Wie Claude Finanzdienstleistungen transformiert

Die Episode beginnt mit einem konkreten Beispiel von BCI, die Claudes Artifact-Funktion nutzt, um statische Excel-Tabellen in Live-Dashboards umzuwandeln. Statt wöchentliche und quartalsweise manuelle Updates durchzuführen, verbindet BCI sich direkt mit S&P- und FactSet-Datensätzen, wodurch die Kennzahlenvergleiche automatisch aktualisiert werden. Alexander Brickin und Nick Lin, die Leiter der angewandten KI bzw. des Produktteams für Claude im Finanzwesen, führen in das Thema ein. Nick betont, dass nicht nur die Arbeitgeschwindigkeit zunimmt, sondern dass die Art der Arbeit selbst transformiert wird, da Analysten weniger Zeit auf banale, manuelle Aufgaben verwenden und sich stattdessen auf strategische Aktivitäten wie Kundenbeziehungen konzentrieren können.

Nick beschreibt die dramatische Veränderung der Enterprise-KI-Landschaft in der Finanzbranche über die letzten 18 Monate. Während Unternehmen früher hauptsächlich KI beobachteten, haben sie nun begonnen, KI aktiv in Produktion einzusetzen. Er nennt Beispiele wie Inbin und den Norwegian Southern Wealth Fund mit etwa 9.000 Portfoliounternehmen, die Model Context Protocols für Integrationen gebaut haben, um tägliche Erkenntnisse über ihre Portfolios zu gewinnen. Nick hebt hervor, dass Analysten deutlich weniger Zeit auf manuelle, mühsame Arbeit verbringen und sich stattdessen auf wichtige Aufgaben wie das Verstehen von Geschäftsmodellen und den Aufbau von Kundenbezieungen konzentrieren können. Die Botschaft vermittelt eine fundamentale Verschiebung von KI-Experimentieren zu echter, geschäftskritischer Anwendung.

Alexander erörtert, warum Claude in Finanzen so effektiv ist: Claudes Stärke in der Codeerstellung erstreckt sich auf komplexe Systeme und strukturierte Logik, was für die Finanzbranche besonders wertvoll ist. Alexander erläutert, dass Anthropic drei Komponenten der Sicherheit verfolgt: sichere Bereitstellung in Unternehmensumgebungen, genaue Antworten mit richtigem Verständnis und Überprüfbarkeit für Benutzer. Nick erklärt, dass Anthropic auf KI-Sicherheitsforschung gegründet wurde und darauf abzielt, Modelle zu bauen, die sicher für die komplexesten Probleme eingesetzt werden können. Die Diskussion unterstreicht, dass Code fundamental für jeden Teil eines Unternehmens ist, und dass Claudes Fähigkeit, strukturierte Logik zu schreiben, auf Finanzen, Excel-Tabellen und PowerPoint-Präsentationen abstrahiert, was Analysten hilft, pixel-perfekte Modelle effizienter zu erstellen.

Nick präsentiert Claudes neu eingeführte Datei-Erstellungsfunktion, die es Claude ermöglicht, Excel-Dokumente und PowerPoint-Präsentationen zu erstellen und zu manipulieren. Diese Funktion läuft im Wesentlichen auf einer virtuellen Maschine, auf der Claude in großem Maßstab Python-Code ausführen kann, um Excel-Dokumente zu bearbeiten, zu analysieren und zu erstellen, insbesondere für die Erstellung perfekter DCF-Modelle (Discounted Cash Flow). Nick betont das Aufregungspotential dieser Funktion für finanzielle Anwendungsfälle und deuten an, dass es viele weitere Domänen gibt, in denen Code bedeutende Möglichkeiten freischalten könnte. Diese Entwicklung zeigt, wie Claudes Codierungsfähigkeiten über reine Softwareentwicklung hinaus in praktische Finanztools übersetzt werden.

Nick erklärt sein konzeptionelles Framework für Claude for Finance, das auf drei Verben basiert: Abrufen, Analysieren und Erstellen. Beim Abrufen nutzen Sprachmodelle ihre Fähigkeit, schnell große Datenmengen zu verarbeiten (5.000-mal schneller als Menschen), um Erkenntnisse zu sammeln und sich mit Kern-Datenquellen zu verbinden, mit denen Finanzanalysten arbeiten. Beim Analysieren geht es darum, Analysen im großen Maßstab durchzuführen, sei es durch Code oder Tabellen, da Finanzmodelle Analysten die Möglichkeit geben, ihr eigenes Urteil über zukünftige Entwicklungen und Bewertungen einzubringen. Beim Erstellen müssen Ergebnisse kundenreif und vorstandsreif präsentiert werden. Nick beschreibt, wie diese Elemente sich gegenseitig verstärken – die Daten aus dem Abruf können einzigartig mit anderen Systemen verbunden werden (z.B. Snowflake-IDs mit Salesforce), was zu noch präziseren Analysen führt.

Alexander und Nick erläutern die dreischichtige Architektur von Claude for Finance: Modelle, agentgestützte Fähigkeiten und Plattform. Bei den Modellen erklärt Nick, dass Anthropic als Forschungslabor darauf abzielt, Claude zum besten Modell für Finanzdienstleistungen zu machen, und dabei eng mit frühen Kunden wie BCI, Pearl & Weinberg und MBIM zusammenarbeitet, um Anwendungsfälle zu verstehen. Die agentgestützten Fähigkeiten umfassen Funktionen wie tiefe Forschung und die Einbettung von Claude in Kernoberflächen wie Claude Enterprise, Claude AI, Browser-Erweiterungen, Excel und Chrome. Die Plattform soll flexibel und maßgeschneidert sein, weshalb Anthropic mit Branchenpartnern wie S&P, FactSet und PitchBook zusammenarbeitet, um diese Integrationen aufzubauen. Nick betont, dass dieser Ansatz es Agenten ermöglicht, so leistungsstark wie möglich zu sein.

Nick beschreibt, dass die erfolgreiche AI-Adoption weniger mit spezifischen Finanzkategorien zu tun hat, sondern eher mit der Unternehmenskultur, die Kunden schaffen. Es erfordert eine Balance zwischen Top-down-Ermutigung, um Barrieren zu senken, und einer Bottom-up-Experimentierkultur. Er verwendet BCI als Hauptbeispiel: Das Unternehmen führt Comps-Analysen durch, bei denen Analysten Finanzkennzahlen mehrerer Unternehmen vergleichen, um festzustellen, ob sie fair bewertet sind. Statt statische Excel-Tabellen wöchentlich und quartalsweise zu aktualisieren, nutzt BCI Claudes Artifact-Funktion, um sich direkt mit S&P- und FactSet-Datensätzen zu verbinden und ein Live-Dashboard zu schaffen. Dieses Dashboard kann mit einem einfachen Prompt an Claude aktualisiert werden und wird mit Geschäftsführern geteilt, die direkt damit arbeiten. Dies zeigt nicht nur eine Beschleunigung, sondern eine grundlegende Transformation der Finanzarbeit.

Alexander und Nick erörtern die Bedeutung von Gedächtnis-Systemen für Claude im Finanzwesen. Da es wenig interne Finanzkompetenz bei Anthropic gibt, arbeitet das Unternehmen eng mit Enterprise-Kunden zusammen, um zu verstehen, wo Dinge funktionieren oder nicht. Gedächtnis-Systeme sind entscheidend, damit Claude Kontext über verschiedene Tools und Oberflächen bewahren kann – Claude interagiert mit Claude AI, Excel, dem Browser, FactSet, S&P und muss Muster, Vorlieben und spezifische Templates verstehen. Nick erläutert ein Szenario, in dem ein Benutzer Claude korrigiert (z.B. "du hast diese Formel leicht falsch gemacht"), und Claude diese Rückmeldung speichern kann, um sich kontinuierlich zu verbessern. Ähnlich sollte Claude Vorlieben merken, wie dass ein Analyst für EBITDA-Berechnungen S&P bevorzugt, genau wie ein guter Praktikant. Diese Gedächtnisfähigkeit ist zentral für ein wirklich personalisiertes und effektives KI-System.

Nick und Alexander skizzieren die zukünftige Roadmap für Claude for Finance unter drei Schwerpunkten. Erstens investiert Anthropic in domänenspezifisches Pre- und Post-Training für Finanzen und plant, tiefer in Unterkategorien wie Private Equity, Hedgefonds, Versicherungen und Investmentbanking einzudringen, um die einzigartigen Anforderungen jeder Branche zu verstehen. Zweitens möchte Anthropic Claude überall verfügbar machen – nicht nur im Browser, sondern prominent in Excel und PowerPoint, wo noch Raum für Qualitätsverbesserungen besteht. Drittens setzt Anthropic auf starke Partnerschaften mit der Branche; es ist ermutigend, dass nur sechs Monate nach dem Start von MCP-Servern große Anbieter wie S&P und FactSet eigene funktionsfähige Versionen entwickelt haben. Die Zusammenarbeit mit Enterprise-Kunden durch Evaluationen (Evals) ist ebenfalls kritisch, da sie Signal geben, wie das Modell in der Produktion tatsächlich funktioniert.

Alexander und Nick betonen die Bedeutung von Evaluationen (Evals) für Enterprise-Kunden. Alexander erklärt, dass Evals zunächst mystisch erscheinen mögen, aber tatsächlich einfach sind: Sie bestehen aus Aufgaben, die einem wichtig sind, und einer klaren Artikulation dessen, was Erfolg aussieht. Nick rät Enterprise-Kunden, zielgerichtet vorzugehen, anstatt zu versuchen, KI in jeden Geschäftsbereich einzuführen. Die richtige Herangehensweise ist, eng mit Anthropic zusammenzuarbeiten und diese Evals direkt in den Trainingsprozess und die Produktpipeline einzubringen. Dies ermöglicht es Anthropic, gezielte Fähigkeiten zu liefern, die tatsächliche Kundenbedürfnisse erfüllen. Diese Strategie zeigt einen kooperativen Ansatz, bei dem Kunden nicht passive Konsumenten sind, sondern aktive Partner bei der Gestaltung von Claudes Fähigkeiten für Finanzdienstleistungen.