Goldman Sachs en Deutsche Bank testen AI voor handelstoezicht

Sophie Jansen · 2026-02-27

Stel je voor: je zit in een drukke handelsruimte waar elke seconde telt. Traditionele controlesystemen werken met vaste regels - als een transactie een bepaalde grootte overschrijdt, gaat er een belletje rinkelen. Maar wat als het probleem niet in die regels past? Dat is precies waar banken als Goldman Sachs en Deutsche Bank nu mee experimenteren. Ze testen een nieuw type kunstmatige intelligentie, 'agentic AI' genoemd, die veel verder gaat dan alleen zoeken naar sleutelwoorden of vooraf ingestelde regels volgen. ### Wat is agentic AI eigenlijk? In plaats van alleen te vertrouwen op statische waarschuwingen, beginnen sommige handelsdesks nu systemen te gebruiken die patronen in realtime kunnen analyseren. Deze AI-agenten zijn ontworpen om te redeneren en gedrag te markeren dat menselijke controle nodig heeft. Het doel is simpel maar krachtig: het toezicht op orders en transacties versterken door software-agenten te gebruiken die activiteiten kunnen analyseren terwijl ze gebeuren. Ze identificeren patronen die op wangedrag kunnen wijzen - iets waar traditionele systemen vaak aan voorbijgaan.  ### De uitdaging van moderne markten Grote banken gebruiken al jaren geautomatiseerde surveillancesystemen. Die werken meestal zo: - Als een transactie een bepaalde omvang overschrijdt - Als deze afwijkt van een benchmark - Als deze in een bekend risicopatroon past Dan volgt er een waarschuwing en moet het compliance-team de zaak handmatig beoordelen. Het probleem? De schaal en complexiteit van moderne markten. Die genereren enorme hoeveelheden data in verschillende activaklassen, tijdzones en handelsplatforms. Statische regels produceren vaak veel vals-positieve meldingen, terwijl subtielere vormen van manipulatie niet altijd in bekende patronen passen. Het is zoeken naar een speld in een hooiberg die constant groter wordt.  ### Hoe Deutsche Bank met Google Cloud samenwerkt Volgens recente rapporten werkt Deutsche Bank samen met Google Cloud aan de ontwikkeling van AI-agenten die handelsactiviteiten kunnen monitoren. Het systeem is ontworpen om grote hoeveelheden order- en uitvoeringsdata te analyseren en afwijkingen bijna in realtime te signaleren. De bank heeft haar AI-initiatieven de afgelopen jaren flink uitgebreid. Dit surveillanceproject laat zien hoe financiële instellingen generatieve AI en grote taalmodellen toepassen buiten chat-interfaces om. Hier beantwoordt de AI geen klantvragen, maar analyseert gestructureerde en ongestructureerde datastromen die aan handelsgedrag zijn gekoppeld. De AI-agenten kunnen helpen bij het identificeren van 'complexe anomalieën' in orders en transacties. Dat suggereert dat het systeem kijkt naar relaties tussen transacties, timing, marktomstandigheden en handelaarsgeschiedenis - niet naar losstaande gebeurtenissen. ### Goldman Sachs' strategie met AI-agenten Goldman Sachs onderzoekt volgens dezelfde rapporten ook het gebruik van agentic AI voor surveillance. De bank heeft de afgelopen jaren zwaar geïnvesteerd in AI voor haar handels- en risicosystemen, en deze inspanning lijkt dat werk uit te breiden naar compliance. De focus ligt op het gebruik van AI-agenten die met een zekere mate van onafhankelijkheid kunnen zoeken naar indicatoren van wangedrag. Het systeem kan patronen identificeren die niet in een duidelijke regel passen, maar toch opvallen als ongebruikelijk. Voor toezichthouders is de aantrekkingskracht duidelijk: eerdere detectie kan marktschade en reputatierisico's verminderen. Voor banken is er ook een operationele dimensie. Compliance-afdelingen staan onder druk om grote volumes waarschuwingen te verwerken terwijl ze strikte toezichtnormen handhaven. ### Waarom deze ontwikkeling belangrijk is > 'Agentic AI verwijst naar systemen die doelgerichte acties kunnen ondernemen, niet alleen reageren op prompts.' In de praktijk betekent dit dat de software kan beslissen welke data ze vervolgens moet onderzoeken, meerdere signalen kan vergelijken en bevindingen kan escaleren zonder constante menselijke input. In een handelscontext kan dit gaan over het monitoren van orderstromen, prijsbewegingen en communicatiepatronen. De tools worden niet beschreven als vervanging van compliance-medewerkers. In plaats daarvan functioneren ze als een extra controlelaag die zaken naar voren brengt die nader menselijk onderzoek rechtvaardigen. Menselijk compliance-personeel blijft verantwoordelijk voor het beoordelen van gemarkeerde gevallen en het bepalen of verdere actie nodig is. ### De toekomst van handelstoezicht Wat betekent dit voor de financiële sector? Tools die ruis kunnen verminderen zonder de controle te verslappen, zullen waarschijnlijk veel aandacht trekken. Het gaat niet om het vervangen van mensen, maar om het empoweren van compliance-teams met slimmere, meer contextbewuste assistenten. De implementatie van dergelijke systemen vereist wel zorgvuldige afwegingen rond transparantie, verantwoording en ethisch gebruik van AI. Maar de potentiële voordelen - van betere detectie tot efficiëntere processen - maken dit een ontwikkeling die de komende jaren alleen maar belangrijker zal worden. Banken die voorop lopen in deze technologie kunnen niet alleen hun toezicht verbeteren, maar ook een concurrentievoordeel behalen in een sector waar vertrouwen en integriteit van cruciaal belang zijn.