Im September 2026 stellte Meta „Muse“ vor, seinen persönlichen KI-Agenten (Künstliche Intelligenz). Das Unternehmen beschreibt „Muse“ als einen KI-Agenten, der Aufgaben browser- und anwendungsübergreifend ausführen kann, vorbehaltlich der Erteilung von Berechtigungen für sensible Aktionen wie zum Beispiel „automatisiertes agentengestütztes Einkaufen“ im Namen der Nutzenden. In ähnlicher Weise bietet der Finanzdienstleister Robinhood einen agentenbasierten Wertpapierhandel an. Diese technischen Innovationen werfen eine neue Frage auf: Könnten Agenten, die nach Bankkonten mit höheren Einlagenzinsen suchen und automatisch Geld an diese überweisen, letztendlich einen Bankenansturm auslösen?
Stellen Sie sich dazu einen Haushalt vor, der einen Teil seiner Ersparnisse auf einem hochliquiden Giro- oder Tagesgeldkonto hält, um Rechnungen zu bezahlen und unerwartete Ausgaben zu decken. Diese Gelder könnten anderswo eine höhere Rendite erzielen, doch das Vergleichen von Angeboten, das Eröffnen von Konten und der Transfer zwischen Konten erfordert Zeit und Aufmerksamkeit. Persönliche KI-Agenten könnten diese Aufgaben zunehmend übernehmen, indem sie geeignete Konten identifizieren und Überweisungen im Namen der Nutzenden ausführen. Der Aufwand für Haushaltewürden dadurch effektiv gesenkt. Diese Automatisierung könnte die Art und Weise verbessern, wie Haushalte ihre Ersparnisse verwalten. Sie könnte jedoch auch dazu führen, dass Einlagen mobiler werden und sich der Wettbewerb der Banken um Finanzmittel verändert.
Wie einfache Geldüberweisungen zu einem Bankenansturm werden könnten
Ein potenziell entscheidender Mechanismus ist die Synchronisation der Entscheidungen der Agenten – wenn also viele Agenten als Reaktion auf ähnliche Informationen oder Entscheidungsregeln Geld überweisen. Beispielsweise könnten sich Agenten auf dieselben Bankrankings, Auszahlungsschwellen oder Risikoindikatoren stützen. Eine Aktualisierung der Konditionen – z.B. der Zinssätze – durch eine einzelne Plattform könnte folglich eine große Anzahl von Überweisungen ungefähr zur gleichen Zeit auslösen, selbst wenn sich die zugrunde liegenden KI-Modelle unterscheiden.
Ein Bericht des Finanzstabilitätsrats warnte 2024, dass gemeinsam genutzte Daten, Modelle und eine Konzentration der Anbieter zu einem korrelierten Verhalten auf den Finanzmärkten beitragen können. Eine Bank würde unter erheblichen Druck geraten, wenn ein ausreichend großes Volumen an delegierten Einlagen schneller abfließen könnte, als das Institut die erforderliche Liquidität beschaffen könnte – und zwar aufgrund synchronisierter Entscheidungen über verschiedene agentenbasierte KI-Systeme hinweg. Der Grund dafür ist, dass im Falle einer Überweisung von Einlagen durch Kund:innen an andere Banken die Ursprungsbank diese Zahlungen unter Verwendung von Zentralbankreserven abwickeln muss, wodurch sich ihre verfügbare Liquidität verringert. Reichen diese Reserven nicht aus, muss die Bank zusätzliche Finanzmittel beschaffen, beispielsweise durch Interbankenkredite oder den Verkauf von Vermögenswerten.
Dieser Rückkopplungsmechanismus ist von zentraler Bedeutung für die berühmte Theorie der Bankenanstürme von Diamond und Dybvig: Einlagenabzüge, die aus individueller Sicht sinnvoll erscheinen, können Banken destabilisieren, das Vertrauen in die Fähigkeit der Bank, Kund:innen auszuzahlen, untergraben und zu einer Spirale von Einlagenabflüssen führen. Der Zusammenbruch der Silicon Valley Bank (SVB) im März 2023 dient als ein Beispiel. Allein am 9. März verlor die Bank laut der US-Notenbank mehr als 40 Milliarden US-Dollar an Einlagen. Auch wenn sich die SVB durch hohe Konzentration von Einlagen von den meisten Privatkundenbanken unterschied, verdeutlicht dieser Vorfall, wie schnell sich Liquiditätsdruck entwickeln kann. Durch die weit verbreitete Nutzung von KI-Agenten durch Privathaushalte auf der Suche nach den renditestärksten Einlagen könnte eine einzige neue Information einen Ansturm auf ansonsten gesunde Banken auslösen.
Warum Bankenanstürme dennoch unwahrscheinlich sein dürften
Drei Argumente lassen jedoch Zweifel an einem durch KI-Agenten verursachten Ansturm auf Banken aufkommen.
Erstens: Auch wenn KI-Agenten den Aufwand an Aufmerksamkeit, Zeit und Mühe, der für den Vergleich von Konten und Geldüberweisungen erforderlich ist, reduzieren könnten, müssten die Haushalte ihnen zunächst den Zugriff auf ihre Bankdaten und Geldmittel anvertrauen. Empirische Belege deuten darauf hin, dass Menschen zögern können, wichtige Aufgaben an KI zu delegieren, selbst wenn sie wissen, dass KI diese Aufgaben besser erledigt als Menschen. Eine weitverbreitete Verwendung von KI-Agenten folgt daher nicht unmittelbar aus der technischen Leistungsfähigkeit. Darüber hinaus könnten Schritte, die menschliches Eingreifen erfordern, wie z.B. Identitätsprüfungen und Autorisierungen von Zahlungen nach der Einführung weiterhin Friktionen darstellen. Diese Friktionen könnten Überweisungen verlangsamen und die Geschwindigkeit begrenzen, mit der sich eine durch Agenten ausgelöste Entnahme von Einlagen vollzieht.
Zweitens könnten auch die wirtschaftlichen Aspekte von KI-Agenten die Akzeptanz einschränken. Für Haushalte besteht der relevante Gewinn aus einem Kontowechsel in den zusätzlichen Zinserträgen abzüglich der Kosten für die Inanspruchnahme eines Agenten, der bessere Angebote identifiziert und darauf reagiert. Die Verwaltung von Geldern über verschiedene Konten hinweg erfordert wiederholte Planung, Überlegungen und Handlungen. All das verbraucht Rechenressourcen und verursacht somit Kosten. Diese Kosten könnten die zusätzlichen Zinserträge erheblich schmälern oder sogar übersteigen, insbesondere bei Haushalten mit geringen Guthaben oder wenn die Zinsunterschiede gering sind.
Aktuelle Preismodelle können diesen Zielkonflikt verschleiern. Einige Agenten stehen gegen eine pauschale Nutzungsgebühr oder kostenlos zur Verfügung, wobei Nutzungsbeschränkungen gelten können. Haushalte tragen somit die Kosten für jede zusätzliche Aufgabe nicht direkt. Im Laufe der Zeit könnten Anbieter jedoch einen größeren Teil dieser Kosten an Nutzende oder Banken weitergeben, beispielsweise durch nutzungsabhängige Abrechnungsmodelle. Sinkende Kosten pro Token würden diesen Druck mindern, müssen aber nicht zwangsläufig zu niedrigeren Gesamtkosten führen, wenn eine intensivere Nutzung der Agenten den Token-Verbrauch erhöht. Falls Haushalte diese Kosten letztendlich tragen, könnte sich ein kontinuierlicher Kontowechsel nur für diejenigen lohnen, die über ausreichend hohe Guthaben verfügen oder deren bisherige Konten deutlich niedriger verzinst sind als alternative Angebote.
Drittens muss die Einführung nicht zwangsläufig mit synchronisiertem Verhalten einhergehen. Haushalte unterscheiden sich in ihrer Risikoeinschätzung, ihrem Liquiditätsbedarf und ihrer Zinssensitivität. Agenten, die diese Präferenzen erkennen und berücksichtigen, könnten Überweisungen zu unterschiedlichen Zeitpunkten und mit unterschiedlicher Häufigkeit veranlassen, wodurch das Ausmaß koordinierter Abhebungen begrenzt würde.
Insgesamt deuten diese Überlegungen darauf hin, dass ein automatisierter Kontowechsel für manche Haushalte attraktiv werden könnte, ohne sich allgemein durchzusetzen oder zu synchronisierten Überweisungen zu führen. Sie relativieren somit das Argument, dass ein weit verbreiteter Zugang zu KI-Agenten zwangsläufig das Risiko von Bankenanstürmen erhöhen würde, auch wenn sie diese Möglichkeit nicht vollständig ausschließen.
Regulatorische Schutzmaßnahmen und Ausblick
Selbst wenn sich das zusätzliche Risiko eines Bankenansturms als begrenzt erweisen sollte, erfordert der Einsatz von KI-Agenten zur Durchführung von Banküberweisungen regulatorische Schutzmaßnahmen. Die KI-Verordnung der EU legt bereits einen risikobasierten Rahmen für KI fest, einschließlich Transparenzpflichten, Anforderungen an die menschliche Aufsicht und Vorschriften für risikoreiche Systeme. Auch wenn viele verbraucherorientierte Finanzagenten möglicherweise nicht unter die strengsten Kategorien des Gesetzes fallen, können Anbieter und Betreiber dennoch Verpflichtungen in Bezug auf Transparenz, Risikomanagement, Datenverwaltung, Aufbewahrung von Unterlagen und die Fähigkeit der Nutzer, zu erkennen, wann sie mit KI interagieren, unterliegen.
Detaillierte regulatorische Vorschläge erfordern ein besseres Verständnis der Akzeptanz von Agenten durch Haushalte und potenzieller Risiken für die Finanzstabilität. Einige Grundsätze lassen sich jedoch bereits formulieren. Nutzende sollten eine informierte Einwilligung erteilen, klare Grenzen für autonome Handlungen festlegen können und über eine Möglichkeit verfügen, einen Agenten sofort zu stoppen oder dessen Berechtigungen zu widerrufen. Bei hohen Überweisungsbeträgen könnte eine ausdrückliche Bestätigung durch einen Menschen erforderlich sein. Eine Verpflichtung zur KI-Kompetenz könnte den Nutzern zudem helfen, den Umfang und die Grenzen der Befugnisübertragung zu verstehen, wobei jedoch die Vorteile gegen die dadurch entstehenden Hindernisse abgewogen werden müssten.
Schließlich müssen die Verantwortung und die Haftung für fehlerhafte oder nicht autorisierte Überweisungen klar geregelt sein. Die Personalisierung verkompliziert diese Frage, da die Handlungen eines Agenten sowohl die vom Nutzer angegebenen Präferenzen als auch die Entscheidungen des Anbieters bei der Gestaltung und dem Betrieb des Systems widerspiegeln können. Ein regulatorischer Rahmen sollte die jeweiligen Verantwortlichkeiten von Nutzenden, Agentenanbietern und Banken klären, einschließlich der Frage, wer Verluste trägt, wenn ein Agent außerhalb seines Mandats handelt oder dieses nicht korrekt ausführt.
Blogbeiträge repräsentieren die persönlichen Ansichten der Autor:innen und nicht notwendigerweise die von SAFE oder seiner Mitarbeiter:innen.
Autoren:
Kevin Bauer ist Coordinator Digital Finance und Brückenprofessor bei SAFE und Professor für Spieltheoretische und Kausale KI in Business und Economics an der Goethe-Universität Frankfurt.
Alexander Hillert ist Co-Abteilungsleiter der SAFE-Forschungsabteilung „Financial Intermediation“ und Professor für Finanzen und Data Science.
