Zelros und IBM watsonx bringen KI-Copilots in Vertrieb und Service von Banken und Versicherern – souverän, regulierungskonform und mit klarem Business-Fokus.
Watsonx & Zelros: Was Schweizer Banken jetzt beachten sollten
90 % der europäischen Finanzinstitute investieren laut Branchenstudien inzwischen in KI – aber nur ein Bruchteil schafft es, messbaren Mehrwert in Vertrieb, Beratung und Compliance zu realisieren. Genau hier setzt die neue Zusammenarbeit von Zelros und IBM watsonx an.
Für Schweizer Banken, Versicherer und Vermögensverwalter ist diese Kooperation spannend, weil sie drei heikle Punkte gleichzeitig adressiert: Regulierung (FINMA, DORA, Datenschutz), Daten-Souveränität und tatsächliche Wertschöpfung in Vertrieb und Kundenbetreuung. Hier steckt sehr viel Potenzial – wenn man es richtig angeht.
In diesem Beitrag aus unserer Serie „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ schauen wir uns an, was die Zelros–IBM-Kooperation konkret bedeutet, wie sich damit KI-Copilots für Beraterinnen und Berater bauen lassen und worauf Häuser in der Schweiz jetzt strategisch achten sollten.
1. Was steckt hinter der Kooperation Zelros x IBM watsonx?
Die Kooperation bringt eine klare Arbeitsteilung: Zelros liefert die spezialisierte InsurTech- und Banking-KI-Plattform, IBM mit watsonx die Enterprise-AI-Infrastruktur inklusive Governance und Hosting-Optionen.
Zentrale Punkte:
- Zelros integriert watsonx.ai als KI-Studio für Entwicklung und Betrieb von Modellen
- Zugriff auf moderne Sprachmodelle wie Mistral, Llama und Granite direkt in der Zelros Studio-Umgebung
- Zielgruppe: Versicherer, Banken, Contact Center, Agenten, Berater, Marketing, Data & IT
Das Besondere ist nicht „noch ein Modell“, sondern der konkrete Anwendungsfokus:
- Needs Discovery – bei Zelros als Magic Questions bezeichnet
- Personalisierte Empfehlungen – Magic Recommendations
- Schnelle, präzise Antworten – Magic Answers
- Prozessautomatisierung – Magic Automations
Damit wird aus generativer KI kein Experiment im Lab, sondern ein operativer Copilot, der im Tagesgeschäft von Front- und Backoffice genutzt werden kann.
Die eigentliche Nachricht ist: KI rückt aus der IT-Ecke in den Alltag von Kundenberatern, Agenten und Underwritern.
2. Warum das für Schweizer Banken und Versicherer relevant ist
Für Häuser in Zürich, Basel, Genf oder Lugano gelten besonders hohe Anforderungen: FINMA-Rundschreiben, DSG, DORA, Outsourcing-Guidelines und gleichzeitig ein sehr anspruchsvolles Klientel im Private Banking und in der Vermögensverwaltung.
Die Kooperation Zelros–IBM adressiert genau diese Spannungsfelder.
2.1 Datensouveränität & DORA-Compliance
IBM watsonx kann im eigenen Rechenzentrum oder auf souveränen Cloud-Plattformen betrieben werden. In der EU wird beispielsweise SecNumCloud-zertifizierte Infrastruktur genutzt; das gleiche Prinzip lässt sich auf Schweizer Private-Cloud- und Hybrid-Cloud-Setups übertragen.
Für Schweizer Institute bedeutet das:
- Daten bleiben unter eigener Kontrolle (On-Premise oder juristisch sauber geregelte Cloud)
- Besserer Fit zu DORA (operationale Resilienz, Kontrolle über kritische Dienste)
- Erfüllung von Outsourcing- und Drittparteien-Anforderungen der FINMA
Statt Public-API-Wildwuchs aus US-Clouds erhält man eine integrierte, auditierbare KI-Landschaft, die in interne Kontrollsysteme eingebettet werden kann.
2.2 Fachliche Spezialisierung auf Versicherung & Banking
Zelros bringt das Domänenwissen aus Versicherung, Banking und Vertrieb mit. Die Plattform ist kein generisches KI-Tool, sondern fokussiert auf:
- Beratung in Non-Life- und Life-Versicherungen
- Cross- und Upselling rund um Hypotheken, Konten, Vorsorge & Anlegen
- Unterstützung von Call-Centern, Agenten, Relationship Managern
Für Schweizer Institute, die bereits an Robo-Advisory, Next-Best-Action oder Omnikanal-Kundendialogen arbeiten, ist das ein direkt anschlussfähiger Baustein.
3. Konkrete Use Cases: Vom Magic Question zum Closing
Der Kernnutzen entsteht nicht im Modell selbst, sondern in den konkret umgesetzten Use Cases. Zelros beschreibt vier Funktionsbereiche – sinnvoll ist, diese aus Sicht einer Schweizer Bank oder Versicherung durchzudeklinieren.
3.1 Needs Discovery: Bessere Kundengespräche statt Checklisten
Magic Questions unterstützen Kundenberater dabei, in Echtzeit die richtigen Fragen zu stellen – basierend auf Kundendaten, bisherigen Interaktionen und Produkten.
Typische Szenarien:
- Privatkunde in der Filiale zur Hypothekenberatung: der Copilot erkennt Lücken bei Haushaltsversicherung, Erwerbsunfähigkeitsdeckung oder Säule 3a und schlägt Gesprächseinstiege vor.
- KMU-Kunde im Videocall: das System identifiziert Cyber-, Berufshaftpflicht- oder Key-Person-Risiken und generiert präzise Klärungsfragen.
Vorteile:
- Höhere Gesprächsqualität, besonders bei jüngeren oder weniger erfahrenen Beratern
- Einheitlicher Beratungsstandard über Standorte und Kanäle hinweg
- Grundlage für dokumentierbare Eignungs- und Angemessenheitsprüfungen
3.2 Magic Recommendations: Personalisierte Angebote ohne Wildwuchs
Magic Recommendations generieren produktübergreifende Vorschläge – immer im Rahmen der Produktlogik, der Compliance-Regeln und der Risikopolitik des Hauses.
Konkrete Beispiele:
- Im Private Banking: Vorschläge zur Kombination aus Vermögensverwaltung, Vorsorgebausteinen und Risikoabsicherung, abgestimmt auf Risikoprofil und Lebensphase.
- Im Retail Insurance: dynamische Empfehlungen zur Bündelung von Motorfahrzeug-, Hausrat- und Rechtsschutzversicherung inklusive Rabatten und Deckungslimits.
Wichtig ist, dass diese Empfehlungen erklärbar sind – also für Kundenberater und Revisionsstellen nachvollziehbar, warum ein bestimmtes Produkt vorgeschlagen wurde. Watsonx bringt hierfür Governance-Funktionen, Zelros die Branchenspezifik.
3.3 Magic Answers: Schnelle Antworten statt PDF-Suche
Magic Answers sind generative KI-Assistenten, die auf internen Wissensquellen wie Produktunterlagen, Weisungen, Policy Manuals, FAQ, Schulungsunterlagen aufsetzen.
Typische Nutzen:
- Agent im Callcenter erhält in Sekunden klar formulierte, rechtssichere Antworten auf Kundenfragen – statt in Intranets und PDFs zu suchen.
- Neue Mitarbeitende im Backoffice können sich on the job durch KI-Unterstützung schneller einarbeiten.
Das reduziert Bearbeitungszeiten, verringert Fehlerquoten und erhöht gleichzeitig die Beratungsqualität – ein Hebel, den viele Häuser strukturell unterschätzen.
3.4 Magic Automations: Von der E-Mail zum strukturierten Fall
Magic Automations adressieren repetitive Arbeitsschritte, etwa:
- Vorbefüllen von Schadenmeldungen aus E-Mails oder Formularen
- Klassifikation und Routing von Anfragen im Contact Center
- Erstellung von Beratungsdokumentationen auf Basis des Gesprächsprotokolls
Hier entsteht echter Produktivitätsgewinn: weniger manuelle Datenerfassung, mehr Zeit für wertschöpfende Tätigkeiten wie Beratung, Portfolioanalyse oder individuelle Risikoabklärung.
4. Governance, Risiko & Compliance: Die eigentliche Hürde
Die technische Fähigkeit, KI-Modelle zu betreiben, haben viele Institute längst. Die echten Stolpersteine liegen bei Governance, Risiko und Compliance – gerade in der regulierten Schweizer Finanzbranche.
IBM positioniert watsonx explizit für regulierte Industrien und bringt:
- AI Governance: Versionierung, Monitoring, Audit-Trails, Freigabe-Workflows
- Modellkatalog & Policy-Frameworks: welche Modelle dürfen wo eingesetzt werden?
- Integration in bestehende Risiko- und Kontrollsysteme
Zelros ergänzt das um domänenspezifische Richtlinien für Versicherungs- und Banking-KI:
- Keine „Black Box“-Empfehlungen im Vertrieb ohne dokumentierbare Logik
- Berücksichtigung von Diskriminierungsrisiken (z.B. bei Pricing oder Underwriting)
- Abbildung regulatorischer Anforderungen an Geeignetheitsprüfung und Dokumentation
Aus meiner Sicht ist genau diese Kombination entscheidend:
KI in Banken und Versicherungen wird nicht daran scheitern, dass die Modelle schlecht sind, sondern daran, dass Governance, Recht und Fachbereiche nicht sauber eingebunden werden.
Die Zelros–IBM-Kooperation bietet hier einen nutzbaren Rahmen, ist aber kein Selbstläufer – Institute müssen ihn mit klaren Rollen, Prozessen und Kontrollpunkten füllen.
5. Wie Schweizer Institute jetzt vorgehen sollten
Wer die Kooperation Zelros–IBM für sich nutzen will – oder auch nur ähnliche KI-Lösungen evaluieren möchte – sollte strukturiert vorgehen. Drei Schritte haben sich bewährt.
5.1 Geschäftsziele vor Technologie
Statt „Wir brauchen watsonx“ oder „Wir wollen generative KI“ sollte die Ausgangsfrage lauten:
- Wo wollen wir konkret Wirkung erzielen?
- Höhere Abschlussquoten im Agenturkanal?
- Schnellere Bearbeitung im Schadenservice?
- Weniger Compliance-Fälle durch bessere Dokumentation?
Erst wenn das klar ist, lässt sich entscheiden, welche Magic-Komponente (Questions, Recommendations, Answers, Automations) sinnvoll ist – und wie sie in die bestehende Systemlandschaft integriert wird.
5.2 Sandbox mit echten Fachbereichen
Statt grosser Big-Bang-Projekte funktioniert ein kontrolliertes Sandbox-Vorgehen besser:
- Auswahl von 1–2 klar abgegrenzten Use Cases (z.B. Cross-Selling in Hypothekenberatung, Automatisierung von E-Mail-Anfragen).
- Einrichtung einer gesicherten KI-Sandbox mit watsonx und Zelros.
- Einbindung von Fachbereichen, Compliance, IT und Datenschutz von Tag 1.
- Gemeinsame Definition von Erfolgskennzahlen (z.B. +15 % Abschlussquote, -30 % Bearbeitungszeit, höhere NPS-Werte).
So entstehen innerhalb von 8–12 Wochen messbare Ergebnisse, mit denen sich ein Rollout gegenüber Management und Aufsicht begründen lässt.
5.3 Architektur und Souveränität bewusst gestalten
Gerade in der Schweiz sollte die Frage „Wo laufen unsere Modelle?“ nicht nebenbei beantwortet werden.
Entscheidende Weichenstellungen:
- Hosting-Modell: On-Premise, Private Cloud in der Schweiz, hybride Szenarien
- Datenzugriff: Welche Daten dürfen Modelle überhaupt sehen? In welcher Form (anonymisiert, pseudonymisiert, Rohdaten)?
- Vendor-Strategie: Best-of-Breed mit Integrationsaufwand oder klare strategische Partnerschaften (z.B. Zelros + IBM als Kernstack für KI im Vertrieb und Service)?
Wer diesen Architekturrahmen früh definiert, vermeidet später teure Re-Designs und Konflikte mit Regulierung und interner Revision.
6. Fazit: Vom Pilot zur skalierbaren KI-Strategie
Die Kooperation von Zelros und IBM watsonx ist mehr als eine Pressemitteilung – sie ist ein Signal, wohin sich KI in der Finanzbranche bewegt:
- Weg von isolierten Experimenten, hin zu integrierten Copilots für Berater, Agenten und Service-Teams
- Weg von Public-Cloud-Wildwuchs, hin zu souveränen, regulierungskonformen Plattformen
- Weg von Modell-Fokus, hin zu konkret messbaren Business-Use-Cases
Für die Schweizer Banken- und Versicherungswelt passt dieses Modell sehr gut zur Realität aus strenger Regulierung, hoher Service-Erwartung und starker Konkurrenz im Wealth- und Asset-Management.
Wer KI in der Praxis etablieren will, sollte jetzt prüfen, welche Teile der eigenen Customer Journey sich für Magic Questions, Recommendations, Answers oder Automations eignen – und wie eine Architektur aussehen kann, die FINMA, DORA und Kundenvertrauen dauerhaft trägt.
In den nächsten Beiträgen unserer Reihe „KI in der Schweizer Finanzbranche: Banking & Vermögensverwaltung“ schauen wir uns konkrete Blueprint-Architekturen und ROI-Rechnungen für solche KI-Copilots an. Die spannende Frage ist dann: Wie schnell rechnet sich ein KI-Copilot in Ihrer Bank oder Versicherung – und wo starten Sie am sinnvollsten?