Finzly stellt mit Assure ein neues KI-basiertes Sicherheitsmodul für BankOS vor. Die Lösung soll Betrugsversuche in Echtzeit erkennen und Finanzinstitute besser schützen.
Finzly erweitert seine BankOS-Plattform um das KI-Sicherheitsmodul Assure. Das neue Modul soll Banken und deren Kunden besser vor Online-Betrug schützen und lässt sich direkt in bestehende Systeme integrieren.
Funktionsweise und technischer Ansatz
Assure dient als zusätzliche Sicherheits- und Kontrollschicht für BankOS und Agentic Galaxy. Es überwacht laufend Bedrohungen, unterstützt Security-Tests und Vorfallanalysen und sammelt Nachweise für die Einhaltung von Compliance-Vorgaben - alles unter menschlicher Aufsicht. Damit reagiert Finzly auf Anforderungen an die Widerstandsfähigkeit und Nachvollziehbarkeit moderner Bankeninfrastrukturen, wie sie etwa von BaFin und BSI im Rahmen der KRITIS-Verordnung und der NIS2-Richtlinie gefordert werden.
Branchenanalysen sehen Assure als festen Bestandteil von BankOS, mit Fokus auf die Überwachung von Sicherheits- und Compliance-Risiken. Das Modul nutzt agentische KI-Methoden, um verdächtige Aktivitäten in Echtzeit zu erkennen, und unterstützt Banken bei der Umsetzung von Standards wie ISO/IEC 27001 und BSI IT-Grundschutz. Technische Details zu den eingesetzten Modellen, Fehlerquoten oder Nutzerzahlen hat Finzly bislang nicht veröffentlicht.
Die Einführung von Assure folgt einem europaweiten Trend zur Automatisierung von Risiko- und Compliance-Prozessen im Finanzsektor. Im September 2026 berichteten Fachmedien über ein wachsendes Interesse an KI-Agenten und KI-Layern für Banken, besonders im Zusammenhang mit der Digitalisierung kritischer Infrastrukturen und neuen EU-Cybersicherheitsvorgaben. Die Bundesnetzagentur hebt in aktuellen Veröffentlichungen die Bedeutung von Echtzeit-Überwachung und anpassungsfähigen Sicherheitsarchitekturen für die Stabilität des Finanzsystems hervor.
Assure ist als kontinuierliche Sicherheits- und Compliance-Schicht für BankOS konzipiert und unterstützt Banken bei der Überwachung von Bedrohungen, Security-Testing und der Sammlung regulatorischer Nachweise unter menschlicher Kontrolle.CyberTech newsBranchenanalyse
Mit Assure richtet sich Finzly an einen wachsenden Markt für KI-basierte Sicherheitslösungen im Bankensektor. BankOS wird laut Unternehmen international eingesetzt, konkrete Nutzerzahlen oder Marktanteile nennt Finzly aber nicht. Die Integration von KI in Sicherheitsarchitekturen ist nicht neu, doch die Verbindung von Echtzeit-Analyse und agentischen Methoden steht aktuell im Fokus. Während große Banken und Fintechs eigene Systeme entwickeln, setzen Anbieter wie Finzly auf modulare Erweiterungen für bestehende Plattformen. Ob Assure im Alltag tatsächlich hält, was es verspricht, bleibt abzuwarten.
Offene Fragen und Perspektiven
Bisher gibt es keine unabhängigen Tests, externen Bewertungen oder offiziellen Freigaben von Regulierungsbehörden für Assure. Auch Informationen zu Datenschutz, Datenverarbeitung oder möglichen Auswirkungen auf die Systemperformance fehlen bislang. Für Banken bleibt offen, wie sich Assure in bestehende Compliance- und IT-Strukturen einfügt und welche regulatorischen Vorgaben - etwa nach BSI-Standards oder der europäischen DORA-Verordnung - zu beachten sind. Die Bundesnetzagentur weist in ihrem aktuellen Leitfaden zur IT-Sicherheit darauf hin, dass KI-gestützte Systeme in bestehende Kontrollmechanismen eingebunden werden müssen.
Die Entwicklung zeigt, wie schnell sich der Markt für KI-Sicherheitslösungen im Finanzbereich verändert. In verwandten Bereichen wurde bereits berichtet, dass Innovationen im Finanzsektor oft mit Kapitalbedarf und regulatorischen Hürden verbunden sind. Für Anbieter wie Finzly bleibt entscheidend, ob die Vorteile von Assure im Alltag messbar werden und ob Banken bereit sind, neue KI-Module in kritische Infrastrukturen zu integrieren. Klar ist: Der Wettbewerb um sichere und skalierbare Sicherheitslösungen im digitalen Banking nimmt weiter zu.
Agentische KI bezeichnet Systeme, die eigenständig Aufgaben ausführen und flexibel auf neue Situationen reagieren. Im Unterschied zu klassischen regelbasierten Ansätzen analysieren agentische Modelle laufend Datenströme, erkennen Muster und passen ihre Strategien an neue Bedrohungen an. Im Finanzsektor werden solche Systeme zunehmend eingesetzt, um Betrugsversuche frühzeitig zu erkennen und automatisiert Gegenmaßnahmen einzuleiten. Die Herausforderung bleibt, hohe Erkennungsraten mit wenigen Fehlalarmen zu verbinden und gleichzeitig Datenschutz und regulatorische Vorgaben einzuhalten.
