Anthropic lanciert am 5. Mai 2026 zehn produktionsreife Financial-Agenten für Claude. Warum der Release die Messlatte für Enterprise-AI verschiebt und welche Lektionen Schweizer Agenturen daraus ziehen können.
Anthropic veröffentlichte am 5. Mai 2026 zehn produktionsreife Financial-Agenten für Claude: Pitchbook Drafter, KYC Screener, Credit Memo Drafter, Month-End Close Automator und sechs weitere. Jeder Agent ist eine Reference Architecture mit Skills, governten Daten-Connectors und Sub-Agenten – deploybar als Plugin in Claude Cowork/Code oder als Cookbook für Managed Agents. Claude führt die Vals AI Finance Agent Benchmark mit 64,37% an. 40% der Top-50-Anthropic-Kunden sind Financial Institutions. Für Schweizer Agenturen: Die Templates zeigen, wie Enterprise-AI-Agenten strukturiert werden müssen (Skills + Connectors + Sub-Agenten) – übertragbar auf HR, Legal, Pharma.
Zehn Agenten, eine neue Kategorie
Am 5. Mai 2026 lancierte Anthropic Claude for Finance – zehn produktionsreife AI-Agent-Templates für die zeitaufwändigsten Aufgaben im Finanzsektor. Die Ankündigung erfolgte auf einer privaten Konferenz in New York, dediziert an Financial Services. Der Release markiert einen Wendepunkt: Zum ersten Mal liefert ein Frontier-Lab nicht nur ein Modell, sondern vollständige Reference Architectures mit Domain-Wissen, Multi-Agent-Orchestrierung und governten Daten-Connectors.
Die zehn Agenten decken vier Bereiche ab:
| Bereich | Agent | Aufgabe |
|---|---|---|
| Investment Banking | Pitchbook Drafter | Generiert Pitch-Decks mit Comps, Valuation-Modellen, Transaktions-Rationale |
| Comps Screener | Screent vergleichbare Transaktionen, filtert nach Industrie/Grösse/Geografie | |
| Credit & Risk | Credit Memo Drafter | Entwirft Credit Memos mit Risiko-Assessment, Covenant-Analyse |
| Market Researcher | Tracked Sektor- und Issuer-Entwicklungen, synthetisiert News/Filings/Broker-Research | |
| Compliance | KYC Screener | Screent KYC-Files, prüft Sanktionslisten, flagged Compliance-Risiken |
| Model Risk Reviewer | Reviewed Valuation-Modelle auf methodische Schwächen, Annahmen-Konsistenz | |
| Accounting | Month-End Close Automator | Automatisiert Monatsabschluss-Tasks: Journal Entries, Reconciliation, Variance-Analyse |
| Journal Entry Reviewer | Reviewed Journal Entries auf Plausibilität, flagged ungewöhnliche Muster | |
| Earnings Review Agent | Analysiert Quartalsberichte, extrahiert Key Metrics, vergleicht mit Guidance | |
| Valuation Reviewer | Prüft Bewertungsmodelle auf Konsistenz, Sensitivitäts-Analyse, Methodik |
Jeder Agent ist eine Reference Architecture, die drei Komponenten kombiniert:
- Skills — Task-Workflows und Domain-Wissen (z.B. Credit-Analyse-Methodik, Covenant-Hierarchie)
- Connectors — Governter, real-time Zugriff auf Daten-Provider (Bloomberg-Equivalent, Moody’s MCP App, Excel/PowerPoint/Word via Microsoft 365 Add-ins)
- Sub-Agenten — Zusätzliche Claude-Modelle, die für spezifische Sub-Tasks (Comps-Selektion, Methodology-Checks) aufgerufen werden
64,37 %
Vals AI Finance Benchmark
Claude Opus 4.7 führt die Industrie-Benchmark für Financial Tasks – höchster veröffentlichter Wert.
40 %
Financial Institutions unter Top-50-Kunden
Anthropic nennt Goldman Sachs, Visa, Citi, AIG als öffentlich bestätigte Nutzer (Reporting: Reuters, Bloomberg).
10
Produktionsreife Agenten
Deploybar als Plugins in Claude Cowork/Code oder als Cookbooks für Claude Managed Agents.
Warum ist das keine gewöhnliche API-Integration? Weil jeder Agent Risk Policies, Approval Flows und Modellierungs-Konventionen als anpassbare Parameter mitbringt. Eine Bank kann die Templates an ihre eigenen Compliance-Regeln anpassen, eigene Daten-Connectors (intern gehosted) einbinden, und Sub-Agenten mit firmen-eigenen Prompts überschreiben.
Der Unterschied zu ChatGPT-Plugins: ChatGPT-Plugins sind Funktions-Aufrufe ohne integrierte Multi-Agent-Orchestrierung, ohne Domain-Wissen, ohne governte Daten-Connectors. Claude Finance ist eine End-to-End-Lösung – vom Prompt bis zum signierten Deliverable, mit menschlicher Review an jedem kritischen Checkpoint.
Die Architektur: Skills + Connectors + Sub-Agenten
Der zentrale Fortschritt liegt in der Drei-Schichten-Architektur. Frühere AI-Assistenten waren entweder generische Chatbots (ChatGPT, Bard) oder spezialisierte Tools ohne Orchestrierung (GitHub Copilot, Tabnine). Claude Finance kombiniert beides:
Layer 1: Skills — Jeder Agent hat ein Set von vorkonfigurierten Skills, die den Task in Schritte zerlegen. Der Pitchbook Drafter hat Skills für: Comps-Selektion, Valuation-Methodenwahl (DCF, Trading Multiples, Precedent Transactions), Executive-Summary-Generierung, Risk-Factors-Identifikation. Diese Skills sind anpassbar – eine Bank kann eigene Modellierungs-Konventionen (z.B. WACC-Berechnungs-Standard, Terminal-Value-Annahmen) als Custom Skill hinterlegen.
Layer 2: Connectors — Connectors geben Claude governed, real-time Zugriff auf Daten-Provider. Moodys hat ein MCP App gelauncht (proprietäre Credit-Ratings und Daten zu 600+ Millionen öffentlichen und privaten Unternehmen). Bloomberg-Equivalent-Terminale können via Custom Connector eingebunden werden. Microsoft 365 Add-ins ermöglichen direkten Kontext-Transfer zwischen Excel, PowerPoint, Word, Outlook – ein Analyst startet in Excel, Claude liest das Bewertungsmodell, generiert ein Pitch-Deck in PowerPoint, ohne dass der Analyst dazwischen Copy-Paste machen muss.
📊 PRAKTISCHES BEISPIEL: PITCHBOOK DRAFTER
Ein Analyst gibt Claude den Befehl: "Erstelle ein Pitchbook für eine Tech-M&A-Transaktion, Target: SaaS-Unternehmen CHF 200M Revenue, Schweiz." Claude ruft Sub-Agenten auf: (1) Comps Screener filtert vergleichbare Deals (Industrie: SaaS, Grösse: CHF 150-300M, Region: DACH), (2) Valuation Reviewer prüft die gewählte Methodik (Trading Multiples EV/Revenue, DCF mit 8% WACC), (3) Pitchbook Drafter generiert das Deck mit Comps-Tabelle, Bewertungs-Range, Transaktions-Rationale. Output: PowerPoint-Deck, 40 Slides, menschlicher Review an drei Checkpoints (Comps-Auswahl, Valuation-Annahmen, Executive Summary). Zeit: 3 Stunden statt 3 Tage.
Layer 3: Sub-Agenten — Sub-Agenten sind spezialisierte Claude-Instanzen mit eigenen Modellen, Prompts und Tools. Der Lead-Agent delegiert Sub-Tasks an sie (z.B. Comps-Screener übernimmt die Comps-Selektion, Valuation Reviewer prüft die Methodik). Sub-Agenten arbeiten in separaten Kontexten – der Lead-Agent sieht nur die Ergebnisse, nicht die Zwischenschritte. Das ermöglicht Parallelisierung: Während der Comps Screener Deals filtert, kann der Market Researcher gleichzeitig News/Filings screenen.
Microsoft 365 Integration: Kontext-Transfer ohne Copy-Paste
Anthropic kündigte gleichzeitig Claude Add-ins für Microsoft 365 an (Excel, PowerPoint, Word, Outlook “coming soon”). Die Add-ins ermöglichen automatischen Kontext-Transfer: Ein Analyst startet in Excel mit einem Coverage-Modell, wechselt zu PowerPoint, und Claude “erinnert sich” an die Excel-Daten – ohne Re-Upload, ohne erneutes Erklären.
Warum ist das ein Game-Changer? Weil der grösste Produktivitäts-Verlust in Financial Services nicht die Modellierung ist, sondern der Kontext-Bruch zwischen Tools. Ein Analyst baut ein Bewertungsmodell in Excel (3 Stunden), exportiert Screenshots für PowerPoint (30 Minuten), passt Formatierungen an (1 Stunde), schreibt das Executive Summary in Word (1 Stunde). Mit Claude Add-ins: Modell in Excel (3 Stunden), Claude generiert Deck + Summary automatisch (15 Minuten). Die 2,5 Stunden Zeitersparnis pro Pitchbook summieren sich über 50 Deals/Jahr auf 125 Stunden pro Analyst.
FIS (ein führender Fintech-Provider, der für tausende Financial Institutions weltweit Money Movement abwickelt) wird als Launch-Partner genannt. Das Signal: Nicht nur Investment Banks nutzen Claude Finance, sondern die gesamte Fintech-Infrastruktur dahinter.
Was lernen Schweizer Agenturen daraus?
Claude Finance ist kein Finanz-Tool – es ist ein Blueprint für Enterprise-AI in regulierten Branchen. Schweizer Agenturen, die AI-Agenten für HR, Legal, Pharma, Versicherungen bauen, können dieselbe Drei-Schichten-Architektur übernehmen:
1. Skills als Workflow-Templates — Statt jeden Agenten von Grund auf zu prompten, definieren Sie wiederkehrende Workflows als Skills. Beispiel: Eine HR-Agentur baut einen “Candidate Screening Agent” mit Skills für: CV-Parsing, Skill-Matching gegen Job-Description, Cultural-Fit-Assessment, Interview-Fragen-Generierung. Diese Skills sind über Mandate hinweg wiederverwendbar – nur die Job-Description und die Skill-Matrix ändern sich.
2. Connectors für governed Data Access — Statt Daten manuell hochzuladen, binden Sie Daten-Quellen via Connectors an. Beispiel: Ein Legal-AI-Agent für Contract Review hat Connectors zu: DMS (Dokumenten-Management-System), Vertragsdatenbank, Juristische Datenbanken (z.B. swisslex.ch). Der Agent liest Verträge direkt aus dem DMS, vergleicht Klauseln mit der Vertragsdatenbank, flagged Abweichungen von Standards.
3. Sub-Agenten für Parallelisierung — Statt einen monolithischen Agenten zu bauen, der alles macht, delegieren Sie Sub-Tasks an spezialisierte Agenten. Beispiel: Ein Pharma-Regulatory-Agent für Clinical-Trial-Dokumentation hat Sub-Agenten für: Protocol Review (prüft Clinical-Trial-Protokoll auf Swissmedic-Konformität), Adverse-Event-Monitoring (screent Adverse-Event-Reports), Regulatory-Filing-Drafter (generiert Swissmedic-Submissions). Der Lead-Agent orchestriert die Sub-Agenten, konsolidiert Outputs, präsentiert das Ergebnis dem menschlichen Reviewer.
Agenturen wie Ergon, BBV Software Services, oder Zühlke bauen bereits Enterprise-AI-Lösungen für Schweizer Konzerne. Claude Finance zeigt ihnen, wie die nächste Generation aussehen muss: Nicht ein Chatbot, sondern eine Multi-Agent-Architektur mit Domain-Wissen, governten Daten-Connectors und menschlicher Review an kritischen Checkpoints.
✅ ÜBERTRAGBAR AUF SCHWEIZER BRANCHEN
Die zehn Financial-Agenten sind Templates – keine fertigen Produkte. Schweizer Agenturen können die Architektur auf andere Branchen übertragen: Legal (Contract Review, Due Diligence), HR (Candidate Screening, Onboarding), Pharma (Regulatory Filing, Clinical Trial Documentation), Versicherungen (Claims Processing, Underwriting). Die Skills, Connectors und Sub-Agenten ändern sich – die Architektur bleibt gleich.
Claude Managed Agents: Dreaming, Outcomes, Multiagent Orchestration
Parallel zu Claude Finance kündigte Anthropic am 7. Mai drei neue Features für Claude Managed Agents an:
1. Memory + Dreaming — Jeder Agent kann lernen, was er während der Arbeit entdeckt. Dreaming verfeinert dieses Gedächtnis zwischen Sessions: Es extrahiert geteilte Learnings über Agenten hinweg, hält das Gedächtnis aktuell, entfernt Duplikate. Das Konzept ist nicht neu (das open-source Hermes Agent Framework bietet cross-session Memory seit einem Jahr), aber Anthropics Beitrag ist: Managed Default statt DIY-Setup. Agenturen ohne Engineering-Bandwidth profitieren – keine manuelle Memory-Substrate-Verwaltung mehr.
2. Outcomes — Statt dem Agenten nur zu sagen, was er tun soll, definieren Sie was Erfolg bedeutet. Sie schreiben eine Rubrik (z.B. “Erfolgreiches Pitchbook: Comps < 5 Jahre alt, Valuation-Range plausibel, Executive Summary < 1 Seite, keine Rechtschreibfehler”). Ein separater Grader-Agent bewertet den Output gegen diese Kriterien in einem eigenen Kontext-Fenster (nicht vom Haupt-Agenten beeinflusst). Wenn etwas nicht stimmt, pinpointed der Grader das Problem, der Agent iteriert. Das löst das “Wie weiss ich, dass der Agent fertig ist?”-Problem.
3. Multiagent Orchestration — Ein Lead-Agent kann den Job in Stücke zerlegen und jedes Stück an einen Spezialisten mit eigenem Modell, Prompt und Tools delegieren. Die Sub-Agenten arbeiten parallel auf einem geteilten Filesystem, füttern Ergebnisse zurück in den Lead-Agent-Kontext. Der Lead-Agent kann mid-workflow Sub-Agenten überprüfen (“Ist der Comps Screener auf Track?”). Das ganze System ist auditierbar in Claude Console.
Warum relevant für Schweizer Agenturen? Weil Multiagent Orchestration das Skalierungsproblem löst. Ein einzelner Agent kann maximal 1M Tokens Kontext halten (Claude 4.x). Ein grosses Projekt (z.B. Code-Migration einer Legacy-App mit 500k LoC) sprengt diesen Kontext. Mit Multiagent Orchestration: Lead-Agent zerlegt die Migration in Module, delegiert jedes Modul an einen Sub-Agenten, konsolidiert die Ergebnisse. Agenturen wie Simplificator oder Bitforge, die Legacy-Modernisierung anbieten, können damit Projekte übernehmen, die vorher unmöglich waren.
Wie viel kostet der Betrieb eines Claude Finance-Agenten?
Anthropic nennt keine öffentlichen Preise für die Agenten selbst (sie sind kostenlos als Templates). Kosten fallen für: (1) Claude Opus 4.7 API-Nutzung (Variable pro Million Tokens), (2) Connectors (Moody’s MCP App, Bloomberg-Equivalent – eigene Preismodelle), (3) Claude Cowork/Code Enterprise Plan (ab ~$30/User/Monat, variiert). Ein Pitchbook-Draft kostet schätzungsweise CHF 2–5 in API-Gebühren, abhängig von Comps-Anzahl und Deck-Länge.
Sind die Agenten FINMA-konform?
Die Agenten selbst sind Tools – FINMA-Konformität hängt davon ab, wie sie eingesetzt werden. FINMA-Guidance (Dezember 2024) fordert: Bias-Mitigation, Datenschutz (DSG), IT-Sicherheit, Risk-Management. Claude Finance erfüllt technisch die Anforderungen (Sub-Agenten für Methodology-Checks, Audit-Trails in Claude Console), aber die Firma muss eigene Risk Policies implementieren. Anthropic betont: “Every output requires human review” – kein Agent approved Transactions, Onboarding oder Bookings autonom.
Können Schweizer Agenturen die Finance-Templates für eigene Kunden deployen?
Ja. Die Templates sind als Cookbooks für Claude Managed Agents verfügbar und laufen auf Anthropics API. Agenturen können die Reference Architectures an eigene Modellierungs-Konventionen, Risk Policies und Approval Flows anpassen. Voraussetzung: Claude Cowork/Claude Code Enterprise Plan oder API-Zugang. Die Templates sind Open Source und im Financial Services Marketplace verfügbar.
Wie unterscheidet sich Claude Finance von OpenAI Assistants API?
OpenAI Assistants API ist eine generische Multi-Agent-Plattform ohne Domain-Wissen. Claude Finance liefert produktionsreife Reference Architectures mit Financial-Domain-Skills, governten Connectors (Moody’s, Bloomberg-Equivalent, Microsoft 365), und Multi-Agent-Orchestrierung. Der Unterschied: “Build it yourself” vs. “Deploy and adapt”. Agenturen, die schnell produktiv werden wollen, wählen Claude Finance. Agenturen, die volle Kontrolle über die Architektur wollen, bauen auf OpenAI Assistants oder Hermes (Open Source).
Quellen & Methodik
Dieser Artikel basiert auf Anthropics offizieller Ankündigung vom 5. Mai 2026 (Anthropic Blog: “Agents for financial services”), Reporting von Reuters, Bloomberg, Fortune, WSJ (zitiert in Let’s Data Science News), und Product-Launch-Coverage von 9to5Mac, Beginners in AI, MindStudio. Zahlen zur Vals AI Finance Agent Benchmark (64,37%) stammen aus dem Anthropic Blog-Post. Informationen zu Claude Managed Agents (Memory, Dreaming, Outcomes, Multiagent Orchestration) aus Anthropics Release Notes (7. Mai 2026) und 9to5Mac-Coverage.
Stand: 1. Juni 2026, 08:00 UTC.
