Flexiblere Produkte, eine reaktionsschnellere Kundenbetreuung und niedrigere Betriebskosten tragen allesamt zu einer Hypothekenlandschaft bei, in der Kredite erschwinglicher, personalisierter und besser an die Lebensrealität der Kreditnehmer angepasst werden können. Das ist keine schrittweise Verbesserung. Das ist eine völlig andere Art von Produkt.

Als Nächstes in dieser Reihe: Was muss tatsächlich gegeben sein, damit all dies funktioniert – Modellauswahl, staatlicher Einsatz und die Frist des EU-KI-Gesetzes, die näher rückt, als die meisten Banken denken.