Agentic AI macht aus KI einen aktiven Co‑Berater für Banken, Vermögensverwalter und Versicherer. So funktioniert das konkret – mit Praxisbeispielen und nächsten Schritten.
Agentic AI in Banken und Versicherungen: Vom Chatbot zum digitalen Berater
Die meisten Schweizer Finanzhäuser nutzen heute irgendeine Form von KI – oft in Form von Chatbots oder klassischer Prozessautomatisierung. Gleichzeitig stehen Berater:innen unter Druck: Margen schrumpfen, Regulierung nimmt zu, Kund:innen erwarten personalisierte Betreuung rund um die Uhr. Genau an dieser Stelle setzt Agentic AI an.
Agentic AI geht einen Schritt weiter als generative KI oder ChatGPT-ähnliche Systeme. Sie beantwortet nicht nur Fragen, sondern handelt selbstständig innerhalb klar definierter Leitplanken: Sie ruft Daten aus Kernbanksystemen ab, stößt Workflows an, priorisiert Aufgaben für Relationship Manager oder Versicherungsberater – und hält dabei Compliance-Vorgaben ein.
In dieser Folge unserer Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ schauen wir uns an, wie Agentic AI konkret für Schweizer Banken, Vermögensverwalter und Versicherer funktioniert, wo ihre Grenzen liegen – und was Sie 2026 realistisch umsetzen können.
Was Agentic AI von normalen LLMs unterscheidet
Der Kernunterschied: LLMs generieren Texte, Agentic AI erledigt Aufgaben.
Ein klassisches Large Language Model (LLM) wie GPT-4 ist hervorragend darin, Sprache zu verstehen und zu erzeugen: Zusammenfassungen, E-Mails, Reports, Produktbeschreibungen. Es reagiert auf Prompts – aber es agiert nicht eigenständig.
Agentic AI (LLM-Agenten) baut auf diesen Modellen auf, geht aber deutlich weiter:
- Sie verfolgt klare Ziele (z.B. „identifiziere alle Unternehmenskunden mit Unterversicherung in der Cyber-Police“).
- Sie plant mehrstufige Schritte, um dieses Ziel zu erreichen.
- Sie nutzt Tools und Systeme, etwa CRM, Kernbanksystem, Dokumentenmanagement, Pricing-Engine.
- Sie entscheidet selbst, welche Informationen sie noch braucht, um weiterzugehen.
Kurzvergleich: LLM vs. Agentic AI
- LLM: „Welche Deckungen bietet unsere KMU-Cyberversicherung?“ → generiert eine textliche Antwort.
- Agentic AI: „Welche bestehenden KMU-Kunden haben ein erhöhtes Cyber-Risiko und sollten proaktiv angesprochen werden?“ → analysiert Bestandsdaten, bewertet Risiken, erstellt eine priorisierte Kontaktliste und schlägt für jede Firma konkrete Gesprächsansätze vor.
Die Realität: Ohne Agentic AI bleibt KI oft ein smarter Textgenerator. Mit Agentic AI wird sie zu einem digitalen Teammitglied, das Aufgaben vorbereitet, Workflows anstößt und Berater entlastet.
Agentic AI im Einsatz: Praxisbeispiele fĂĽr Schweizer Versicherer
Für Versicherungen in der Schweiz – vom grossen Kompositversicherer bis zum regionalen Krankenversicherer – ist Agentic AI besonders spannend, weil viele Prozesse regelbasiert, datenreich und wiederkehrend sind, aber dennoch menschliches Fingerspitzengefühl erfordern.
1. Bestandsmanagement und Cross-Selling im Privatkundengeschäft
Ein Agentic-AI-System kann fĂĽr eine Agentur oder Generalagentur:
- Bestände kontinuierlich überwachen: Vertragslaufzeiten, Kündigungsfristen, Deckungslücken.
- Trigger erkennen: Adressänderung, Fahrzeugwechsel, Familienzuwachs, Hypothekarabschluss.
- Kampagnen vorschlagen: z.B. „Kunden mit Hausrat und Auto, aber ohne Privathaftpflicht“.
- Berater-Cockpit füllen: konkrete Gesprächsleitfäden, Prioritätenliste für diese Woche, vorbereitete Offertvarianten.
Die Beraterin in Basel sieht montags morgens nicht einfach eine lange Excel-Liste, sondern eine kuratiere Agenda: „Diese zehn Kund:innen haben das höchste Up-Selling-Potenzial – hier ist die empfohlene Ansprache.“
2. Schadenmanagement mit vorbefĂĽllten Dossiers
Im Schadenfall zählt Geschwindigkeit – aber auch Qualität für die FINMA-konforme Dokumentation.
Ein Agentic-AI-Agent kann:
- Aussagen des Kunden aus E-Mails, Chat und Telefonnotizen semantisch auswerten,
- relevante Daten aus Policen, Deckungsbausteinen und früheren Schäden zusammenziehen,
- ein vorbefĂĽlltes Schadendossier erstellen,
- mögliche nächste Schritte vorschlagen (z.B. Gutachter beauftragen, Rückfragen an Kunden, Rückversicherung informieren).
Die Schadenbearbeiterin entscheidet weiterhin – aber statt bei Null zu starten, prüft und ergänzt sie ein bereits durch Agentic AI vorbereitetes Dossier. Das reduziert die Bearbeitungszeit spürbar und erhöht die Konsistenz.
3. Agentic AI fĂĽr Underwriting und Gewerbekunden
Im gewerblichen Bereich sind viele Fragestellungen nicht strikt regelbasiert: Ist ein Unternehmen fĂĽr eine bestimmte Sparte versicherbar? Unter welchen Auflagen? Welche Dokumente fehlen noch?
Hier spielt Agentic AI ihre Stärke aus:
- Sie liest JahresabschlĂĽsse, Webseiten, Produktbeschreibungen des Kunden.
- Sie gleicht diese Informationen mit internen Zeichnungsrichtlinien ab.
- Sie formuliert eine erste Einschätzung der Zeichnungsfähigkeit – inklusive offener Fragen.
- Sie schlägt vor, welche Rückfragen automatisiert per E-Mail oder Kundenportal gestellt werden können.
So bleibt der Underwriter die letzte Instanz – aber 60–70 % der Vorarbeit sind bereits erledigt.
Agentic AI im Private Banking und Wealth Management
In der Vermögensverwaltung passt Agentic AI perfekt zur Schweizer Realität: hochreguliert, beratungsintensiv, mit anspruchsvoller Klientel.
1. Proaktives Portfolio-Monitoring fĂĽr Relationship Manager
Statt monatliche oder quartalsweise Listen manuell auszuwerten, ĂĽberwacht ein Agentic-AI-System laufend:
- Portfoliorisiko (z.B. Konzentrationsrisiken, Duration, Währungsrisiko),
- Regulierungsgrenzen (MiFID II, FIDLEG, interne Anlagerichtlinien),
- Lebensereignisse (Adressänderung, Familienereignisse, Firmenverkauf – sofern bekannt),
- Markt- und Produktänderungen (z.B. Fondsfusionen, auslaufende Strukturen).
Der Agent erstellt daraus:
- eine tägliche Prioritätenliste pro Berater,
- konkrete Vorschläge für Portfolioumschichtungen, inklusive Begründung,
- direkt nutzbare E-Mail- oder Meeting-Notizen in der jeweiligen Kundensprache.
Der RM in Zürich oder Genf wirkt so, als hätte er ein eigenes Research- und Assistenzteam im Hintergrund – tatsächlich arbeitet ein Agentic-AI-System im Maschinenraum.
2. UnterstĂĽtzung bei Geeignetheit und Dokumentation (FIDLEG)
Gerade in der Schweiz sind Beratungsdokumentation und GeeignetheitsprĂĽfung zentrale Themen.
Agentic AI kann:
- Kundendaten, Risikoprofil und bisherige Produkte zusammenfĂĽhren,
- bei einer Produktempfehlung automatisch prĂĽfen, ob diese zur Risikokategorie, Erfahrung und Zielen passt,
- Begründungstexte für die Geeignetheitserklärung vorschlagen,
- fehlende Unterlagen oder Informationen erkennen und To-dos erzeugen.
Die finale Verantwortung bleibt beim Menschen, aber der Aufwand pro Kundengespräch sinkt deutlich – und das Fehlerrisiko ebenfalls.
3. Agentic AI im Robo-Advisory 2.0
Viele Schweizer Institute betreiben heute bereits digitale Anlagelösungen. Der nächste Schritt ist ein Robo-Advisor, der:
- auf eingehende Kundennachrichten situativ reagiert,
- komplexere „Was-wäre-wenn“-Szenarien für Portfolios plant,
- regulatorische Grenzen selbstständig im Blick behält,
- bei Unsicherheit elegant an eine:n menschliche:n Berater:in ĂĽbergibt.
Das ist kein „Full-Autopilot“, sondern eher ein Co-Pilot, der digitale Kanäle so intelligent macht, dass sie wirklich als Erweiterung des Beraters funktionieren.
Wann Agentic AI sinnvoll ist – und wann nicht
Nicht jede Aufgabe braucht einen Agenten. Viele Use Cases lassen sich effizienter mit einfachen Regeln oder klassischen LLMs lösen.
Geeignet fĂĽr Agentic AI
Agentic AI lohnt sich vor allem bei Aufgaben, die:
- mehrere Systeme einbeziehen (CRM, Kernbank, DMS, Pricing, OMS),
- mehrstufige Entscheidungen erfordern,
- unscharf definierte Fragestellungen haben (z.B. „Ist dieser Firmenkunde für Produkt X geeignet?“),
- eine laufende Beobachtung und Reaktion verlangen, statt eines einmaligen Calls.
Beispiele aus der Praxis:
- fortlaufendes Monitoring von Kreditportfolios,
- komplexe Schadendossiers mit medizinischen oder technischen Gutachten,
- strukturierte Produktberatung in der Vermögensverwaltung.
Besser ohne Agenten
Wenn sich ein Prozess klar mit „if / then / else“ beschreiben lässt, ist Agentic AI meist überdimensioniert. Beispiele:
- reine Formularvalidierungen,
- Standardbestätigungen per E-Mail oder SMS,
- einfache FAQ-Chatbots.
Die Faustregel: Je mehr Interpretation, Recherche und Abwägen nötig ist, desto eher lohnt Agentic AI.
Regulatorische Perspektive: AI Act, DORA, FIDLEG & Co.
Für Schweizer Institute mit EU-Bezug oder EU-Kunden spielt der EU AI Act eine zentrale Rolle. Viele Agentic-AI-Anwendungen im Kredit- oder Versicherungsbereich fallen in die Kategorie „High-Risk AI Systems“ – insbesondere bei Kreditwürdigkeitsprüfungen oder automatisierten Entscheidungen mit erheblicher Auswirkung.
Hinzu kommen:
- DORA (Digital Operational Resilience Act): Anforderungen an ICT-Risikomanagement, Business Continuity und Incident Management.
- IDD / Versicherungsvertriebsrichtlinie (relevant in EU-Gesellschaften Schweizer Gruppen): Vorgaben zu „best interest of the customer“ und Transparenz.
- FINMA-Rundschreiben und Schweizer Aufsichtspraxis: etwa zu Outsourcing, Betriebssicherheit, Governance.
FĂĽr Agentic AI bedeutet das:
- Transparente Governance: klare Definition, wofür der Agent zuständig ist – und wofür nicht.
- Nachvollziehbarkeit: Logging aller Entscheidungen, genutzten Datenquellen und Tools.
- Rollen- und Rechtekonzept: Agenten dürfen nur auf Daten zugreifen, die für den jeweiligen Zweck zulässig sind.
- Zertifizierte Managementsysteme: Standards wie ISO/IEC 42001 fĂĽr KI-Management gewinnen an Bedeutung.
Die gute Nachricht: Gerade im Enterprise-Kontext lassen sich Agenten so aufsetzen, dass sie strenge Compliance- und Risikoanforderungen erfüllen – teils sogar besser als menschliche Ad-hoc-Entscheidungen, weil sie konsistenter dokumentieren.
Wie Schweizer Institute jetzt konkret starten können
Wer Agentic AI einführen möchte, sollte nicht mit der grossen Vision beginnen, sondern mit einem fokussierten, messbaren Use Case.
1. Use Case auswählen
Typische Startpunkte:
- Priorisierung von Leads und Bestandskunden im Vertrieb,
- Vorbereitung von Beratungsgesprächen (Dossiers, Risikoanalyse, Vorschläge),
- VorbefĂĽllung von Schadendossiers,
- Monitoring von Portfolios im Wealth Management.
Wichtig: Ein Use Case, bei dem Berater:innen sofort den Unterschied spüren – sonst versandet das Projekt.
2. Daten- und Systemzugriffe klären
Agentic AI entfaltet ihren Wert nur, wenn sie tatsächlich handeln darf:
- APIs zum Kernsystem, CRM, DMS,
- klare Lesen-/Schreiben-Berechtigungen,
- definierte „No-Go-Zonen“ (z.B. keine endgültige Freigabe ohne Mensch).
3. Governance und Human-in-the-Loop definieren
Eine einfache, praxistaugliche Regel bewährt sich:
- Agent schlägt vor, Mensch entscheidet – zumindest in der Einführungsphase.
- Mit wachsendem Vertrauen können Teilentscheidungen automatisiert werden (z.B. bei sehr kleinen Tickets oder rein informatorischen Prozessen).
4. Schulung der Berater:innen
Die besten Agenten bringen nichts, wenn sie ignoriert werden. Erfolgreiche Häuser:
- integrieren Agentic AI direkt in bestehende Oberflächen (Berater-Workbench, CRM),
- zeigen in Trainings konkrete Alltagsszenarien, nicht nur Technik,
- sammeln systematisch Feedback und verbessern die Agenten iterativ.
Ausblick: Agentic AI als Standard im Schweizer Finanzsektor
Agentic AI wird in den nächsten Jahren im Banking, in der Vermögensverwaltung und im Versicherungsbereich zur Stillen Infrastruktur: unsichtbar im Hintergrund, aber spürbar in der Qualität der Beratung, der Reaktionsgeschwindigkeit und der Effizienz.
Für die Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ bedeutet das: Während frühere Beiträge sich stärker auf Themen wie Robo-Advisory, Fraud Detection oder Compliance-Automatisierung konzentriert haben, zeigt Agentic AI die nächste Stufe – eine KI, die aktiv mitgestaltet, statt nur zu analysieren.
Wer jetzt beginnt, mit klar abgegrenzten Agentic-AI-Piloten zu arbeiten, verschafft seinen Berater:innen einen echten Vorsprung: mehr Zeit für Kundennähe, bessere Vorbereitung, weniger Routinearbeit. Die Frage ist weniger, ob Agentic AI kommt, sondern welche Häuser sie frühzeitig so einsetzen, dass sie zu ihrer Kultur und Regulierung passt.
Wenn Sie intern gerade über KI-Strategie, digitale Beratung oder Automatisierung diskutieren, ist Agentic AI ein Thema, das Sie unbedingt auf die Agenda setzen sollten – bevor es Ihr Wettbewerber tut.