Dieses Stück legt fest, was in dieser Enzyklopädie ein Agent ist. Die Festlegung ist nicht akademisch: Sie entscheidet darüber, welche Systeme kartiert werden und welche durch das Raster fallen. Eine Definition, die beim Sprachmodell beginnt, übersieht die Transaktionsüberwachung, die Kreditentscheidungsmaschine, den Dispositionsoptimierer und den RPA-Roboter – also genau jene Systeme, die in regulierten Häusern einen erheblichen Teil der produktiven Automatisierung prägen.

Befund 01Eine Definition ohne Modellvorannahme

Ein Agent ist ein System, das eine Umgebung wahrnimmt, daraus über die Zeit eine Handlungsentscheidung ableitet und diese Handlung ausführt, ohne dass ein Mensch jeden einzelnen Schritt auslöst. Diese Definition ist alt, sie stammt aus der klassischen Informatik, und sie enthält keine Aussage darüber, womit entschieden wird.

Genau darin liegt ihr Wert für dieses Dossier. Die drei Fragen, die aufsichtlich zählen – Was darf das System tun? Wie kommt es zu seinem Ergebnis? Wer verantwortet das Ergebnis? – sind unabhängig davon zu beantworten, ob im Kern eine Entscheidungstabelle, ein Gradientenverfahren oder ein Sprachmodell rechnet.

Befund 02Acht Entscheidungslogiken – plus RPA als Ausführungsklasse

Die folgende Typologie ist das Raster, nach dem jeder Eintrag dieser Enzyklopädie seine Agenten einordnet. Acht Klassen beschreiben, wie fachlich entschieden wird. RPA steht daneben als Ausführungsklasse: Es kann Handlungen automatisieren, trifft aber ohne gekoppelte Regeln oder Modelle keine eigene fachliche Entscheidung. Die Klassen sind nach dem Grad der Vorherbestimmtheit sortiert.

Die in der Praxis häufigste Bauform ist keine weitere Klasse, sondern eine Kombination: der hybride Agent. Ein Sprachmodell erstellt einen Entwurf, eine Entscheidungstabelle prüft ihn gegen harte Regeln, ein Zustandsmodell führt den Vorgang, ein Mensch gibt frei. In dieser Bauform liegt die Entscheidung nicht dort, wo die Aufmerksamkeit liegt – und genau das macht ihre Kartierung notwendig.

Befund 03Der blinde Fleck: der produktivste Agent ist der älteste

In der Geldwäschebekämpfung läuft seit rund einem Vierteljahrhundert ein autonomes System, das jede Definition eines Agenten erfüllt: Die Transaktionsüberwachung nimmt Zahlungsströme wahr, wendet Regeln an, erzeugt Alerts und stößt damit Bearbeitungsvorgänge an, ohne dass ein Mensch jeden Einzelfall auslöst. Sie ist regelbasiert, deterministisch und vollständig erklärbar. Für jeden Alert lässt sich sagen, welche Regel mit welchem Schwellenwert gegriffen hat.

Und sie liegt fast immer falsch. Die in der Branche kursierenden Schätzungen für den Anteil unbegründeter Alerts bewegen sich zwischen 85 und über 95 Prozent, je nach Erhebung und Institutsgröße.

Damit steht der wichtigste Satz dieses Fundamentstücks:

Diese Einsicht ordnet die gesamte Agentendebatte neu. Wer Sprachmodellagenten mit dem Argument der fehlenden Erklärbarkeit ablehnt, vergleicht sie mit einem Zustand, den es nie gab. Der Vergleichsmaßstab ist nicht ein fehlerfreies erklärbares System, sondern ein erklärbares System mit bekannter, hoher und seit Jahrzehnten hingenommener Fehlerquote.

Der Handel, der in vielen Häusern gerade eingegangen wird, lautet also präziser: Man gibt deterministische Nachvollziehbarkeit auf und erhält dafür eine Aussicht auf geringere Fehlalarmquoten. Ob dieser Handel im Einzelfall gut ist, hängt vom Prozess ab. Dass er selten als Handel benannt wird, ist das eigentliche Governance-Problem.

Befund 04Warum die alten Klassen nicht verschwinden

Drei Gründe sprechen dafür, dass die vorherbestimmten Klassen in regulierten Prozessen bleiben, statt abgelöst zu werden.

Erstens die Beweisführung. Wo ein Institut einer Aufsicht darlegen muss, warum eine Entscheidung so und nicht anders ausfiel, ist eine benannte Regel das stärkste verfügbare Beweismittel. Kein Protokoll eines Sprachmodellagenten erreicht diese Beweiskraft, weil es die Entscheidung beschreibt, statt sie zu determinieren.

Zweitens die Änderungskontrolle. Eine Entscheidungstabelle lässt sich versionieren, freigeben und im Vier-Augen-Prinzip ändern. Ein Prompt lässt sich das auch – aber seine Wirkung ändert sich zusätzlich, wenn der Anbieter das Modell wechselt, ohne dass jemand im Haus etwas geändert hätte.

Drittens die Zuständigkeit. Für Modellvalidierung im statistischen Sinn existieren etablierte Verfahren, Rollen und Prüfungsroutinen. Für die Validierung eines Sprachmodellagenten existieren sie in den meisten Häusern nicht.

Die realistische Prognose ist deshalb nicht Ablösung, sondern Schichtung: Sprachmodellagenten übernehmen Vorbereitung, Anreicherung und Entwurf, während die verbindliche Entscheidung bei Regel-, Zustands- und Scoringsystemen bleibt. Wo das nicht so ist, sollte es in den Einträgen dieser Enzyklopädie ausdrücklich vermerkt sein.

Watchdog-WinkelWas das für die Kartierung bedeutet

Aus diesem Fundamentstück folgen drei Festlegungen für alle weiteren Einträge der Enzyklopädie.

Erstens: Jeder Eintrag benennt die Entscheidungslogik nach der Typologie oben. „KI-gestützt“ ist keine Angabe. Ein Eintrag, der einen Agenten beschreibt, ohne seine Klasse zu nennen, ist unvollständig.

Zweitens: Die Modellbasis wird nur dort geführt, wo ein Modell vorhanden ist. Bei Regel-, Zustands- sowie Planungs- und Optimierungsagenten bleibt das Feld leer – und diese Leerstelle ist eine Information, kein Mangel.

Drittens: Bei hybriden Systemen wird die verbindliche Entscheidungsstelle ausgewiesen. Nicht die auffälligste Komponente zählt, sondern diejenige, deren Ergebnis den Vorgang bindet.

Damit ist der Rahmen gesetzt, in dem die weiteren Referenzstücke stehen. Die Modell-Landkarten zu Frontier-Modellen und lokalen Modellen beschreiben eine Teilmenge dieser Typologie – die letzte Zeile der Tabelle. Die Orchestrierungsschicht beschreibt, wie diese Teilmenge betrieben wird. Die Prozess- und Entscheidungsorchestrierung beschreibt, wie die übrigen acht Zeilen seit zwanzig Jahren betrieben werden.