Künstliche Intelligenz in Banken, Versicherungen und Compliance

Stand der Verbreitung

Das verlässlichste Bild der KI-Nutzung im Schweizer Finanzsektor liefert eine Umfrage, die die FINMA zwischen Ende November 2024 und Mitte Januar 2025 bei rund 400 beaufsichtigten Instituten durchführte, darunter Banken, Wertpapierhäuser, Versicherer, Fondsleitungen und Finanzmarktinfrastrukturen. Rund die Hälfte der befragten Institute setzte KI ein oder hatte erste Anwendungen in Entwicklung, ein weiteres Viertel plante die Einführung von KI innerhalb von drei Jahren. Institute, die KI nutzten, hatten durchschnittlich rund fünf Anwendungen im Einsatz und neun in Entwicklung, wobei grössere Unternehmen mehr einsetzten. Von den KI nutzenden Instituten verwendeten 91 % auch generative KI wie die neueren Chatbots. Die FINMA wies darauf hin, dass dies die Abhängigkeit von wenigen grossen Technologieanbietern erhöht.¹

Dieselbe Umfrage ergab, dass rund die Hälfte der Institute KI in einer ausdrücklichen Strategie verankert hatte. Als Hauptrisiken nannten die Befragten Datenqualität, Datenschutz, Erklärbarkeit, Sicherheitslücken, Ungenauigkeit und Auslagerung. Die meisten Institute kombinierten Eigenentwicklung mit externen Anbietern, wobei kleinere Institute oft ganz auf extern entwickelte Lösungen setzten. Eine vom Verein Swiss FinTech Innovations in Auftrag gegebene und Ende 2025 von der Schweizerischen Bankiervereinigung veröffentlichte Studie ergab, dass sich 40 % der KI-Initiativen in Schweizer Banken noch im Stadium von Ideen oder Machbarkeitsstudien befanden, 17 % den produktiven Einsatz erreicht hatten und 11 % skaliert wurden. Von den produktiv eingesetzten Fällen hatten 65 % die Erwartungen erfüllt oder übertroffen.²

Anwendungsfälle im Bankwesen

Die Schweizerische Bankiervereinigung hat die Einsatzmöglichkeiten generativer KI im Bankwesen in vier Kategorien eingeteilt. Die erste ist die Produktivität der Mitarbeitenden, darunter das Zusammenfassen von Dokumenten, Übersetzung, Protokollierung von Sitzungen und interne Wissenssuche mittels Retrieval-Augmented Generation. An zweiter Stelle steht die betriebliche Effizienz mit der Automatisierung der Datenerfassung, der Unterstützung der Compliance-Berichterstattung, Risikobeurteilungen und Kreditbearbeitung. Das Kundenerlebnis, einschliesslich Chatbots und personalisierter Empfehlungen, bildet die dritte Gruppe, und die vierte umfasst die Entwicklung von Produkten und Software. Die Bankiervereinigung identifizierte sieben Hauptrisiken: Falschinformationen und Deepfakes, Halluzinationen, Verletzung geistigen Eigentums, Verzerrungen (Bias), Cyberbedrohungen wie Prompt Injection, Drittparteirisiken und Modelldrift. Zum Bankkundengeheimnis empfahl sie, dass Mitarbeitende kundenidentifizierende Daten weder in Prompts noch für das Training von Modellen verwenden und dass externe Anbieter nur unter besonderen vertraglichen und technischen Schutzvorkehrungen beigezogen werden.³

Die grösste Zürcher Bank veranschaulicht, welches Ausmass die Verbreitung erreicht hat. Im Oktober 2025 gab die UBS bekannt, dass Daniele Magazzeni, zuvor Chief Analytics Officer von J.P. Morgan für EMEA und früher Wissenschaftler am King’s College London, ab 1. Januar 2026 mit Sitz in London ihr erster Chief Artificial Intelligence Officer werde. Damals meldete die UBS mehr als 300 KI-Anwendungsfälle im produktiven Einsatz. Sie führte Microsoft 365 Copilot und ihren eigenen KI-Assistenten «Red» für alle Mitarbeitenden ein und hatte unter der internen Bezeichnung «Big Rocks» Transformationsprogramme lanciert.⁴

In der Compliance sind für einen Finanzplatz mit dem Ruf Zürichs die Kundeneröffnung, die Know-your-Customer-Prüfungen und die Transaktionsüberwachung die wichtigsten Anwendungen. KI-Werkzeuge können Informationen aus Ausweisdokumenten, Handelsregistern und Darstellungen zur Vermögensherkunft extrahieren, sie mit Sanktions- und Negativpresse-Datenbanken abgleichen und einen Entwurf der Risikobeurteilung zur Prüfung durch einen Compliance-Verantwortlichen vorbereiten. In der Transaktionsüberwachung können Modelle des maschinellen Lernens die hohe Zahl falsch positiver Treffer herkömmlicher regelbasierter Systeme verringern und Muster erkennen, die feste Schwellenwerte übersehen. Die FINMA hat berichtet, dass sie in ihrer Aufsicht erste KI-Anwendungen in der Vermögensverwaltung, der Transaktionsüberwachung und dem Liquiditätsmanagement geprüft hat.⁵ Die rechtlichen Pflichten selbst ändern sich nicht. Nach dem Geldwäschereigesetz (GwG) bleibt das Institut dafür verantwortlich, die wirtschaftlich berechtigte Person festzustellen und ungewöhnliche Transaktionen abzuklären, unabhängig von den eingesetzten Werkzeugen, wie in Kapitel I.III erläutert.

Die Anlageberatung ist ein weiteres Feld. Sprachmodelle können Gesprächsnotizen erstellen, die Dokumentation der Eignungsprüfung nach dem Finanzdienstleistungsgesetz (FIDLEG) entwerfen und erste Entwürfe der Kundenkorrespondenz in mehreren Sprachen erzeugen. Sie können zudem Researchberichte für Kundenberater zusammenfassen. In der Praxis belassen die Institute in der Regel einen menschlichen Berater zwischen dem Modell und dem Kunden, sowohl aus Haftungsgründen als auch, weil das FIDLEG die Pflichten zur Eignungs- und Angemessenheitsprüfung an den Finanzdienstleister knüpft. Vollautomatisierte Beratung gibt es in Form von Robo-Advisors, doch die Verbindung von komplexen grenzüberschreitenden Vermögen und persönlichen Beziehungen, die das Zürcher Private Banking kennzeichnet, macht die von Menschen beaufsichtigte KI zum vorherrschenden Modell.

Anwendungsfälle im Versicherungswesen

Zürich ist auch der Sitz der Zurich Insurance Group und von Swiss Re, zwei der weltweit grössten Versicherungs- und Rückversicherungskonzerne, deren KI-Einsatz ebenso umfassend ist wie jener der Banken. Zurich Insurance beschreibt Anwendungen in der Schadenbearbeitung und im Underwriting. In der Schadenbearbeitung automatisieren Systeme die Erfassung von Schadenmeldungen und erledigen in einigen Märkten einfache Krankenversicherungsfälle innert Minuten. Im Underwriting analysiert KI Luftbilder, um Dächer zu bewerten und Schäden im Sachversicherungsgeschäft zu erkennen, liest multinationale Versicherungsprogramme über Sprachgrenzen hinweg und beantwortet Underwriting-Fragen über einen internen Chatbot, der in 29 Geschäftseinheiten eingesetzt wird. Der Konzern berichtet, dass eine Arbeitsplattform für das kommerzielle Underwriting im Vereinigten Königreich die Bearbeitungszeiten um 78 % verkürzt habe. Sein interner Wettbewerb für agentische KI brachte 2025 218 Prototypen hervor, von denen fünf in den produktiven Einsatz übergingen.⁶

Für Versicherer stellen sich andere regulatorische Empfindlichkeiten als für Banken. Risikobasierte Preisgestaltung mit maschinellem Lernen wirft Fragen der Fairness und der Diskriminierung auf, insbesondere in der Kranken- und Lebensversicherung. Die Verwendung grosser Mengen von Personendaten im Underwriting berührt die Datenschutzregeln zum Profiling und zu automatisierten Einzelentscheidungen. Diese Fragen werden weiter unten im Zusammenhang mit den Erwartungen der FINMA und der KI-Verordnung der EU (EU AI Act) behandelt, deren Liste der Hochrisiko-Systeme KI umfasst, die für Risikobewertung und Preisgestaltung in der Lebens- und Krankenversicherung eingesetzt wird.

Anmerkungen

1. FINMA, «FINMA survey: artificial intelligence gaining traction at Swiss financial institutions», 24. April 2025, https://www.finma.ch/en/news/2025/04/20250424-mm-umfrage-ki/. ↩
2. Schweizerische Bankiervereinigung, Stefan Neumann und Patrik Schmid, «From pilots to production: Scaling AI in Swiss finance», 19. Dezember 2025, https://www.swissbanking.ch/en/media-politics/opinions/from-pilots-to-production-scaling-ai-in-swiss-finance. ↩
3. Schweizerische Bankiervereinigung, Generative AI in Banking – A Comprehensive Overview, April 2025, https://www.swissbanking.ch/_Resources/Persistent/2/0/3/b/203b937e175f25819ea271c883a095fe1dfa1ee0/SBA_Generative-AI-in-Banking_EN.pdf. ↩
4. UBS, «UBS appoints Chief AI Officer to drive its AI strategy», 16. Oktober 2025, https://www.ubs.com/global/en/media/display-page-ndp/en-20251016-ai-strategy.html. ↩
5. FINMA, «Künstliche Intelligenz» (Dossier Fintech), https://www.finma.ch/en/documentation/dossier/dossier-fintech/kuenstliche-intelligenz/ (abgerufen im September 2026). ↩
6. Zurich Insurance Group, «AI at Zurich», https://www.zurich.com/about-us/ai-at-zurich (abgerufen im September 2026). ↩

Nur zur allgemeinen Information. Dieser Beitrag ist keine Rechts- oder Steuerberatung, ersetzt nicht die Beratung im Einzelfall und begründet kein Mandatsverhältnis. Rechtsstand: 10/2026.