Zelros und IBM watsonx zeigen, wie regulierungstaugliche KI für Banken, Versicherer und Vermögensverwalter aussieht – mit klaren Use Cases statt Laborexperimenten.
Wie IBM watsonx & Zelros KI im Banking neu denken
Die meisten Banken und Vermögensverwalter im DACH-Raum vergeben gerade bares Geld, weil sie KI entweder nur in Pilotprojekten testen – oder aus Angst vor Regulierung komplett blockieren. Parallel dazu entstehen Ökosysteme, in denen sich spezialisierte Anbieter und Hyperscaler zusammentun, um genau diese Lücke zu füllen. Ein aktuelles Beispiel: die Zusammenarbeit von Zelros und IBM watsonx.
Für die Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ ist diese Kooperation besonders spannend. Sie zeigt, wie sich generative KI, starke Governance und Daten-Souveränität kombinieren lassen – genau die Mischung, die Schweizer Institute in einem streng regulierten Umfeld brauchen.
In diesem Beitrag geht es darum, was hinter der Partnerschaft Zelros–IBM steckt, welche konkreten Anwendungsfälle für Banken und Versicherer entstehen und wie Schweizer Häuser das Modell für ihre eigene KI-Strategie nutzen können.
1. Was bringt die Kooperation von Zelros und IBM watsonx wirklich?
Die Zusammenarbeit von Zelros und IBM watsonx ist im Kern ein Angebot an regulierte Finanzinstitute: Generative KI ja – aber nur mit Kontrolle, Compliance und Datensouveränität.
Zelros bringt dafür eine spezialisierte AI-Plattform für Banking und Versicherung mit, IBM steuert mit watsonx eine Enterprise-taugliche KI- und Datenplattform bei. Entscheidend ist die Kombination:
- watsonx.ai: Entwicklungsstudio für KI-Modelle, inkl. moderner Sprachmodelle (z. B. Mistral, Llama, Granite)
- Zelros Studio: Fachlich ausgerichtete Umgebung für Produkt-, Vertriebs- und Service-Use-Cases
- Branchenspezifische LLM-Agents: vordefinierte „Copilots“ für Berater:innen, Call Center, Marketing, IT und Compliance
Dadurch entsteht kein abstraktes „KI-Labor“, sondern eine anwendungsnahe Plattform, die sehr konkrete Aufgaben im Tagesgeschäft unterstützt – von der Bedarfserhebung beim Kunden bis zur teilautomatisierten Bearbeitung von Anträgen und Schäden.
Die Stärke des Ansatzes: KI wird nicht als Selbstzweck verstanden, sondern als produktiver Baustein für messbaren ROI – etwa höhere Abschlussquoten, kürzere Durchlaufzeiten und bessere Beratungsqualität.
2. Vier zentrale Use Cases: Von Magic Questions bis Magic Automations
Für Banken, Versicherer und Vermögensverwalter sind die interessantesten Teile der Kooperation die konkret benannten Funktionsbereiche, die Zelros auf Basis von watsonx adressiert.
2.1 Needs Discovery: „Magic Questions“
Kernaussage: Magic Questions helfen Berater:innen, in Echtzeit die richtigen Fragen zu stellen und Bedarfe strukturiert zu erfassen.
Statt Standard-Fragebögen generiert die KI dynamische, zum Gespräch passende Fragen – basierend auf Kundendaten, bisherigen Interaktionen und Produktlogik. Für Schweizer Banken und Vermögensverwalter heißt das:
- Präzisere Erhebung von Risikoprofilen und Anlagezielen
- Bessere Identifikation von Versicherungslücken (z. B. Vorsorge, Einkommen, Gesundheit)
- Konsistente, dokumentierte Beratung – wichtig für FIDLEG-/FinSA- und GWG-/AML-konforme Prozesse
2.2 Personalisierte Empfehlungen: „Magic Recommendations“
Kernaussage: Aus den erfassten Informationen generiert die KI individuelle Produkt- und Servicevorschläge – nachvollziehbar und dokumentiert.
Für Retail-Banking, Private Banking und Versicherung ergeben sich z. B.:
- Passende Kombinationen aus Konto, Kreditkarte, Hypothek und Spar-/Anlagelösungen
- Abgestimmte Versicherungspakete (Haushalt, Haftpflicht, Leben, Berufsunfähigkeit)
- Cross- und Upselling-Ansätze entlang der Lebenssituationen (Familiengründung, Immobilienkauf, Pensionierung)
Der Clou: Empfehlungen lassen sich erklären – ein zentraler Punkt für Vertrauensaufbau gegenüber Kund:innen und interne Compliance.
2.3 Schnelle Antworten: „Magic Answers“
Kernaussage: Magic Answers liefern Berater:innen und Kund:innen sofortige, korrekte Antworten auf Produkt-, Prozess- und Vertragsfragen.
Typische Einsatzszenarien:
- Berater-„Copilot“ im Gespräch: Konditionen, Fristen, Deckungsumfang aus Verträgen und Richtlinien in Sekunden
- Kunden-Self-Service in Portalen oder Apps: Chat- oder Voice-Bots beantworten Standardanfragen rund um Banking & Versicherung
- Backoffice-Support: Mitarbeitende finden schnell relevante Klauseln, Formulare oder interne Richtlinien
Gerade in Contact Centern und bei komplexen Produkten (z. B. Vorsorge- oder Hypothekar-Lösungen) kann dies Handling Time und Fehlerquote spürbar senken.
2.4 Prozessautomatisierung: „Magic Automations“
Kernaussage: Magic Automations beschleunigen wiederkehrende, datenintensive Prozesse – ohne den Menschen zu ersetzen, sondern ihn von Routine zu entlasten.
Konkrete Beispiele:
- Onboarding & KYC: Dokumente auslesen, Risiken bewerten, Checklisten automatisiert befüllen
- Schaden- und Leistungsbearbeitung: Schadenmeldungen klassifizieren, fehlende Informationen anfragen, erste Deckungsprüfung
- Kreditprozesse: Unterlagen interpretieren, Scoring vorbereiten, Entscheidungsvorlagen erstellen
Für Schweizer Institute, die oft noch mit historisch gewachsenen Systemlandschaften arbeiten, ist wichtig: Zelros und IBM setzen auf Integration in bestehende Kernbanken- und Versicherungssysteme, statt alles zu ersetzen.
3. Souveränität, DORA, FINMA & Co.: Warum Governance kein „Nice-to-have“ ist
Wer in der Schweiz in KI investiert, kommt an Regulierung und Datensouveränität nicht vorbei. Genau hier positioniert sich IBM watsonx als Baustein für regulierte Branchen – und Zelros nutzt diese Stärken.
3.1 Datensouveränität durch flexible Deployment-Optionen
IBM watsonx lässt sich so betreiben, dass Daten im Hoheitsbereich des Instituts bleiben – etwa im eigenen Rechenzentrum oder auf zertifizierten europäischen Cloud-Plattformen.
Das zahlt auf mehrere Anforderungen ein:
- Schweizer Datenschutzrecht (revDSG) und europäische Vorgaben (für grenzüberschreitende Gruppen)
- Interne Vorgaben zu Datenlokation und Outsourcing
- Anforderungen großer Unternehmenskunden, die keine Kundendaten in globalen Public Clouds sehen wollen
Die im Originaltext erwähnte Möglichkeit, watsonx z. B. auf SecNumCloud-zertifizierten souveränen Clouds zu betreiben, zeigt die Stoßrichtung: Kontrolle zuerst, KI danach.
3.2 Banking-geeignete KI-Governance
IBM positioniert watsonx ausdrücklich für regulierte Sektoren wie Finanzdienstleistungen. Für Schweizer Banken und Vermögensverwalter ist besonders relevant:
- Nachvollziehbarkeit von Modellen und Ergebnissen
- Rollen- und Rechtesysteme für Datenzugriff und Modellnutzung
- Auditierbarkeit der KI-Entscheidungen – wichtig bei Prüfungen durch Revisionsstellen oder Aufsicht
Zelros ergänzt diese Governance mit versicherungs- und bankfachlicher Logik: vordefinierte Use Cases, Domänenwissen und Branchen-Know-how reduzieren das Risiko, „am Fach vorbei“ zu automatisieren.
3.3 Brücke zu DORA, FINMA-Rundschreiben & Operational Resilience
Auch wenn DORA primär auf die EU ausgerichtet ist, orientieren sich Schweizer Institute zunehmend an ähnlichen Prinzipien: Resiliente, geprüfte, überwachte IT- und Datenservices.
Eine Plattform-Kombination aus Zelros und watsonx unterstützt dabei:
- Risikomanagement für KI-Anwendungen (Modellrisiko, Datenqualität, Betrieb)
- Dokumentation der Abhängigkeiten von Drittanbietern
- Kontinuierliches Monitoring von Performance und Fehlerraten der KI
Wer heute KI-Projekte startet, sollte Governance von Anfang an mitdenken – die Partnerschaft Zelros–IBM zeigt, wie sich das in der Architektur abbilden lässt.
4. Was bedeutet das für Schweizer Banken & Vermögensverwalter konkret?
Für Institute in Zürich, Genf, Basel oder Lugano stellt sich nicht die Frage ob, sondern wie sie KI in Banking und Vermögensverwaltung nutzen. Aus der Kooperation lassen sich einige unmittelbare Handlungsfelder ableiten.
4.1 Drei schnelle Hebel für den Einstieg
-
Berater-Copilot im Private Banking / Wealth Management
Ein KI-gestützter Copilot, der Kundendaten, Portfolioinformationen, Risikoprofil und Produktkatalog zusammenführt, unterstützt Relationship Manager bei Vorbereitung und Durchführung von Kundengesprächen. -
Intelligente Schaden- und Leistungsbearbeitung
Versicherungsnahe Einheiten oder Bancassurance-Modelle können mit Magic Automations Durchlaufzeiten reduzieren und Kund:innen schnellen, transparenten Status liefern. -
Self-Service-Portale mit generativer KI
Magic Answers im E-Banking oder Kundenportal reduzieren Eingangsanfragen an das Call Center und verbessern gleichzeitig das Erlebnis – wichtig insbesondere für jüngere, digital affine Kundensegmente.
4.2 Typische Stolpersteine – und wie man sie vermeidet
Aus Projekten in der Praxis sieht man immer wieder dieselben Fehler:
- Zu viel Technik, zu wenig Fachlichkeit: Ein LLM ohne klaren Use Case bringt wenig Mehrwert.
- Kein Datenfundament: Schlechte Stammdaten oder unstrukturierte Dokumente bremsen jede KI-Initiative.
- Governance „später“: Wenn Kontrollmechanismen erst nachträglich „drübergestülpt“ werden, entstehen Medienbrüche und Widerstände.
Ein besserer Ansatz ist, klein, fachlich fokussiert und kontrolliert zu starten – z. B. mit einem Copilot für einen spezifischen Use Case (Hypothekberatung, Vorsorgeberatung, Schadenmeldung) – und dann iterativ zu erweitern.
4.3 Wie sich das in eine KI-Roadmap integrieren lässt
Für die Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ passt die Zusammenarbeit von Zelros und IBM als Baustein in eine breitere Roadmap:
-
Phase 1: Transparenz schaffen
Inventar der relevanten Prozesse (Beratung, Onboarding, Schaden, Kredit, Compliance), Datenquellen und Systeme. -
Phase 2: Priorisierte Use Cases
Auswahl von 2–3 Anwendungsfällen mit hohem Geschäftsnutzen und überschaubarem Risiko. -
Phase 3: Plattform-Entscheidungen
Auswahl einer KI-Plattform mit klarer Governance (wie watsonx) plus branchenspezifischer Anwendungsschicht (wie Zelros). -
Phase 4: Skalierung & Integration
Überführung erfolgreicher Piloten in den Betrieb, Ausbau auf weitere Geschäftsbereiche.
So entsteht Schritt für Schritt ein KI-Ökosystem, das nicht nur einzelne Leuchttürme, sondern einen nachhaltigen Wettbewerbsvorteil erzeugt.
5. Fazit: KI-Ökosysteme werden zum Standortfaktor
Die Kooperation von Zelros und IBM watsonx zeigt, wohin sich KI in der Finanzbranche entwickelt: Weg von isolierten Tools, hin zu integrierten Ökosystemen, die Fachlogik, Technologie und Regulierung zusammenbringen.
Für Schweizer Banken, Versicherer und Vermögensverwalter bedeutet das:
- KI-gestützte Beratung, Prozessautomatisierung und personalisierte Kundenbetreuung sind heute technisch und regulatorisch beherrschbar.
- Der entscheidende Unterschied liegt nicht mehr im „Ob“, sondern im Tempo und der Qualität der Umsetzung.
- Wer früh auf kombinierte Plattformen wie Zelros + watsonx setzt, baut ein Fundament, auf dem sich weitere Anwendungsfälle – von Fraud Detection bis Robo-Advisory – deutlich schneller realisieren lassen.
Wer sich ernsthaft mit KI in der Schweizer Finanzbranche beschäftigt, sollte solche Partnerschaften nicht als Marketing-News abtun, sondern als Blaupause verstehen: Wie bringe ich generative KI, Governance und Datensouveränität so zusammen, dass Fachbereiche innerhalb von Monaten und nicht in Jahren echte Mehrwerte sehen?
Die nächste logische Frage lautet: Welcher konkrete Use Case in Ihrem Haus wäre der beste Kandidat, um genau diesen Ansatz auszuprobieren?