MCP-gestützte finanzielle KI-Workflows auf Databricks

Um die Grundlagen des Model Context Protocol (MCP) und Agent Bricks zu verstehen, lesen Sie den offiziellen Launch-Beitrag: Beschleunigen Sie die KI-Entwicklung mit Databricks: Entdecken, verwalten und erstellen Sie mit MCP und Agent Bricks.

Kontextgesteuerte Finanzintelligenz freischalten

Seien wir ehrlich: Im Finanzdienstleistungssektor scheitert KI nicht an schwachen Modellen. Sie scheitert bereits am Anfang, verheddert in Komplexität und Bürokratie. Die Gartner AI Mandates for the Enterprise Survey 2024 trifft das Problem auf den Punkt. Sage und schreibe 20 % der Institutionen nennen die KI-Integration als eines der drei größten Hindernisse, und 22 % warnen, dass sie generative KI-Bemühungen lähmt. Für Banken und Vermögensverwalter, die stolz auf Risikominimierung sind, ist dies ein Risiko, das nicht bestehen sollte. Dennoch ist es allgegenwärtig.​

Es ist an der Zeit, die Integrationskosten zu eliminieren. Führende Ingenieure setzen aus gutem Grund auf MCP. MCP hilft Teams, Silos aufzubrechen, die Integration von KI in Legacy-Infrastrukturen zu standardisieren und den Betrieb zukunftssicher zu machen, bevor es die Konkurrenz tut.​

MCP ist nicht nur ein weiteres technisches Framework. Wenn es auf Databricks aufbaut, kann es der Finanzbranche helfen, KI-Potenzial in regulierte, auditbereite Leistung im großen Maßstab umzuwandeln. Mit MCP sprechen proprietäre Daten, Modelle und Compliance-Vorgaben endlich dieselbe Sprache. So werden zukunftsorientierte Institutionen über Pilotprojekte hinausgehen, indem sie MCP in agentenbasierte, regulierte Workflows integrieren, die in der Produktion tatsächlich skalieren.

Intelligentere Agenten, sichere Workflows

Auf Databricks erweitert MCP die Möglichkeiten von Vektorspeichern, Dokumentensuche und Data-Science-Agenten, indem es diesen Komponenten ermöglicht, sicher mit externen APIs und Live-Unternehmensdaten zu interagieren. Teams können domänenbewusste Agenten erstellen, die proprietäre und externe Daten kombinieren, um Recherchen zu automatisieren, routinemäßige operative Arbeiten zu eliminieren, auf marktverändernde Ereignisse zu reagieren und Echtzeit-Einblicke zu liefern – alles innerhalb eines einheitlichen Governance- und Compliance-Frameworks.

Durch Funktionen zur Agentenorchestrierung wie den Supervisor Agent von Agent Bricks (Demo ansehen) ermöglicht Databricks Fachexperten, Workflows zu erstellen, die kontinuierlich lernen, auf Live-Signale reagieren und zeitnahe, umsetzbare Intelligenz im großen Maßstab produzieren.

Mit der Einführung von Agent Bricks: Supervisor Agent ermöglicht Databricks mehreren spezialisierten Agenten, wie z. B. denen für Sentiment-Analyse, Dokumentenextraktion, Kreditresearch oder Pitch-Book-Erstellung, die Zusammenarbeit unter einer einzigen Aufsichtsschicht. Dieser Supervisor orchestriert die Aufgabendelegation über Genie Spaces, MCP-Server und Unity Catalog-Funktionen hinweg und synthetisiert die Ausgaben aus jedem Bereich, um umfassendere und kontextbezogene Finanzanalysen zu liefern. Teams erhalten die Möglichkeit, komplexe, funktionsübergreifende Workflows – die unstrukturierte Dokumente, Marktdaten und Analysen umfassen – mit einer einzigen, verwalteten Databricks-Umgebung auszuführen.

Databricks als MCP-Hub für intelligente Workflows und Enterprise Agents

Databricks dient als Hub für MCP-gestützte KI-Workflows und vereinheitlicht Modelle, Daten und Tools innerhalb einer verwalteten Umgebung. Mit der sofort einsatzbereiten MCP-Integration unterstützt Databricks verwaltete Server, externe Verbindungen und benutzerdefinierte Bereitstellungen – alles verwaltet über Unity Catalog, das Berechtigungen, Abstammung und Auditierbarkeit für jede Agenteninteraktion durchsetzt.

Durch sein offenes und erweiterbares Ökosystem ermöglicht Databricks Unternehmen und Partnern den Aufbau sicherer, skalierbarer KI-Workflows, die interne Daten, Drittanbieter-APIs und Live-Analysen nahtlos kombinieren. Der Databricks MCP Marketplace bringt dies zum Leben – mit führenden Daten- und Analysepartnern wie LSEG, FactSet, Nasdaq, Moody’s, Dun & Bradstreet, Cotality und S&P Global Commodity Insights und Market Intelligence sowie Arcesium, die MCP-Dienste anbieten, die die KI-Adaption in Capital Markets, Banking und Versicherungen beschleunigen.

Branchenszenarien, die von MCP unterstützt werden

Kapitalmärkte

Echtzeit-Preisgestaltung, Kurven und Portfolio-Analysen

Mit in Databricks integrierten MCP-Agenten können Handelsteams Live-Marktdaten, Preisanalysen und Kurvenberechnungen direkt in Echtzeit-Workflows integrieren. Anstatt Feeds, APIs und Tabellenkalkulationen zusammenzufügen, kann ein Agent sofort Finanzinstrumentpreise, Renditen, Kreditkurven abrufen, Anleihen oder Swaps neu bewerten und aktuelle LSEG-Nachrichten einbeziehen – alles über natürliche Sprache. Dies ermöglicht Intraday-Neubewertungen, Stresstests, Absicherungsanalysen und Portfolio-Risikoprüfungen in Sekundenschnelle, wobei die Ergebnisse sofort für tiefere Analysen oder Visualisierungen bereitstehen. (Erfahren Sie mehr über LSEG MCP)

Ereignisgesteuerte Research- & Bewertungsintelligenz

Ein weiterer Workflow ermöglicht es Analysten, Live-Fundamentaldaten, Gewinnschätzungen und Management-Call-Transkripte zu kombinieren, um zu verstehen, wie neue Ereignisse oder Offenlegungen Bewertungen über eine Branche oder eine Peergroup hinweg beeinflussen können. Durch die Korrelation dieses Kontexts mit Portfoliobeständen können Agenten Expositions-Trends, Sentiment-Verschiebungen und Risikoüberarbeitungen identifizieren, um schnellere, erklärbare Einblicke für Research- und Strategieteams zu liefern. (Erfahren Sie mehr über FactSet MCP)

Multi-Asset-Fonds-Analyse

Mithilfe eines MCP-Servers für Marktdaten über Databricks' AI/BI Genie (eine Business-Intelligence-Lösung) oder Unity Catalog (eine optimierte Governance-Lösung) können Teams Zeitreihen- und Tabelleneingaben, Trendanalysen, Bestände, Sektorflüsse und alternative Signale abrufen und frühe Verschiebungen wie ungewöhnliche Fonds- oder Überarbeitungsdrift erkennen. Sobald der Agent erstellt ist, ordnet Agent Bricks diese Signale Portfolio-Expositionen zu, führt Szenarien für Makroschocks oder Sektorverschiebungen aus und schätzt die Auswirkungen auf NAV, Gewichtungen und Gegenparteirisiken. Anschließend generiert er ein Echtzeit-Dashboard und eine Zusammenfassung in natürlicher Sprache mit vorgeschlagenen Anpassungen, was eine schnellere Risikominderung und schärfere Cross-Asset-Einblicke innerhalb eines einzigen, verwalteten Workflows ermöglicht. (Nasdaq Data Link MCP)

Investment Operations & Fonds-Level-Einblicke

Die Buy-Side kann ihre Investment-Operations-Schicht direkt von Databricks aus mit natürlicher Sprache abfragen. Der Agent durchsucht semantisch Fonds-, Positions- und Transaktionsdatensätze, ruft Schemas ab und führt Live-Abfragen aus, um NAV-Bewegungen, Cashflows und Benchmark-Abweichungen zu analysieren. Die Ergebnisse werden in Echtzeit berechnet, was Intraday-Abgleiche, Liquiditätsprüfungen und operative Analysen ohne manuelle Datenaufbereitung oder Engineering ermöglicht.

Bankwesen

Kreditintelligenz und Beschleunigung der Portfolioüberprüfung

Ein Kreditrisiko-Agent kann Genie Spaces sicheren Zugriff auf aktuelle Ratingausblicke, Kreditmeinungen und zugehörige Recherchen direkt in Databricks gewähren. Analysten und Kundenbetreuer können Kreditentwicklungen, Sektorverschiebungen oder spezifische Kommentare zu Kreditnehmern in natürlicher Sprache abfragen, während die Ergebnisse auf gesteuerten Daten basieren. Dies ermöglicht es Teams, Kreditexpositionsdaten mit den neuesten Kreditinformationen zu integrieren, um Portfolioprüfungen, Underwriting und regulatorische Berichterstattung zu unterstützen. (Moody's MCP Server)

Automatisierte Analyse von Sicherheiten & Immobilenrisiken

Ein MCP-Agent auf Databricks kann sich mit externen Daten zu Immobilien, Bewertungen und Risiken verbinden, um die Hypothekenvergabe und die Portfolioverwaltung zu optimieren. Er ruft Gutachten, Hochwasser- und Gefahreninformationen ab, um das Sicherheitenrisiko zu bewerten, automatisiert Bewertungs- und Eignungsprüfungen während des Underwritings und überwacht kontinuierlich die Immobilienexposition über Portfolios hinweg. (Cotality CLIP MCP)

M&A-Modellierung mit Marktdaten

Ein M&A-Agent kann aktuelle Rohstoffkurven, Angebotsprognosen und Unternehmensgrundlagen kombinieren, um zu bewerten, wie sich Veränderungen auf dem Energiemarkt auf die Bewertung eines Zielunternehmens und die Deal-Ökonomie auswirken. Er zieht operative Kennzahlen, Kostenstrukturen, Margen und historische Performance heran, führt Szenarioanalysen zu Schwankungen der Rohöl- oder Gaspreise durch und modelliert die Auswirkungen auf EBITDA, Cashflow und Verschuldung. Der Agent liefert innerhalb von Minuten eine deal-fertige Übersicht über Sensitivitäten, Bewertungsbereiche und potenzielle Risiken, was Bankern die Möglichkeit gibt, Pitches zu gestalten, Zielunternehmen zu bewerten und Kunden mit schärferen, marktbezogenen Einblicken zu briefen. (S&P Market Intelligence und S&P Global Commodities MCP)

​​Versicherungen

Automatisierung von Underwriting, Schadenfällen und Betrugserkennung

Ein MCP-Agent auf Databricks integriert sich mit externen Geschäfts-, Finanz- und Netzwerkdaten, um Underwriting-, Schadenfall- und Compliance-Prozesse zu optimieren. Er ruft automatisch firmografische Profile, Eigentümerhierarchien und Zahlungsverhalten ab, um Geschäftsrisiken zu bewerten, Betrug zu erkennen und Kontrahenten während der Onboarding- und Schadenbearbeitung zu verifizieren. (D&B.AI MCP Agent-ready Data)

Das Fazit

MCP verwandelt getrennte Datensilos und statische Tools in sichere, intelligente, interoperable Agentensysteme. Mit Databricks kann jeder Datensatz, jede API und jedes Modell über gesteuerte Agenten aufgerufen werden, wodurch Institutionen in die Lage versetzt werden, Recherchen zu automatisieren, die Compliance zu optimieren und auf Live-Einblicke zu reagieren – und so Finanzoperationen intelligenter, schneller und sicherer zu gestalten.

• Sehen Sie sich eine Wiederholung von „The Future of AI: Build Agents that Work“ mit Sam Altman und Ali Ghodsi an.
• Sehen Sie sich das Demo-Video an
• Erfahren Sie mehr über MCP auf Databricks

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag