Rückblick auf die Konferenz Innovationen im Banking 2026

Abbildung 1: Impressionen der Konferenz

Begrüssung und Vorstellung der Studie «Die digitalsten Retail Banken der Schweiz»
Prof. Dr. Andreas Dietrich, IFZ der Hochschule Luzern 

Andreas Dietrich stellte die jährliche Studie «Die digitalsten Retailbanken der Schweiz» vor, welche die Hochschule Luzern wie gewohnt in Kooperation mit e.foresight erstellt hat. Eine Zusammenfassung der Studie inklusive Video finden Sie hier.

Vorsorge neu gedacht: Das TKB Pensionszentrum
Tobias Hilpert, Leiter Private Banking, Thurgauer Kantonalbank

• Die Thurgauer Kantonalbank hatte bereits früh Kompetenzen im Vorsorgebereich aufgebaut. Den entscheidenden Schub brachte jedoch erst das eigenständige Branding für das TKB Pensionszentrum. Bewusst wurde dabei der Begriff «Pension» statt «Vorsorge» gewählt, weil er für Kundinnen und Kunden greifbarer ist. Mit dem neuen Brand möchte sich die Bank gezielt als erste Anlaufstelle für Pensionierungs- und Vorsorgethemen in der Region positionieren.
• In einer Zeit, in der Kunden von Algorithmen und automatisierten Prozessen umgeben sind, liegt die Differenzierung in der echten und kompetenten Beratung. Es gewinnt aus Sicht der TKB nicht der günstigste Anbieter, sondern der glaubwürdigste. Um die Unabhängigkeit und die Glaubwürdigkeit herauszustreichen, wurden unter anderem ein separates Gebäude, ein eigenständiges Branding sowie ein angepasstes – gegenüber zuvor höheres – Pricing gewählt. Entscheidend ist , dass diese Unabhängigkeit nicht nur kommuniziert, sondern auch konsequent und glaubwürdig vermittelt wird.
• Weitere Informationen zum TKB Pensionszentrum und der strategischen Bedeutung des Themas Pensionierung für die Banken finden Sie in unserem Blog.

Gen AI und Case Management bei der Migros Bank
Lukas Bucher, Solution Stream Leader Customer Touchpoints, Migros Bank
Flavio Moser, Business Solution Engineer Customer Touchpoints, Migros Bank

• Die Migros Bank hat die Phase von KI-Piloten hinter sich gelassen und zeigt am Beispiel des Customer Supports, wie GenAI nicht nur als isoliertes Tool, sondern als integraler Bestandteil des Customer Supports und des Case Managements in der Bank eingebettet wurde. GenAI unterstützt sozusagen den gesamten „Lebenszyklus“ eines Geschäftsfalls
• Der operative Skalierungsansatz basiert auf der Verbindung bestehender Silos mit starken, gezielt eingesetzten KI-Initiativen entlang des Prozesses.
• Besonders spannend war die Einsicht, dass das KI-Modell selbst austauschbar ist – also die Wahl des LLMs sekundär ist. Den Unterschied macht das interne Wissen der Bank und der Kontext, in dem sie KI-Anwendungen einbringt. Ein KI-Modell ist also schon fast Commodity. Der Kontext ist der Wettbewerbsvorteil.

Wenn AI Starts Paying: Agentic Commerce and the Next Payment Wave
Daniela Massaro, Country Manager Switzerland, Mastercard

• Mastercard präsentierte den aktuellen Stand des Agentic Commerce: KI-Agenten, die im Auftrag von Kundinnen und Kunden autonom Zahlungen tätigen und Käufe abschliessen. KI verändert damit nicht nur bestehende Prozesse, sondern auch die Rollen im Markt: Neu treten Agenten wie ChatGPT oder Gemini selbst als Marktteilnehmer auf.
• Agentic Commerce ist dabei längst kein Zukunftsszenario mehr. Im Zentrum steht bereits die Schaffung geeigneter Rahmenbedingungen und die Beantwortung konkreter Fragestellungen: Wer haftet, wenn ein KI-Agent einen Fehler macht? Wie lässt sich Betrug verhindern, wenn der Auslöser kein Mensch ist? Wie viel Transparenz brauchen Regulatoren? Mastercard adressiert diese Fragen mit dem «Agent-Pay Framework» – einem Regelwerk für Sicherheit, Vertrauen und Nachvollziehbarkeit bei KI-gesteuerten Transaktionen.
• Agentic Transactions entwickeln sich stufenweise: Single-Merchant-Purchases sind technisch vergleichsweise einfach umsetzbar und dürften sich rasch etablieren. Deutlich komplexer sind Multiple-Merchant-Purchases, bei denen verschiedene Anbieter, Prozesse und Zahlungsflüsse orchestriert werden müssen. Noch anspruchsvoller sind Delayed Purchases, bei denen autonome Systeme Entscheidungen zeitlich verzögert und abhängig von Bedingungen (z. B. Preis, Verfügbarkeit oder Präferenzen) auslösen.
• Im Februar dieses Jahres fand auf europäischer Ebene in Zusammenarbeit mit der Santander Bank die erste Agentic-Commerce Zahlung statt (vgl. hier). Die Pilotierung in der Schweiz ist in den nächsten Wochen geplant. Zumindest am Anfang muss der Endkonsument noch «in session» sein und die Transaktion final bestätigen.

AI evolution in banking – UBS journey
Lukasz Opoka, Head of AI, Analytics and Sales Platform, UBS
Dr. Michel Neuhaus, Head AI, Data & Analytics, UBS

• Die UBS versteht KI nicht als Sammlung einzelner Tools, sondern als unternehmensweiten Backbone bzw. „unsichtbare Infrastruktur“, die Geschäftsprozesse proaktiv unterstützt. Die UBS KI-Plattform «Red» wurde entsprechend so entwickelt, dass sie sich nahtlos in unterschiedliche Bereiche integrieren lässt – von Compliance über Kundenberatung bis hin zum E-Banking Self-Service.
• Zentral ist dabei die veränderte Denkweise: KI soll nicht nur Antworten liefern, sondern Prozesse aktiv unterstützen («The AI tells you»). Dies kann beispielsweise durch intelligente Hinweise, wann und mit welchem Ziel Kundinnen und Kunden kontaktiert werden sollten, umgesetzt werden.
• Organisatorisch kombiniert die UBS eine zentrale KI-Orchestrierung sowie gemeinsame Standards, Governance und Wissensmanagement mit dezentralen, fachbereichsspezifischen Teams, die Anwendungen eigenständig entwickeln und betreiben. Diese hybride, modulare Struktur ermöglicht konsistente Daten- und Wissensnutzung, parallele Entwicklung sowie flexible und skalierbare Innovationen.

Kundenorientierten Target Operating Model im Banking
Prof. Dr. Nils Hafner, Hochschule Luzern

• Nils Hafner stellte die IFZ Studie zu kundenorientierten Target Operating Modellen im Banking vor. Dabei untersucht er den Zusammenhang zwischen Kennzahlen, Organisationsformen, Governance-Strukturen und Fähigkeiten von Banken.
• Im Kern der Studie geht es darum, wie Banken ihr Target Operating Model konsequent an den Bedürfnissen, Reaktionen und Feedbacks der Kundinnen und Kunden ausrichten können. In seinem Vortrag präsentierte er erste Ergebnisse aus einer Befragung unter Banken im DACH-Raum und erläuterte, wie Prozesse, Strukturen und vor allem Verantwortlichkeiten entlang der Customer Journey organisiert werden können und welche Rolle Daten, Technologie und Kultur dabei spielen.
• Nur wenige Schweizer Banken sind heute organisatorisch bereit, Kundenfeedback in die Organisation zu tragen und die dadurch resultierenden Wissenseffekte mit AI breit zu skalieren. Nils Hafner zeigt mit seiner Studie, dass es oft an der geeigneten Datenhaltung, Datenkompetenz, dem Automatisierungswillen und vor allem an Change-Management Kapazitäten fehlt.

Wenn KI Gesichter fälscht: Die Herausforderungen von Deepfakes für Banken
Michael Born, CEO und Founder PXL Vision AG

• Deepfakes stellen Banken vor erhebliche Herausforderungen, u.a. bei der Kundenidentifikation, beim Account Onboarding oder bei Zahlungen. Dabei geht es weniger um die Frage, ob Banken mit Deepfakes konfrontiert werden, sondern wie gut sie darauf vorbereitet sind.
• Eindrücklich wurde aufgezeigt, dass die Zahl der Betrugsfälle stark zunimmt (+1210 % AI-Betrugsversuche im Jahr 2025). Der durchschnittliche Schaden pro Deepfake-Vorfall beträgt rund 500’000 USD, während sich die globalen Verluste durch Synthetic Identity Fraud auf 20 bis 40 Mrd. USD pro Jahr belaufen. Gleichzeitig vereinfacht KI auch auf Betrügerseite Fraud- und Cyberaktivitäten erheblich.
• Sicherheit ist kein Anhang zur KI-Strategie, sondern deren zentrale Voraussetzung. Im anhaltenden Katz-und-Maus-Spiel verbessern Kriminelle ihre Methoden laufend, während Deepfakes einfacher erstellt und breiter eingesetzt werden können. Entsprechend zentral sind kontinuierliche Updates und Weiterentwicklungen der Sicherheitssysteme.
• Die Prüfmechanismen müssen dabei dem erforderlichen Sicherheitsniveau entsprechen, ohne die Customer Experience unnötig zu belasten. Gleichzeitig hat sich die Sicherheitslogik verschoben: Während früher der Mensch im Prozess als Sicherheitsanker galt, braucht es heute zunehmend maschinelle Validierungstechniken, um Identitäten verlässlich zu prüfen

KI Sichtbarkeit -Was denken ChatGPT und Co. über die Schweizer Banken
Sophie Hundertmark, Hochschule Luzern

• KI verändert mit Anwendungen wie ChatGPT, Perplexity und Gemini die gesamte Customer Journey, von der ersten Recherche bis zum Abschluss. Da LLMs oft nur eine einzige Empfehlung ausspielen, können etablierte Banken praktisch unsichtbar werden, während sich für Nischenanbieter völlig neue Chancen eröffnen, sich thematisch oder regional gezielt zu positionieren.
• Es geht aber nicht nur um Sichtbarkeit an sich, sondern um Sichtbarkeit im richtigen Kontext und für die richtigen Zielgruppen. Optimierung beginnt mit AI-kompatiblem Content: strukturiert, aktuell, maschinenlesbar – und konsequent auf die jeweiligen Nutzerbedürfnisse zugeschnitten. Die meisten Schweizer Banken haben hier noch deutlich Luft nach oben, wie die IFZ-Studie zur AI-Sichtbarkeit zeigt.
• Wer KI-Sichtbarkeit beherrscht, legt gleichzeitig die Grundsteine für funktionierenden Self-Service über ChatGPT und Co. und kann sich so manchen ungewollten Anruf im Kundenservice-Center sparen. AI-Sichtbarkeit ist damit nicht nur Marketing-Thema, sondern wirkt direkt auf Effizienz und Kundenerlebnis ein.

PS: Das nächste FinTech Forum findet am 21.5 statt (in Rotkreuz oder online).Thema: «Machine Customers»: Autonome, KI-gestützte Käufer und Serviceagenten verändern, wie Unternehmen Wert schaffen und mit ihren Märkten interagieren. Die Veranstaltung zeigt insbesondere für Finanzdienstleister, wie sich Organisationen auf diese neue Kundengeneration vorbereiten können.

PPS: Wenn wir grad bei Veranstaltungen sind: Am Donnerstag, 26. November 2026 findet am IFZ die Retail Banking Konferenz statt. Das Programm steht bereits zu 80 Prozent. Weitere Informationen finden Sie hier.

Wir danken dem Partner der Konferenz: