AI in Finance: OpenClaw: Wenn KI nicht nur denkt, sondern macht

Folge 3 startet mit einem kleinen Meilenstein: Mit André Bajorat gibt es den ersten Gast im Podcast. Und direkt ein Thema, das nach „Agentic“ riecht. OpenClaw (ehemals Clawbot/Moldbot) ist kein eigenes KI-Modell, sondern ein Agent, der beliebige LLMs anbindet, von OpenAI über Anthropic bis Gemini, sogar lokal. Der Clou: OpenClaw läuft als Prozess im Hintergrund, hat „Heartbeat“ (arbeitet proaktiv) und ein nahezu unbegrenztes Memory.

OpenClaw: Agent statt Chatbot

In der Episode dreht sich vieles um OpenClaw (zuvor kursierten Namen wie Clawbot oder Moldbot). Wichtig dabei: OpenClaw ist kein eigenes KI-Modell, sondern ein Agent, der unterschiedliche Sprachmodelle (LLMs) anbinden kann – von Cloud-Anbietern bis hin zu lokalen Modellen. Er lässt sich lokal auf einem Rechner betreiben oder auf einem Server installieren.

Der Unterschied zu klassischen Chatbots liegt im Zugriff: OpenClaw kann – sofern erlaubt – wie ein „digitaler Assistent“ am Gerät handeln. Er kann Dateien suchen, sortieren, zusammenführen, versenden und im Browser Aufgaben übernehmen. Zusätzlich bringt er zwei Funktionen mit, die in der Diskussion mehrfach als relevant auftauchen:

• Heartbeat: der Agent läuft im Hintergrund und kann proaktiv erinnern oder reagieren.
• Memory: er merkt sich Kontexte über längere Zeit und kann darauf später wieder zurückgreifen.

Kommunikation funktioniert nicht nur über ein Web-Interface, sondern auch über Messenger (z. B. WhatsApp, Telegram, Slack). Damit wird der Agent „mobil erreichbar“ – vom Handy aus lassen sich Aufgaben am Rechner anstoßen.

Chancen und Risiken: Sicherheit als zentrales Thema

Ein Schwerpunkt der Folge sind die Risiken, die mit einem Agenten mit Systemrechten einhergehen. Die drei diskutieren, dass OpenClaw mit falscher Konfiguration schnell zur IT-Sicherheitsbaustelle werden kann – etwa durch zu weit gefasste Berechtigungen oder Angriffe über Prompt Injection, wenn der Agent über Messenger oder Gruppen erreichbar ist.

André bringt einen weiteren Punkt ein: Der Agent ist auf die angebundenen Modelle angewiesen und damit auf deren Preis- und Nutzungsregeln. Wenn ein Modell teurer wird, den Zugriff einschränkt oder Policies verschärft, kann das den Nutzen des Agenten massiv beeinflussen. Als Vergleich fällt sinngemäß der Plattform-Effekt früherer APIs: Wird der Zugang gedrosselt, kann ein ganzes Ökosystem ausgebremst werden.

Neben Kosten geht es auch um Abhängigkeiten: Wer nutzt wessen Infrastruktur? Und was bedeutet das für Daten, Kontrolle und langfristige Stabilität?

Banking & Open Banking: KI als neues Betriebssystem der Bank

Die Diskussion zeigt zwei Linien:

1. KI innerhalb der Bank-App: KI als Feature, das Prozesse verbessert, Beratung unterstützt und Service automatisiert – ohne dass Kund:innen die gewohnte Umgebung verlassen.
2. KI als Zugang zur Bank: KI-Tools oder Agenten, die sich per Schnittstelle (z. B. Open Banking) Daten ziehen und perspektivisch auch Aktionen auslösen.

Gerade bei Finanzthemen wird jedoch deutlich: Der kritische Punkt ist der Schritt vom lesenden Zugriff (Daten abfragen) zum schreibenden Zugriff (Transaktionen ausführen). Hier werden Themen wie Haftung, Autorisierung, Sicherheit und Transparenz besonders relevant.

Unterm Strich: Für Banken wird KI weniger „der neue Chatbot“ sein, sondern eher ein strategisches Fundament – als Infrastruktur, die Prozesse, Datenqualität und Integration verbessert. Gleichzeitig entstehen mit Agenten neue Touchpoints, auf die Banken reagieren müssen.

Disclaimer

Was ihr hier hört, sind unsere Gedanken und Meinungen, nicht die unserer Arbeitgeber, Zimmerpflanzen oder Haustiere. Als Enthusiasten versuchen wir, euch Einblicke in die Welt von künstlicher Intelligenz in Finance zu geben, aber wir sind nur AI-Enthusiasten, keine Hellseher. Unsere Einschätzungen könnten genauso gut aus einem Horoskop stammen. Also, macht’s euch gemütlich und genießt die Show!