GenAI-Workspaces verändern, wie Schweizer Banken, Vermögensverwalter und Versicherer arbeiten – von 360°-Kundenbild bis Autopilot. So gehen Sie die vier Schritte an.
Warum Schweizer Finanzinstitute ihr Workspace-Konzept neu denken mĂĽssen
9 % mehr Gewinn im globalen Bankensektor bis 2028 – allein durch KI. Diese Schätzung stammt nicht aus einer Marketingbroschüre, sondern aus einer großen internationalen Studie. Für die Versicherungsdistribution werden zusätzliche 50 Mrd. US‑Dollar pro Jahr erwartet. Wer in der Schweiz Banking oder Versicherung verantwortet, kann diese Größenordnung nicht ignorieren.
Die Realität in vielen Häusern sieht aber anders aus: Berater springen zwischen 8–15 Systemen hin und her, Compliance frisst Zeit, Kundinnen erleben fragmentierte Prozesse. Gleichzeitig steigen regulatorischer Druck, Margendruck und Kundenerwartungen – gerade im Schweizer Markt mit seinen anspruchsvollen Privat- und Vermögenskunden.
Dieser Beitrag gehört zur Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ und zeigt, wie ein GenAI-basierter Workspace für Banken, Vermögensverwalter und Versicherer aussehen kann – und welche vier Schritte Sie jetzt konkret gehen sollten, um dorthin zu kommen.
Schritt 1: Ein echtes 360°-Kundenbild – nicht nur im Slide-Deck
Ein Client 360 steht seit Jahren in nahezu jeder Digitalisierungsstrategie. Trotzdem erleben viele Relationship Manager, Kundenberaterinnen und Underwriter in der Praxis etwas anderes: fragmentierte Daten, unvollständige Dossiers, manuelle Recherchen.
Was heute fehlt
Typische Situation in einer Schweizer Bank oder Versicherung:
- CRM mit Basisstammdaten
- Kernbank- oder Policensystem mit Verträgen, Limiten, Schadenhistorie
- E‑Mail-Postfächer mit wichtigen Absprachen
- PDF-Dossiers, Beratungsprotokolle, Scans
- Gesprächsnotizen irgendwo in OneNote oder auf Papier
Technisch ist vieles vorhanden, aber es wird nicht zu einem nutzbaren Gesamtbild zusammengefĂĽhrt. Genau hier setzen generative Modelle und Large Language Models (LLMs) an.
Wie GenAI das 360°-Bild wirklich ermöglicht
LLMs können strukturierte und unstrukturierte Daten zusammenführen und in eine für Berater und Fachbereiche verständliche Form bringen:
- Strukturierte Daten: CRM-Felder wie
birth_date,marital_status, Portfoliostruktur, Produktnutzung, Bonitätsinformationen - Unstrukturierte Daten: E‑Mails, Beratungsprotokolle, Meetingnotes, Sprachtranskripte, interne Richtlinien, Produktdokumente
Der Clou: Für ein LLM macht es keinen großen Unterschied, ob die Information aus einer sauberen Datenbankspalte oder aus einem Gesprächstranskript stammt. Das Modell erkennt, dass date_of_birth, DOB und BDate in unterschiedlichen Systemen das Gleiche meinen.
Konkretes Szenario aus dem Schweizer Kontext:
Eine Kundin ruft ihre Bankberaterin an und erwähnt nebenbei:
- Sie plane in zwei Jahren einen Immobilienkauf im Wallis.
- Sie wolle ihr Wertschriftendepot nachhaltiger ausrichten.
- Sie sorge sich um die Absicherung ihrer Familie.
In vielen Instituten verschwinden diese Infos im Nirwana der Gesprächsnotizen. Ein GenAI-Workspace hingegen:
- extrahiert diese Hinweise automatisch,
- verknĂĽpft sie mit bestehenden Finanzdaten,
- zeigt im Dashboard priorisierte Chancen an (Hypothek, Vorsorgeplanung, ESG-Portfolio-Check, Risikoabsicherung),
- berĂĽcksichtigt gleichzeitig regulatorische Vorgaben und interne Suitability-Logik.
So entsteht ein lebendes Kundenprofil, das sich nach jedem Kontakt aktualisiert – und nicht nur einmal im Jahr im CRM-Report.
Schritt 2: Weg vom Klicken – hin zum „Listening Workspace“
Die wenigsten Fachkräfte wurden eingestellt, um Dropdowns auszufüllen. Wert entsteht im Gespräch, in der Analyse, in der Vertrauensbildung – nicht im GUI.
Voice-first statt Click-first
Dank moderner Spracherkennung und GenAI können Workspaces heute:
- Kundengespräche (mit Einwilligung) mitschneiden,
- sie in Echtzeit transkribieren,
- Schlüsselinformationen extrahieren (Ziele, Lebensereignisse, Risikoaffinität, ESG-Präferenzen),
- diese automatisch den richtigen Feldern in CRM, Kernbank- oder Policensystem zuordnen.
FĂĽr Schweizer Banken und Versicherer, die ohnehin mit detaillierten Beratungsprotokollen arbeiten mĂĽssen, wird das besonders spannend: Compliance-Anforderungen werden automatisch mitbedient, statt manuell erfĂĽllt.
Produktivitäts- und Datenvorteile
Ein GenAI-basierter Listening Workspace bringt drei harte Effekte:
- Mehr produktive Beratungszeit: Weniger Tipparbeit, weniger Nachdokumentation nach Feierabend.
- Höhere Datenqualität: Informationen gehen nicht zwischen Notizzetteln, E‑Mails und Excel verloren, sondern landen strukturiert im System.
- Bessere Personalisierung: Der Workspace kennt Hobbys, Reisevorlieben, Familienplanung, Investitionshorizonte – und kann Vorschläge generieren, die wirklich zum Leben der Kundschaft passen.
Für Vermögensverwalter in Zürich oder Zug heißt das: Der Fokus geht wieder stärker auf Portfolioqualität und Kundenbeziehung, während der Workspace die Dokumentations-Last abnimmt.
Schritt 3: Der KI-Copilot für Berater, Compliance & Backoffice
Hier wird es strategisch spannend: GenAI ist nicht nur ein besseres Suchfeld, sondern ein Copilot, der Aufgaben mitbearbeitet, Entscheidungen vorbereitet und Mitarbeitende aktiv coacht.
Warum gerade Finanzbranche davon profitiert
Bank- und Versicherungsprodukte sind komplex, die Finanzbildung vieler Endkunden ist begrenzt, die Regulierung in der Schweiz und EU hoch. Genau diese Kombination macht wissensintensive Tätigkeiten aus – ideal für einen digitalen Copilot:
- Beraterinnen und Berater
- Underwriter und Risikomanager
- Compliance- und Legal-Teams
- Schaden- und Leistungsbearbeitung
- Marketing & Produktmanagement
Der Copilot kann etwa:
- bei der Bedarfsermittlung dynamische Fragen vorschlagen,
- Produktkombinationen prüfen (z.B. Hypothek + Risikolebensversicherung + Säule-3a-Lösung),
- Suitability-Checks erläutern,
- Kundenkommunikation in verständlicher Sprache formulieren,
- Fachmitarbeitende auf Ausnahmen und Red Flags hinweisen.
Silo-Grenzen im Workspace auflösen
Heute sind Prozesse oft strikt getrennt:
- Die Kundenberaterin führt das Gespräch.
- Der Underwriter entscheidet im Hintergrund.
- Der Schadenbearbeiter meldet sich im Fall der Fälle.
Mit einem smarten GenAI-Workspace können Teile dieses Wissens in den Copilot wandern. Ein Mitarbeitender kann – geführt von KI – Aufgaben übernehmen, die früher drei verschiedene Rollen erfordert hätten, während Spezialistinnen sich auf komplexe Sonderfälle konzentrieren.
Das fĂĽhrt zu:
- schnelleren Durchlaufzeiten,
- weniger MedienbrĂĽchen,
- deutlich konsistenterer Kundenerfahrung über alle Kanäle.
Für Schweizer Institute mit knappem Fachkräfteangebot ist das kein „Nice-to-have“, sondern eine Antwort auf den Personalmangel.
Schritt 4: Vom Copilot zum Autopilot – und was das für Rollen bedeutet
Der Unterschied zwischen Copilot und Autopilot ist simpel: Vertrauen und Autonomie.
- Copilot: Die Maschine schlägt vor, der Mensch entscheidet.
- Autopilot: Die Maschine entscheidet in klar definierten Grenzen selbst.
Wo Autopilots realistisch sind
Gerade im regulierten Schweizer Umfeld wird der Autopilot nicht morgen alle Berater ersetzen. Aber es gibt Szenarien, in denen voll oder teilautonome Agenten heute schon sinnvoll sind:
- Standardisierte Produktvergleiche (z.B. Rechtschutzversicherungen, Motorfahrzeugpolicen)
- Routinefälle in der Schadenbearbeitung mit klaren Regeln
- Betrugsvorprüfungen als Ergänzung zur klassischen Fraud Detection
- Vorqualifizierung von Leads im digitalen Banking oder Robo-Advisory
Solche Agenten arbeiten auf Basis von LLMs, kennen Produkte, Richtlinien und Workflows und orchestrieren selbstständig mehrere Schritte – inklusive Interaktion mit Kunden oder internen Systemen.
Reskilling statt Stellenabbau
Wer Autopilot-Funktionen ernsthaft einfĂĽhren will, braucht einen klaren People-Plan:
- Welche Aufgaben werden in 3–5 Jahren maschinell erledigt?
- Welche neuen Tätigkeiten entstehen (z.B. KI-Governance, Prompt-Engineering, Modell-Monitoring, Customer Journey Design)?
- Wie werden heutige Beraterinnen, Sachbearbeiter und Analysten dahin entwickelt?
Mein Eindruck aus Projekten: Die produktivsten Häuser sind diejenigen, die früh offensiv kommunizieren, Experimentierräume schaffen und Weiterbildung nicht auf ein E‑Learning-Modul reduzieren.
Praxisleitfaden: Wie Schweizer Institute den GenAI-Workspace aufbauen
Damit das nicht theoretisch bleibt, hier ein pragmatischer Fahrplan speziell für Banken, Vermögensverwalter und Versicherer in der Schweiz.
1. Use Cases priorisieren
Starten Sie mit 3–5 klar umrissenen Anwendungsfällen, z.B.:
- 360°-Kundendossier für Relationship Manager
- Sprachbasierte Beratungsdokumentation inkl. MiFID-/FIDLEG-Checks
- Copilot fĂĽr Hypotheken- oder Vorsorgeberatung
- Robo-Advisory-Ergänzung mit generativer Erklärungskomponente
2. Datenlandschaft klären
- Welche Kernsysteme (Core Banking, Policy Management, CRM, DMS) sind kritisch?
- Wo liegen unstrukturierte Daten (E‑Mail, SharePoint, Teams, On-Prem-Dokumente)?
- Welche Data-Governance- und Datenschutz-Vorgaben (insb. DSG, GDPR) gelten?
Ohne klare Data-Governance wird jeder GenAI-Workspace zum Risiko.
3. Architektur fĂĽr den Workspace definieren
Entscheiden Sie bewusst:
- Wird KI als Schicht ĂĽber bestehenden Systemen eingefĂĽhrt (Copilot im Frontend)?
- Oder werden Funktionen tief in Kernprozesse integriert (z.B. in Schadenworkflows, Kreditstrecken)?
Erfahrungsgemäß bringt eine kombinierte Strategie den schnellsten Mehrwert: schnelle Erfolge im Frontend, während im Hintergrund strukturiert integriert wird.
4. Governance, Compliance, Ethik absichern
Gerade im Schweizer Markt sind Vertrauen und Reputation zentrale Assets. Deshalb brauchen GenAI-Initiativen:
- klare Richtlinien zu Transparenz („Wo arbeitet KI, wo nicht?“),
- Freigabeprozesse fĂĽr KI-generierte Empfehlungen,
- Monitoring von Modell-Performance und Bias,
- Einbindung von Legal, Compliance und Risk ab Projektstart.
5. Change & Enablement ernst nehmen
Ein GenAI-Workspace ist eine Verhaltensänderung, kein weiteres Tool-Icon.
- Train-the-Trainer-Programme fĂĽr Fachbereiche
- Pilotteams mit hoher Sichtbarkeit (z.B. im Private Banking oder im Maklervertrieb)
- Klare Erfolgsmessung: gewonnene Beratungszeit, NPS, Abschlussquoten, Fehlerquoten, Revisionsfestigkeit
Ausblick: Der GenAI-Workspace als Wettbewerbsfaktor im Schweizer Markt
Der rote Faden durch diese Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ ist klar: KI ist kein isoliertes Projekt, sondern Infrastruktur für die nächste Dekade. Der GenAI-Workspace ist genau dieser Infrastruktur-Layer, den Ihre Mitarbeitenden täglich spüren.
Wer heute damit beginnt,
- ein echtes 360°-Kundenbild aufzubauen,
- Click-Arbeit durch „Listening Workspaces“ zu ersetzen,
- Copilots in Beratung, Compliance und Backoffice einzufĂĽhren,
- und mittelfristig selektiv Autopilots zuzulassen,
positioniert sich nicht nur technologisch, sondern auch kommerziell und kulturell besser als der Wettbewerb.
Die zentrale Frage für die nächsten 3–5 Jahre lautet deshalb nicht: „Ob wir GenAI brauchen?“, sondern: „Wie soll unser Workspace aussehen, damit unsere Mitarbeitenden und Kundinnen davon profitieren?“
Wer darauf eine überzeugende Antwort findet, wird im Schweizer Banking, in der Vermögensverwaltung und im Versicherungsgeschäft vorne mitspielen.