Richtlinienbasierte KI: Agenten, die Sie tatsächlich prüfen können

Wird ein KI-Agent eigenmächtig handeln und eine Regel verletzen, die niemand auf dem Schirm hatte?

„Agentisch“ ist zu einem der am häufigsten verwendeten Schlagworte in der Unternehmenssoftware geworden, und Treasury-Teams haben allen Grund, skeptisch zu sein. Ein Agent, der einen Prozess überwacht und in Ihrem Namen handelt, ist nur dann wertvoll, wenn er kontrolliert agiert. Ein Agent, der analysieren und handeln kann, ohne fest an Ihre tatsächlichen Leitplanken gebunden zu sein, ist ein Risiko, das lediglich schnell ist.

Diese Sorge ist berechtigt und wird zunehmend zum Mainstream. Maximors CFO-KI-Benchmark ergab, dass vier von fünf Finanzentscheidern bereits eine KI-Halluzination erlebt haben und nur 14 % den KI-Ergebnissen selbst nach einer Überprüfung voll vertrauen. Der Treasury Technology Analyst Report 2026 von Strategic Treasurer, über den CTMfile berichtete, beschreibt agentische KI als einen strukturellen Wandel in der Art und Weise, wie Treasury-Experten mit Systemen interagieren: weg von prozeduralen Befehlen hin zu ergebnisorientierten Anweisungen. Dies verändert grundlegend, wo und wie menschliche Aufsicht im Workflow stattfinden muss. Die Technologie entwickelt sich schnell, und der Konsens unter den Verantwortlichen ist, dass der menschliche Kontrollpunkt mitwachsen muss.

Die Lücke zwischen „agentisch“ und tatsächlich rechenschaftspflichtig

Viele Plattformen können bereits auf Ihre Richtlinien verweisen und grundlegende Fragen dazu beantworten. Das ist Standard, kein Alleinstellungsmerkmal mehr. Das schwierigere Problem ist das, was zwischen dem Moment, in dem ein Agent etwas bemerkt, und dem Moment, in dem ein Mensch entscheidet, was zu tun ist, passiert.

Wenn ein Agent eine Position analysieren und eine Änderung ausführen kann, ohne eine spezifische, überprüfbare Verbindung zu der Richtlinie, die dies rechtfertigt, haben Sie ein schnelles System, aber kein kontrolliertes. Und wenn die Argumentation des Agenten nicht auf die tatsächliche Klausel zurückgeführt werden kann, unter der er arbeitet, wird „die KI hat es entschieden“ gegenüber einem Wirtschaftsprüfer, dem Vorstand oder Ihrem eigenen Team, das sechs Monate später verstehen will, warum sich eine Position bewegt hat, nicht standhalten.

Der GSmart-Unterschied: vorschlagen, zitieren, warten

Jeder GSmart-Agent folgt derselben Disziplin, unabhängig davon, welchen Treasury-Bereich er betrifft. Er analysiert die Position, schlägt eine spezifische Maßnahme vor und zitiert die exakte Richtlinienklausel, die diesem Vorschlag zugrunde liegt – keine Paraphrasierung oder allgemeine Begründung. Dann wartet er. Nichts wird ausgeführt, bevor ein Mensch es genehmigt hat.

Diese Disziplin ist in die Architektur integriert. Die Mathematik, die bestimmt, ob eine Bewegung regelkonform ist, läuft auf einem deterministischen Kern, nicht auf einem Sprachmodell. Daher können die Zahlen hinter einem Vorschlag nicht halluziniert sein. Die Aufgabe der generativen KI ist enger gefasst und spezifischer: den Vorschlag in einfacher Sprache zu erklären und die Begründung zu entwerfen, die ein Mensch prüft, bevor er entscheidet. Die Trennung beider Bereiche stellt sicher, dass der Teil des Systems, der mit Geld arbeitet, niemals von der korrekten Schätzung eines Modells abhängt.

GSmart trainiert, optimiert oder adaptiert kein Modell mit Ihren Daten. Das Modell hinter jedem Vorschlag ist dasselbe Standardmodell, das alle Kunden nutzen, und es sieht Ihre Daten niemals als Trainingsinput. Was sich mit der Zeit schärft, ist Ihr Kontext: die Richtlinien, Regeln, Genehmigungen und Entscheidungen, die Ihr Team bereits getroffen, erfasst und gespeichert hat, damit GSmart darauf zurückgreifen kann, wenn es das nächste Mal eine Bewegung vorschlägt. Das Modell ist gemietet. Ihr Wissen gehört Ihnen.

So sieht das an einem gewöhnlichen Morgen aus

Stellen Sie sich ein Treasury-Team vor, das drei operative Konten und ein Sweep-Konto für eine Cash-Position von 14,2 Millionen Dollar verwaltet, mit einem Mindestguthaben von 2 Millionen Dollar pro Einheit, einer Finanzierungsreihenfolge, die Geldmärkte vor dem revolvierenden Kredit nutzt, und einem Konzentrationslimit von 40 % pro Bank. Von Hand ausgeführt bedeutet dieses morgendliche Rebalancing: Salden zusammenstellen, ein Arbeitsblatt erstellen, die Finanzierungskaskade prüfen, die Richtlinien abgleichen, Überweisungen eingeben und einen Tracker aktualisieren – etwa zwei Stunden Arbeit, die jeden Tag von Grund auf neu geleistet werden.

Mit einem richtlinienbasierten Agenten wird dieselbe Aufgabe zu: Der Agent prüft jedes Konto, bewertet jede Finanzierungsquelle, kontrolliert jede Einschränkung und schlägt eine spezifische Maßnahme vor – zum Beispiel eine Überweisung vom Geldmarkt auf die Einheit, die über Nacht unter ihr Limit gefallen ist –, wobei die Begründung direkt angezeigt und die exakte Richtlinienklausel zitiert wird. Ein Mensch prüft dies in Minuten und genehmigt oder passt es an. Der Agent schlägt vor; die Person am Schreibtisch entscheidet.

Was Sie prüfen sollten, bevor Sie einem Agenten Treasury-Aktionen anvertrauen

Stellen Sie jedem Anbieter, der eine „agentische“ Lösung anpreist, drei Fragen. Zitiert jede vorgeschlagene Aktion die spezifische Richtlinienklausel dahinter und nicht nur eine allgemeine Compliance-Aussage? Gibt es einen obligatorischen menschlichen Genehmigungsschritt, bevor etwas ausgeführt wird, ohne eine Override-Einstellung, die diesen aus Bequemlichkeitsgründen entfernt? Und ist die Mathematik, die die Compliance bestimmt, von dem Sprachmodell getrennt, das sie erklärt, sodass eine Halluzination im Text nicht zu einer Halluzination in der Zahl werden kann?

Wenn ein Anbieter nicht alle drei Fragen klar beantworten kann, dient das Wort „agentisch“ eher dem Marketing als der Technik.

Sehen Sie, wie ein richtlinienbasierter Agent seinen ersten Schritt vorschlägt. Demo buchen >>

‍