WorkHQ von SS&C: Agentic Automation für regulierte Branchen skalierbar machen

Die meisten Unternehmen haben KI-Agenten getestet. Pilotprojekte liefen, Demos begeisterten, Präsentationen füllten Konferenzräume. Und dann? Kamen die Compliance-Teams. Und die Projekte standen still. Das ist kein technisches Problem – es ist ein Governance-Problem. Genau dort setzt WorkHQ an, die Automatisierungsplattform von SS&C Blue Prism, die im April 2026 als integrierte Lösung für unternehmensweite Agentic Automation positioniert wurde. Die Prämisse ist klar: Wer KI-Agenten in Banken, Versicherungen oder Kliniken einsetzen will, braucht nicht nur funktionierende Workflows – er braucht jeden einzelnen Schritt davon nachvollziehbar, auditierbar und regelkonform. WorkHQ verspricht genau das: eine zentrale Kontrollebene, die KI-Agenten, Menschen und digitale Arbeitskräfte in einen gemeinsamen, gouvernierten Prozessrahmen bringt. SS&C selbst verwaltet über 3 Billionen US-Dollar an Vermögenswerten und setzt WorkHQ in den eigenen globalen Operationen ein – ein Praxistest unter Realbedingungen, den wenige Plattformanbieter vorweisen können. Das macht den Ansatz interessant, auch wenn der Ursprungsartikel im The Register als Sponsored Post von SS&C Blue Prism erschienen ist. Die technischen Details sind dennoch substanziell genug, um sie ernst zu nehmen – und für DACH-Entscheider in regulierten Branchen direkt relevant.

Das eigentliche Problem: Fragmentierung und fehlende Audit-Trails

IT-Landschaften in etablierten Unternehmen gleichen archäologischen Ausgrabungsstätten. Schicht um Schicht liegt da: RPA-Bots aus der ersten Automatisierungswelle, Middleware aus den Nuller-Jahren, ERP-Systeme mit eigenwilligen APIs, dazu moderne SaaS-Tools und jetzt KI-Agenten obendrauf. Das Problem: Diese Schichten kommunizieren nicht miteinander. Automatisierungen, Systeme, Menschen und KI-Agenten operieren in getrennten Silos, was jeden ernsthaften Multi-Agenten-Workflow von vornherein blockiert.

Für Compliance-Teams ist das eine rote Linie. Wenn kein Audit-Trail existiert und keine Leitplanken definiert sind, blockieren sie die Produktivschaltung – und das vollkommen zu Recht. Besonders in Banken, Versicherungen und dem Gesundheitswesen ist vollständige Nachverfolgbarkeit, Auditierbarkeit und Workflow-Zuverlässigkeit keine Wunschliste, sondern regulatorische Pflicht. Governance-Lücken und Orchestrierungsfehler erzeugen operationelles Risiko, das KI-Agenten-Deployments über den Pilotbetrieb hinaus faktisch unmöglich macht.

Das Ergebnis ist paradox: Einzellösungen liefern kurzfristige Gewinne, aber keine unternehmensweite Skalierbarkeit und Kontrolle. KI-Agenten bleiben im Experimentierstatus hängen – nicht weil die Technologie fehlt, sondern weil die Infrastruktur für gouvernierten Betrieb fehlt. WorkHQ setzt genau an dieser Stelle an.

WorkHQ als Enterprise Automation Control Plane

WorkHQ ist laut SS&C konzipiert als zentrale Kontroll- und Ausführungsebene – eine sogenannte Enterprise Automation Control Plane. Die Plattform deckt den gesamten Lebenszyklus ab: von der Prozesserkennung und dem Workflow-Design über die Ausführung bis hin zur Governance. Das Prinzip dahinter lautet: Menschen genehmigen, Bots führen aus, KI-Agenten denken – und alles ist nachvollziehbar protokolliert.

Im Kern besteht WorkHQ aus mehreren integrierten Komponenten:

• Agentic Workflow Design, Build & Execution: Nutzer bauen native, mit Tools ausgestattete KI-Agenten auf Basis von Large Language Models. Diese Agenten werden über das SS&C AI Gateway sicher integriert – ein Enterprise-Grade-Governance-Framework mit rollenbasierter Zugriffskontrolle.
• Human-in-the-Loop: Menschliche Eingaben können direkt in Workflows eingebettet werden, dort wo Verantwortlichkeit und Urteilsvermögen gefragt sind. Genehmigungen, Eskalationen und Ausnahmebehandlungen sind als explizite Workflow-Knoten modellierbar.
• Digitale Arbeitskräfte für deterministische Aufgaben: Wo Genauigkeit und Verlässlichkeit entscheidend sind, übernehmen digitale Worker standardisierte, regelbasierte Prozesse ohne KI-Interpretation.
• API-First-Konnektivität: Hunderte vorgefertigte, sichere Konnektoren zu gängigen Unternehmenssystemen – darunter SAP und Salesforce. Wo APIs fehlen, greift klassische UI-basierte Automatisierung als Fallback.
• SS&C AI Gateway: Dieses übergeordnete Framework liefert verantwortungsvolle KI-Leitplanken, Risikoalarme und auditbereite Transparenz. Es ist die Governance-Schicht, die Compliance-Teams den Weg frei macht.

Die Cloud-native Architektur beinhaltet rollenbasierte Berechtigungen und automatische Risikoalarme, wenn Workflows von definierten Parametern abweichen. Jede Aktion wird protokolliert – nicht als Nachgedanke, sondern als Kerneigenschaft der Plattform.

SS&C Blue Prism Agentic Workflows: Die Workflow-Engine im Zentrum

SS&C Blue Prism Agentic Workflows ist das Herzstück von WorkHQ – eine dedizierte Workflow-Engine für agentic Automation, die als zentraler Knotenpunkt für die unternehmensweite Arbeitskoordination fungiert. Das System umfasst eine schlanke Orchestrierungsengine, mit der Workflows über Menschen, Maschinen und KI-Agenten hinweg entworfen, ausgeführt und überwacht werden können.

Der entscheidende Unterschied zu klassischen RPA-Ansätzen: WorkHQ lernt einen Workflow, anstatt starren vorprogrammierten Abläufen zu folgen. Das bedeutet, dass das System mit unstrukturierten Eingaben, variablen Prozessschritten und Ausnahmen umgehen kann – ohne dass für jede Abweichung manuell ein neuer Pfad programmiert werden muss. Human-in-the-Loop-Genehmigungen, Eskalationspfade und Ausnahmebehandlungen sind dabei nicht nachträglich ergänzte Features, sondern native Bestandteile des Workflow-Designs.

Für CIO.com ist genau diese Fähigkeit – komplexe, mehrstufige Aufgaben autonom auszuführen und dabei den Menschen kontrolliert einzubinden – das Kernmerkmal, das Agentic AI von klassischer regelbasierter Automatisierung oder reinen ML-Modellen unterscheidet. WorkHQ implementiert dieses Prinzip nicht als Versprechen im Produktblatt, sondern als architektonische Grundentscheidung.

Relevant für den DACH-Kontext ist dabei auch, dass die Plattform keine Entscheidungen ohne Protokollierung trifft. Gerade im Hinblick auf den EU AI Act, dessen Hochrisiko-Regeln ab August 2026 vollumfänglich in Kraft treten, ist eine auditbereite Dokumentation jedes KI-gestützten Entscheidungsschritts keine optionale Zusatzfunktion – sie wird zur regulatorischen Voraussetzung.

Reale Deployments: Vom Pilot zur Produktion in Hochrisiko-Umgebungen

SS&C setzt WorkHQ nicht nur als Produktangebot ein, sondern betreibt die Plattform im eigenen Unternehmen. Die Zahlen sind beachtlich: SS&C verwaltet über 3 Billionen US-Dollar an Vermögenswerten und unterstützt weltweit hunderte Millionen von Konten und Transaktionen. Das ist kein Laborumfeld – das sind Hochlast-Produktionsbedingungen in einem der reguliertesten Sektoren überhaupt.

Drei konkrete Anwendungsszenarien beschreibt SS&C aus realen Deployments:

• Kunden-Onboarding in Finanzdienstleistungen: Prozesse, die bislang Wochen dauerten, werden auf Tage reduziert. KI-Agenten übernehmen die Datenerfassung, Plausibilitätsprüfungen und Systemintegration – Menschen greifen nur bei Ausnahmen ein.
• Schadensregulierung in der Versicherungsbranche: Von der Schadenseinreichung bis zur Auszahlung übernehmen KI-Agenten die Bewertung. Menschen reviewen ausschließlich Edge Cases – also die Fälle, bei denen das Modell unsicher ist oder Regelgrenzen überschritten werden.
• Policenverlängerungen: Der administrative Aufwand für Vertragsverlängerungen im Versicherungsbereich wird durch Automatisierung deutlich reduziert – inklusive Datenabgleich, Kommunikation und Systemaktualisierung.

Was diese Beispiele gemeinsam haben: In keinem Fall ersetzt die KI-Automatisierung die menschliche Kontrolle vollständig. Stattdessen verlagert sie menschliche Aufmerksamkeit dorthin, wo sie tatsächlich gebraucht wird – auf Ausnahmen, Grenzfälle und Entscheidungen mit echtem Ermessensspielraum. Das ist ein Muster, das UiPath in der Agentic Process Automation Community als adaptive Agenten beschreibt: Systeme, die sich auf Geschäftsergebnisse konzentrieren statt auf statische Aufgaben, und dabei kontinuierlich aus realen Interaktionen lernen.

So setzt du es um: WorkHQ im Unternehmenskontext

WorkHQ ist keine Lösung, die man am Nachmittag ausrollt. Der Rollout erfordert strukturiertes Vorgehen – besonders in regulierten Umgebungen. Hier ist ein praxisorientierter Implementierungspfad, der auf den Designprinzipien der Plattform basiert:

1. Prozessaudit und Priorisierung (Woche 1–2): Identifiziere die drei bis fünf Prozesse mit dem höchsten Automatisierungspotenzial und explizitem Audit-Bedarf. Typische Kandidaten: Onboarding-Workflows, Dokumentenprüfungen, Compliance-Reports. Klick-Pfad: Starte mit dem Discovery-Modul von WorkHQ → Process Mining aktivieren → Prioritätsliste nach Volumen und Fehlerquote filtern.
2. Governance-Struktur definieren (Woche 2–3): Lege im SS&C AI Gateway rollenbasierte Zugriffsrechte fest. Bestimme, welche Workflow-Schritte zwingend Human-in-the-Loop erfordern. Pfad: Settings → AI Gateway → Role-Based Access Control → Workflow Nodes konfigurieren.
3. Konnektoren einrichten (Woche 3–4): Verbinde vorhandene Systeme via vorgefertigten Konnektoren. SAP und Salesforce haben native Integrationen. Für Legacy-Systeme ohne API: UI-Automation-Fallback aktivieren. Klick-Pfad: Connectors → Enterprise Library → SAP/Salesforce → Auth-Token einsetzen → Testlauf.
4. Ersten Agenten deployen (Woche 4–6): Starte mit einem überschaubaren Piloten – z.B. einem Onboarding-Teilschritt. Baue den KI-Agenten mit einem LLM deiner Wahl (WorkHQ unterstützt externe LLMs via Gateway). Definiere Eskalationspfad für Ausnahmen. Erwartetes Ergebnis: Erster messbarer Durchlauf mit vollständigem Audit-Log.
5. Monitoring und Iteration (ab Woche 6): Aktiviere Risikoalarme im Dashboard. Analysiere, bei welchen Schritten menschliche Eingriffe häufig anfallen – das sind deine nächsten Optimierungsziele. Pfad: Dashboard → Workflow Analytics → Exception Rate by Node → Anpassung der Agent-Instructions.
6. Skalierung auf weitere Prozesse (ab Monat 3): Erweitere schrittweise auf weitere Domänen. WorkHQ lernt Workflows kontextbezogen – frühere Deployments verbessern die Performance in verwandten Prozessen. Jede neue Domäne profitiert vom bisherigen Erfahrungsschatz des Systems.

Achte hier besonders darauf: Die Governance-Konfiguration im AI Gateway muss vor dem ersten Produktivlauf vollständig abgenommen sein – nicht danach. Compliance-Teams einzubinden, wenn das System bereits läuft, erzeugt unnötige Reibung und riskiert nachträgliche Korrekturen im laufenden Betrieb.

Was sich rechnet: ROI-Kalkulation für WorkHQ-Deployments

Konkrete Zahlen für WorkHQ-Lizenzkosten nennt SS&C nicht öffentlich – Enterprise-Pricing ist verhandelbar und projektspezifisch. Was sich aber gut durchrechnen lässt, ist der potenzielle ROI anhand der beschriebenen Anwendungsfälle:

Szenario: Kunden-Onboarding in einer Regionalbank

• Manuell: 3 Werktage Bearbeitungszeit × 2 FTE à 60 €/h × 8h = ~960 € pro Onboarding-Vorgang
• Mit WorkHQ (laut SS&C-Angaben auf Tage reduziert, realistisch: 0,5 Tage mit menschlicher Überprüfung): 0,5 Tage × 0,5 FTE à 60 €/h × 8h = ~120 € + API-Kosten ~15 € = ~135 € pro Vorgang
• ROI-Faktor: ~7,1× – bei 500 Onboardings pro Monat eine monatliche Einsparung von ~412.500 €

Szenario: Schadensregulierung Versicherung

• Manuell: Durchschnittlich 4h Sachbearbeitung pro Schadensfall à 55 €/h = ~220 € pro Fall
• Mit KI-Agenten (Human Review nur für Edge Cases, Anteil ~20%): KI-Kosten ~10 €/Fall + 0,8h menschliche Prüfung für 20% der Fälle = ~10 € + (0,8h × 55 € × 0,2) = ~19 € pro Fall
• ROI-Faktor: ~11,6× – plus Durchlaufzeit-Reduktion von Tagen auf Stunden

Der Haken: Diese Zahlen gelten nur dann, wenn die Implementierung sauber läuft. Unterschätzte Integrationsaufwände bei Legacy-Systemen ohne APIs und initiale Trainingszeiten für die KI-Agenten können die Time-to-Value deutlich verlängern. Kalkuliere realistisch mit 3–6 Monaten bis zum stabilen Produktivbetrieb.

Die typischen Fallstricke

Wer WorkHQ – oder agentic Automation generell – einführt, läuft in drei zentrale Fallen:

• Fallstrick 1: Governance nachträglich ergänzen. Der häufigste Fehler: Ein Team baut den Workflow, und die Compliance-Konfiguration kommt hinterher. Das führt zu Nacharbeit, Rollbacks und Projektverzögerungen. Lösung: AI Gateway und Audit-Logging sind nicht Phase 2 – sie sind Phase 0. Definiere Rollen, Zugriffsrechte und Eskalationspfade, bevor der erste Agent läuft.
• Fallstrick 2: Human-in-the-Loop zu selten definieren. Der Impuls ist verständlich: Mehr Automatisierung = mehr Effizienz. Aber in regulierten Branchen gilt: Zu wenig menschliche Kontrollpunkte erzeugen regulatorisches Risiko. Unter dem EU AI Act gelten KI-Systeme in Kreditvergabe, Versicherungsbewertung und medizinischen Entscheidungen als Hochrisiko-Systeme – mit entsprechenden Anforderungen an menschliche Aufsicht. Lösung: Mappe jeden Workflow-Schritt gegen die Risikokategorien des AI Act. Wo Hochrisiko greift, ist Human-in-the-Loop Pflicht.
• Fallstrick 3: Legacy-Systeme unterschätzen. WorkHQ bietet UI-basierte Automatisierung als Fallback für Systeme ohne APIs – aber dieser Fallback ist wartungsintensiv. Screen-Scraping bricht, wenn die Oberfläche geändert wird. Lösung: Priorisiere bei der Prozessauswahl Systeme mit stabilen APIs. Für Legacy-Integration: Budgetiere explizit für Wartung und setze Monitoring-Alerts, wenn UI-basierte Automatisierungen fehlschlagen.

Zusätzlich gilt für den DACH-Raum: Automatisierte Entscheidungen mit Außenwirkung gegenüber Kunden – etwa Kreditentscheidungen oder Schadensablehnungen – fallen unter Art. 22 DSGVO. Betroffene haben das Recht auf menschliche Überprüfung. WorkHQs Human-in-the-Loop-Architektur ist hier ein technischer Compliance-Enabler – aber die rechtliche Umsetzung muss im Prozessdesign explizit abgebildet sein.

So What? WorkHQ im DACH-Kontext und unter dem EU AI Act

Für Entscheider in Deutschland, Österreich und der Schweiz ist der Timing-Aspekt entscheidend. Ab August 2026 treten die Hochrisiko-Regelungen des EU AI Act vollumfänglich in Kraft. KI-Systeme in Finanzdienstleistungen, Versicherungen und Healthcare – also exakt die Branchen, die WorkHQ adressiert – fallen in mehreren Anwendungsfällen unter diese Hochrisiko-Kategorie. Das bedeutet: Transparenzpflichten, Anforderungen an menschliche Aufsicht, technische Robustheit und umfassende Dokumentation sind ab dann keine Best-Practice-Empfehlungen, sondern Compliance-Pflichten mit Bußgeldrisiko von bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes bei Verstößen.

WorkHQs Architekturentscheidungen – vollständiges Audit-Logging, rollenbasierte Zugriffskontrollen, Human-in-the-Loop als Kernelement, zentrales AI-Governance-Framework – sind nicht zufällig deckungsgleich mit den Anforderungen des AI Act. Sie sind die technische Antwort auf genau diese Regulierungslogik. Wer heute mit einer Plattform startet, die diese Anforderungen nativ erfüllt, baut keine technischen Schulden auf, die er in 12 Monaten teuer tilgen muss.

Für den deutschen Mittelstand – wo laut einer Erhebung von Dr. Justus & Partners (Januar 2026) noch 94 Prozent der Firmen keine KI implementiert haben – ist das ein starkes Argument für einen strukturierten Einstieg über eine governance-fähige Plattform statt über unkontrollierte Einzelexperimente. Die Frage ist nicht mehr, ob KI-Agenten kommen. Die Frage ist, ob die technische Infrastruktur bereit ist, sie compliant zu betreiben.

Der Haken an WorkHQ: Der Ursprungsartikel im The Register ist ein Sponsored Post. Die Plattform ist noch nicht durch unabhängige Drittparteien benchmarkt worden. SS&C ist ein etablierter Anbieter mit echter Produktionserfahrung – aber Entscheider sollten vor einem Deployment eine eigene Evaluierung durchführen und die Plattform gegen Alternativen wie UiPath oder Automation Anywhere messen. Besonders relevant: Prüfe die tatsächliche LLM-Flexibilität des AI Gateways. Welche Modelle werden unterstützt? Lassen sich eigene oder EU-gehostete Modelle einbinden? Diese Frage entscheidet über DSGVO-Konformität bei personenbezogenen Daten im Workflow.

Fazit: Governance ist kein Feature – sie ist die Eintrittskarte

WorkHQ adressiert ein reales Problem präzise: KI-Agenten scheitern in regulierten Branchen nicht an fehlender Intelligenz, sondern an fehlender Kontrolle. Die Plattform liefert eine durchdachte Antwort darauf – mit nativem Audit-Logging, integriertem AI-Governance-Framework und einer Architektur, die Human-in-the-Loop nicht als Kompromiss, sondern als Designprinzip behandelt.

Für Entscheider in Finanzdienstleistungen, Versicherungen und Healthcare im DACH-Raum gilt: Die Lücke zwischen Pilotprojekt und unternehmensweiter Skalierung ist primär eine Governance-Lücke. Wer diese Lücke mit einer Plattform schließt, die bereits heute die Anforderungen des EU AI Act antizipiert, investiert nicht nur in Effizienz – er investiert in regulatorische Resilienz. Das ist kein nice-to-have für 2027. Das ist operative Notwendigkeit für die zweite Jahreshälfte 2026. Nutze die Zeit bis August 2026, um deine Agentic-Automation-Strategie auf ein governance-fähiges Fundament zu stellen – bevor der Regulierungsdruck entscheidet, welche Projekte weitergeführt werden dürfen und welche gestoppt werden.