Warum integrierte, agentische KI-Plattformen wie Earnix + Zelros für Schweizer Banken, Versicherer und Vermögensverwalter jetzt zum echten Wettbewerbsvorteil werden.
Warum gerade jetzt: KI entscheidet ĂĽber Margen und Marktanteile
2025 ist für viele Schweizer Banken und Versicherer ein Wendepunkt: Margen schrumpfen, Kundinnen erwarten die gleiche digitale Erfahrung wie bei Streaming- oder E‑Commerce-Plattformen, und der regulatorische Druck steigt weiter. Wer KI nur in einzelnen Silos testet, wird abgehängt – wer KI als durchgängige Entscheidungsplattform denkt, verschafft sich einen massiven Vorsprung.
Genau hier ist die Ăśbernahme von Zelros durch Earnix spannend: Sie zeigt, wohin die Reise geht. Statt isolierter Pricing-Modelle hier, eines Chatbots dort und eines Fraud-Tools in der Ecke, entsteht eine End-to-End-KI-Entscheidungsplattform, die Risiko, Pricing, Vertrieb, Schaden und Kundeninteraktion verbindet.
In diesem Beitrag – als Teil unserer Reihe „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ – schauen wir uns an, warum diese Art von Integration so wichtig ist, was „agentische KI“ konkret bedeutet und wie Schweizer Institute daraus schnell messbare Vorteile ziehen können.
Vom KI-Silo zur vernetzten Entscheidungsplattform
Der Kern der Earnix–Zelros-Story ist simpel: Einzeln optimierte Bereiche bringen wenig, wenn Entscheidungen nicht vernetzt sind. Das gilt im Versicherungs- genauso wie im Banking-Geschäft.
Typische Silos in Banken und Versicherungen
In vielen Häusern sieht der Alltag so aus:
- Vertrieb & Marketing wollen Volumen – neue Prämien, neue Konten, möglichst viel Neugeschäft, starke Kampagnen.
- Aktuariat & Risk wollen Stabilität – saubere Loss Ratio, solide Margen, präzise Underwriting-Regeln.
- Operations & Schaden wollen Effizienz – automatisierte Prozesse, wenig manuelle Bearbeitung, Betrugsprävention.
Jeder Bereich ist fĂĽr sich logisch unterwegs. Aber das Ergebnis ist oft:
- komplizierte Produkte
- langsame Entscheidungen
- MedienbrĂĽche in der Customer Journey
- eine Kundenerfahrung, die weder persönlich noch konsistent wirkt
Vernetzte KI-Plattformen adressieren genau dieses Problem: Sie bringen Pricing, Risiko, Personalisierung und Prozessautomatisierung auf eine gemeinsame Daten- und Entscheidungsbasis.
Was Earnix + Zelros so reizvoll macht – gerade für die Schweiz
Earnix ist stark in dynamischem Pricing, Rating und Underwriting. Zelros bringt eine Hyper-Personalisierungs-Engine und generative, agentische KI fĂĽr Vertrieb, Service und Backoffice mit. Zusammen entsteht eine Plattform, die fĂĽr Schweizer Banken und Versicherer drei zentrale Hebel liefert.
1. Hyper-personalisierte Kundenbetreuung statt Standardkampagne
Die Kombination aus prädiktiver und generativer KI ermöglicht konkrete, kontextuelle Empfehlungen in Echtzeit:
- Im E‑Banking oder Mobile Banking werden Produkte angezeigt, die tatsächlich zum aktuellen Lebensabschnitt passen (z.B. Hypothekenerhöhung, Vorsorge, Vermögensverwaltung), nicht nur generische Cross-Selling-Angebote.
- Im Contact Center erhält die Beraterin einen KI-gestützten „Next Best Action“-Vorschlag: Welches Produkt, welche Formulierung, welche Argumente erhöhen Abschlusswahrscheinlichkeit und Kundenzufriedenheit?
- Für Vermögensverwalter können Robo-Advisory-Komponenten mit Kundenprofil und Marktszenarien verknüpft werden – mit klar dokumentierbarer Beratungslogik für die Compliance.
Das Ziel ist nicht „mehr verkaufen um jeden Preis“, sondern profitables, organisches Wachstum: höhere Conversion bei passenderem Produkt, weniger Storno, bessere Loyalität.
2. Effizientere Prozesse dank agentischer KI
„Agentic AI“ meint KI-Systeme, die nicht nur antworten, sondern eigenständig Schritte ausführen: Informationen beschaffen, Entscheidungen vorbereiten, Workflows anstossen.
Konkrete Use Cases fĂĽr Schweizer Institute:
- Compliance-Automatisierung: Ein KI-Agent sammelt alle relevanten Kundendaten, prĂĽft sie gegen Sanktionslisten, Taxonomie-/ESG-Vorgaben oder interne Richtlinien und erstellt eine dokumentierte Empfehlung fĂĽr die Compliance-Stelle.
- Schadenmanagement / Claims: Die KI beurteilt Schadenbilder, schlägt einen Regulierungsweg vor, erkennt potenziellen Betrug und initiiert – wo zulässig – automatische Auszahlungen.
- Backoffice im Wealth Management: Agentische KI erstellt Gesprächsprotokolle, aktualisiert CRM-Einträge, schlägt Portfolio-Anpassungen vor und bereitet MIFID- oder FIDLEG-konforme Dokumente vor.
Der Effekt: Weniger manuelle Routinetätigkeiten, kürzere Durchlaufzeiten, geringeres Fehlerrisiko. Und die Mitarbeitenden können sich wieder auf komplexe Fälle und Kundenbeziehungen konzentrieren.
3. Gesteuerte Profitabilität durch integriertes Risiko- und Pricing-Know-how
Die Stärke von Earnix liegt im dynamischen Pricing auf Basis prädiktiver Modelle. In Kombination mit der Personalisierung von Zelros heisst das:
- Angebote sind nicht nur passend fĂĽr den Kunden, sondern gleichzeitig risiko- und margenseitig optimiert.
- Änderungen in der Risikobewertung (z.B. neue Datenquellen, geändertes Kundenverhalten) fliessen direkt in Underwriting und Pricing ein.
- Marketing-Experimente (z.B. gezielte Kampagnen für bestimmte Segmente) können in nahezu Echtzeit auf Loss Ratio, Churn und CLV geprüft werden.
Dadurch entsteht ein Regelkreis, der Vertrieb, Risiko und Operations verbindet – statt sie gegeneinander laufen zu lassen.
Relevanz für Schweizer Banken & Vermögensverwalter
Die meisten Beispiele stammen aus der Versicherung, aber die Logik überträgt sich 1:1 auf Banking und Wealth Management in der Schweiz.
Wo Schweizer Banken heute stehen
Aus Gesprächen mit Instituten im DACH-Raum sehe ich meist drei Gruppen:
- KI-Experimentierer: Einzelne POCs – ein Chatbot hier, ein Pilot im Fraud-Bereich dort. Kein gemeinsamer Rahmen.
- Use-Case-Sammler: Viele produktive KI-Use-Cases, aber alle in Silos. Governance und Monitoring sind mĂĽhsam.
- Plattform-Denker: Wenige, aber wachsende Gruppe. Sie bauen gezielt eine KI-Entscheidungsplattform, auf der neue Use Cases schnell ausgerollt werden.
Earnix + Zelros zielt klar auf Gruppe 3 – und genau dahin sollten mittelfristig alle grossen Institute wollen.
Typische Einsatzfelder in der Schweizer Finanzbranche
Für die Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ sind besonders spannend:
- Robo-Advisory & hybride Beratung: Personalisierte Vorschläge, die Risikoappetit, Nachhaltigkeitspräferenzen und steuerliche Aspekte gleichzeitig abbilden – mit KI-gestützter Gesprächsführung im Filial- oder Video-Call.
- Fraud Detection & AML: Prädiktive Modelle zur Betrugserkennung, kombiniert mit agentischer KI, die Verdachtsfälle aufbereitet, priorisiert und dokumentiert.
- Personalisierte Kundenbetreuung: Vom Wealth-Kunden bis zum Retail-Inhaber eines Privatkontos – alle profitieren von relevanten, datengetriebenen Angeboten, statt Standard-Mailings.
- Regulatorische Dokumentation: Generative KI erstellt klare, verständliche Zusammenfassungen komplexer Produkte oder Portfolioentscheidungen – inklusive der erforderlichen rechtlichen Hinweise.
Der grosse Vorteil einer Plattform: Einmal sauber angebunden, lassen sich neue Use Cases iterativ ergänzen, ohne jedes Mal wieder bei Null anzufangen.
Wie der Einstieg in vernetzte KI-Entscheidungen gelingt
Die gute Nachricht: Der Weg zu einer integrierten KI-Plattform muss kein Mehrjahresprojekt mit Mammorbudgets sein. Was funktioniert, ist ein schrittweiser, aber konsequenter Ansatz.
Schritt 1: Klaren Business-Fokus definieren
Statt „wir machen jetzt etwas mit generativer KI“ braucht es konkrete Ziele wie:
- „Wir reduzieren die durchschnittliche Bearbeitungszeit im Schaden um 30 %.“
- „Wir steigern die Abschlussquote im Advisory-Gespräch um 15 %.“
- „Wir senken den manuellen Aufwand in der Compliance-Prüfung um 40 %.“
Diese Ziele entscheiden, welche Daten, welche Modelle und welche Automatisierungslogik zuerst umgesetzt werden.
Schritt 2: Gemeinsame Datenbasis schaffen
Egal ob Earnix, Zelros oder eine andere Plattform: Ohne verbindende Datenbasis bleibt es StĂĽckwerk.
- Kundendaten, Produktdaten, Interaktionsdaten, Risiko- und Schadendaten gehören auf eine einheitliche, qualitätsgesicherte Grundlage.
- Daten-Governance und DSG/DSGVO-Konformität müssen von Anfang an mitgedacht werden – gerade in der Schweiz mit ihrem hohen Anspruch an Datenschutz.
Schritt 3: Agentische KI kontrolliert einfĂĽhren
Agentic AI sollte nicht sofort komplett autonom agieren. Bewährt haben sich kontrollierte Eskalationsstufen:
- Assistiert: KI gibt Empfehlungen, der Mensch entscheidet.
- Teil-automatisiert: KI entscheidet in Low-Risk-Fällen, High-Risk-Fälle gehen an Menschen.
- Hochautomatisiert: Für klar umrissene Standardfälle übernimmt die KI den gesamten Workflow.
Jede Stufe liefert Messwerte – und diese sind die Basis, um Regulatoren, Management und Mitarbeitende mitzunehmen.
Schritt 4: Change & Skills nicht unterschätzen
Technik ist selten das Hauptproblem. Entscheidend ist:
- Schulung von Beraterinnen, Underwritern, Schadensachbearbeitern und Compliance-Teams im Umgang mit KI-Empfehlungen.
- Aufbau eines Data & AI Competence Centers, das Fachbereiche begleitet und Governance sichert.
- Eine klare Kommunikation: KI ersetzt nicht den Banker oder Underwriter, sie entlastet und erhöht Entscheidungsgüte.
Was die Earnix–Zelros-Story für die Zukunft signalisiert
Die Ăśbernahme ist mehr als eine Unternehmensnachricht. Sie ist ein Signal: Der Markt bewegt sich Richtung integrierter, agentischer KI-Plattformen, die Pricing, Risiko, Vertrieb und Kundeninteraktion verbinden.
Für Schweizer Banken, Versicherer und Vermögensverwalter bedeutet das:
- Wer jetzt beginnt, Use Cases auf einer vernetzten KI-Architektur zu bauen, wird ab 2026/2027 massive Effizienz- und Wachstumsgewinne sehen.
- Wer KI weiter als lose Sammlung von Tools behandelt, riskiert steigende Kosten, fragmentierte Kundenerlebnisse und strategische Abhängigkeit von Nischenlösungen.
Die Realität ist einfacher, als sie wirkt: Starten Sie mit einem klar definierten, messbaren Use Case, aber denken Sie von Anfang an in Plattformen statt in Einzellösungen.
Wenn Sie konkret wissen wollen, welche Anwendungsfälle für agentische KI, Compliance-Automatisierung, Fraud Detection oder Robo-Advisory in Ihrem Haus am schnellsten Wirkung entfalten, ist jetzt der richtige Zeitpunkt für einen strukturierten KI-Roadmap-Workshop.
Die nächste Phase der KI in der Schweizer Finanzbranche wird nicht von denjenigen gewonnen, die das spektakulärste Pilotprojekt zeigen, sondern von denen, die jede Pricing-, Underwriting- und Engagement-Entscheidung systematisch smarter machen – Tag für Tag, Gespräch für Gespräch.