Entwicklung intelligenter Agenten und Rekonstruktion der finanziellen Infrastruktur

Unter der gemeinsamen Unterstützung von Technik und Politik hat sich die Anwendung von Agenten im Finanzwesen seit 2025 von der Konzeption zur Praxis entwickelt und wird bereits in Bereichen wie Kreditprüfung, Investmentforschung, Risikomanagement, Kundenservice sowie Zahlungs- und Abrechnungsverkehr eingesetzt.

Mit der stetigen Ausweitung und Vertiefung der Anwendung von Agenten im Finanzwesen müssen sich die künftigen finanziellen Infrastrukturen von der Ausrichtung auf menschliche Nutzer hin zur Mensch-Maschine-Kooperation wandeln und systematisch gemäß der fünfschichtigen Architektur „Basisschicht – Vertrauensschicht – Algorithmus-Governance-Schicht – Vernetzungsschicht – Regulierungsmechanismus-Schicht“ neu aufbauen.

Die zügige Vervollständigung der finanziellen Infrastrukturen ist ein zentraler Schritt, damit Chinas Fintech und digitale Finanzwirtschaft ihre Vorsprungsstellung behaupten können. Es wird empfohlen, die Reformen und Verbesserungen zu beschleunigen, indem ein einheitliches Standardisierungssystem für die Authentifizierung von Agenten aufgebaut wird, an die Bedürfnisse von Agenten angepasste Zahlungs- und Abrechnungsinfrastrukturen geschaffen werden, die Mechanismen für durchdringende Regulierung und Verantwortlichkeitszuweisung von Agenten vervollständigt werden, ein System für die Bewertung und Governance vertrauenswürdiger und sicherer Algorithmen eingerichtet wird sowie die Dateninfrastrukturen für den Mensch-Maschine-Kooperationsmodus modernisiert werden.

Quelle des Artikels: ZHU Taihui, Überlegungen zur Entwicklung von Agenten und zum Wiederaufbau der finanziellen Infrastrukturen, Finanzzeitung, Ausgabe vom 20. August 2026.

In den letzten Jahren haben künstliche Intelligenz (KI), insbesondere die Agententechnologie, eine schnelle iterative Entwicklung erlebt: Das Aufkommen von multimodalen großen Modellen verleiht Agenten stärkere Fähigkeiten zum Verstehen und Verarbeiten von Informationen. Die Ausgereiftheit von Techniken wie Funktionsaufrufen und strukturierten Ausgaben hat die Steuerbarkeit und Genauigkeit von Agenten in Finanzgeschäften erheblich verbessert. Die Verbesserung von Langzeitgedächtnismechanismen und Fähigkeiten für mehrstufige Interaktionen ermöglicht es Agenten, komplexere Finanzszenarien zu bewältigen.

Gleichzeitig misst die chinesische Regierung der Entwicklung von „KI + Finanzwesen“ große Bedeutung bei. Der Entwurf des „15. Fünfjahresplans“ sieht ausdrücklich vor, die „KI+“-Aktion umfassend umzusetzen, die Integration von KI mit technologischer Innovation, industrieller Entwicklung, kulturellem Aufbau, Sicherung des Lebensunterhalts der Bevölkerung und gesellschaftlicher Governance zu stärken, die Spitzenposition bei industriellen Anwendungen von KI zu erobern und alle Branchen umfassend zu stärken. Auf der Arbeitstagung der Technologie der People's Bank of China im März 2026 wurde gefordert, „die Anwendung von KI im Finanzbereich aktiv und umsichtig, sicher und geordnet voranzutreiben, um die Dynamik der digitalen und intelligenten Entwicklung freizusetzen“. Im Mai 2026 haben das Staatliche Amt für Cyberspace-Verwaltung und andere Abteilungen gemeinsam die „Richtlinien zur Umsetzung der normativen Anwendung und innovativen Entwicklung von Agenten“ herausgegeben, die die Entwicklung von Agenten für Finanzrisikokontrolle vorsehen, um die Fähigkeit zur Risikoerkennung in Bereichen wie Kreditprüfung, Transaktionsüberwachung und Kontosicherheit zu verbessern und die KI-Agenten im Kernbereich der Finanzrisikokontrolle von der Pilotforschung zur institutionellen Anwendung zu führen. Im Juni 2026 hat die Allgemeine Verwaltung für Finanzregulierung die „Richtlinien zur sicheren Entwicklung und Anwendung von KI im Banken- und Versicherungswesen“ herausgegeben und den Governance-Rahmen für die Entwicklung und Anwendung von KI im Banken- und Versicherungswesen klargestellt.

Unter der gemeinsamen Unterstützung von Technik und Politik hat sich die Anwendung von Agenten im Finanzwesen seit 2025 von der Konzeption zur Praxis entwickelt und wird bereits in Bereichen wie Kreditprüfung, Investmentforschung, Risikomanagement, Kundenservice sowie Zahlungs- und Abrechnungsverkehr eingesetzt. In Zukunft, mit der stetigen Ausweitung und Vertiefung der Anwendung von Agenten im Finanzwesen, müssen traditionelle finanzielle Infrastrukturen systematisch von der Ausrichtung auf menschliche Nutzer hin zur Mensch-Maschine-Kooperation umgestaltet werden, um tiefgreifende Reformen in Bereichen wie Identitätsauthentifizierung, Algorithmus-Governance, Dateninteraktion, Zahlungs- und Abrechnungsverkehr sowie Regulierungsrückverfolgbarkeit durchzuführen.

I. Neue Anforderungen an finanzielle Infrastrukturen im Zeitalter der Agenten

Auf der Grundlage der Verstehens-, Generierungs- und Schlussfolgerungsfähigkeiten von KI-Großmodellen verstärken Agenten die Fähigkeiten zur Interaktion mit der Umgebung, zum Langzeitgedächtnis und zum geschlossenen Aufgabenablauf, sodass sie die Kette „Umgebung wahrnehmen → Aufgaben planen → Handlungen entscheiden → Feedback ausführen“ vollständig abschließen können. Im Unterschied zu einfachen KI-Werkzeugen verfügen Agenten über drei Kernmerkmale: Autonomie, Kontinuität und Anpassungsfähigkeit.

(1) Im Finanzwesen sind bereits zahlreiche Anwendungsszenarien für Agenten entstanden

Im Bereich der Kreditprüfung können Agenten selbstständig Finanzdaten von Unternehmen, Kreditauskunftsinformationen und Branchendaten abrufen, nach umfassender Analyse eine Entscheidung für die Erstprüfung treffen und den traditionellen Prüfzyklus von 7 bis 10 Werktagen auf weniger als 24 Stunden verkürzen. Einige Banken haben erforscht und Agenten für die Kreditprüfung eingeführt, die Kredite für kleine und mittlere Unternehmen abdecken. Durch Methoden wie das Lesen von Jahresberichten von Unternehmen per KI, die Analyse von Industrieketteninformationen und die Überprüfung der Betriebssituation wird die Effizienz der Kreditprüfung um ein Mehrfaches gesteigert, während die Übereinstimmungsrate mit der Prüfung von menschlichen Experten über 90 % liegt.

Im Bereich der Investmentforschung können Investmentforschungsagenten automatisch mehrdimensionale Finanzdaten wie Echtzeitkurse, Finanzkennzahlen, Branchendaten, Bekanntmachungen von börsennotierten Unternehmen und Marktinformationen lesen, diese Informationen automatisch analysieren und strukturiert verarbeiten, automatisch Zusammenfassungen von Forschungsberichten und Anlageempfehlungen erstellen, wodurch die Effizienz der Erstellung von Forschungsberichten erheblich gesteigert wird. Mehrere führende Wertpapierhäuser haben bereits Forschungsassistenten-Agenten eingesetzt, die täglich Tausende von Bekanntmachungen und Forschungsliteratur verarbeiten können.

Im Bereich Zahlungs- und Transaktionsverkehr haben Technologieunternehmen, Kreditkartenorganisationen, Zahlungsinstitute und andere verschiedene Erkundungen um die Zahlung per KI-Agent herum durchgeführt. Seit der zweiten Jahreshälfte 2025 hat Google nacheinander das Agent Payment Protocol (AP2) und das Universal Commerce Protocol (UCP) veröffentlicht, die Börse Coinbase hat das x402-Protokoll und die Agenten-Wallets (Agentic Wallets) eingeführt, Visa hat das TAP-Protokoll herausgegeben, und OpenAI hat gemeinsam mit Stripe das Agent Commercial Protocol (ACP) veröffentlicht.

Im Inland hat China UnionPay das offene Protokollrahmenwerk für Agentenzahlungen (APOP) veröffentlicht, JD Technology hat das erste inländische autonome Zahlungsprotokoll für Agenten (A2P2) herausgegeben, und einige Zahlungsinstitute und Technologieunternehmen haben ebenfalls explorative Lösungen wie das Agent Commercial Trust Protocol (ACT-Protokoll) und die KI-native Zugriffsmethode Skill eingeführt, um die Interoperabilität zwischen KI-Agenten und der Zahlungsinfrastruktur zu unterstützen. Untersuchungen des Internationalen Währungsfonds weisen darauf hin, dass Geschäftsaktivitäten, die von Agenten vermittelt werden, in den nächsten zehn Jahren ein enormes wirtschaftliches Ausmaß erzeugen könnten und die Art und Weise, wie Verbraucher, Unternehmen und Finanzinstitute mit Zahlungssystemen interagieren, grundlegend verändern werden.

Im Bereich des Kundenservice hat sich die Anwendung von Agenten bereits in alle Glieder des Finanzkundenservice eingebettet. Bei der Abwicklung von Geschäften führen Agenten durch Interaktion in natürlicher Sprache direkt Geschäfte wie Überweisungen, Finanzberatung und Informationsabfragen für Kunden durch. Im Kundenservice werden Agenten eingesetzt, um menschliche Kundenservicemitarbeiter zu unterstützen, komplexe Geschäftsanfragen und ähnliches in automatisierte Abläufe zu integrieren, wodurch Servicequalität und -effizienz erheblich verbessert werden. Im Marketing können Agenten Kundendaten analysieren, Bedürfnisse aktiv erkennen und personalisierte Dienstleistungen anbieten, wodurch die Konversionsrate des Marketings wirksam gesteigert wird. Bei der Inkassoarbeit können Agenten automatisch personalisierte Rückzahlungspläne erstellen, dynamische Strategieanpassungen durchführen und die Inkassoeffizienz erheblich verbessern.

Abbildung 1: Der Wert, den KI-Werkzeuge Finanzinstituten bringen

(2) Vier Anforderungen der Agentenanwendung an finanzielle Infrastrukturen

Obwohl Agenten im Finanzwesen weit verbreitet angewendet werden, betreffen sie insgesamt den Wandel von der „menschlichen Steuerung“ zur „maschinellen Steuerung“, was gemeinsame Anforderungen an die finanziellen Infrastrukturen stellt:

Erstens die erweiterte Anforderung an Identitätsauthentifizierung und Berechtigungsverwaltung. Wenn Kreditprüfungsagenten selbstständig den Kontoauszug von Unternehmen abrufen, Investmentforschungsagenten automatisch unstrukturierte Daten erfassen und Zahlungsagenten Transaktionen initiieren, kann das traditionelle KYC (Know Your Customer)-System diese „digitalen Vertreter“ nicht erkennen und kontrollieren. Dies erfordert die Einrichtung eines Mechanismus zur Identitätsauthentifizierung für Agenten – KYA (Know Your Agent), um jedem Agenten ein überprüfbares digitales Identitätskennzeichen zu erteilen und seinen Berechtigungsbereich (auf welche Daten zugegriffen und welche Operationen ausgeführt werden können), Gültigkeitsdauer und Verhaltensbeschränkungen klar zu definieren. Seit 2026 erforschen und führen in- und ausländische Zahlungsinstitute und Technologieunternehmen bereits Rahmenwerke für Governance-Protokolle von KI-Agenten für Finanzgeschäfte ein. Anders als die manuelle Prüfung bei traditionellem KYC erfordert das KYA-System maschinenlesbare Identitätsnachweise, automatisierte Berechtigungsüberprüfung und Echtzeit-Berechtigungsrücknahme-Mechanismen.

Zweitens die Anforderung an hohe Parallelverarbeitungsfähigkeit für Interaktion und Verarbeitung. Die Anwendung von Agenten weist Merkmale hoher Parallelität auf. Beispielsweise konzentrieren sich aktuelle Finanztransaktionen im Zahlungsbereich hauptsächlich auf mehrfache Abrechnungen während des Tages, aber Agentenzahlungen können Anforderungen an sekundengenaue Abrechnung und Echtzeit-Kontenabgleich erzeugen. Im Kreditauskunftsbereich belaufen sich die traditionellen Abfragen von persönlichen und unternehmerischen Kreditauskünften hauptsächlich auf zehntausendfache Anfragen pro Tag, während eingesetzte Kreditprüfungsagenten in Spitzenzeiten möglicherweise millionenfache Abfrageanfragen pro Tag erzeugen. Traditionelle Stapelverarbeitungsmechanismen und Schnittstellendesigns, die auf menschliche Nutzer ausgerichtet sind, können diese sprunghafte Skalierung kaum unterstützen. Dies erfordert, dass die Infrastruktur Folgendes bereitstellt: standardisierte Echtzeit-Anwendungsprogrammierschnittstellen (API), Fähigkeit zur Millisekunden-Antwort, elastisch erweiterbare Datenverarbeitungsarchitektur sowie intelligente Routing- und Lastverteilungsmechanismen.

Drittens die Anforderung an rückverfolgbare Verhaltensaufzeichnungen und Verantwortlichkeitszuweisung. Im Zeitalter der Agenten erstrecken sich die Initiatoren von Finanztransaktionen von Menschen auf KI, und die Transaktionslogik entwickelt sich von manuellen Operationen zu direktem Erreichen der Absicht. Sobald ein Kreditprüfungsagent eine fehlerhafte Kreditvergabeentscheidung trifft, ein Investmentforschungsagent falsche Informationen zitiert oder ein Transaktionsagent regelwidrige Operationen ausführt, muss es eine klare Kette geben, um das Problem zu lokalisieren: Ist es ein Konstruktionsfehler des Entwicklers, eine unsachgemäße Berechtigungskonfiguration des Bereitstellers oder ein falscher Entscheidungsprozess des Agenten selbst? Dies erfordert, dass die finanzielle Infrastruktur einen Mechanismus zur Aufzeichnung von Verhaltensweisen im gesamten Prozess aufbaut: Von der Initiierung der Anweisung bis zum Abschluss der Ausführung sollte jeder Schritt nicht manipulierbare Protokolle hinterlassen, einschließlich Eingabeparametern, mittleren Schlussfolgerungsprozessen, Ausgabeeentscheidungen, Ausführungsfeedback usw., und automatisierte Audits unterstützen.

Viertens die Anforderung an vorab eingebettete Risikokontrolle und Algorithmus-Governance. Die endogenen Risiken, die durch Agenten eingeführt werden, übersteigen die traditionellen Kreditrisiken und Marktrisiken, einschließlich falscher Entscheidungen aufgrund von Halluzinationen von Großmodellen, diskriminierenden Ergebnissen aufgrund von Algorithmus-Schwarzkästen und dem Risiko der Überschreitung von Befugnissen durch selbstständig ausführende Agenten. Diese Risiken können nicht durch vierteljährliche Prüfungen oder statische Regeln kontrolliert werden. Der Schlüssel liegt darin, die Risikokontrolllogik in Echtzeit in die Entscheidungskette von Agenten einzubetten und die Infrastruktur für die Algorithmus-Governance aufzubauen. Für kleine und mittlere Finanzinstitute ist die Notwendigkeit der Ausgabe von Modellfähigkeiten und der öffentlichen Infrastruktur für die Algorithmus-Governance noch ausgeprägter, um eine „Modellkluft“ zu vermeiden – große Finanzinstitute bauen selbst Agentenökosysteme auf, während kleine und mittlere Institute nicht mithalten können, was zu einer weiteren Spaltung der Entwicklung von Finanzinstituten führt.

II. Neues Rahmenwerk für die Entwicklung finanzieller Infrastrukturen im Zeitalter der Agenten

Ausgerichtet auf die oben genannten Veränderungen und Anforderungen müssen finanzielle Infrastrukturen die neue fünfschichtige Architektur „Basisschicht – Vertrauensschicht – Algorithmus-Governance-Schicht – Vernetzungsschicht – Regulierungsmechanismus-Schicht“ aufbauen.

Erstens die Basisschicht: Plattform für Agentenidentitäts- und Daten-Governance.

Es wird ein einheitliches Identitätskennzeichensystem für Agenten aufgebaut, um jedem Agenten ein überprüfbares verteiltes digitales Identitätskennzeichen (Agent ID) zu erteilen und es mit einer Rechtsperson zu verknüpfen. Unter Verwendung von Technologien ähnlich der dezentralen Identität (DID) wird die dynamische Verwaltung des gesamten Lebenszyklus unterstützt, einschließlich Identitätsregistrierung und -authentifizierung, Berechtigungs-Tag-System, dynamischer Autorisierungsmechanismus, Aufzeichnungen auf der Blockchain usw. Gleichzeitig wird ein Mechanismus für die Daten-Governance von Agenten eingerichtet, um Standards für die Erhebung, Speicherung und Nutzung von Daten festzulegen. Die Compliance-Anforderungen, die Agenten bei der Datenerfüllung erfüllen müssen, werden klargestellt, wie z. B. die Klassifizierung und Einstufung von Daten, Anonymisierungsverarbeitung und das Prinzip der minimalen Notwendigkeit. Am 11. März 2026 hat die People's Bank of China eine Arbeitstagung für Technologie abgehalten und ausdrücklich die F