Stefan Altenhof: Agentische Automatisierung verpflichtender Finanzberichte
Stefan Altenhof erzaehlt im Interview, wie Agentische Automatisierung verpflichtender Finanzberichte mit AI Coding entsteht.
Python (FastAPI, LangGraph), React/TypeScript (Vite), PostgreSQL, On-Premise LLM- & Embedding-Inferenz mit MLX
Warum dieses Interview
Stefan Altenhof stellt Agentische Automatisierung verpflichtender Finanzberichte vor. Das Projekt automatisiert für einen der großen deutschen Versicherer zentrale Teile verpflichtender Finanzberichte: Zahlenkommentare werden aus den Quelldaten aktualisiert, fertige Berichte werden gegen einen Prüfkatalog geprüft, den Agenten aus tausenden Seiten Regulatorik abgeleitet haben. Spannend ist es aus zwei Gründen. Erstens die Größenordnung: Eine einzelne Person hat es gebaut, mit 2.300 Seiten Fachkonzept und rund 750.000 Zeilen Code, alles von Agenten erstellt, mit Modellen von sieben Herstellern. Keine Zeile Code habe ich selbst geschrieben oder gelesen. Zweitens die Ehrlichkeit: Beim Kunden gilt das Projekt als Erfolg, unter der Haube hat es trotzdem wehgetan. Daraus lässt sich viel darüber lernen, wie sich Erosion in Code und Konzepte einschleicht und welche Leitplanken agentische Großprojekte wirklich brauchen.
Stefan, woran arbeitest du gerade bei der agentischen Automatisierung verpflichtender Finanzberichte – und welche Rolle spielt AI Coding, wenn Agenten aus Regulatorik Prüfkataloge ableiten und Zahlenkommentare aktualisieren?
Gerade beschäftigen mich zwei Projekte, beide wieder im Versicherungsumfeld. Im einen geht es darum, agentische Berichtserstellung auf Nachhaltigkeitsberichte zu übertragen, bei denen Regelwerke und Prozesse noch in Bewegung sind. Im anderen um ein System, das langfristige (100 Jahre) aktuarielle Modell-Hochrechnungen vergleicht, Auffälligkeiten findet und fachgerecht einordnet.
AI Coding bestimmt in beiden Projekten, wo meine Arbeit liegt. Den Code werden auch hier Agenten schreiben, deshalb fließen rund drei Viertel des Aufwands in Problemverständnis und widerspruchsfreie Konzepte. Die Umsetzung lässt sich hochgradig automatisieren, die Konzeption nicht. Je sauberer das Konzept, desto besser der Code, den die Agenten daraus bauen. Und was ich bei den Finanzberichten erst nachrüsten musste, ziehe ich diesmal von Anfang an ein.
Das Finanzberichte-System, das ich in den letzten Monaten gebaut habe, aktualisiert die zahlenbezogenen Kommentare eines Berichts anhand der Quelldaten und prüft fertige Berichte gegen einen Katalog von Prüfregeln, den Agenten aus tausenden Seiten Regulatorik abgeleitet haben. Gebaut haben es komplett Agenten, von den 2.300 Seiten Fachkonzept bis zu rund 750.000 Zeilen Code. Der Kern der Lösung entstand dabei in Multi-Modell-Diskussionen (6 Modelle diskutieren und konzeptionieren in einen gemeinsamen Channel mit individuellen Stärken, Schwächen und Bias)
Davon zu trennen ist die KI in der Anwendung: Im Betrieb arbeiten zusätzlich Sprachmodelle, und für sie gilt eine Regel ohne Ausnahme: Zahlen kommen nie vom Sprachmodell, sondern immer aus den Quelldaten.
Mit Claude, GPT, Gemini, Grok, Qwen, GLM und Kimi hast du sieben Modellwelten im Einsatz – welchen Harness und Techstack nutzt du dafür mit AgentKit, Claude Code, Codex und OpenCode, und wie gehst du mit Sub-Agents, Skills oder MCP um?
Die Basis ist Claude Code, darauf sitzt AgentKit, mein eigener Meta-Harness. Der Agent, mit dem ich spreche (Und das ist wörtlich gemeint -> input/output erfolgt per voice), ist bei mir nur Orchestrator und Schnittstelle zu mir. Gearbeitet wird in Sub-Agents: Alles, was entwickelt und reviewt wird, läuft über sie. Das ist Brot-und-Butter-Geschäft. Direkt gesteuerte Agenten setze ich nur gezielt ein, etwa wenn drei, vier Modelle parallel unabhängige Architekturvorschläge machen oder die Prämissen einer Lösung angreifen, oder für bestimmte Reviews im jeweils eigenen Harness.
Ohne Skills ginge gar nichts. Wie ein gutes Code-Review abläuft, wie AgentKit bedient wird, was eine gute komponentenorientierte Architektur ausmacht: Das steckt alles in Skills. Sie sind also kuratiertes Wissen über Methodik, Schnittstellen und Fachwissen.
MCP ist fĂĽr mich schlicht das Standardprotokoll, ĂĽber das alles miteinander spricht. DarĂĽber steuere ich Infrastruktur und Teile von AgentKit, darĂĽber reden die Agenten untereinander, und im Finanzberichte-System gibt es sogar eine Debug-Schnittstelle, ĂĽber die Agenten direkt im laufenden System nach Fehlern suchen. Das ist Infrastruktur, kein Highlight, sondern eher so normal wie eine claude.md.
Spannender finde ich, was in den Harness Produkten selbst passiert. Schon damals haben eigene Hooks eine entscheidende Rolle gespielt, etwa ein Pre-Tool-Use-Hook, der den Agenten bestimmte Verhaltensweisen einimpft und dafür sorgt, dass sie nicht ausbrechen. Heute kommen die Modding-API von Claude Code und die neue Plugin-Architektur von OpenCode 2.0 dazu. Damit lassen sich Harnesse viel tiefer anpassen und das Verhalten der Agenten direkt beeinflussen. Codex-Agenten laufen bei mir inzwischen direkt eingebunden in Claude Code, ich sehe sie neben dem Claude Chat arbeiten und in gemeinsamen Channels autonom diskutieren. Da fängt es an zu rocken.
Bei rund 750.000 Zeilen agentisch erzeugtem Code und 2.300 Seiten Fachkonzept: Wie viele Tokens, Entwicklungsstunden und welche KI-Kosten stecken bisher in deinem Finanzberichte-Projekt?
Lach :D -> die wichtigeste Frage und das meine ich ernst. Tatsächlich habe ich keine Aufzeichnung zu den Tokenverbrauch. In der damals eingesetzten Harness-Version hatte ich die Token-Verbräuche schlicht nicht erfasst.
Aber ich kann es ganz gut in Kosten ausdrücken. Die Umsetzung des Projekts hat weniger als 12.000€ KI Kosten verursacht. Wichtiger Enabler dabei sind die stark subventionierten Pauschal-Tarife. Rein über API mit Pay-per-Use wäre zweifelsfrei jenseits der 100.000€ gelandet.
Jetzt kommt das "aber". Der Business-Case wäre dennoch aufgegangen, denn die manuelle Entwicklung kostet ein vielfaches und die Arbeitserleichterung für den Kunden liegen im siebenstelligen Euro-Bereich.
Die Projektlaufzeit war 10 Wochen + Teilzeit Nacharbeiten. Es floĂźen von mir ca. 16 Wochen Vollzeit in das Projekt + ca. 2-3 Wochen Arbeitszeit auf Seiten des Fachbereichs fĂĽr die fachliche Betreuung und Reviews der Ergebnisse.
Stefan, wie lange entwickelst du schon Software – und seit wann setzt du auf AI Coding in dem Maßstab, den dein Versicherungsprojekt zeigt?
Ich habe mit dem Commodore C64 das coden angefangen, da war ich ca. 10 Jahre alt. Später kamen Informatikstudium und dann 18 Jahre Software-Projektgeschäft im dazu. Ich bin also durchaus erfahren. Beispielsweise versorgt eine Software alle BMW Werke weltweit mit kritischen Produktionsdaten, die ich entworfen und mit meinen (damals noch menschlichen) Team gebaut habe.
Agentic AI ist eine junge Technologie. KI basiertes Engineering startete bei mir mit GPT o3 pro + Gemini 2.5 (Frühsommer 2025), aber der echte Durchbruch folgte erst mit den Anthropic 4.5 Modellen im November 2025. Das heißt 2025 waren erste Projekte ebenfalls 100% agentisch gecodet, aber sehr viel enger gesteuert, z.B. mit expliziten Code-Reviews von meiner Seite und mehr eigener Architekturarbeit. Ab 02/03 2026 ging es dann Los, das ich über Ziele und nicht mehr über Aufgaben gesteuert habe. Licht und Schatten liegen da immer dicht beinander. Ich lote aus was Bleding-Edge mäßig funktioniert und jeden zweiten Tag tue ich dabei auch mal bluten.
Wenn KI-Agenten bei dir schon komplette Berichtssysteme ohne selbst geschriebenen Code stemmen: Können sie bald auch eigenständig Hardware entwickeln, und wo liegen aus deiner Sicht – etwa im Kontrast zu On-Premise-Inferenz und Software-Stacks – aktuell die größten technischen Grenzen?
Wie weit KI-Agenten in der Hardware schon kommen, zeigen zwei Beispiele: Bei OpenAIs erstem eigenen Chip fanden die eigenen Modelle Optimierungen, für die Menschen viel Zeit gebraucht hätten. Und in China entwirft das System QiMeng der Akademie der Wissenschaften Prozessoren sogar weitgehend automatisiert, bisher allerdings auf dem Niveau älterer Chips -> Es ist absehbar, dass dies sich genauso schnell weiterentwickeln wird wie auch die Fähigkeiten in der Softwareentwicklung.
Das ist aber nicht meine Welt, ich komme aus der Software. Die größten technischen Grenzen sehe ich an drei anderen Stellen.
Erstens die Effizienz. LLMs und alles, was darauf aufbaut, sind unglaublich ineffizient. Ich frage mich, ob das eine Brückentechnologie ist oder ob wir einfach immer mehr Hardware auf das Problem werfen, um es zu kompensieren. Dem sind schon thermodynamisch Grenzen gesetzt: Man kann nicht beliebig viele Rechenzentren mit beliebig viel Strombedarf und Abwärme hochziehen, wie es der KI-Bedarf eigentlich bräuchte. Für mich spielt On-Premise-KI privat wie beruflich eine enorm wichtige Rolle, gerade weil ich viel im regulierten Umfeld unterwegs bin. Und genau dort spüre ich den Ressourcenhunger auch selbt unmittelbar (und hab ein schön warmes Wohnzimmer ;) .
Zweitens das Weltverständnis. Heutige Modelle verstehen unsere Welt und Kausalität noch nicht wirklich. Weltmodelle sollen in diesem Jahr der große Durchbruch werden, sichtbar sind sie bisher nicht. Die Einschränkungen, die daraus folgen, erlebe ich auch links und rechts vom reinen Coding ständig.
Drittens Kontext und Reflexion. Kleiner Kontext plus die Unfähigkeit zu reflektieren ergibt eine erstaunlich dumme Maschine. Ein KI-Agent ist wie ein Zeitarbeiter, der morgens ins Büro kommt. Du musst ihm in Minuten alles beibringen, was er zum Arbeiten braucht, und spätestens um elf ist Schichtwechsel, weil sein Kontext voll ist. Das reibt auf. Auf der einen Seite beeindruckende Intelligenz, auf der anderen die Unfähigkeit, für uns banale Dinge zu beherzigen. Deshalb sind ich und meine Mitstreiter ständig geistig extrem gefordert: Wir denken für die Agenten mit und müssen ihr Fehlverhalten antizipieren.