Wie Schweizer Banken und Vermögensverwalter ihren Arbeitsplatz mit GenAI in vier Stufen transformieren – von 360°-Kundensicht bis Autopilot im Tagesgeschäft.
Warum Schweizer Finanzinstitute ihren Arbeitsplatz neu denken mĂĽssen
90 % der Zeit, die Mitarbeitende in Banken und Vermögensverwaltungen heute vor dem Bildschirm verbringen, erzeugt keinen direkten Mehrwert für Kundinnen und Kunden. Sie suchen Daten, klicken sich durch Masken, schreiben interne Mails. Genau hier setzt Generative KI an – und verändert den digitalen Arbeitsplatz in der Finanzbranche grundlegend.
Für die Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ ist das kein Nice-to-have-Thema, sondern Kern der Wettbewerbsfähigkeit. Wer in Zürich, Genf oder Lugano in fünf Jahren noch relevant sein will, braucht einen klaren Plan: Wie sieht der KI-gestützte Arbeitsplatz von Relationship Managern, Kundenberatern, Compliance-Teams und Portfolio-Managern aus – ganz konkret?
In diesem Beitrag skizziere ich einen praktischen 4‑Stufen-Fahrplan, angelehnt an Erfahrungen aus dem Versicherungsbereich, aber übersetzt für Schweizer Banken und Vermögensverwalter. Es geht nicht um Visionen für 2050, sondern um einen Zeitraum von 5–10 Jahren – mit Schritten, die Sie 2025/2026 starten können.
Stufe 1: Ein echtes 360°-Kundenbild – nicht nur im Marketing-Slide
Der wichtigste Hebel für KI im Finanzbereich ist ein wirklich vollständiges Kundenbild. Die meisten Institute behaupten, sie hätten es – im Alltag zeigt sich aber: Daten liegen verteilt in Core Banking, CRM, Portfolio-Management-Systemen, E‑Mail-Postfächern und PDF-Dokumenten.
GenAI ändert die Spielregeln, weil sie zwei Welten verbindet:
- Strukturierte Daten: CRM-Felder, Depots, Transaktionshistorien, Risikoprofile, KYC-Daten, Kreditlimiten
- Unstrukturierte Daten: Beratungsprotokolle, E‑Mails, Meeting-Notizen, Chat-Verläufe, Sprachaufzeichnungen, Research-Reports
Wie ein LLM ein 360°-Bild für Banken und Vermögensverwalter baut
Ein grosses Sprachmodell kann:
- strukturierte Felder wie
birthDate,DOBoderGeburtsdatumüber verschiedene Systeme hinweg als dasselbe erkennen - unstrukturierte Inhalte wie Gesprächsnotizen verstehen („möchte in 2 Jahren Immobilie kaufen“, „tiefe Risikobereitschaft nach Scheidung“) und als maschinenlesbare Fakten extrahieren
- interne Daten mit externen Quellen (Markt- und ESG-Daten, Nachrichten, Firmenereignisse bei Unternehmerkunden) kombinieren
Ergebnis: Ein Kundenberater in ZĂĽrich sieht nicht nur das Depot und die letzte Transaktion, sondern auf einen Blick:
- aktuelle Lebenssituation (Familie, Job, Unternehmensbeteiligungen)
- finanzielle Ziele (Eigenheim, Nachfolgeplanung, Philanthropie)
- Risikoneigung und vergangenes Verhalten
- relevante Ereignisse (z. B. Firmenverkauf, Bonuszahlung, Erbschaft)
Konkrete Anwendungsfälle in der Schweiz
- Private Banking: Ein Relationship Manager erhält vor dem Jahresgespräch automatisch eine KI-generierte „Kunden-Dossier-Zusammenfassung“ mit Chancen (z. B. Lombardkredit, strukturierte Produkte, nachhaltige Anlagen) und Risiken (Konzentration auf einzelne Titel, Währungsrisiko CHF vs. EUR).
- Retail Banking: Die Kundenberaterin in der Filiale sieht, dass der Kunde bereits über E‑Mail nach Hypothekenerhöhung gefragt und im Mobile Banking mit einem Vorsorge-Rechner experimentiert hat – bevor das Gespräch startet.
Warum das der erste Schritt sein sollte: Alle weiteren KI-Funktionen – von Robo-Advisory bis Fraud Detection – werden deutlich besser, wenn das zugrundeliegende Kundenbild sauber, konsistent und vollständig ist.
Stufe 2: Weg vom Klicken – hin zum „hörenden“ System
Die meisten Mitarbeitenden in Banken tippen noch immer manuell Gesprächsnotizen, Anträge oder Compliance-Abklärungen in Formulare. Das ist nicht nur mühsam, sondern auch fehleranfällig. Moderne KI-Workspaces drehen das um: Der Mensch spricht, die Maschine dokumentiert.
Wie ein „hörender Arbeitsplatz“ funktioniert
- Das Beratungsgespräch (in der Filiale, per Video oder Telefon) wird DSGVO- und DSG-konform aufgezeichnet.
- Eine Speech-to-Text-Komponente transkribiert das Gespräch.
- Ein LLM extrahiert automatisch:
- persönliche Daten (Adresse, Familienstand, Beruf)
- finanzielle Ziele und Zeithorizonte
- Risikoneigung und Restriktionen (z. B. keine Waffen, kein Ă–l & Gas)
- vereinbarte To-dos und nächste Schritte
- Die Informationen werden direkt in die relevanten Systeme (CRM, Beratungsdokumentation, Aufgaben-Tool) geschrieben.
Nutzen fĂĽr Schweizer Institute
- Produktivität: Berater sparen pro Gespräch 10–20 Minuten Nachbearbeitung. Auf das Jahr hochgerechnet entspricht das einigen zusätzlichen Beratungstagen.
- Datenqualität: Informationen gehen nicht mehr in handschriftlichen Notizen oder ungelesenen E‑Mails verloren.
- Compliance: Geeignetheits- und Angemessenheitsprüfungen lassen sich lückenlos dokumentieren – ein Plus bei FINMA-Reviews.
Für den Kunden wirkt das Ganze einfacher: weniger Formulare, weniger Nachfragen, mehr Fokus auf das Wesentliche – seine Ziele.
Stufe 3: Der KI-Copilot im Tagesgeschäft – mehr als ein Chatbot
Der nächste logische Schritt ist ein Copilot, der aktiv im Hintergrund mitarbeitet und Mitarbeitende führt, statt nur Informationen zu liefern. Gerade in einem stark regulierten, komplexen Umfeld wie der Schweizer Finanzbranche ist das ein enormer Hebel.
Was ein Copilot konkret kann
Ein guter KI-Copilot für Banking & Vermögensverwaltung arbeitet rollenbasiert:
- FĂĽr Kundenberater
- schlägt während des Gesprächs passende Produkte vor, basierend auf 360°-Profil, Risikoappetit und regulatorischen Vorgaben
- warnt, wenn eine Empfehlung nicht MiFID II-/FIDLEG-konform ist
- formuliert Gesprächszusammenfassungen und Follow-up-E-Mails
- FĂĽr Portfolio-Manager
- fasst Research-Reports zu einem Titel in drei Bulletpoints zusammen
- simuliert Portfolioumbauten nach ESG-, Risiko- oder Liquiditätskriterien
- erklärt komplexe Produkte in verständlicher Sprache für Endkunden
- FĂĽr Compliance & Risk
- prĂĽft Stichproben von Beratungsprotokollen auf fehlende Informationen
- unterstützt bei der Kategorisierung von Verdachtsfällen (Geldwäscherei, Insiderhandel)
- erstellt erste EntwĂĽrfe fĂĽr interne Richtlinien auf Basis neuer Regulierungen
Die Kunst besteht darin, den Copilot nicht als Konkurrenz zur Fachperson zu positionieren, sondern als digitalen Coach. Die Entscheidungshoheit bleibt beim Menschen, aber Routineaufgaben und FleiĂźarbeit wandern zur Maschine.
Warum das gerade in der Schweiz relevant ist
- Der Fachkräftemangel im Finanzsektor ist real, besonders bei qualifizierten Kundenberatern.
- Gleichzeitig steigen die regulatorischen Anforderungen (DSG-Revision, FIDLEG, ESG-Regulierung).
- Kunden erwarten nahtlose, personalisierte Erlebnisse – egal ob sie mit einer Kantonalbank oder einem internationalen Private Bank sprechen.
Ein Copilot, der diese Spannungsfelder entschärft, ist kein Luxus, sondern ein Wettbewerbsfaktor.
Stufe 4: Vom Copilot zum Autopilot – wo KI selbstständig handeln darf
Der entscheidende Unterschied zwischen Copilot und Autopilot ist der Grad an Vertrauen und Autonomie. Beim Autopilot überlassen Sie der KI ausgewählte Aufgaben komplett – innerhalb klar definierter Leitplanken.
Realistische Autopilot-Szenarien fĂĽr Schweizer Institute
Autopilot bedeutet nicht, dass ein LLM eigenmächtig Millionen verschiebt. Es geht um wohldefinierte, kontrollierte Prozesse, zum Beispiel:
- Self-Service-Kanäle
- Ein virtueller Assistent beantwortet 24/7 Standardanfragen (Kartenlimite, Adressänderung, Dokumentanfragen) und löst einfache Fälle vollständig selbst.
- Robo-Advisory light
- Für kleinere Vermögen oder Vorsorgelösungen erstellt der Autopilot Anlagestrategien innerhalb klarer Risikobänder und setzt sie nach Kundeneinwilligung um.
- Compliance-Automatisierung
- Transaktionen unterhalb bestimmter Schwellenwerte werden von einem agentischen KI-System vorgeprüft und nur bei Auffälligkeiten an Menschen übergeben.
- Backoffice & Operations
- Standardfälle in Kredit- oder Hypothekenprozessen werden weitgehend automatisiert entschieden, basierend auf vorgegebenen Scoring-Modellen und Richtlinien.
Was dafĂĽr vorbereitet werden muss
Wer Autopiloten einsetzen will, sollte heute beginnen mit:
- klaren Policies, welche Entscheidungen automatisiert werden dĂĽrfen
- Explainability-Anforderungen, damit KI-Entscheide nachvollziehbar sind
- Reskilling-Programmen, die Mitarbeitende auf neue Rollen vorbereiten (z. B. vom klassischen Sachbearbeiter zum „KI-Supervisor“)
Der Vorteil: Die freiwerdende Kapazität kann in Beratung mit hoher Wertschöpfung fliessen – etwa in komplexe Vermögensnachfolge, Unternehmensfinanzierung oder individuelle ESG-Mandate.
Praktische Roadmap: So starten Schweizer Banken 2025
Viele Institute fragen sich: Wo anfangen, ohne sich zu verzetteln? Aus den vier Stufen lässt sich ein pragmatischer Fahrplan ableiten.
1. Datenbasis und Governance klären
- Datenlandkarte erstellen: Wo liegen welche Kunden- und Produktdaten?
- Priorisierte Use Cases definieren (z. B. Beratungsdokumentation, Compliance-Checks, Portfolio-Insights)
- Datenschutz, DSG & FINMA-Vorgaben in einem KI-Governance-Rahmen verankern
2. Pilotprojekte zu 360°-Sicht und Dokumentations-Automation
- GenAI-Pilot in einem klar abgegrenzten Bereich (z. B. Anlageberatung Retail Schweiz)
- Sprachaufzeichnung + automatische Protokollerstellung in 2–3 Filialen testen
- Feedback von Beratern strukturiert einsammeln und in die nächste Iteration einbauen
3. Copiloten fĂĽr definierte Rollen bereitstellen
- Start mit 1–2 Rollen (z. B. Kundenberater Privatkunden und Compliance-Officer)
- Copilot direkt in bestehende Arbeitsoberflächen integrieren, statt neue Tools einzuführen
- Schulungen fokussieren auf „Wie arbeite ich mit meinem Copilot effektiv zusammen?“
4. Autonomie schrittweise erhöhen
- Automatisierung zuerst bei Low-Risk-Prozessen (Adressänderungen, Standardbestätigungen)
- Quality Gates und Monitoring etablieren
- Nachweisbare Qualitätsverbesserungen nutzen, um in komplexere Szenarien zu gehen
Wer so vorgeht, reduziert Risiko, erhöht Akzeptanz bei Mitarbeitenden und schafft gleichzeitig messbare Effizienz- und Qualitätsgewinne.
Fazit: Der KI-Arbeitsplatz ist die neue Filiale
Der digitale Arbeitsplatz von Bankern, Vermögensverwaltern und Compliance-Teams entscheidet in den nächsten Jahren darüber, welche Schweizer Institute wachsen – und welche nur noch verwalten. Ein echtes 360°-Kundenbild, hörende Systeme, starke KI-Copiloten und klar definierte Autopiloten sind dabei die vier zentralen Ausbaustufen.
Für unsere Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ heisst das: Es geht nicht nur um einzelne Lösungen wie Fraud Detection oder Robo-Advisory, sondern um ein neues Zusammenspiel von Mensch und Maschine im Arbeitsalltag.
Wer 2025 mit Pilotprojekten startet, kann 2027/2028 bereits eine spürbar andere Arbeitswelt in seinem Institut haben – mit mehr Zeit für echte Beratung, weniger administrativem Ballast und einem Kundenerlebnis, das zu den hohen Ansprüchen des Schweizer Finanzplatzes passt.
Wenn Sie heute eine Frage mitnehmen wollen, dann diese:
Welche drei Tätigkeiten, die Ihr Team jeden Tag erledigt, sollten in fünf Jahren nicht mehr von Menschen, sondern von einem KI-gestützten Arbeitsplatz übernommen werden?