Su Yang (BNP Paribas): „Wer einen schlechten Prozess mit Agenten bestückt, verbrennt nur Token“

‍Alle reden über KI. Wo steht BNP Paribas tatsächlich?

Der Hype begann mit ChatGPT Ende 2022, doch die Bank startete vor rund fünfzehn Jahren mit Kredit-Scoring und Betrugserkennung. Heute existieren drei Projektkategorien nebeneinander: klassische KI, generative KI und nun agentische KI. Der Evident AI Index, die Referenz zur KI-Reife der 50 größten Banken weltweit, setzt Banken aus der Eurozone im Jahr 2025 an die Spitze, mit einem deutlichen Zuwachs gegenüber dem Vorjahr. BNP Paribas gehört zu den weltweit nur drei Banken, neben JPMorgan und DBS, die einen echten Return on Investment veröffentlichen: ein KI-Portfolio mit einem Wert von 635 Millionen Euro im Jahr 2025, 750 Millionen Euro sind für dieses Jahr angepeilt. Was sich mit agentischer KI verändert, ist der Maßstab. Die Infrastrukturinvestitionen sind erheblicher, das Fachwissen entwickelt sich sehr schnell. Deshalb wurde 2024 die Abteilung AI Transformation gegründet, um Kräfte zu bündeln und generative sowie agentische KI auf möglichst kosteneffiziente Weise einzusetzen. Im Kern läuft es auf vier Stoßrichtungen hinaus: Kundenerlebnis, Mitarbeiterunterstützung, Automatisierung von Abläufen und Absicherung des Bankbetriebs.

„Wir gehören zu den weltweit nur drei Banken, die einen ROI auf KI veröffentlichen.“

Fünfzehn Jahre Transformation: Was hat die Akzeptanz wirklich vorangetrieben?

Akzeptanz ist der entscheidende Faktor. Ein Werkzeug, das gebaut wird, um genutzt zu werden, ist wertlos, wenn es niemand nutzt. Den Wendepunkt brachte der Schritt von einer diffusen, den lokalen Teams überlassenen Nutzung hin zu strukturierten Programmen: ein dediziertes Team, eine Buchungsplattform nach Doctolib-Vorbild, über die jeder Mitarbeiter einen Termin für seine Nutzungsfragen reservieren kann. Das Ergebnis: knapp 60 NPS-Punkte Zuwachs in einem Jahr bei diesen Tools. Parallel dazu steht allen Mitarbeitern ein interner KI-Assistent zur Verfügung, ergänzt durch einige Dutzend Copilot-Lizenzen dort, wo der Nutzen am deutlichsten ist.

Sie arbeiten mit Mistral zusammen. Warum, jenseits der französischen Flagge?

Mistral ist in der Praxis der einzige Anbieter, der die Gewichte seiner Modelle verkauft: herunterladbar, mit voller Kontrolle, was amerikanische oder chinesische Anbieter nicht bieten. Das erst ermöglicht unsere interne Schicht, den „LLM-as-a-Service“: Jede Anwendung kann ein Modell aufrufen, ohne von Anfang an für KI konzipiert worden zu sein, und wir orchestrieren Modelle, die wir regelmäßig aktualisieren. Rund fünfzehn Modelle sind im Produktivbetrieb, hundert in der Erprobung. Der Vertrag wurde Anfang des Jahres um drei Jahre verlängert. Anfangs waren die französischen Modelle leistungsfähiger und sparsamer im Ressourcenverbrauch. Bei Software und Diensten haben die großen US-Technologieunternehmen inzwischen gleichgezogen, sodass das kein Differenzierungsmerkmal mehr ist. Was wir suchen, ist ein vertrauenswürdiger Partner für die gemeinsame Entwicklung, keine Standardtechnologie von der Stange. Ein französischer Anbieter ist für uns naheliegend.

Vollständig auf OPEX zu setzen in einem Sektor, in dem die Modellanbieter kein Geld verdienen, bedeutet, sich steigenden Preisen auszusetzen.

Wie behält eine Bank die Kontrolle über die KI-Kosten?

Das IT-Betriebsbudget liegt bei rund 8 Milliarden Euro im Jahr, davon entfallen etwa 10 % auf Cybersicherheit. Bei KI laufen die meisten Token über den LLM-as-a-Service, mit einer intern entwickelten Orchestrierung und GPUs, die direkt bei Nvidia beschafft werden und in unseren eigenen Rechenzentren stehen. Das ermöglicht eine erheblich bessere Kostenkontrolle als bei Banken, insbesondere amerikanischen, die auf Hyperscaler setzen: Der Unterschied beträgt Größenordnungen. Es gibt übrigens eine Gegenbewegung dazu. Vollständig auf OPEX zu setzen in einem Sektor, in dem die Modellanbieter kaum Geld verdienen, bedeutet, sich steigenden Preisen auszusetzen. Besser in CAPEX investieren und OPEX langfristig reduzieren. Agentische KI kostet mehr als klassische industrialisierte KI, bleibt aber in handhabbaren Größenordnungen.

Wie lange dauert der Aufbau der Infrastruktur?

Den Betrieb von Rechenzentren versteht man als Handwerk, das entsteht nicht über Nacht. BNP Paribas ist 200 Jahre alt und verfügt über rund fünfzig Jahre IT-Geschichte. Jeder große Akteur, JPMorgan eingeschlossen, hat seine Infrastruktur internalisiert, schlicht weil man bei M&A-Transaktionen, Investment Banking oder Finanzkommunikation mit vertraulichen Daten arbeitet. Zu den europäischen KI- und Datenvorgaben kommen Finanzmarktregulierungen, die Kontrolle über die Daten verlangen. Für ein Startup hängt es davon ab, inwieweit es auf bestehende Infrastrukturanbieter zurückgreifen kann.

Verändert KI das Spiel in der Cybersicherheit?

Auf vier Ebenen. Erstens nutzen Angreifer KI: Seit ChatGPT verzeichnen wir bei unseren Kunden 1.300 % mehr Social-Engineering-Betrugsversuche. Nicht 1.300 % mehr Schäden, weil wir Abwehrmaßnahmen eingesetzt haben. Zweitens hilft KI bei der Verteidigung. Drittens muss man lernen, anders zu organisieren: mit Agenten zu arbeiten, in der Verteidigung, im Red Teaming, in der Observability. Und viertens bedeutet der Einsatz von KI, sie abzusichern: Leitplanken für personenbezogene Daten, toxische Interaktionen, Prompt Injection, damit Agenten im großen Maßstab sicher operieren können.

Man kann einen Agenten im Nachhinein immer tadeln. Das bringt uns nicht weiter.

Wo ziehen Sie die Grenze zwischen Agent und Mensch?

Der Mensch ist von Anfang an Teil des Designs. Ein Agent ist kein Super-Entwickler: Wenn ein Mitarbeiter etwas Ungeplantes tut, trägt jemand die Verantwortung; bei einem Agenten kann man ihn im Nachhinein immer tadeln, was uns nicht weiterbringt. Daher gibt es rechtliche, organisatorische und Governance-Fragen, die in einem eigenen Programm behandelt werden. Ein Beispiel: Ein Vertriebsteam, dem Microsoft Agent Builder zur Verfügung stand, baute eigenständig rund zwanzig Agenten und fragte sich, ob IT überhaupt noch gebraucht werde. Einige Monate später versinkt dieselbe Person in Support-Anfragen von Kollegen, vergisst die Reihenfolge, in der die Agenten verkettet werden müssen, und entdeckt die kognitive Last der Orchestrierung und die Bedeutung des Wortes Produktivbetrieb. Die endgültige Entscheidung verbleibt beim Menschen. Die Regulierung, der AI Act ebenso wie die DSGVO, verlangt ausdrücklich, bei jeder automatisierten Entscheidung, die die finanzielle Situation eines Kunden berührt, jederzeit auf eine vollständig menschliche Entscheidung umschalten zu können.

Welche Rollen werden bis Jahresende am stärksten betroffen sein?

Back Office und Middle Office, mit KYC als Hauptziel, weil es zwischen Effizienz und Kundenerlebnis steht. Ebenso alle Produkte mit langen Bearbeitungszeiten: Hypothekendarlehen, Kreditvergabe, Transaction Banking. Softwareentwicklung ist der reifste Anwendungsfall, bereits an alle Entwickler ausgerollt, und wir gehen zu komplexeren Agenten über. Dazu M&A- und Investment-Banking-Rollen, die stark auf Recherche und Synthese ausgerichtet sind und von agentischer KI erheblich profitieren. Die eigentliche Botschaft: Der Einsatz zeigt sich nahezu überall, Front, Middle, Back, Business, Support.

Ein letzter Punkt?

Wir haben viel über Technologie gesprochen, aber eine KI-Transformation steht ebenso auf Prozessen wie auf Modellen. Es hat keinen Sinn, das Bestehende einfach mit Agenten zu bestücken: Wer einen schlechten Prozess agentifiziert, verbrennt nur Token. Und vor allem sind da die Daten, das vernachlässigte Kind dieser Transformationen. Ein Agent, der einem Kunden antwortet, muss das richtige Produkt mit aktuellen Zahlen nennen, nicht das Nebenprodukt. Ohne saubere Daten trägt der Rest nicht.