Der Datenanbieter Handshake AI hat im Rahmen eines Branchengesprächs ernüchternde Zahlen zur Zuverlässigkeit aktueller Spitzenmodelle im Finanzsektor vorgelegt. Laut Unternehmenschef Garrett Lord und Finanzchef Collin, einem früheren Bulge-Bracket-Investmentbanker, erzielen führende KI-Systeme im hauseigenen Benchmark ATLAS-Finance eine Erfolgsquote von unter 20 Prozent. Die Ergebnisse verdeutlichen die erhebliche Kluft zwischen theoretischem Sprachverständnis und der fehlerfreien Ausführung komplexer institutioneller Arbeitsabläufe. Trotz massiver Investitionen führender Forschungslabore in spezialisierte Daten und Reinforcement-Learning-Umgebungen bleiben viele praktische Bankanwendungen derzeit ungelöst.
Die untersuchten Arbeitsabläufe spiegeln den typischen Alltag von Analysten in Investmentbanken und Private-Equity-Firmen wider. Konkret testete das Team Workflows wie das automatisierte Extrahieren von Transaktionsdaten aus Bank-E-Mails und deren anschließende Übernahme in bestehende Finanzmodelle. Dabei zeigte sich ein wiederkehrendes Paradoxon in der Modellarchitektur: Auf gezielte Nachfrage konnten die Sprachmodelle komplexe Steuervorschriften und Rechnungslegungsstandards zwar theoretisch korrekt wiedergeben. Sobald sie diese Regeln jedoch eigenständig in Python-Skripten oder Excel-Kalkulationen umsetzen sollten, unterliefen ihnen gravierende Rechenfehler, beispielsweise durch das fehlerhafte Subtrahieren bestehender Goodwill-Posten.
Diese technischen Hürden bremsen den kommerziellen Hunger führender KI-Entwickler keineswegs, sondern befeuern ihn sogar. Handshake AI verzeichnete innerhalb von nur rund einem Jahr einen Anstieg des annualisierten Bruttoumsatzes auf fast eine Milliarde US-Dollar, wovon etwa 950 Millionen Dollar auf diese Dateninfrastruktur entfallen, bei einem Gesamtumsatz von rund 1,1 Milliarden Dollar. Führende Frontier Labs kaufen im großen Stil hochspezialisierte Trainings- und Evaluierungsdaten ein, um ihre Agenten gezielt auf regulatorische und finanzmathematische Anforderungen vorzubereiten. Das rasante Wachstum von Handshake unterstreicht, wie dringend Entwickler nach validierten RL-Umgebungen suchen, die über herkömmliche Web-Scrapes hinausgehen.
Die Nachfrage nach hochqualitativen Datensätzen hat sich zu einem der dynamischsten Wirtschaftszweige des KI-Ökosystems entwickelt. Nach Angaben von Handshake AI wuchs der globale Markt für spezialisierte Trainings- und Evaluierungsdaten in den Bereichen Finanzen, Biologie und Alignment von etwa einer Milliarde US-Dollar vor drei Jahren auf heute rund zehn Milliarden US-Dollar an. Bis zum Jahr 2029 prognostiziert das Unternehmen ein Marktvolumen von bis zu 100 Milliarden US-Dollar. Für Finanzkonzerne bedeutet diese Entwicklung, dass künftige Automatisierungsgewinne direkt von der Qualität und Exklusivität dieser Trainingsdaten abhängen werden.
Die Diskrepanz zwischen Modellversprechen und realer Leistungsfähigkeit wirft gleichzeitig neue Fragen für das Risikomanagement in der Finanzwirtschaft auf. Da Modelle bei Teilaufgaben zwar brillante Ergebnisse liefern, aber in unvorhersehbaren Momenten elementare Grundsätze verletzen, bleibt die manuelle Endkontrolle durch Fachpersonal unumgänglich. Solange autonome Agenten die 20-Prozent-Marke bei realistischen Workflows nicht signifikant übertreffen, warnen Branchenbeobachter vor verfrühten Produktivstarts in hochregulierten Bereichen. Für Führungskräfte in Banken bedeutet dies vor allem, bestehende Automatisierungspläne nüchtern neu zu bewerten und Prüfmechanismen strikt beizubehalten.