Generative KI-Copiloten verändern Beratung, Compliance und Effizienz in Banking & Versicherung. So übertragen Schweizer Institute diese Ansätze in die Praxis.
Warum generative KI fĂĽr Banken und Versicherer jetzt zur Pflicht wird
Ein Detail zeigt ganz gut, wie weit das Thema schon ist: Zelros, ein 2016 gegründetes KI-Unternehmen für Versicherung und Banking, läuft inzwischen bei rund 15 großen Finanzinstituten produktiv in den Kernsystemen. Keine Spielwiese, keine POCs mehr – echte Produktivlandschaft.
Für die Schweizer Finanzbranche – ob Grossbank, Regionalbank, Kantonalbank oder Vermögensverwalter – ist das ein klares Signal. Wer Kundenerlebnis, Beratung und Effizienz im Jahr 2025 ernst nimmt, kommt an generativer KI im Banking und in der Versicherung nicht mehr vorbei.
In diesem Beitrag aus unserer Reihe „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ schauen wir uns an, was Player wie Zelros konkret tun, warum gerade Versicherungen und Banken so stark profitieren – und wie Sie diese Ansätze auf Ihre Schweizer Organisation übertragen können.
1. Was Zelros zeigt: KI als Copilot fĂĽr Bank- und Versicherungsberater
Der Kernpunkt bei Zelros ist einfach: KI wird als Copilot direkt in den Arbeitsplatz von Beratern und Agenten integriert.
Vom Big Data Experiment zur spezialisierten InsurTech-Lösung
Zelros ist 2016 aus der Beobachtung entstanden, dass Big Data und später KI ganze Geschäftsprozesse verändern werden. Nach Tests in Energie und Luxus haben die Gründer schnell gemerkt: Versicherer reagieren am schnellsten, wenn es um datengetriebene Transformation geht.
Warum? Versicherungen sind:
- stark datengetrieben (Aktuariat, Pricing, Risikomodelle),
- hoch reguliert,
- mit komplexen Produkten unterwegs, die man erklären muss.
Genau hier setzt der Copilot an: Er bringt die gesamte Produkt-, Vertrags- und Regulatorik-Komplexität in eine konkrete Unterstützung am Point of Service – also im Gespräch mit Kundinnen und Kunden.
Der Copilot „Blue Moon“: 4 Dinge, die Berater sofort spüren
Die neueste Version des Zelros-Copiloten („Blue Moon“) ist ein gutes Beispiel für den Trend, der auch Schweizer Institute betrifft. Der Copilot:
- sitzt direkt im Frontend des Beraters (CRM, Kernbankensystem, Maklerportal),
- kennt alle Produkte und Policen, inklusive Bedingungen, AusschlĂĽssen und internen Prozessen,
- nutzt Kundenprofil- und Kontextdaten, um nächste beste Aktionen vorzuschlagen,
- unterstützt beim pflichtkonformen Beratungsprotokoll – in einer Branche mit hoher Regulierungsdichte.
Die Folge: Berater wirken kompetenter, schneller, persönlicher. Und zwar nicht, weil sie plötzlich alles wissen, sondern weil ihr Copilot in Echtzeit Fakten, Vorschläge und Formulierungen liefert.
Für Schweizer Banken und Versicherer ist das hoch relevant – nicht zuletzt wegen FIDLEG, FINIG, VAG und der verschärften Dokumentationspflicht im Vertrieb.
2. Warum generative KI gerade fĂĽr Banking & Insurance ideal ist
Banken und Versicherungen sind Informations-Industrien. Genau deshalb passt generative KI hier besser als in vielen anderen Branchen.
Knowledge Worker im Fokus
Generative KI adressiert vor allem sogenannte Knowledge Worker – Menschen, die:
- Informationen verarbeiten,
- daraus Entscheidungen ableiten,
- neue Inhalte und Daten erzeugen (Beratungsdokumente, E-Mails, Reports, Produkttexte).
In Banken und Versicherungen betrifft das:
- Kundenberater und Relationship Manager,
- Underwriter und Kreditentscheider,
- Marketing- und Digital-Teams,
- Aktuare und Risikomanager,
- Compliance-, Legal- und Operations-Teams.
Wenn diese Rollen produktiver und präziser arbeiten, steigt direkt RoI und Kundenzufriedenheit.
Die grosse Stärke: unstrukturierte Daten endlich nutzbar machen
Klassische Analytics in Banken und Versicherungen war vor allem strukturiert:
- Vertragsdaten,
- Transaktionen,
- Risikokennzahlen.
Generative KI kann zusätzlich unstrukturierte Daten verarbeiten, zum Beispiel:
- E-Mails und Chatverläufe,
- Gesprächsnotizen aus Callcentern,
- PDF-Verträge und AGB,
- interne Wissensdatenbanken,
- regulatorische Rundschreiben.
Genau diese Daten machen im Banking und in der Versicherung einen riesigen Anteil aus – wurden aber bislang kaum systematisch genutzt. KI-Copiloten wie Zelros können:
- Kundenanliegen in E-Mails automatisch einordnen,
- passende Antworten formulieren,
- relevante Wissensartikel und Prozessschritte extrahieren,
- Risiken und LĂĽcken identifizieren (z.B. fehlende Dokumente, nicht abgedeckte Risiken).
Für Schweizer Institute, die oft mit mehrsprachigen Dokumenten (DE/FR/IT/EN) arbeiten, ist das ein zusätzlicher Effizienzhebel.
3. Anwendungsfälle für Schweizer Banken & Vermögensverwalter
Die Beispiele von Zelros kommen aus Versicherung und Bancassurance – übertragen auf die Schweiz ergeben sich klare Use Cases im Banking und Wealth Management.
3.1 KI-Copilot fĂĽr Kundenberater & Relationship Manager
Problem: Kundinnen und Kunden erwarten heute:
- sofortige Antworten,
- personalisierte Vorschläge,
- transparente Erklärungen zu Gebühren, Risiken und Produkten.
Viele Berater verlieren jedoch Zeit mit Suchen:
- Wo steht die aktuelle Kreditrichtlinie?
- Welche Fonds passen ins Risikoprofil dieses Kunden?
- Welche Dokumente fehlen noch fĂĽr diese Hypothek?
KI-Lösung:
Ein Copilot fĂĽr Berater kann:
- Gesprächsnotizen in Echtzeit analysieren,
- passende Produkte auf Basis von Profil, Zielen und Risikoappetit vorschlagen,
- regulatorisch saubere Formulierungen für Geeignetheitserklärungen anbieten,
- automatisch Beratungsprotokolle vorbefĂĽllen.
Gerade im Vermögensverwaltungsgeschäft kann generative KI dem Relationship Manager helfen, komplexe Markt- und Produktinformationen in klare, kundenverständliche Sprache zu übersetzen – auf Deutsch, Französisch oder Englisch.
3.2 Robo-Advisory & hybride Beratung
Die Stärke von Lösungen wie Zelros liegt in der Personalisierung bei gleichzeitig hoher Skalierbarkeit. Für Schweizer Banken und Vermögensverwalter bedeutet das:
- digitale Vorsorge- und Anlage-Assistenten, die auf individuellen Zielen, Lebenssituationen und Steuerkontext basieren,
- hybrides Modell: Self-Service für einfache Anliegen, menschlicher Berater mit KI-Unterstützung für komplexe Fälle,
- konsistente Empfehlungen: online, in der Filiale und im Callcenter basieren auf derselben Wissensbasis.
Das reduziert Beratungsrisiken und sorgt dafür, dass Kundinnen und Kunden an allen Touchpoints das Gefühl haben: „Diese Bank kennt mich und versteht meine Situation.“
3.3 Compliance & Regulatorik im Griff
Zelros ist nach ISO 27001 zertifiziert – ein wichtiges Signal, denn ohne ernsthafte Informationssicherheit kommt in der Finanzbranche niemand weit.
Für Schweizer Häuser heisst das: Der Weg zu FINMA-konformen KI-Setups ist machbar, wenn man:
- Datenhaltung, Zugriff und VerschlĂĽsselung sauber aufsetzt,
- Audit-Logs und Nachvollziehbarkeit („Why did the AI suggest this?“) sicherstellt,
- KI in bestehende Governance- und Kontrollprozesse integriert.
Anwendungsfälle im Compliance-Bereich:
- VorprĂĽfung von Transaktionen und Kundenprofilen auf Verdachtsmomente (AML/Fraud),
- UnterstĂĽtzung bei der Erstellung von FIDLEG-Dokumentation,
- automatische PrĂĽfung von Vertrags- und Produktunterlagen auf regulatorische Stichworte.
4. Was Schweizer Institute von Zelros’ Strategie lernen können
Zelros hat einen klaren Weg genommen: erst Versicherung, dann Schritt in die Bankwelt (Kredite, Anlageprodukte, Bancassurance). FĂĽr Schweizer Organisationen steckt darin eine sinnvolle Roadmap.
Schritt 1: Fokussieren statt „KI überall“
Die grösste Falle für Banken und Versicherer ist das Gießkannenprinzip: überall ein bisschen KI, aber nirgends wirklicher Mehrwert.
Die bessere Variante – und das zeigt Zelros deutlich:
- Ein Segment wählen, z.B. Vorsorgeberatung, KMU-Kredite oder Retail-Versicherung.
- Einen klaren Nutzerfokus setzen: Berater, Contact Center oder Backoffice.
- Eine End-to-End Journey optimieren, statt nur einzelne Klicks.
Ich habe in Projekten immer wieder gesehen: Wenn ein Copilot im Alltag eines Beraters wirklich funktioniert, ziehen andere Bereiche automatisch nach. Erfolg ist ansteckend.
Schritt 2: Daten, Sicherheit, Governance klären – vorher
Zelros konnte nur in Bank- und Versicherungssysteme hinein, weil:
- das Unternehmen von Beginn an auf Security-by-Design gesetzt hat,
- Zertifizierungen wie ISO 27001 vorhanden sind,
- Datenschutz und Zugriffskonzepte ernst genommen werden.
FĂĽr Schweizer Finanzinstitute heisst das ganz pragmatisch:
- Dateninventar erstellen: Wo liegen welche Kundendaten? Wer hat Zugriff?
- Richtlinien fĂĽr KI-Nutzung festlegen: Was darf die KI sehen, was nicht? Wie lange werden Daten gespeichert?
- Explainability & Monitoring aufbauen: Wie wird geprüft, dass der Copilot keine falschen oder unzulässigen Empfehlungen gibt?
Schritt 3: Copilot als Produktivwerkzeug, nicht als Experiment
Der entscheidende mentale Shift: KI-Copiloten sollten Produktivwerkzeuge sein, keine Spielzeuge im Innovation Lab.
Das bedeutet:
- klare KPIs (z.B. +20 % Abschlussquote, -30 % Bearbeitungszeit, +15 Punkte NPS),
- enge Einbindung von Fachbereichen und Frontmitarbeitenden,
- kurze Feedbackschleifen – was funktioniert, was nicht?
Zelros berichtet von etwa 15 Kunden, die die Lösung bereits grossflächig produktiv nutzen. Diese Größenordnung kann auch für Schweizer Häuser ein Etappenziel sein: Nicht „Wir machen KI“, sondern „Wir haben KI in X % unserer Kernprozesse live“.
5. Konkrete nächste Schritte für Schweizer Banken & Vermögensverwalter
Der Weg zur produktiven generativen KI ist kürzer, als viele denken – wenn man strukturiert vorgeht.
5.1 Schnelltest: Wo lohnt sich ein KI-Copilot zuerst?
Stellen Sie sich (und Ihrem Team) drei Fragen:
- Wo verlieren wir heute am meisten Zeit mit Suchen, Nachlesen, Nachfragen?
- Wo sind Fehler in Beratung oder Backoffice besonders teuer oder riskant?
- Wo wäre ein besseres Kundenerlebnis direkt umsatzrelevant?
Überall, wo alle drei Fragen mit „ja“ beantwortet werden, ist ein Top-Kandidat für einen KI-Copilot.
Typische Beispiele in der Schweizer Praxis:
- Hypothekarberatung,
- Vorsorge- und Säule-3a-Lösungen,
- KMU-Versicherungs- und Kreditpakete,
- Vermögensverwaltungsmandate mit individueller Anlagestrategie.
5.2 Pilotprojekt mit echtem Business-Impact planen
Ein sinnvoller Einstieg in generative KI fĂĽr Banken und Versicherer umfasst:
- Use Case definieren (z.B. Copilot fĂĽr Hypothekenberatung),
- Datenbasis klären (Produktkatalog, Richtlinien, FAQs, regulierte Texte),
- Mitarbeitende einbinden (2–3 Beraterteams als Pilotgruppe),
- Outcome messen (z.B. Bearbeitungszeit, Abschlussquote, Reklamationen, NPS).
Wichtig: Der Pilot sollte nicht im „Sandbox-Vakuum“ laufen, sondern in einer echten Umgebung, möglichst nah am Produktivbetrieb – so wie bei Zelros mit Integration in bestehende Systeme.
Fazit: Generative KI wird zum Standardwerkzeug – auch in der Schweiz
Zelros zeigt sehr deutlich, wohin die Reise geht: KI-Copiloten werden Teil der Standard-Toolchain von Bank- und Versicherungsmitarbeitenden. Sie helfen, komplexe Produkte verständlich zu machen, Beratungsrisiken zu senken und Kundenbeziehungen zu vertiefen.
Für die Schweizer Finanzbranche – von der Grossbank über die Kantonalbank bis zum spezialisierten Vermögensverwalter – ist das eine Chance, Effizienz, Compliance und Kundenerlebnis gleichzeitig zu verbessern.
Wer 2025 startet, kann generative KI noch als Wettbewerbsvorteil nutzen. Wer wartet, wird sie in ein paar Jahren nur noch als Standardanforderung erfĂĽllen. Die Frage ist also weniger ob, sondern wo Sie mit Ihrem ersten produktiven KI-Copilot beginnen wollen.