Bevor der Agent tätig wird, stellt er zuerst eine Frage: Signaling Technology installiert einen Intent-Bestätigungsknoten für den Agenten.

2026 wird als das Gründungsjahr der intelligenten Agenten bezeichnet. E-Mails schreiben, Flugtickets buchen, Daten abfragen, Verträge unterzeichnen – intelligente Agenten dringen rasch in alle Branchen und Bereiche vor. Der Wettbewerb in der Branche konzentriert sich auf drei Dinge: Modellparameter, Genauigkeit der Absichtserkennung und Automatisierung der Ausführungskette. Wenn die Genauigkeit von 80 % auf 90 % und dann auf 95 % gesteigert wird, konkurrieren alle darum, weniger Fehler und Fehlausführungen zu machen.

Aber eine Frage wird selten ernsthaft nachgegangen: Ist das direkt von einem intelligenten Agenten gelieferte Ergebnis rechtlich wirksam?

Die erste Halluzination liegt nicht in der Ausgabe, sondern im Verständnis

Wenn heute über Halluzinationen großer Modelle diskutiert wird, geht es meist darum, wie das Modell intern schlussfolgert und warum es dieses Ergebnis ausgibt. Bei einer eigenen Aufschlüsselung gibt es jedoch mindestens drei Ebenen von Halluzinationen: Die erste Ebene ist, wie das Modell die Benutzereingabe versteht; die zweite Ebene ist, wie das Modell intern schlussfolgert; die dritte Ebene ist, warum das Modell diese Ausgabe liefert.

Ein großer Teil der Branchenressourcen wird auf die zweite und dritte Ebene verwendet, um die Schlussfolgerung stabiler und die Ausgabe genauer zu machen. Die erste Halluzination wird jedoch am leichtesten übersehen: Das System nimmt das Verständnis des Modells für die Benutzereingabe direkt als den Willen des Benutzers. Wenn der Nutzer sagt „Mir ist etwas kalt“, versteht das Modell dies als „Kleidung kaufen“ und das System führt dies direkt aus. Das Modell kann richtig oder falsch verstehen – das Problem liegt nicht in der Richtigkeit, sondern darin, dass dieses Verständnis nie vom Nutzer bestätigt wurde, aber vom System als eine vom Nutzer zugestimmte Tatsache behandelt wird. Was wir durchbrechen, ist genau das Black-Box-Problem in diesem Schritt.

Die zweite und dritte Halluzination können durch die Verbesserung des Modells gemildert werden. Die erste kann nicht allein durch die stärkere Auslegung des Modells gelöst werden, denn so klug das Modell auch sein mag, es kann nicht anstelle des Nutzers sagen: „Ja, genau das meine ich.“

Das Raten ist eine Wahrscheinlichkeit, erst die Zustimmung macht es rechtlich wirksam

Rechtlich gesehen ist eine Handlung nur dann für den Nutzer bindend, wenn beide Seiten eine Einigung erzielt haben. Eine Einigung bedeutet im Kern: Beide Seiten stimmen in einer bestimmten Frage überein. Das ist die Grundlage für die nachfolgende Ausführung, wie es in Verträgen heißt „nach einvernehmlicher Zustimmung beider Seiten“.

Wenn Sie zur Bank gehen und sagen „Geld abheben“, der Schalterbeamte fragt „Wie viel?“ und Sie sagen „500“, dann ist dieses Frage-und-Antwort-Spiel die Bestätigung der Einigung. Der Schalterbeamte darf keine Zahl erraten, Ihnen das Geld direkt geben und dann sagen „Ich habe vermutet, dass Sie das meinen“. Eine Vermutung zählt nicht als Ihre Zustimmung.

In der Architektur der derzeitigen gängigen intelligenten Agenten fehlt genau dieser Bestätigungsknoten zwischen der Absichtserkennung und der direkten Auslieferung. Das Modell gibt die wahrscheinlichste Erklärung aus, das System nimmt sie als den Willen des Nutzers und führt sie direkt aus und liefert sie direkt aus. Das Problem liegt nicht darin, wie genau geraten wird, sondern im Akt des Ratens selbst. Ein richtiges Raten ist ein wahrscheinlicher Erfolg; erst die Zustimmung macht es rechtlich gültig.

In traditionellen Geschäftsabläufen übernimmt der Mensch diesen Knoten. Wenn der Kunde sagt „Schauen Sie sich das bitte an“, fragt der Manager nach „Möchten Sie den Saldo abfragen oder eine Überweisung tätigen?“. Dieses Nachfragen ist nicht vom System entworfen, sondern ein Instinkt der menschlichen Kommunikation. Im Zeitalter der intelligenten Agenten ist dieser Instinkt verschwunden, ohne durch einen institutionellen Mechanismus ersetzt zu werden.

Prüfprotokolle beantworten die Frage, was das System getan hat, die vorherige Bestätigung beantwortet die Frage, womit der Nutzer zugestimmt hat. Ersteres ist eine nachträgliche Aufzeichnung, Letzteres eine vorherige Tatsache.

Absichtsbestätigung: Die Vermutung zu einem bestätigbaren Ausgangspunkt machen

Was Xinling Technology anbietet, ist kein weiteres Absichtserkennungsmodell, sondern eine vorgelagerte Architektur zur Absichtsbestätigung. Der Unterschied zu bestehenden Lösungen lässt sich in einem Satz zusammenfassen: Bestehende Lösungen machen Vermutungen genauer, die Absichtsbestätigung erreicht eine eindeutige Festlegung der Benutzereingabe und erfüllt die Anforderungen an die Prüfbarkeit.

Der Kernlogik folgt drei Schritten:

Erstens: Die Absicht wird vor der Ausführung festgelegt. Vor der Ausführung und Auslieferung speichert das System die seiner Meinung nach verstandene Benutzerabsicht als überprüfbaren Datensatz.

Zweitens: Die Bestätigung wird bedingungslos ausgelöst. Die Bestätigung ist ein notwendiger vorgelagerter Schritt für Ausführung und Auslieferung. Selbst das selbstbewussteste Modell kann keine Einigung begründen.

Drittens: Die Kalibrierung während der Ausführung. Sollte während der Ausführung eine Abweichung von dem Referenzwert auftreten, pausiert das System automatisch und kalibriert neu.

Diese Architektur löst nicht nur das Problem „was tun, wenn falsch geraten wurde“, sondern beantwortet die Frage: Auf welcher rechtlichen Grundlage ist das gelieferte Ergebnis gültig? Sie baut die rechtliche Gültigkeitsgrundlage von intelligenten Agenten neu im Agentengeschäft auf.

Nicht nur der Finanzsektor: Alle Szenarien mit hohen Compliance-Anforderungen benötigen dies

Die Einigung ist keine branchenspezifische Einschränkung für Finanzagenten, sondern eine allgemeine rechtliche Voraussetzung für alle Interaktionen mit intelligenten Agenten. Der intelligente Kundenservice ist das am leichtesten verständliche Beispiel.

Wenn der Nutzer sagt „Ich möchte eine Beschwerde einreichen“, der intelligente Agent dies als „Ich möchte eine Abfrage durchführen“ errät und eine Anleitung zur Abfrage ausgibt, ist dies keine Bearbeitung der Beschwerde, sondern eine Antwort auf eine andere Frage. Die Antwort wurde verschickt, aber rechtlich gesehen hat sie nicht die Frage beantwortet, die Sie tatsächlich gestellt haben. Wenn in diesem Prozess auf Kundendaten zugegriffen wird, kann dies zudem Fragen aufwerfen, ob der Nutzer informiert wurde, zugestimmt hat und die rechtlichen Anforderungen zum Schutz personenbezogener Daten erfüllt sind.

Die gleiche Logik gilt für den Finanz-, Gesundheits-, Bildungs-, Rechts- und Verwaltungsbereich mit dem gleichen Ergebnis: Solange die Ausgabe eines intelligenten Agenten rechtliche oder aufsichtsrechtliche Wirkung entfalten soll, muss die Benutzereingabe zuerst als eindeutige, prüfbare und reproduzierbare Absicht bestätigt werden, damit die Einigung eine Grundlage hat.

Der Finanzsektor ist am stärksten betroffen: Wenn der Nutzer sagt „Das habe ich nicht gemeint“, kann die Einrichtung Beweise vorlegen?

Der Finanzsektor ist einer der Bereiche, in denen intelligente Agenten am schnellsten eingesetzt werden und die rechtlichen Einschränkungen am dichtesten sind.

Heutzutage gibt es fast keine Einrichtung, die Beweise vorlegen kann, um nachzuweisen, was der Nutzer zu diesem Zeitpunkt wirklich gemeint hat, wenn der Nutzer gegenüber einer Finanzinstitution sagt „Das habe ich nicht gemeint“. Die Einrichtung kann Transaktionsprotokolle, Betriebsaufzeichnungen und Modellversionen vorlegen – dies sind Beweise dafür, was das System getan hat, keine Beweise dafür, womit der Nutzer zugestimmt hat.

Genau diese Lücke wird von den aufsichtsrechtlichen Anforderungen adressiert. Die Bekanntmachung Nr. 8 von Jinfa [2026] verlangt, dass die Verantwortung für den gesamten Geschäftsprozess klar, umsetzbar und rückverfolgbar ist. Die aufsichtsrechtliche Logik ist eindeutig: Geschäfte, für die der Nutzer eine ausdrückliche Genehmigung erteilt hat, dürfen nicht über die festgelegten Grenzen hinausgehen. Unter der aktuellen Architektur kann jedoch keine ausdrückliche Genehmigung für die Geschäftsabwicklung vorgelegt werden, da Vermutungen keine Einigung begründen – ohne Geschäftsgenehmigung entstehen keine Geschäftsgrenzen.

Es gibt einen strukturellen Bruch zwischen der Prüfpflicht und der Fähigkeit zur Beweiserhebung. Die vorgelagerte Absichtsbestätigung löst genau diesen Bruch auf: Wenn die Aufsicht fragt „Wie beweisen Sie, dass der Nutzer dieses Geschäft genehmigt hat?“, kann die Einrichtung einen Absichtsdatensatz vorlegen, der vor der Ausführung bestätigt, festgelegt und nicht nachträglich einseitig interpretierbar ist. Dies ist keine nachträglich erstellte Beweiskette, sondern eine bereits vor der Ausführung vorhandene Tatsache der Einigung.

Es ist kein Bremsen, sondern das Einbauen einer rechtlichen Compliance-Grundlage

Xinling Technology (Hangzhou) Co., Ltd. ist ein innovatives Technologieunternehmen, das sich auf die Infrastruktur für vertrauenswürdige KI-Entscheidungen spezialisiert hat. Es widmet sich der Bereitstellung von untergeordneten Middleware-Produkten für Branchen mit hohen Compliance-Anforderungen wie Finanzen, Verwaltung und Gesundheitswesen, die die Prüfbarkeit der Absichtserkennung und die Konfliktlösung bei mehreren Datenquellen ermöglichen.

Das Kernteam des Unternehmens verfügt über einen interdisziplinären Hintergrund und versteht sowohl KI-Technologien als auch Finanzgeschäfte tiefgreifend. Das Unternehmen hat sich früh im Bereich der vertrauenswürdigen KI positioniert und einen vollständigen Zyklus von theoretischer Innovation über Patentanmeldungen bis hin zu Produktprototypen abgeschlossen, der ein umfassendes Patentportfolio für vertrauenswürdige KI bildet. Derzeit wird daran gearbeitet, dies zu einem Weltstandard zu machen.

Die Zielkunden von Xinling Technology sind alle KI-Unternehmen, die in den EU-Markt eintreten wollen. Es bietet ihnen Compliance-Lösungen für den Absichtserkennungsknoten, um die aufsichtsrechtlichen Anforderungen des EU-KI-Gesetzes und des DORA (Digital Operational Resilience Act) zu erfüllen. Gleichzeitig kann diese Lösung die Einhaltung weiterer Vorschriften wie der EU-Datenschutz-Grundverordnung (DSGVO), der Richtlinie über Märkte für Finanzinstrumente (MiFID II) und der Richtlinie über unlautere Geschäftspraktiken (2005/29/EG) unterstützen.

Was Xinling Technology tut, besteht nicht darin, dass intelligente Agenten weniger Dinge tun, sondern dass jede Handlung, die ein intelligenter Agent ausführt, einen rechtlich bestätigbaren, rückverfolgbaren und beweisbaren Ausgangspunkt hat.

Zuerst bestätigen, dann ausführen, dann ausliefern. Das bedeutet nicht, auf die Bremse der intelligenten Agenten zu treten, sondern ihnen eine rechtliche Compliance-Grundlage einzubauen.