KI-Agent erstellen: Leitfaden für Banken und Finanzinstitute

Zuletzt aktualisiert: 2. November 2026

Einen KI-Agenten erstellen Sie in sieben Schritten: einen eng umrissenen Anwendungsfall wählen, den Grad an Autonomie festlegen, Daten und Datenschutz klären, Modell und Architektur bestimmen, Werkzeuge anbinden, Leitplanken und Tests aufbauen und den Agenten kontrolliert vom Pilot in die Produktion bringen. Für einen privaten Prototyp genügt dafür oft ein No-Code-Baukasten. In einer Bank, bei einem Vermögensverwalter oder in einem Fintech entscheidet jedoch die zweite Hälfte dieser Liste über Erfolg oder Abbruch: Audit-Trail, Human-in-the-Loop und eine Dokumentation, die FINMA, nDSG und dem EU AI Act standhält. In diesem Leitfaden gehen wir beide Hälften durch, aus der Sicht eines Teams, das KI-Agenten für regulierte Finanzinstitute baut.

S-PRO

KI-Agenten für Finanzinstitute entwickeln

S-PRO entwickelt KI-Agenten für Banken und Finanzdienstleister und begleitet KI-Piloten bis zur Produktion.

Kontakt aufnehmen

TL;DR

Einen KI-Agenten zu erstellen heisst für eine Bank vor allem, drei Entscheidungen zu treffen, bevor Code entsteht: Braucht der Anwendungsfall überhaupt einen Agenten oder genügt ein festgelegter Workflow? Wie viel Autonomie hat der Agent, und wo gibt ein Mensch frei? Und wer führt die Aktionen aus, damit Berechtigungen und Protokolle in der Bank bleiben? Erst danach folgen Daten, Architektur, Evaluation und der Weg vom Pilot in die Produktion. Anthropic empfiehlt in seinem Artikel vom Dezember 2024, “the simplest solution possible” zu suchen und die Komplexität nur zu erhöhen, wenn es nötig ist (Anthropic).

Dieser Leitfaden führt in sieben Schritten durch diese Entscheidungen, ordnet die Regulierung ein (FINMA, EU AI Act, Datenschutz) und zeigt, wo Pilotprojekte typischerweise scheitern. Wenn Sie den Agenten nicht selbst bauen wollen, finden Sie unser Angebot unter KI-Agenten für Banken entwickeln.

Inhaltsverzeichnis

Was einen KI-Agenten ausmacht
In sieben Schritten zum KI-Agenten
No-Code, Framework oder Eigenentwicklung
Regulierung: was in der Schweiz und der EU zählt
Typische Einsatzfelder in Banken und Vermögensverwaltung
Wie kommt der Agent vom Pilot in die Produktion?
Häufige Fehler und wie Sie sie vermeiden
Unsere Perspektive
FAQ
Wie S-PRO Banken und Finanzinstitute unterstützt
Quellen

Was einen KI-Agenten ausmacht

Was ist ein KI-Agent, und worin unterscheidet er sich von einem Workflow? Anthropic unterscheidet zwei Architekturen. “Workflows are systems where LLMs and tools are orchestrated through predefined code paths.” “Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage” (Anthropic, Dezember 2024; der Artikel ist älter als 12 Monate, die Werkzeuge haben sich seither weiterentwickelt).

Für eine Bank heisst das: Ist der Ablauf bekannt und wiederholbar (zum Beispiel Dokumente prüfen, Felder extrahieren, Ergebnis ablegen), ist ein Workflow oft die bessere Wahl: berechenbarer, leichter zu testen, leichter zu dokumentieren. Ein Agent lohnt sich, wenn der Weg zum Ergebnis vom Fall abhängt, etwa bei der Zusammenstellung einer Fallakte aus mehreren Quellen. Anthropic schreibt dazu selbst: “This might mean not building agentic systems at all.”

Merkmal	Chatbot	Regelbasierte Automatisierung	KI-Agent
Steuerung des Ablaufs	Antwortet im Dialog auf Fragen	Festgelegte Regeln und Codepfade	Das LLM steuert Ablauf und Werkzeugeinsatz dynamisch selbst
Einsatz von Werkzeugen	Nicht Teil der Definition	Vorab festgelegte Schritte	Das LLM entscheidet, welche Werkzeuge es einsetzt
Vorhersagbarkeit	Hängt von der Frage ab	Hoch: der Ablauf ist vorab bekannt	Geringer: der Weg hängt vom Fall ab
Kontrolle in der Bank	Prüfung der Antwort	Test und Dokumentation des festen Ablaufs	Freigabepunkt, Berechtigungen und Protokolle sind zu definieren
Typischer Einsatz in der Bank	Fragen beantworten	Bekannte, wiederholbare Abläufe, etwa Felder extrahieren und ablegen	Fälle, deren Weg vom Einzelfall abhängt, etwa eine Fallakte aus mehreren Quellen zusammenstellen

In sieben Schritten zum KI-Agenten

Wie erstellt man einen KI-Agenten? In diesen sieben Schritten, in dieser Reihenfolge.

1. Einen eng umrissenen Anwendungsfall wählen

Ein konkreter Prozess mit messbarem Erfolgskriterium, etwa die Vorbereitung eines KYC-Falls, nicht “ein Agent für die Bank”. Wählen Sie einen Fall, bei dem ein Mensch heute Zeit mit Recherche und Zusammenstellen verbringt. Entscheiden Sie dabei, ob ein Workflow genügt: Beginnen Sie mit der einfachsten Lösung und erhöhen Sie die Autonomie nur, wenn der Fall es verlangt.

2. Autonomie und Human-in-the-Loop festlegen

Der Agent bereitet vor, der Mensch entscheidet. Unsere Faustregel: Jede Aktion mit Wirkung auf Geld, Kundenrechte oder Aufsichtspflichten braucht eine menschliche Freigabe. Das ist die Position von S-PRO, keine Vorgabe einer Behörde. Die EFK hält fest, dass “die Verantwortung weiterhin beim Menschen bleibt” (EFK).

3. Daten und Datenschutz klären

Welche Daten sieht der Agent, wo werden sie verarbeitet, wer darf sie lesen? Siehe den Abschnitt Datenschutz weiter unten.

4. Modell und Architektur wählen

Wählen Sie Modell, Protokollierung und Berechtigungskonzept passend zum Anwendungsfall. Welche Bauweise passt, zeigt der Vergleich weiter unten.

5. Werkzeuge und Systeme anbinden

Legen Sie fest, welche Werkzeuge (Tools) der Agent nutzt und wo der Code läuft, der die Aktionen ausführt. Bei Client Tools führt der Code der Bank die Aktion aus; Details im folgenden Abschnitt.

6. Leitplanken und Evaluation aufbauen

Testfälle aus der Praxis, Prüfung der Ausgaben durch Fachleute, dokumentierte Abweichungen zwischen Vorschlag des Agenten und Entscheidung des Menschen.

7. Vom Pilot in die Produktion

Governance, Monitoring, Verantwortlichkeiten, Umgang mit Abhängigkeit von Drittparteien. Siehe den eigenen Abschnitt weiter unten.

Wer führt die Aktionen aus? Client Tools und Server Tools

Eine Architekturfrage, die bei Banken über Berechtigungen und Protokolle entscheidet: Wo läuft der Code, der eine Aktion ausführt? Die Anthropic-Dokumentation beschreibt es so: “Client tools (including user-defined tools and tools with Anthropic-defined schemas, such as bash and text_editor) run in your application. Claude responds with stop_reason: “tool_use” … Your code runs the operation and sends back a tool_result. Server tools (such as web_search, web_fetch, code_execution, and tool_search) run on Anthropic’s infrastructure” (Anthropic, Tool-Use-Dokumentation).

Bei Client Tools führt also der Code der Bank jede Aktion selbst aus. Berechtigungen, Freigaben und Protokolle bleiben damit im eigenen Verantwortungsbereich.

No-Code, Framework oder Eigenentwicklung

Was passt: No-Code-Baukasten, Open-Source-Framework oder Eigenentwicklung? Das hängt vom Anwendungsfall und von Ihrem Team ab.

Kriterium	No-Code-Baukasten	Open-Source-Framework	Individuelle Entwicklung
Geeignet für	Schnelle Experimente, einfache Abläufe	Eigenes Team, das die Orchestrierung selbst steuern will	Regulierte Abläufe mit Integration in Kernsysteme
Integration in Kernsysteme	Prüfen Sie den Datenfluss und die Abhängigkeit vom Anbieter	Fertige Bausteine; die Anbindung übernimmt Ihr Team	Gezielte Integration in Kernsysteme
Audit-Trail und Kontrolle	Protokollierung im Einzelfall prüfen	Abstraktionsschichten können die zugrunde liegenden Prompts verdecken	Kontrolle über Berechtigungen und Protokolle
Datenhaltung	Datenfluss prüfen	Legt Ihr Team fest	Kontrolle über den Datenfluss
Typischer Einsatz in der Bank	Experimente, einfache Abläufe	Eigenes Entwicklungsteam mit Orchestrierungs-Know-how	Regulierte Abläufe, bei denen Aufwand und Know-how eingeplant sind

Zu Frameworks sagt Anthropic: “they often create extra layers of abstraction that can obscure the underlying prompts”, und: “If you do use a framework, ensure you understand the underlying code.” Das OpenAI Agents SDK beschreibt sich als “lightweight, easy-to-use package with very few abstractions”, mit Agenten (“LLMs equipped with instructions and tools”), Handoffs (“allow agents to delegate to other agents for specific tasks”) und Guardrails (“enable validation of agent inputs and outputs”); es bietet ausserdem “Built-in mechanisms for involving humans during agent runs” (OpenAI Agents SDK). Entscheidend ist nicht das Werkzeug, sondern dass Ihr Team versteht, was darunter läuft.

Regulierung: was in der Schweiz und der EU zählt

Welche Regeln gelten? Für Schweizer Banken sind die FINMA-Aufsichtsmitteilung 08/2024 und das Datenschutzrecht zentral, bei EU-Bezug der EU AI Act.

Rahmen	Wann relevant	Was das für Ihren Agenten bedeutet
FINMA-Aufsichtsmitteilung 08/2024	Beaufsichtigte Schweizer Institute, die KI einsetzen	Die FINMA erwartet, dass Sie sich aktiv mit den Auswirkungen auf Ihr Risikoprofil auseinandersetzen; sie beobachtete u. a. Inventar, Tests, Dokumentation, Erklärbarkeit und Monitoring
nDSG (revDSG, SR 235.1)	Sobald der Agent personenbezogene Daten bearbeitet	Betroffene müssen erkennen können, ob sie es mit einer KI zu tun haben (EDÖB, Datenschutztag 2026)
EU AI Act (Verordnung (EU) 2024/1689, geändert durch 2026/1744)	Wenn der Anwendungsfall als hochriskant einzustufen ist, etwa die Kreditwürdigkeitsprüfung natürlicher Personen	Hochrisiko-Anforderungen gelten für Anhang-III-Systeme ab dem 2. Dezember 2027, für Anhang-I-Systeme ab dem 2. August 2028; jeden Anwendungsfall einzeln prüfen

Schweiz: FINMA-Aufsichtsmitteilung 08/2024

Die FINMA hat am 18.12.2024 die Aufsichtsmitteilung 08/2024 “Governance und Risikomanagement beim Einsatz Künstlicher Intelligenz” veröffentlicht (PDF, Medienmitteilung). Stand Dezember 2024 gilt:

Im Finanzmarktrecht erfassen “die technologieneutralen, prinzipienbasierten aufsichtsrechtlichen Anforderungen an eine wirksame Governance und ein wirksames Risikomanagement die Risiken aus dem Einsatz von KI” (Abschn. 1). Die FINMA erwartet, dass sich Beaufsichtigte, die KI einsetzen, aktiv mit den Auswirkungen auf ihr Risikoprofil auseinandersetzen.
Die FINMA hat bei ihren Aufsichtsgesprächen unter anderem geprüft, ob eine KI-Governance vorhanden ist, die ein zentral geführtes Inventar einschliesslich einer Risikoklassifizierung umfasst (Abschn. 2.1). Sie hat ausserdem Themen wie Tests, Dokumentation, Erklärbarkeit, unabhängige Überprüfung und Monitoring beobachtet (Abschn. 2.1 bis 2.7); beim Monitoring etwa die Analyse von Fällen, in denen das Ergebnis “ignoriert oder verändert” wurde (Abschn. 2.4). Das sind Beobachtungen der Aufsicht, keine Einzelvorgaben.
Die Medienmitteilung nennt als Risiken “mangelnde Robustheit, Korrektheit, Erklärbarkeit oder Bias”, Datenrisiken (Datensicherheit, Datenqualität, Datenverfügbarkeit) und eine “steigende Abhängigkeit von Drittparteien”.
KI ist laut Fussnote 7 “nicht per se eine Hochrisiko-Anwendung”.

Zur Verbreitung: In einer FINMA-Umfrage bei rund 400 Schweizer Finanzinstituten (Ende November 2024 bis Mitte Januar 2025) gaben rund 50 Prozent an, KI einzusetzen oder erste Anwendungen in Entwicklung zu haben; weitere 25 Prozent planen den Einsatz in den nächsten drei Jahren, und 91 Prozent der Befragten, die KI einsetzen, nutzen auch generative KI (FINMA, 24.04.2025; Stand der Umfrage Anfang 2025).

Ein eigenes KI-Gesetz gibt es in der Schweiz nicht: Stand Dezember 2024 (FINMA-Aufsichtsmitteilung 08/2024, Abschn. 1) existiert keine KI-spezifische Gesetzgebung. Der Bundesrat hat das EJPD beauftragt, bis Ende 2026 eine Vernehmlassungsvorlage für neue Regeln zur Nutzung von KI zu erarbeiten (SIF). Prüfen Sie den aktuellen Stand, bevor Sie planen.

EU AI Act: Termine nach dem Digital Omnibus

Die Verordnung (EU) 2026/1744 (Amtsblatt vom 24.7.2026, ausgefertigt in Strassburg am 8. Juli 2026) ändert die KI-Verordnung (EU) 2024/1689. Nach ihrem Artikel 4 tritt sie “am dritten Tag nach ihrer Veröffentlichung im Amtsblatt der Europäischen Union in Kraft”, also am 27. Juli 2026 (aus dem Veröffentlichungsdatum berechnet). Artikel 113 Absatz 3 Buchstabe c der KI-Verordnung lautet in der neuen Fassung: “Kapitel III Abschnitte 1, 2 und 3, mit Ausnahme von Artikel 6 Absatz 5, gelten ab dem: i) 2. Dezember 2027 in Bezug auf KI-Systeme, die gemäss Artikel 6 Absatz 2 und Anhang III als hochriskant eingestuft sind, und ii) 2. August 2028 in Bezug auf KI-Systeme, die gemäss Artikel 6 Absatz 1 und Anhang I als hochriskant eingestuft sind.”

Konkret: Die Anforderungen an Hochrisiko-KI-Systeme (Verordnung (EU) 2024/1689, Kapitel III Abschnitte 1 bis 3) gelten nach Artikel 113 Absatz 3 Buchstabe c in der Fassung der Verordnung (EU) 2026/1744 für Anhang-III-Systeme ab dem 2. Dezember 2027 und für Anhang-I-Systeme ab dem 2. August 2028 (Quellen: Verordnung 2026/1744).

Welche Agenten fallen darunter? Anhang III Nr. 5 Buchst. b nennt “KI-Systeme, die bestimmungsgemäss für die Kreditwürdigkeitsprüfung und Bonitätsbewertung natürlicher Personen verwendet werden sollen, mit Ausnahme von KI-Systemen, die zur Aufdeckung von Finanzbetrug verwendet werden” (Verordnung 2024/1689). Kreditentscheidungen über Einzelpersonen sind also ein Hochrisiko-Bereich. Das heisst weder, dass Betrugs-KI vom AI Act ausgenommen wäre, noch dass jeder Bankagent hochriskant ist: Ein KYC-Triage-Agent, ein Kundenberater-Copilot oder ein Agent, der Fallakten zusammenstellt, ist nicht automatisch Anhang III. Prüfen Sie jeden Anwendungsfall einzeln. Mehr dazu: KI-Agenten nach EU AI Act und FINMA.

Datenschutz: revDSG und EDÖB

Sobald ein Agent personenbezogene Daten bearbeitet, gilt das Datenschutzrecht (Schweiz: SR 235.1, revDSG). Joël de Montmollin (EDÖB) hat am Datenschutztag 2026 hervorgehoben: “(Generative) KI als solche unterliegt weder dem DSG noch der Zuständigkeit des EDÖB. Dies ändert sich jedoch, sobald personenbezogene Daten bearbeitet werden.” Betroffene Personen “müssen insbesondere erkennen können, ob sie es mit einer KI zu tun haben” (EDÖB, Mitteilung vom 28.01.2026). Das war ein Konferenzbeitrag, keine formelle Wegleitung. Auf einer separaten Seite schreibt der EDÖB: “Sofern in KI-Systemen nur Sachdaten oder Informationen ohne Personenbezug bearbeitet werden, sind sie grundsätzlich datenschutzrechtlich nicht relevant” (EDÖB, KI im Alltag).

Weitere Regelwerke, etwa DORA, prüfen Sie im Einzelfall.

Typische Einsatzfelder in Banken und Vermögensverwaltung

Beispiele für Anwendungen, die sich für diesen Weg eignen: KYC-Onboarding-Agenten, AML und Transaktionsüberwachung und Claude für Finanzdienstleister.

Wie kommt der Agent vom Pilot in die Produktion?

Die meisten Agenten scheitern nicht im Prototyp, sondern danach. Aus den Aufsichtsbeobachtungen der FINMA und aus unserer Projektarbeit ergeben sich vier Aufgaben:

Governance und Inventar. Jeder Agent bekommt eine Verantwortliche oder einen Verantwortlichen, eine Risikoklassifizierung und einen Eintrag im Inventar.
Evaluation vor dem Start. Testfälle aus echten Prozessen, mit Massstab für “gut genug” und dokumentierten Grenzen.
Monitoring im Betrieb. Protokolle zu gelesenen Quellen, Vorschlag des Agenten und menschlicher Entscheidung als getrennte Datensätze; Auswertung der Fälle, in denen Menschen den Vorschlag ändern.
Abhängigkeiten. Welche Anbieter, Modelle und Dienste hängen am Agenten? Die FINMA nennt die steigende Abhängigkeit von Drittparteien ausdrücklich als Risiko. Siehe auch Model Risk Management für KI und KI-Pilot in die Produktion.

Häufige Fehler und wie Sie sie vermeiden

Mit der Technologie statt mit dem Prozess beginnen: Erst den heutigen Ablauf verstehen, dann entscheiden, welchen Teil ein Agent übernimmt.
Zu viel Autonomie zu früh: Starten Sie als Assistent oder Co-Pilot und erweitern Sie die Rechte, wenn die Messwerte es rechtfertigen.
Keine Testdaten: Ohne ein Set realer, anonymisierter Fälle lässt sich Qualität nicht messen und keine Verbesserung belegen.
Compliance erst am Schluss einbeziehen: Wer Datenschutz, Audit-Trail und Risikoklassifizierung nachträglich ergänzt, baut oft die halbe Lösung neu.
Den Betrieb vergessen: Ein Agent braucht nach dem Go-live Monitoring, Pflege und klare Zuständigkeiten, wie jedes andere geschäftskritische System.

Unsere Perspektive

Ein klares Muster: Ein funktionierender Prototyp ist heute schnell gebaut. Die eigentliche Arbeit beginnt danach. Ein Agent, der in einer Demo überzeugt, ist noch lange nicht bereit für echte Kundendaten, für die Fragen der internen Revision oder für eine Prüfung durch die Aufsicht.

Deshalb planen wir Audit-Trail, Human-in-the-Loop und regulatorische Dokumentation vom ersten Tag an mit. Wir richten unsere Lösungen auf EU AI Act, FINMA und nDSG aus und integrieren Agenten in bestehende Systeme, statt diese zu ersetzen. Ein Agent für die Alert-Triage soll das AML-System nicht ablösen, sondern dem Analysten die Vorarbeit abnehmen. Und wir messen Erfolg nicht an der Eleganz der Technologie, sondern daran, ob ein Agent im Alltag Ihres Teams zuverlässig arbeitet und sich gegenüber jeder Kontrollinstanz erklären lässt.

— Igor Izraylevych

FAQ

Kann man einen eigenen KI-Agenten erstellen?

Ja. Der Weg führt über sieben Schritte: einen eng umrissenen Anwendungsfall wählen, Autonomie und Human-in-the-Loop festlegen, Daten und Datenschutz klären, Modell und Architektur wählen, Werkzeuge und Systeme anbinden, Leitplanken und Evaluation aufbauen und den Pilot in die Produktion überführen. Anthropic empfiehlt, mit der einfachsten Lösung zu beginnen und die Komplexität nur zu erhöhen, wenn es nötig ist.

Kann ChatGPT einen KI-Agenten bauen?

Für den Bau von Agenten gibt es Frameworks wie das OpenAI Agents SDK, das Agenten, Handoffs und Guardrails bereitstellt. Ein Chatfenster allein ersetzt jedoch keine Architektur: In einer Bank müssen Berechtigungen, Protokolle und Freigabepunkte definiert sein, und Ihr Team sollte verstehen, was unter dem verwendeten Werkzeug läuft.

Kann man KI-Agenten kostenlos erstellen?

Für erste Experimente genügen oft einfache Werkzeuge. In einer Bank entscheiden aber nicht die Werkzeugkosten, sondern Datenschutz, Protokollierung, Berechtigungen und die Frage, wer die Aktionen ausführt. Diese Punkte sollten Sie vor dem Start klären.

Welche fünf Typen von KI-Agenten gibt es?

Für die Praxis in Banken ist eine andere Einteilung hilfreicher: Anthropic unterscheidet Workflows (festgelegte Codepfade) und Agenten (das LLM steuert Ablauf und Werkzeugeinsatz dynamisch selbst). Entscheidend ist, wie viel Autonomie der Agent hat und wo ein Mensch freigibt.

Was ist der Unterschied zwischen einem KI-Agenten und einem Workflow?

Bei einem Workflow sind LLM und Werkzeuge über festgelegte Codepfade orchestriert; bei einem Agenten steuert das LLM seinen Ablauf und den Einsatz der Werkzeuge dynamisch selbst (Anthropic, Dezember 2024). Anthropic empfiehlt, mit der einfachsten Lösung zu beginnen. Bei Banken ist ein Workflow oft die bessere Wahl, wenn der Ablauf bekannt ist.

Darf ein KI-Agent in der Bank selbst entscheiden?

Unsere Position: Der Agent bereitet vor, ein Mensch entscheidet bei allem, was Geld, Kundenrechte oder Aufsichtspflichten berührt. Das ist eine S-PRO-Faustregel, keine Vorgabe der FINMA oder der EFK. Die EFK hält fest, dass die Verantwortung beim Menschen bleibt.

Ab wann gelten die Hochrisiko-Regeln des EU AI Act?

Nach Artikel 113 Absatz 3 Buchstabe c in der Fassung der Verordnung (EU) 2026/1744 gelten die Anforderungen an Hochrisiko-Systeme für Anhang-III-Systeme ab dem 2. Dezember 2027 und für Anhang-I-Systeme ab dem 2. August 2028. Ob ein Agent hochriskant ist, hängt vom Anwendungsfall ab; Kreditwürdigkeitsprüfungen natürlicher Personen nennt Anhang III Nr. 5 Buchst. b ausdrücklich.

Gibt es in der Schweiz ein KI-Gesetz?

Stand Dezember 2024 (FINMA-Aufsichtsmitteilung 08/2024) existiert keine KI-spezifische Gesetzgebung. Der Bundesrat hat das EJPD beauftragt, bis Ende 2026 eine Vernehmlassungsvorlage zu erarbeiten. Die FINMA erwartet, dass sich Beaufsichtigte mit den Risiken ihres KI-Einsatzes auseinandersetzen.

Wer führt die Aktionen eines Agenten aus?

Bei Client Tools läuft der Code in Ihrer Anwendung: Das Modell fordert ein Werkzeug an, Ihr Code führt die Operation aus und liefert das Ergebnis zurück (Anthropic-Dokumentation). So bleiben Berechtigungen und Protokolle im Institut.

Was kostet ein erster Pilot, und wie lange dauert er?

S-PRO bietet einen Design-Thinking-Pilot ab CHF 20k an, in 2 bis 4 Wochen. Der Umfang hängt vom Anwendungsfall ab; im Discovery-Call klären wir ihn.

Wie S-PRO Banken und Finanzinstitute unterstützt

S-PRO hat eine eigene Agentenplattform, S-PRO Agents, den Kern unserer Produkte und Kundenlösungen. Um sie herum bauen wir die Lösung des Kunden und liefern sie als Service, vom Pilot bis zur Produktion. S-PRO wurde 2014 gegründet, hat den Hauptsitz an der Löwenstrasse 45 in 8001 Zürich, beschäftigt mehr als 300 Mitarbeitende, davon mehr als 250 Ingenieurinnen und Ingenieure, und ist nach ISO 27001 und ISO 27701 zertifiziert. Zu unseren Kunden zählen AMINA Bank und New Horizon Bank. S-PRO ist ein Certified Partner im Claude Partner Network.

Konzeption und Bau: KI-Agenten für Banken entwickeln
Direkt zum Gespräch: Discovery-Call (45 Minuten) vereinbaren oder Telefon +41 41 539 15 83

Quellen

Alle Abrufe am 2. November 2026.

Anthropic, “Building effective agents”, 19.12.2024: https://www.anthropic.com/engineering/building-effective-agents
Anthropic, Tool-Use-Dokumentation: https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview
OpenAI Agents SDK: https://openai.github.io/openai-agents-python/
FINMA-Aufsichtsmitteilung 08/2024, 18.12.2024 (Stand Dezember 2024): https://www.finma.ch/de/~/media/finma/dokumente/dokumentencenter/myfinma/4dokumentation/finma-aufsichtsmitteilungen/20241218-finma-aufsichtsmitteilung-08-2024.pdf
FINMA-Medienmitteilung 18.12.2024: https://www.finma.ch/de/news/2024/12/20241218-mm-finma-am-08-24/
FINMA-Umfrage zum KI-Einsatz, 24.04.2025: https://www.finma.ch/de/news/2025/04/20250424-mm-umfrage-ki/
SIF, Künstliche Intelligenz: https://www.sif.admin.ch/de/kuenstliche-intelligenz
Verordnung (EU) 2026/1744 (Änderung der Verordnung (EU) 2024/1689, Art. 113 Abs. 3 Buchst. c): https://eur-lex.europa.eu/eli/reg/2026/1744/oj
Verordnung (EU) 2024/1689 (KI-Verordnung), Anhang III Nr. 5 Buchst. b: https://eur-lex.europa.eu/eli/reg/2024/1689/oj
EDÖB, Datenschutztag 2026, 28.01.2026: https://www.edoeb.admin.ch/de/datenschutztag-2026
EDÖB, KI im Alltag: https://www.edoeb.admin.ch/de/ki-im-alltag
Datenschutzgesetz SR 235.1: https://www.fedlex.admin.ch/eli/cc/2022/491/de
EFK, “Wenn der Autopilot übernimmt”: https://www.efk.admin.ch/fachtexte/wenn-der-autopilot-uebernimmt-good-governance-im-ki-zeitalter/
DORA, Verordnung (EU) 2022/2554: https://eur-lex.europa.eu/eli/reg/2022/2554/oj