Financial Services
Datennutzung neu gedacht – mit Agentic AI und Model Context Protocol
( Services )
- AI Transformation
- Tech & Data
Ein weltweit führender Finanzdienstleister arbeitet seit mehreren Jahren mit DEPT® zusammen, um die Grenzen der digitalen Innovation zu verschieben.
Zunächst halfen wir dabei, die KI-Strategie des Unternehmens zum Leben zu erwecken, indem wir eine maßgeschneiderte Chat-Schnittstelle entwickelten. Diese machte den Zugriff auf unternehmenseigene Erkenntnisse deutlich einfacher. Mit der Zeit wurde diese Arbeit zur Grundlage für eine noch ehrgeizigere KI-Strategie.
Da wir schon so lange fest in das Team des Kunden integriert sind, basiert unsere Partnerschaft auf tiefgreifendem internen Wissen, täglicher Zusammenarbeit und großem Vertrauen. Dies hat es unseren Teams ermöglicht, im KI-Bereich größere und mutigere Schritte zu wagen.
Mit der Weiterentwicklung der KI sah das Unternehmen die Chance, seine exklusiven Forschungen, Marktanalysen und hochpräzisen Daten nicht mehr nur über einen Chat bereitzustellen. Vielmehr sollten diese direkt in die KI-Systeme integriert werden, die die Kunden bereits nutzen. Gemeinsam mit DEPT® entwickelte sich das Unternehmen von einem isolierten Konversationsassistenten hin zu einer integrierten, agentenbasierten Plattform, die vom Model Context Protocol (MCP) angetrieben wird. Das Ergebnis ist ein neues Wachstumsmodell, bei dem die Datenprodukte des Unternehmens von Menschen, Maschinen, Agenten und ganzen KI-Ökosystemen skalierbar genutzt werden können.
Mehr als nur eine Chat-Schnittstelle
Das von uns mitentwickelte Recherche-Tool war ein wichtiger erster Schritt. Um die Genauigkeit der Daten zu gewährleisten, haben wir für diesen anfänglichen Recherche-Assistenten ein „LLM-as-a-judge“-Evaluierungsframework implementiert – eine der ersten öffentlichen Lösungen dieser Art. Dabei überprüfte ein zweites Large Language Model (LLM) die Antworten der primären KI. So stellten wir sicher, dass die Ergebnisse auf genehmigten Forschungsdaten basierten und strenge Richtlinien (Guardrails) einhielten. Dies bot dem Kunden einen sicheren Weg, KI-Lösungen zu erkunden und gleichzeitig das Vertrauen und die Präzision zu wahren, auf die sich seine Marke stützt.
Mit zunehmender Reife der KI-Landschaft reagierten auch die Geschäftskunden des Unternehmens schnell. Sie bauten eigene, LLM-basierte Systeme auf und benötigten einen direkten Weg, um die Forschungsergebnisse des Finanzdienstleisters in ihre Workflows zu integrieren.
Dieser Wandel brachte eine neue Herausforderung mit sich: Bestehende Tools waren immer noch auf menschliche Interaktion ausgelegt und erforderten, dass Nutzer Informationen manuell suchen, extrahieren und neu formatieren mussten. Gleichzeitig musste das Unternehmen einen großen technologischen Sprung bewältigen: den Wechsel von deterministischer Software hin zu probabilistischer KI – und das alles, ohne Kompromisse bei Genauigkeit, Vertrauen und Markenreputation einzugehen.
Da wir bereits tief in das Geschäft eingebunden waren, konnten wir dem Unternehmen helfen, über schrittweise Verbesserungen hinauszudenken und direkt ein ambitioniertes, KI-natives Modell anzustreben.
Von RAG zu MCP
Wir haben gemeinsam mit dem Unternehmen neu durchdacht, wie seine Teams KI-gestützte Produkte entwickeln und bereitstellen. Anstelle isolierter Web-Anwendungen begann das Unternehmen, sich auf ein stärker vernetztes, agentenbasiertes Ökosystem zuzubewegen.
Anstatt weiterhin nur in klassische „Retrieval-Augmented Generation“ (RAG) zu investieren, schwenkten wir auf ein verteiltes Netzwerk von MCP-Servern um. Diese Architektur stellt die spezialisierten Tools des Unternehmens über ein standardisiertes Protokoll bereit. So werden Daten und Forschungsergebnisse für KI-Clients wie Claude, Microsoft Copilot und andere Unternehmenssysteme direkt zugänglich.
In der Praxis bedeutet das: Die Produkte des Unternehmens sind nicht länger in einer einzigen Benutzeroberfläche eingesperrt. Sie sind genau dort verfügbar, wo die Kunden sie benötigen.
Die Lösung führte zudem eine strategische Modell-Orchestrierung ein, um das beste Gleichgewicht zwischen Analyseleistung, Kosten und Latenzzeiten zu schaffen. Größere KI-Modelle übernehmen komplexe Aufgaben, während kleinere Modelle schnellere und effizientere Anfragen bearbeiten. Dies schafft eine skalierbare Grundlage für langfristiges Wachstum.
Ein neuer Standard für KI-gestützte Datenbereitstellung
Der Wechsel von menschenzentrierten Benutzeroberflächen hin zu maschinengerechter Datenbereitstellung hat dem Unternehmen einen völlig neuen Wachstumskanal eröffnet. Erstes Feedback war äußerst positiv, insbesondere im Hinblick auf die Möglichkeit, exklusive Forschungsergebnisse direkt in die Workflows der Kunden einzubetten.
Auch intern hat die Transformation zu mehr Geschwindigkeit und Flexibilität geführt. Dank KI-gestützter Entwicklungstools und einer modulareren Architektur können Teams schneller agieren und gleichzeitig den strengen regulatorischen Anforderungen des Finanzsektors gerecht werden.
Die Plattform ist nun optimal aufgestellt, um mit dem Unternehmen mitzuwachsen. Interne Teams können spezialisierte Tools beisteuern, die sich nahtlos in ein ganzheitliches Nutzererlebnis einfügen.
Wachstum freigesetzt
Dieser Case war keine einmalige KI-Implementierung. Es war das nächste Kapitel einer mehrjährigen Partnerschaft, die auf Vertrauen, enger Zusammenarbeit und gemeinsamen Ambitionen basiert.
Durch agentenbasierte KI und MCP kann das Unternehmen seine wertvollsten Forschungs- und Datenprodukte nun direkt in die Systeme einspeisen, in denen seine Kunden arbeiten, entwickeln und Entscheidungen treffen.
Das Ergebnis ist ein schnelleres, flexibleres und zukunftssicheres Wachstumsmodell – eines, das das Unternehmen als Vorreiter für KI-native Finanzintelligenz positioniert.
