ETFs ersetzen bestehende Anlageformen bislang nur teilweise. Vielmehr werden sie von den meisten Anlegern als komplementärer Baustein innerhalb eines breiteren Portfolios eingesetzt. 52 Prozent der ETF-Anleger investieren weniger als ein Viertel ihres Anlagevermögens in ETFs, insgesamt halten 78 Prozent höchstens die Hälfte ihres Vermögens in ETFs (Abbildung 1). Reine oder weitgehend auf ETFs ausgerichtete Portfolios bleiben dagegen die Ausnahme. Lediglich 7 Prozent der Anleger weisen einen ETF-Anteil von mehr als 75 Prozent auf.

Abbildung 1: Anteil ETFs in Prozent des Anlagevermögens bei Schweizer ETF-Anlegern (Quelle: ETF-Anlegerstudie Schweiz 2025)

ETFs bieten Wachstumspotenzial über neue Anleger hinaus

Diese Ergebnisse verdeutlichen, dass das Wachstumspotenzial von ETFs nicht allein in der Gewinnung neuer Anleger liegt. Zusätzlich besteht Potenzial für eine stärkere Integration von ETFs in bestehende Portfolios. Damit rückt die Frage in den Vordergrund, welche Rolle ETFs im Zusammenspiel mit anderen Anlageformen einnehmen. Für Produktanbieter ergibt sich daraus die Möglichkeit, ETFs gezielt als komplementäre Portfoliobausteine zu positionieren, etwa zur kosteneffizienten Diversifikation, als Kerninvestment oder zur Abdeckung spezifischer Märkte und Anlageklassen.

ETF-Anleger investieren häufiger selbst und nutzen verstärkt digitale Anbieter

ETFs werden besonders häufig in selbstverwalteten Portfolios eingesetzt. 64 Prozent der ETF-Anleger verwalten ihre ETF-Anlagen selbst, gegenüber 42 Prozent aller Schweizer Anleger (Dietrich und Agnesens, 2023). Dies zeigt sich auch bei der Anbieterwahl: 49 Prozent der ETF-Anleger nutzen Online-Banken. Unter allen Schweizer Anlegern liegt die Nutzung von Online-Banken dagegen bei lediglich 29 Prozent (Dietrich et al., 2024).

Die Ergebnisse deuten auf eine zunehmende Verlagerung des ETF-Investmentgeschäfts zu digitalen und spezialisierten Anbietern hin. Insbesondere bei selbstverwaltenden Anlegern nimmt die Bedeutung der klassischen Bündelung von Beratung, Produkt und Transaktion bei der Hausbank ab. Anlageentscheidungen und deren Umsetzung erfolgen zunehmend über unterschiedliche Anbieter. Zudem sind ETF-Investoren überdurchschnittlich gebührensensibel. Gleichzeitig besteht bei bisherigen Nicht-ETF-Anlegern Potenzial für Banken: 82 Prozent wurden von ihrer Bank bislang nicht auf ETFs aufmerksam gemacht. Dies ist besonders relevant, da Nicht-ETF-Anleger häufiger älter sind und stärker auf klassische Bankberatung setzen.

Für Banken und andere Produktanbieter ergeben sich damit je nach Kundengruppe unterschiedliche Anforderungen. Bei jüngeren und selbstverwaltenden Anlegern gewinnen wettbewerbsfähige digitale Anlageangebote an Bedeutung. Bei älteren und bisherigen Nicht-ETF-Anlegern bietet die bestehende Beratungsbeziehung Potenzial für eine stärkere Berücksichtigung von ETFs. Eine zielgruppenspezifische Ansprache über die jeweils relevanten Kanäle wird damit zunehmend zum Wettbewerbsfaktor im Anlagegeschäft.

Jüngere ETF-Anleger nutzen andere Informationskanäle

ETF-Anleger sind vergleichsweise jung: 59 Prozent sind jünger als 45 Jahre und die Informationskanäle unterscheiden sich deutlich nach Alter (Abbildung 2). Jüngere ETF-Anleger werden vor allem über Bekannte (38 Prozent), Finanzportale (35 Prozent) und Finanzblogs (34 Prozent) auf ETFs aufmerksam. Bankberater spielen mit 19 Prozent eine geringere Rolle. Bei älteren ETF-Anlegern dominieren dagegen Bankberater (41 Prozent) und Presse (35 Prozent), während Finanzportale mit 33 Prozent ebenfalls relevant sind.

Abbildung 2: Informationskanäle von ETF-Anlegern nach Alterskategorie (Quelle: ETF-Anlegerstudie Schweiz 2025)

Für Banken und Produktanbieter ergibt sich daraus die Notwendigkeit, ihre Präsenz stärker an den Informationskanälen unterschiedlicher Anlegergruppen auszurichten. Mit der zunehmenden Bedeutung selbstbestimmten und digitalen Investierens wird die Kundenschnittstelle im Investmentgeschäft zunehmend auch ausserhalb der klassischen Bankberatung geprägt.

Fazit

ETFs gewinnen nicht nur als Anlageprodukt, sondern auch als Bestandteil bestehender Portfolios zunehmend an Bedeutung. Gleichzeitig verändern Selbstverwaltung und digitale Informationskanäle die Art, wie Anleger ihre Anlageentscheidungen treffen und umsetzen. Für Banken und Produktanbieter wird es daher wichtiger, unterschiedliche Anlegergruppen gezielt über die jeweils relevanten Informations- und Vertriebskanäle anzusprechen. Insbesondere digitale Angebote gewinnen dabei weiter an Bedeutung.

Ausblick ETF-Anlegerstudie Schweiz 2026

Die Ergebnisse der ETF-Anlegerstudie Schweiz 2026 werden am 20. Oktober 2026 im Rahmen der Swiss ETF Awards im KINOKONI in Zürich präsentiert. Die Studie beleuchtet aktuelle Entwicklungen im Schweizer Fondsmarkt auf Basis von Marktdaten und einer repräsentativen Befragung von Schweizer Anlegerinnen und Anlegern. Im Fokus stehen die Entwicklung von ETF-Durchdringung und ETF-Wissen, der Einsatz von ETFs sowie die Informationskanäle und die Rolle von FinFluencern. Weitere Schwerpunkte bilden die Bedeutung und Bekanntheit der Anbietermarken sowie die Verbreitung von ETF-Sparplänen und aktiven ETFs.

Literatur

Dietrich, A., Rey, R., & Amrein, S. (2024). Proprietäre Datenaufbereitung aus der Umfrage: Krypto-Anlagen in der Schweiz – Bekanntheit, Relevanz und Investitionsgrunde. In: Dietrich, A., Amrein, S., Lengwiler, C., & Passardi, M. (Hrsg.) (2024). IFZ Retail Banking-Studie 2024, 65–85.

Dietrich, A., & Agnesens, T. (2023). Digitale Plattformen für die Anlageberatung. Abgerufen am 03.09.2026, von https://hub.hslu.ch/retailbanking/digitale-plattformen-fuer-die-anlageberatung/

Mattmann, B., Döhnert, K., Fausch, J. & Gattlen, A. (2025). ETF-Anlegerstudie Schweiz 2025. Hochschule Luzern. Abgerufen am 03.09.2026, von: https://www.hslu.ch/de-ch/hochschule-luzern/ueber-uns/medien/medienmitteilungen/2025/10/22/etf-anlegerstudie-2025/

Eine strukturelle Lücke im Schweizer KMU-Banking

Die Schweiz gilt nach wie vor als einer der weltweit führenden Finanzplätze. Im Bereich der digitalen Innovation hat sich dieses Bild jedoch etwas verändert. Insbesondere im KMU-Banking zeigt sich eine wachsende Lücke zu ausländischen Märkten wie z.B. Grossbritannien. Während es in anderen Märkten zunehmend rein digitale, von Neobanken getriebene Lösungen gibt, ist das Angebot in der Schweiz weiterhin stark von traditionellen Banken geprägt. Neobanken spielen hierzulande im Geschäftskundensegment noch kaum eine Rolle, während sie im Privatkundengeschäft längst an Bedeutung gewonnen haben und deutlich über 1 Million Nutzende ausweisen (vgl. Blog Marktanteile und Kundenzahlen von Neobanken in der Schweiz). Auch unsere eigene Studie zum digitalen Firmenkundengeschäft zeigt, dass der Digitalisierungsgrad vieler Schweizer Banken im Geschäft mit KMU nach wie vor eher tief ist (vgl. Blog-Artikel zu unserer Studie). Dies zeigt sich nicht nur in einem begrenzten digitalen Funktionsumfang, sondern auch bei grundlegenden Prozessen. Kontoeröffnungen, Finanzierungsanträge und weitere administrative Abläufe sind vielerorts noch zeitaufwendig, wenig intuitiv und nur teilweise digitalisiert.

Ein Problem für KMU ist auch oftmals die Fragmentierung der Tool-Landschaft. KMU sind häufig gezwungen, mehrere voneinander getrennte Systeme zu nutzen, etwa für Banking, Buchhaltung oder Lohnzahlungen. Wer als KMU-Inhaberin oder -Inhaber seine Finanzen besser im Griff haben will, braucht entsprechend oftmals mehrere Tools, mehrere Logins und oft zusätzlich einen Treuhänder für Aufgaben, die sich eigentlich automatisieren liessen. Dadurch entstehen manuelle Prozesse, Schnittstellenprobleme und Medienbrüche, die den administrativen Aufwand und die Fehleranfälligkeit erhöhen.

Diese Lücke bietet Chancen für neue, digitale Anbieter. Und hier setzt Helvo an.

Das Geschäftsmodell von Helvo

Helvo wurde 2024 in der Westschweiz gegründet und hat ihren Hauptsitz in der Region Lausanne. Das Team umfasst derzeit rund 20 Personen. CEO und Co-Founder ist Julien Barbotin-Larrieu.

Auf der Infrastrukturseite arbeitet Helvo mit der Hypothekarbank Lenzburg als lizenzierter Schweizer Bankpartnerin zusammen. Kundengelder sind entsprechend durch die Schweizer Einlagensicherung bis zu einem Betrag von CHF 100’000 pro Unternehmen geschützt.

Einen ersten Eindruck vom Look and Feel der Helvo-Lösung bietet Abbildung 1. Zu sehen sind unter anderem noch ausstehende Zahlungen sowie bereits versandte Rechnungen, die demnächst fällig werden.

Abbildung 1: Überblick Homescreen der Helvo-Lösung

Zum Angebot von Helvo gehören insbesondere:

• CHF- und Euro-Konten sowie Zahlungskarten
• Automatisierte Buchhaltung mit KI-Agenten: Diesen Bereich finde ich besonders interessant. Die «KI-Agenten» übernehmen administrative Aufgaben, die heute meist noch manuell erledigt werden. Dazu gehören etwa die automatische Ablage von Rechnungen, Benachrichtigungen bei ausstehenden Zahlungen, automatisierte Mahnungen nach definierten Fristen oder die Vorbereitung physischer Mahnbriefe. Aufgaben, die heute schnell einen halben Arbeitstag beanspruchen, sollen bei Helvo weitgehend im Hintergrund ablaufen. Dadurch können KMU den personellen Aufwand für ihre Finanzadministration reduzieren.
  Das Frontend der Lösung hat Helvo selbst entwickelt, während das Backend auf dem Open-Source-ERP Odoo basiert. Helvo verfolgt damit das Ziel, Daten möglichst im eigenen System zu halten und die Wertschöpfung nicht an Drittanbieter wie Bexio abzugeben. Gleichzeitig behält das Unternehmen die Kontrolle über zentrale Finanzdaten, die künftig auch als Grundlage für weitere Angebote wie Kredite dienen könnten.
  Die Buchhaltungsdaten werden zudem in Echtzeit aufbereitet. Dadurch können Unternehmen beispielsweise unmittelbar erkennen, wie viel sie im vergangenen Monat verdient haben, und ihre Kennzahlen mit den gesetzten Zielen vergleichen. Auch Treuhänderinnen und Treuhänder können direkt auf die relevanten Informationen zugreifen, was die Zusammenarbeit erleichtert.
• Helvo Docs: Digitaler Dokumentensafe zur sicheren Ablage verschiedener Dokumente wie beispielsweise Arbeitsverträge. Die Dokumente werden automatisch erkannt und der passenden Kategorie zugeordnet.
• Rechnungsstellung («Invoicing»): Rechnungen lassen sich einfach erstellen, professionell mit dem eigenen Logo gestalten und direkt per E-Mail versenden. Die dafür benötigten Empfängeradressen werden automatisch aus dem CRM übernommen (siehe Abbildung 2)

Abbildung 2: Erstellen von Rechnungen für KMU (Quelle: Testumgebung von Helvo)

• Lohnadministration inklusive Lohnabrechnungen
• Analytics: Spannend und vielversprechend finde ich den Bereich Analytics (vgl. Abbildung 3). Er ermöglicht eine Auswertung der Buchhaltungsdaten in Echtzeit. Zudem lassen sich Ziele und KPIs definieren und laufend mit den tatsächlich erzielten Werten vergleichen. Gleichzeitig schafft die so entstehende Datenbasis die Grundlage für zukünftige Produkte wie Lending. Selbst wenn im Einzelfall kein Kredit vergeben wird, kann Helvo fundierte und transparente Entscheidungen treffen und diese gegenüber den Kundinnen und Kunden nachvollziehbar begründen. Die Analytics-Funktion war beim Launch noch nicht verfügbar, sondern soll rund zwei Monate danach folgen, sobald genügend Nutzungsdaten vorliegen.

Abbildung 3: Printscreens Helvo Analytics

Preis: Die Kosten liegen je nach Unternehmensgrösse zwischen CHF 35 und CHF 180 pro Monat (SaaS-Gebühr). Ist das günstig oder teuer? Aus meiner Sicht ist der Preis fair für ein KMU, das ohnehin mehrere Einzeltools ersetzen will. Man zahlt im Wesentlichen für ein Bundle, das man sonst für 2 bis 3 separate Abos abschliessen müsste. Wer aber nur ein schlankes Bankkonto ohne Buchhaltung/Lohnadministration sucht, findet mit Revolut Basic (CHF 10) eine günstigere Einzellösung.

E-Banking: Bemerkenswert ist, dass Helvo dem Designprinzip «E-Banking first» folgt. Die Lösung ist also primär auf das E-Banking ausgerichtet. Dies erscheint sinnvoll, da die meisten KMU-Inhaberinnen und -Inhaber sowie ihre Mitarbeitenden ihre finanziellen Angelegenheiten nicht hauptsächlich über das Smartphone erledigen. Während viele Neobanken aus dem Privatkundengeschäft stammen und ihre Angebote in erster Linie als mobile Apps konzipieren, geht Helvo also den umgekehrten Weg. Eine Mobile-Banking-App ist dennoch verfügbar. Sie beschränkt sich derzeit aber auf ausgewählte Funktionen wie das Auslösen von Zahlungen, die Einsicht in Transaktionen und die Abfrage des verfügbaren Guthabens.

Das Helvo-Frontend ist in vier Sprachen verfügbar. Der Support durch das HBL Contact Center wird derzeit auf Deutsch und Englisch angeboten; Französisch soll in den kommenden Monaten hinzukommen.

Positionierung und USP

Der zentrale USP von Helvo liegt in der Verbindung von Banking und finanzieller Administration. Statt mehrere getrennte Systeme für Geschäftskonto, Buchhaltung, Rechnungsstellung und Lohnadministration zu nutzen, erhalten KMU eine integrierte Plattform, auf der die Daten zentral verfügbar sind und die einzelnen Anwendungen nahtlos zusammenspielen. Helvo will damit nicht lediglich ein klassisches Geschäftskonto ersetzen, sondern die finanzielle Infrastruktur eines KMU abbilden. Dadurch sollen Schnittstellenprobleme, Systemwechsel und manuelle Arbeitsschritte reduziert werden.

Zur Positionierung gehört auch die lokale Verankerung. Während internationale Neobanken wie Revolut ihren Schwerpunkt vor allem auf das Banking legen, versteht sich Helvo als Schweizer Gesamtlösung für Schweizer KMU. Die administrativen Funktionen sind nicht als externe Zusatzangebote angebunden, sondern bilden zusammen mit dem Banking ein integriertes Ökosystem. Dadurch gibt es weniger Schnittstellen und die Nutzenden müssen nicht zwischen verschiedenen Systemen für Buchhaltung, Rechnungsstellung und Lohnadministration wechseln.

Die Rolle der Hypothekarbank Lenzburg

Für die Hypothekarbank Lenzburg (HBL) ist die Partnerschaft mit Helvo ein interessanter und zugleich neuer Banking-as-a-Service-Case. Für die Zusammenarbeit mit Helvo mussten mehrere neue Module entwickelt werden. So benötigte die HBL beispielsweise ein neues Modul für das digitale Onboarding von KMU, ähnlich wie beim Aufbau der Zusammenarbeit mit Neon vor acht Jahren. Dabei hat sich gezeigt, dass Einzelunternehmen im Onboarding ähnlich wie Privatkundinnen und -kunden behandelt werden können, während GmbH und AG einen komplexeren Prozess durchlaufen müssen.

Ein zweites zentrales Modul betrifft die Corporate Debit Card, die neu als eigenständiger Banking-as-a-Service-Baustein aufgebaut wurde.

Wie kommt Helvo zu ihren Kunden?

Die Zahl der in der Schweiz gemeldeten KMU (marktwirtschaftliche Unternehmen) lag 2023 bei 624’219 . Für Helvo relevant sind vermutlich – zumindest in einer Anfangsphase – eher kleinere Unternehmen. Für kleinere Unternehmen mit weniger als 50 Mitarbeitenden zeigt sich dabei ein klares Bild der Hauptbankbeziehungen. Firmen mit weniger als 50 Mitarbeitenden unterhalten ihre Hauptbankbeziehung heute am häufigsten bei einer Kantonalbank oder bei der UBS. Raiffeisenbanken sind die drittwichtigste Hauptbank für kleinere KMU, während Regionalbanken in diesem Segment einen Marktanteil von rund 10% halten (vgl. auch unsere Auswertungen hier; ein Update der Situation nach dem Wegfall der Credit Suisse wird gegen Ende dieses Jahres auf diesem Blog veröffentlicht). Wer neue KMU-Kunden als Hauptbankkunden gewinnen möchte, muss diese folglich zu einem Wechsel von einer etablierten Grossbank, Kantonalbank oder Raiffeisenbank bewegen.

Lange Zeit war dies ein strukturell eher träger Markt, in dem jährlich lediglich 1 bis 2 Prozent der KMU ihre Hauptbankbeziehung wechselten. Durch den Wegfall der Credit Suisse ist in den vergangenen zwei Jahren aber etwas mehr Dynamik in den Markt gekommen.

Gleichzeitig pflegen viele KMU mehrere Bankbeziehungen parallel. Im Schnitt haben Schweizer KMU knapp zwei Bankbeziehungen. Ein neuer Anbieter muss daher nicht zwingend die Hauptbank ersetzen, sondern kann zunächst als Ergänzung einsteigen und sich schrittweise als primäre Plattform etablieren. Für eine Zweitbankbeziehung spielt allerdings auch das Pricing eine wichtige Rolle, da die Zahlungsbereitschaft für eine zusätzliche Lösung begrenzt sein dürfte. Und hier stellt sich dann die Frage, ob die Preisgestaltung von Helvo für diese KMU sinnvoll ist (siehe oben).

Neugründungen als Marktpotenzial für Helvo?

Während der Markt der bestehenden KMU strukturell eher träge ist, bietet das Segment der Neugründungen einem neuen Marktteilnehmer eine weitere Einstiegschance. In der Schweiz wurden 2025 laut dem aktuellen Jahresbericht des Instituts für Jungunternehmen (IFJ) 55’654 neue Unternehmen im Handelsregister eingetragen (vgl. Abbildung 4). Fast alle dieser Unternehmen benötigen ab dem ersten Tag auch eine Bankbeziehung.

Abbildung 4: Gründungen und Konkurse Schweiz 2021-2025

Die zentrale Herausforderung für einen neuen Marktteilnehmer wie Helvo ist dabei weniger das Produkt als die Bekanntheit. Wer den Anbieter nicht kennt, kann ihn nicht wählen. Die direkte Ansprache der Unternehmen über klassische Werbung auf Google und anderen Plattformen ist teuer und mit hohen Streuverlusten verbunden. Vielversprechender erscheint ein B2B2C-Ansatz über die Zusammenarbeit mit Intermediären wie Treuhändern, Gründungszentren, Startup-Hubs, kantonalen Förderstellen, Notariaten oder Branchen- und Gewerbeverbänden, die Gründerinnen und Gründer ohnehin begleiten und beraten. Der Vorteil dieses Ansatzes liegt in tieferen Akquisitionskosten, einer Empfehlung aus einer vertrauenswürdigen Quelle und einem Kontakt zum richtigen Zeitpunkt.

Ganz allein ist Helvo mit diesem Ansatz nicht. Auch verschiedene Banken oder das Schweizer FinTech Relio verfolgen in der Schweiz eine ähnliche Stossrichtung.

Roadmap und Ausblick

Helvo ist im August mit einer Beta-Version für zwei Rechtsformen gestartet und weitet die Testphase kontinuierlich auf weitere Firmenstrukturen aus. Funktionen wie Analytics und weitergehende CFO-Tools folgen erst nach dem Marktstart, sobald mehr Nutzungsdaten vorliegen. Ebenso in Vorbereitung befinden sich Corporate Cards und eine Lösung für das Expense Management. Zu Beginn strebt Helvo ein jährliches Wachstum von rund 2’000 Neukundinnen und Neukunden an. Bis 2031 sollen rund 30’000 Firmenkunden gewonnen werden.

Auf der weiteren Roadmap stehen zudem Multibanking sowie langfristig eine eigene Banklizenz. Helvo plant langfristig ausserdem den Einstieg ins Kreditgeschäft.

Fazit

Die grösste Herausforderung für Helvo dürfte weniger das Produkt als die Trägheit des Marktes sein. Schweizer KMU wechseln ihre Bankbeziehung nur selten. Im Privatkundengeschäft ist es den Neobanken aber gelungen, Bewegung in den Markt zu bringen, weil sie günstigere Angebote, eine bessere User Experience und neue Funktionen boten. Ob sich diese Entwicklung im KMU-Banking wiederholen lässt, ist eine der zentralen Fragen. Im Wettbewerb um die Hauptbankbeziehung bleiben vorerst insbesondere die Kantonalbanken und die UBS die wichtigsten Konkurrenten.

Feststellen kann man auch: Helvo erfindet das Rad nicht neu. Die Kombination aus Banking, Buchhaltung, Rechnungsstellung und Lohnadministration auf einer Plattform sowie die aus meiner Sicht gute User Experience macht das Angebot für digital affine KMU aber dennoch interessant. Es setzt bei einem relevanten Problem an, denn der administrative Aufwand ist bei vielen KMU nach wie vor hoch und die eingesetzte Systemlandschaft häufig fragmentiert. Die eigentliche Wette hinter Helvo ist somit, dass sich das KMU-Banking von isolierten Kontolösungen hin zu ganzheitlichen Plattformen entwickelt, die als zentrale Schaltstelle für finanzielle und administrative Prozesse dienen.

Beim Preis dürfte entscheidend sein, wie umfassend ein Unternehmen die Plattform nutzt. Attraktiv ist das Angebot vor allem dann, wenn ein KMU tatsächlich mehrere Funktionen wie Banking, Buchhaltung, Rechnungsstellung und Lohnadministration darüber abwickelt. Wer hingegen lediglich ein schlankes digitales Geschäftskonto für wenige Nutzende sucht, findet beispielsweise mit Revolut Business günstigere Angebote.

Zentral ist zudem, dass Helvo neben der Sicherstellung einer hohen Produktqualität rasch Bekanntheit bei den KMU aufbaut. Dies ist gerade bei KMU kein einfaches Unterfangen. Gelingt dies aber, hat Helvo durchaus das Potenzial, zusätzliche Bewegung in den bislang eher trägen Schweizer KMU-Banking-Markt zu bringen.

PS: Helvo wird sein Geschäftsmodell auch im Rahmen der Retail Banking Konferenz 2026 am 26. November vorstellen. Neben Helvo halten unter anderem die CEOs von BKB und PostFinance sowie eine israelische Agentic-AI-Bank Referate. Zudem präsentieren wir die aktuelle Retail Banking Studie mit den wichtigsten Trends und Zahlen der Branche.

Kaum ein Finanzinstitut würde heute bestreiten, dass Kundenzentrierung wichtig ist. Kundenfeedback wird erhoben, Customer Journeys werden analysiert, und Optimierungsmassnahmen werden in Projekten entwickelt. Deutlich seltener geklärt ist, wie die daraus gewonnenen Erkenntnisse in Entscheidungsprozessen, Verantwortlichkeiten und dem täglichen Handeln der Organisation verankert werden. Genau diese Aspekte vereinen sich unter einem Zielbetriebsmodell oder auch Target-Operating-Model (TOM), das auch dazu dient, die vorhin beschriebene Lücke zu schliessen.

Zu diesem Zweck hat das IFZ gemeinsam mit den Studien-Sponsoren BSI Software, msg group und Ntsal Consultancy von März bis Juni 2026 die grössten 90 Banken aus Deutschland, Österreich und der Schweiz befragt, wie diese ihr TOM im Kontext der Customer Experience ausgestalten. 43 Institute haben an der Studie teilgenommen, was einer Rücklaufquote von 48% entspricht. Die insgesamt 44 Fragen wurden von Führungskräften und Fachexperten aus Digitalisierung, Strategie, Vertrieb und Marketing, Customer Experience und User Experience sowie Operations und Prozessmanagement beantwortet. Schwerpunkt der Stichprobe liegt in der Schweiz und die grössten Gruppen von Banktypen sind Kantonalbanken (33%), Genossenschaftsbanken (21%) sowie Regional- und Filialbanken (16%).

Was ein Target-Operating-Model leisten muss

Das TOM, auf Deutsch Zielbetriebsmodell, ist jenes organisatorische Element, das eine Strategie in die konkrete Umsetzung überführt. Drei Dimensionen fallen darunter: i) die erforderlichen Fähigkeiten und die Unternehmenskultur, ii) die organisatorischen Strukturen und Verantwortlichkeiten sowie iii) die Steuerung anhand geeigneter Kennzahlen. Ein TOM beschreibt damit das Zusammenspiel von Organisation, Prozessen, Mitarbeitenden, Governance sowie Technologie und Infrastruktur. Bezogen auf die Kundenzentrierung lassen sich diese Dimensionen unter dem Begriff des Customer-Experience-Target-Operating-Models zusammenführen, kurz CX-TOM. Im Rahmen der Studie beschreibt es, wie eine Bank ihre strategische Ambition zur Kundenzentrierung in ein tragfähiges und steuerbares Betriebsmodell übersetzt.

Wie schafft es also die Bank, aus dem Feedback der Kundschaft systematisch zu lernen und damit das eigene Geschäft zu verbessern?

Besonders relevant ist dabei der Übergang von «Build the Bank» zu «Run the Bank»: Im Projektkontext werden neue Angebote, Prozesse und Kundenerlebnisse entwickelt. Das TOM stellt hierbei sicher, dass diese im Regelbetrieb verankert, gesteuert und kontinuierlich verbessert werden. Dadurch wird gewährleistet, dass Kundenzentrierung nicht mit dem Projektabschluss endet.

Mehr als die Hälfte der Banken in den zwei tiefsten Reifegraden

Kernstück der Studie ist, dass mit Hilfe von sechs Indikatoren ein Reifegrad-Score gebildet und daraus eine Typologie mit fünf Entwicklungsstufen abgeleitet werden konnte. Dadurch wurden teilnehmende Institute der Studie einzelnen Reifegrad-Typen zuordenbar.

Die Definitionen der Reifegradtypen finden Sie hier.

Das Ergebnis fällt zunächst nüchtern aus (vgl. Abbildung 1): acht Institute (19%) entfallen auf ein funktionsorientiertes TOM (Typ 1) und weitere 15 Institute (35%) werden einem projektbasierten CX-TOM zugeordnet. Damit bewegen sich mehr als die Hälfte der teilnehmenden Banken innerhalb der zwei niedrigsten Reifegrade. Weitere 12 Institute entfallen auf ein koordiniertes CX-/Technologie-Hybrid-TOM (28%; Typ 3) und auf die beiden reifsten Typen entfallen jeweils vier Institute (9%).

Abbildung 1: die fünf TOM-Reifegradtypen und ihre Verteilung im Sample (n = 43)

Die Typologie wurde aus strukturellen Merkmalen (in der Studie auch als Reifegradindikatoren beschrieben) gebildet: Organisation des TOMs entlang der Customer Journey, Teamorganisation entlang der Customer Journey, Budgetallokation entlang Customer Journey, Befähigung der Fachbereiche, Erfassung des Kundenkontexts in Echtzeit sowie Umsetzungsgeschwindigkeit von CX-Projekten. Die Abbildung 2 zeigt die wesentlichen Ausprägungen der Reifegradindikatoren entlang der fünf Reifegradtypen.

Aussagekräftig ist, dass sich der ermittelte Reifegradindikator und die Selbstwahrnehmung der Institute decken: Über drei unabhängige Selbsteinschätzungsfragen steigen die Werte konsistent mit dem Reifegrad. Dabei hält sich kein einziges Institut für branchenführend: Selbst die reifsten Banken verorten ihre TOM-Reife bei lediglich 3,25 von 5 Skalenpunkten. Umgekehrt steigt mit sinkender Reife der Anteil jener, die ihr eigenes Modell nicht einordnen können: von 8% bei Typ 3 auf 38% bei Typ 1. Wo also eine integrierte TOM-Logik fehlt, fehlt offenbar auch der Rahmen, diese zu beschreiben. Unbewusste Inkompetenz könnte man sagen.

Abbildung 2: Merkmale der TOM-Reifegradtypen – Reifegradtypen entlang der 6 Reifegrad-Indikatoren

Der reifste Typ (TOM-Typ 5) besteht zu drei Vierteln aus Grossbanken mit Bilanzsumme über 250 Milliarden CHF. Das funktionsorientierte TOM wird dagegen deutlich von Kantonalbanken geprägt, die 63% dieses Typs ausmachen – und dies interessanterweise, obwohl gerade sie eine hohe strategische Priorität für generative KI, agentische KI und No-Code/Low-Code-Plattformen angeben. Technologischer Wandel greift ohne organisatorischen und kulturellen Wandel offenbar zu kurz.

Interessant ist der mittlere Reifegrad-Typ 3, der sich mit knapp 60% bei den kleinsten Instituten unter 10 Milliarden CHF Bilanzsumme häuft. Hier finden sich vielfach regional verankerte Banken mit fester Marktstellung, in denen kurze Wege ersetzen, was grössere Häuser organisatorisch herstellen müssen. Dieser Typ weist die dünnste formale CX-Struktur auf und liegt beim Reifegrad dennoch über dem Durchschnitt. Er erwartet von Journey-orientierten Teams auch keine Effizienzgewinne, da Skalierung als Erwartungshaltung von Journey-orientierten Teams von keinem einzigen Institut dieses Typs angegeben wird. Tragfähig ist dieses Modell, solange es an Personen gebunden bleibt – skalierbar ist es nicht.

Die Treiber:  Kundenperspektive verdrängt die Regulatorik

Der stärkste Anlass, das eigene Betriebsmodell zu überdenken, ist aus Sicht der befragten Banken heute nicht mehr regulatorische Anforderungen (65%), sondern Kundenbedürfnisse (86%). Das ist bemerkenswert, weil die Reihenfolge über Jahre umgekehrt war. Für Schweizer Institute gilt das allerdings mit einer Einschränkung: Sie nennen Kundenbedürfnisse mit 78% seltener als deutsche und österreichische Banken – gewichten dafür regulatorische Anforderungen (74%) und Kosteneinsparungen (67%) höher. Auch der drohende Verlust der Wettbewerbsposition wiegt hierzulande weniger schwer. Dies erscheint angesichts der in einzelnen Regionen weitgehend zementierten Marktanteile auch plausibel.

Über alle Länder hinweg ist das grösste wahrgenommene Risiko bei einer Nicht-Anpassung des Betriebsmodells der Attraktivitätsverlust bei Neukunden (84%), noch vor dem Verlust der Wettbewerbsposition (67%) und steigenden Kosten (63%) Da Bankkunden selten wechseln, entscheidet vor allem die Fähigkeit zur Neukundengewinnung über die künftige Marktposition und Einlagegelder.

Die Prozesskette von Kundenfeedback trägt bis zur Mitte

Eine zentrale Erkenntnis der Studie liegt in der Feedback-Kette. Entlang dieser entscheidet sich nämlich, ob Kundenfeedback wirksam wird: auswerten, verteilen, umsetzen und nachhalten. Zu Beginn der Kette sind Banken gut aufgestellt: 74% werten Freitext-Feedback aus, 37% nutzen dafür bereits KI, um Muster zu erkennen und Relevantes in nützlicher Frist zu verstehen. 33% verteilen das Feedback über eine Voice-of-the-Customer-Programmleitung an die verantwortlichen Einheiten. Dann jedoch bricht die Kette. Lediglich 12% der Institute messen, ob auf Basis des Feedbacks tatsächlich etwas geschieht.

Noch aufschlussreicher ist, was im Anschluss passiert: 28% melden ihrer Kundschaft zurück, was aus ihrem Hinweis geworden ist. Verblüffend, da dies mehr als doppelt so viele sind im Vergleich zu jenen Instituten, die Verantwortungsübernahme überhaupt messen. Daraus folgt zwingend, dass mindestens sieben Institute der Stichprobe also eine Wirkung kommunizieren, deren Eintreten sie intern nicht kontrollieren können. Der nach aussen gerichtete Teil der Verbindlichkeit ist demnach weiter ausgebaut als ihr eigentlicher Kern – nämlich dieses Wissen intern langfristig in die Organisation zu überführen.

Dieser Befund ist aus Organisationssicht nachvollziehbar, da sich eine Rückmeldung kommunikativ herstellen lässt. Die Messung der Verantwortungsübernahme setzt jedoch voraus, dass eine Einheit benannt, ein Ergebnis definiert und dessen Ausbleiben zum Thema gemacht wird. Bezeichnend an dieser Stelle ist, wo investiert wird: die KI-gestützte Auswertung ist dreimal so verbreitet wie die Wirkungsmessung. Fähigkeit lässt sich beschaffen, Verbindlichkeit nicht.

Nicht die Struktur trennt die Banken, sondern deren Verbindlichkeit

Der vielleicht überraschendste Befund: Die organisatorische Verankerung der Kundenzentrierung fällt über alle fünf Reifegrade hinweg bemerkenswert ähnlich aus. CX-Abteilungen, Governance-Gremien und die situative Abstimmung der Frontabteilungen im Rahmen agiler Arbeitsweisen – mit 56% das häufigste Organisationselement zur Verankerung von Kundenzentrierung – verteilen sich nahezu gleichmässig. Auch die reifsten Institute klären also weiterhin Kundenanliegen im selben Mass situativ an der Front wie die funktionsorientierten.

Reife zeigt sich laut Studie also nicht darin, ob eine Organisation situativ arbeitet, sondern ob sie zusätzlich über Mechanismen verfügt, die aus dem Einzelfall organisationales Lernen erzeugen. Entsprechend fällt der einzige Indikator aus, der sauber mit dem Reifegrad steigt: Die Verbindlichkeit des Operating Models für strategische und operative Entscheidungen (1,8 von 5 für Typ 1 und 4,5 für Typ 5). Entscheidend ist also nicht, ein Betriebsmodell bzw. TOM zu haben, sondern dass es Entscheidungen bindet.

Das gilt auch für den Übergang zu Journey-orientierten Modellen. Dieser gelingt nur, wenn der Journey Owner über ausreichende hierarchische Kompetenz verfügt. Wird die Rolle zu tief in der Organisation angesiedelt, bleibt die Journey-Logik folgenlos.

Der Engpass ist der Mensch, nicht die Technologie

Auf die Frage nach den grössten Herausforderungen in der künftigen Zusammenarbeit zwischen Menschen und KI-Agenten nennen 74% menschlichen Unwillen und Widerstand – mit deutlichem Abstand vor technischen Problemen (44%). Bemerkenswert ist, von wem diese Einschätzung stammt: von CX- und Business-Development-Verantwortlichen der Bank selbst.

Parallel dazu verschiebt sich das Kompetenzprofil spürbar. Am stärksten gewinnen der Umgang mit KI-Agenten und Validierungskompetenz an Bedeutung (jeweils 4,6 v. 5). Gleichzeitig verlieren Detailwissen zu Produkten und Preisen (2,5 v. 5) sowie das Wissen zu internen Prozessen an Bedeutung (2,9 v. 5). In der Summe verschiebt sich das Profil vom Wissensträger zum Orchestrator.

Die eigentliche Trennlinie verläuft bei den Daten-Fähigkeiten der Institute

Wo sich die Banken tatsächlich unterscheiden, ist die Datenfähigkeit. Die beschreibende Segmentierung von Kundendaten beherrschen praktisch alle: nach Produktnutzung können 81%, nach demografischen Merkmalen 74%, nach Kundenwert und Profitabilität je rund 70%. Das ist Bankstandard und kein Reifemerkmal.

Bei zukunftsgerichteten Kriterien trennt sich das Feld: 30% können nach Lebensereignissen segmentieren, lediglich 26% nach Verhaltensdaten. Damit fehlt der Mehrheit genau jene Grundlage, auf der wirksame potentialorientierte Personalisierung und vorausschauende Ansprache aufsetzen.

Wie unmittelbar das im Kundenerlebnis ankommt, zeigt das Collision Management: Nur 9% der Banken erkennen zuverlässig, wenn Kunden zu häufig oder zu wenig kontaktiert werden. Ein Drittel erkennt dies überhaupt nicht. Die Mehrheit weiss also nicht verlässlich, wie intensiv sie mit einem Kunden bereits im Dialog steht. So kann Marketing-Automatisierung nur ins Chaos führen.

Innerhalb der Verhaltensdaten zeigt sich zugleich die grösste Spannweite der ganzen Untersuchung: von 0% im mittleren Typ 3 bis zu sämtlichen Instituten des reifsten Typs. Der reifste Typ zeichnet sich damit nicht durch mehr Kundenwissen aus, sondern durch Wissen anderer Art: beobachtetes Verhalten statt beschriebener Merkmale.

Bei Steuerungsgrössen ist ein struktureller Shift zu beobachten

Die Institute wurden zudem gefragt, mit welchen Messgrössen sie ihr TOM steuern und welche Kennzahlen sich für ein künftiges Betriebsmodell eignen.
Etablierte Messgrössen haben nach wie vor Bestand: Die Cost-Income-Ratio bleibt mit 74% die relevanteste Kennzahl, auch wenn sie gegenüber dem heutigen Einsatz an Gewicht verliert (88%).
Deutlich wichtiger werden kundenzentrierte Kennzahlen: Customer Satisfaction wird heute von 53% der Institute eingesetzt und von 72% in Zukunft als wichtig anerkannt, der Net-Promoter-Score steigt von 47% auf 56% und der Customer-Effort-Score von 9% auf 42%.

Am stärksten wachsen zwei Kennzahlen, die heute praktisch keine Rolle spielen. Die Lead-Qualität (wie präzise eine Bank prognostizieren kann, welche Kunden welche Produkte kaufen wollen und können) steigt von 12% auf 49%. Time-to-Value (wie schnell für den Kunden tatsächlicher Wert entsteht, beispielsweise von der Kontoeröffnung bis zur nutzbaren IBAN) steigt von 14% auf 56%.

Die Messgrössen bewegen sich demnach weg von nachlaufender Ergebnismessung, hin zu den Treibern der Wertschöpfung. Explizit markieren beide Grössen die beiden Enden der Prozesskette: Lead-Qualität misst den Anfang (spricht die Bank überhaupt die richtigen Kunden an?) und Time-to-Value sitzt am Ende (wie schnell entsteht daraus spürbarer Nutzen für die Kundschaft?). Hierin liegt auch ein doppelter Perspektivwechsel: Time-to-Value misst aus Kundensicht, wohingegen Lead-Qualität die Prognosegüte aus Banksicht erfasst.

Abbildung 3: KPI-Relevanz – heutige Steuerung vs. Eignung für ein zukünftiges TOM (Anteil der Nennungen in %; n = 43)

Aufschlussreich wird das Bild, wenn man die tatsächliche Abdeckung der Messgrössen pro Reifegradtyp anschaut. Die finanz- und produktzentrierten Kennzahlen sind in allen Reifegradtypen ähnlich verbreitet (Abdeckung von 58% bis 69%). Auch die Kennzahlen Net-Promoter-Score, Customer-Satisfaction und Customer-Effort-Score ergeben kein klares Muster entlang der Reifegrade.
Die benannten Treiber-KPIs dagegen fehlen fast vollständig. Im funktionsorientierten TOM-Typ 1 nutzt sie kein Institut, im projektbasierten TOM-Typ 2 lediglich 10%. Einzig der agile, KPI- und umsetzungsorientierte TOM-Typ 4 deckt diese zur Hälfte ab. Das ist jener Typ, der seine Bezeichnung genau dieser Steuerungslogik verdankt. Grundsätzlich ist hier eine Lücke zwischen Anspruch und Praxis zu konstatieren: Was rund die Hälfte der Institute für die Steuerung des zukünftigen Betriebsmodells als notwendig erachtet, setzt heute kaum ein Institut ein.

Fazit: Kundenzentrierung entscheidet sich im Regelbetrieb

Die drei zentralen Befunde dieser Studie wirken auf den ersten Blick unabhängig voneinander: die fehlende Verbindlichkeit am Ende der Feedback-Kette, die Lücke bei der Erfassung des Kundenkontexts in Echtzeit und die Verschiebung der Steuerungsgrössen hin zur Kundenperspektive. Tatsächlich beschreiben sie jedoch dieselbe Bruchstelle. In allen drei Fällen ist der Anspruch seitens der Institute formuliert, aber nicht im täglichen Betrieb verankert! Kundenfeedback wird ausgewertet, ohne dass jemand die Umsetzung kontrolliert und steuert. Personalisierung wird angestrebt, ohne dass die notwendigen Daten dafür in Echtzeit vorliegen. Die Treiber-Kennzahlen Time-to-Value und Lead-Qualität werden für das künftige Betriebsmodell gefordert, aber heute kaum eingesetzt.
Damit fehlt es Banken weder an Absicht noch an Ideen. Es fehlt am Mechanismus, der beides in den Regelbetrieb überführt. Genau dies ist die Aufgabe eines Zielbetriebsmodells. Dazu passt der Befund, dass sich die Reifegrade nicht durch vorhandene Strukturen unterscheiden, sondern dadurch, wie verbindlich diese wirken.

Für die Praxis folgt daraus eine Abfolge: Anstatt eine Transformation mit der Technologieauswahl zu beginnen und somit organisatorische und kulturelle Veränderungen nachgelagert zu adressieren, sollte es umgekehrt erfolgen. Demnach wären zunächst das Zielbild, Verantwortlichkeiten, Fähigkeiten und kulturelle Voraussetzungen zu klären, um daraus abzuleiten, welche Technologie in welcher Art den gewünschten Betriebszustand tatsächlich stützt. Mit anderen Worten bedeutet das, End-to-End-Verantwortung für zentrale Customer Journeys mit echten Entscheidungsrechten und Ressourcen auszustatten, für grössere Banken zentrale Standards mit dezentraler Umsetzung zu kombinieren und die Steuerung um Kennzahlen zu ergänzen, die nicht nur Kundenzufriedenheit abbilden, sondern auch die Wirkung der daraus abgeleiteten Massnahmen.

Der Befund der Studie ist unbequem einfach: Kundenzentrierung, die als zeitlich begrenztes Projekt geführt wird, erzeugt keine verbindliche Steuerungswirkung. Projekte haben ein Enddatum, Kundenzentrierung nicht.

PS: Die Studie wurde in Zusammenarbeit mit BSI Software, msg group und Ntsal Consultancy als Sponsoren erstellt. Die Kapitel 6.2 bis 6.4 in der Studie geben die Sichtweisen der Studienpartner wieder.
Die gesamte Studie kann unter den folgenden Links bezogen werden

BSI software: https://services.bsi-software.com/studio/public/e/l/tom-studie-2026
msg group: https://banking.vision/studie-customer-experience-im-banking
Ntsal Consultancy: https://ntsal.com/consultancy/insights?lang=de

Im Bereich der Digitalisierung ist die Raiffeisen-Gruppe nur selten ein Vorreiter. Die dezentrale Organisation mit 208 selbstständigen Raiffeisenbanken sowie verschiedene grosse IT-Transformationsprojekte stell(t)en die Organisation vor erhebliche Herausforderungen. Beim Thema Künstliche Intelligenz lohnt sich jedoch ein genauerer Blick. Obwohl vergleichsweise wenig über die KI-Aktivitäten von Raiffeisen kommuniziert wird, zeigte sich in Gesprächen mit Vertretern der Raiffeisen Gruppe, dass sich das Unternehmen in diesem Bereich nicht verstecken muss. Die erhaltenen Einblicke in die laufenden Initiativen, Erfahrungen und Zukunftspläne waren spannend und möchte ich nachfolgend in diesem Blogbeitrag vorstellen und einordnen.

KI-Strategie von Raiffeisen: Machine Learning, Generative AI und Data Analytics

Raiffeisen beschäftigt sich nicht erst seit dem GenAI-Boom mit Künstlicher Intelligenz. Bereits seit mehreren Jahren sind verschiedene Lösungen im Bereich Machine Learning und Predictive AI produktiv im Einsatz. Dazu gehören unter anderem die hedonische Immobilienbewertung – basierend auf einem eigenen Modell und nicht ausschliesslich auf Modellen externer Anbieter wie Wüest Partner –, die Identifikation von Sales Opportunities und Next-Best-Actions sowie Anwendungen zur Betrugsprävention (Fraud Prevention).

Dabei versteht Raiffeisen KI nicht als Selbstzweck, sondern als Enabler für die Umsetzung strategischer Ziele. Im Vordergrund steht daher nicht die Frage, welche KI-Technologien eingesetzt werden können, sondern welche strategischen Herausforderungen gelöst werden sollen und wie KI dabei sinnvoll unterstützen kann. KI wird folglich nicht als eigenständiges strategisches Handlungsfeld betrachtet, sondern als Hebel zur Erreichung bestehender Prioritäten.

Im Bereich Generative AI wurde 2023 das Programm «Generative AI @ Raiffeisen» lanciert. Inzwischen befinden sich mit dem DIREx Copilot, Microsoft Copilot sowie einem externen Chatbot auf der Webseite bereits drei GenAI-Lösungen im produktiven Einsatz. Agentic AI hingegen befindet sich derzeit noch in einer Explorations- und Pilotphase.

DIREx Copilot: Wie Raiffeisen Generative AI für Regulatorien und Wissensmanagement nutzt

Eines der interessantesten Beispiele für die Anwendung von KI bei Raiffeisen ist der DIREx Copilot. DIREx ist das interne Regulatoriensystem der Raiffeisen Gruppe und umfasst eine Vielzahl von Weisungen, Anleitungen, Reglementen und Prozessbeschreibungen. Die Herausforderung dabei ist die grosse Vielfalt in der Raiffeisenwelt. Die Raiffeisen Gruppe besteht aus 208 Raiffeisenbanken, die zwar teilweise gruppenweite Vorgaben nutzen, gleichzeitig aber auch bankenspezifische Regulatorien und individuelle Regelungen abbilden müssen. Aktuell umfasst dieses Retrieval-Augmented Generation (RAG)-System über 55’000 berücksichtigte Dokumente in drei Sprachen. Für das Jahr 2026 ist ein signifikanter Ausbau geplant, wodurch der Dokumentenbestand auf über 450’000 Dokumente anwachsen soll.

Um den Zugang zu den umfangreichen Reglementen und Richtlinien zu vereinfachen, entwickelte Raiffeisen eine Chat-Oberfläche, die in ihrer Bedienung an ChatGPT erinnert (vgl. Abbildung 1). Mitarbeitende können dort Fragen zu Regulatorien stellen – von Kreditrichtlinien bis hin zu Personalthemen wie Ferienregelungen – und erhalten innert Sekunden die passenden Antworten inklusive Verlinkung auf die zugrunde liegenden Originalquellen.

Die technische Herausforderung lag weniger in der KI selbst als vielmehr in der sicheren Integration der Datenquellen, der Mandantenfähigkeit für die einzelnen Banken sowie der Gestaltung einer benutzerfreundlichen Oberfläche. Dass sich dieser Aufwand gelohnt hat, zeigen die hohe Akzeptanz und die positiven Rückmeldungen der Mitarbeitenden: Die Zufriedenheit liegt laut Raiffeisen bei 99 Prozent.

Ein weiterer Vorteil besteht darin, dass Änderungen an Reglementen automatisch in den Antworten berücksichtigt werden. Dadurch bleiben die bereitgestellten Informationen stets aktuell. Zudem führte die Aufbereitung der zahlreichen Reglemente und Richtlinien dazu, dass Inkonsistenzen und Doppelspurigkeiten in bestehenden Prozessen sichtbar wurden.

Aus technologischer Sicht ist der DIREx Copilot kein spektakulärer «Wow-Case». Gerade darin liegt jedoch seine Bedeutung. Mit vergleichsweise bescheidenen Mitteln entstand eine pragmatische Lösung für ein konkretes Problem. Das Projekt markiert einen der ersten produktiven KI-Einsätze innerhalb der Raiffeisen Gruppe und lieferte wertvolle Erfahrungen für den weiteren Umgang mit generativer KI, gerade auch in der Anwendung von KI im Arbeitsalltag.

Abbildung 1: Printscreen Eingabefenster DIREx

Raiffeisen setzt dabei auf eine hybride Eigenentwicklung auf Basis eines GPT-Modells, das über die Microsoft Azure Cloud betrieben wird. Die technologische Grundlage bildet die selbst entwickelte Raiffeisen GenAI Foundation „AIvisorium“, welche als zentrale Plattform für generative KI-Anwendungen innerhalb der Organisation dient.

Die DIREx Lösung weist bereits heute eine ziemlich hohe betriebliche Relevanz auf. Gemäss Raiffeisen werden derzeit durchschnittlich pro Woche mehr als 8’000 Fragen verarbeitet. Über 3’000 Anwenderinnen und Anwender nutzen die Plattform wöchentlich.

Microsoft Copilot bei Raiffeisen: Über 11’000 Mitarbeitende nutzen KI im Arbeitsalltag

Der Microsoft Copilot wird derzeit schon von einigen Banken genutzt oder bald eingeführt. Auch bei Raiffeisen setzen schon viele Nutzerinnen und Nutzer Copilot intensiv als persönlichen Assistenten im Arbeitsalltag ein. Innerhalb eines halben Jahres wurden über sechs Millionen Prompts verarbeitet. Täglich nutzen mehr als 4’000 Mitarbeitende der Raiffeisen Gruppe die Lösung, mit weiterhin steigender Tendenz. Insgesamt sind bereits über 11’000 Mitarbeitende aktiv.

Der Raiffeisen Chatbot: Erste Erfahrungen mit Generative AI im Kundenservice

Auf der Raiffeisen-Webseite ist seit einiger Zeit ein externer Chatbot verfügbar. Dieser scheint bewusst noch nicht prominent platziert zu sein – zumindest musste auch ich etwas suchen, bis ich den Bot im Kundenservice-Center Bereich gefunden hatte. Im Gegensatz zu klassischen regelbasierten Chatbots basiert die Lösung auf generativer KI. Der Fokus liegt derzeit noch auf der Bearbeitung typischer Self-Service-Anfragen aus den Bereichen «Hilfe und Kontakt». Fachliche Beratungsfragen zu Themen wie Hypotheken oder Anlagelösungen werden hingegen derzeit nicht beantwortet (vgl. Abbildung 2).

Gemäss Aussagen von Raiffeisen sind die ersten Erfahrungen mit dem Chatbot positiv. Die Qualität der Antworten sowie das Nutzerverhalten werden laufend überwacht und evaluiert.

Abbildung 2: Der Raiffeisen Bot beantwortet derzeit nur Fragen zu «Hilfe und Kontakt»

KI-Einführung bei Raiffeisen: Change Management und Empowerment für Mitarbeitende

Die Einführung von KI ist nicht nur eine technologische, sondern vor allem auch eine organisatorische und kulturelle Veränderung. Der Erfolg entsprechender Initiativen hängt aus meiner Sicht wesentlich davon ab, ob es gelingt, die Mitarbeitenden für die neuen Möglichkeiten zu sensibilisieren, sie zu befähigen und die Nutzung nachhaltig im Arbeitsalltag zu verankern. Gerade in einer dezentral organisierten Genossenschaft mit 208 Raiffeisenbanken stellt dies eine besondere Herausforderung dar.

Raiffeisen hat deshalb insbesondere für die Einführung von Microsoft Copilot ein umfassendes Empowerment-Programm entwickelt. Promptathons (ganztägige Workshops), das Self-Learning-Programm «Copilot Galaxy», eine kuratierte Prompt Library, wöchentliche Aufgaben sowie ein Netzwerk von mehr als 430 Ambassadoren in nahezu allen Banken sollen dazu beitragen, das Thema KI in die einzelnen Banken und Teams zu tragen. Ziel ist es, Berührungsängste abzubauen, Kompetenzen aufzubauen und die produktive Nutzung von KI-Anwendungen innerhalb der Raiffeisen Gruppe nachhaltig zu steigern.

Die Zukunft von KI bei Raiffeisen

Die Themenlandkarte für die nächsten Jahre ist bereits gut gefüllt. Zahlreiche Ideen und Use Cases wurden identifiziert, müssen jedoch teilweise noch hinsichtlich ihres Nutzens, ihrer Umsetzbarkeit und ihrer strategischen Relevanz priorisiert werden. Der Fokus liegt dabei vor allem auf produktivitätssteigernden Anwendungsfällen, welche Mitarbeitende im Arbeitsalltag entlasten und gleichzeitig die Servicequalität erhöhen können.

Fazit

Das Thema Künstliche Intelligenz ist derzeit in aller Munde. Praktisch alle Banken beschäftigen sich intensiv damit. Die Kommunikation der KI-Aktivitäten, die Priorisierung von Use Cases und die strategische Verankerung unterscheiden sich jedoch erheblich von Institut zu Institut.

Die Raiffeisen Gruppe hat aus meiner Sicht einige sinnvolle erste Schritte gemacht. Die bisher umgesetzten Machine-Learning-Anwendungen als auch die ersten produktiven Generative-AI-Lösungen bei Raiffeisen sind zwar keine spektakulären Anwendungsfälle, schaffen aber einen konkreten Mehrwert primär für die eigenen Mitarbeitende und teilweise auch für die Kundschaft. Sowohl die bestehenden Machine-Learning-Anwendungen als auch die ersten produktiven GenAI-Lösungen adressieren reale Probleme und leisten einen Beitrag zu Effizienz, Wissensmanagement und Servicequalität.

Gleichzeitig wird deutlich, dass die Herausforderung nicht nur technologischer Natur ist. Entscheidend ist die Integration von KI-Cases in bestehende Prozesse, die Qualität der Daten, die Akzeptanz der Mitarbeitenden sowie die Fähigkeit, KI-Initiativen konsequent an strategischen Zielen auszurichten.

Die eigentliche KI-Reise von Raiffeisen steht noch immer am Anfang. Mögliche künftige Anwendungsfälle rund um Kundengespräche, Kreditprozesse und Agentic AI versprechen weiteres Potenzial. Es wird spannend sein zu verfolgen, welche dieser Ideen den Sprung vom Pilotprojekt in den produktiven Alltag schaffen werden.

Rund 400 Unternehmen bilden ein breit aufgestelltes Ökosystem

Die aktuelle Crypto Assets Studie identifiziert 399 aktive Anbieter von Produkten, Dienstleistungen und Infrastruktur im Zusammenhang mit Crypto-Assets in der Schweiz und im Fürstentum Liechtenstein (direkt zum Download). Geografisch bleibt das Ökosystem konzentriert: 58 Prozent der untersuchten Anbieter haben ihren Hauptsitz in den Kantonen Zug oder Zürich. Inhaltlich ist das Ökosystem breit aufgestellt (siehe Abbildung 1). Investment Services (z. B. Brokerage) stellen die häufigste Servicekategorie dar, gefolgt von Infrastructure Services (z. B. Compliance-Lösungen) und Post-Trading Infrastructure (z. B. Custody-Lösungen). Über sämtliche Servicekategorien hinweg dominieren zentralisierte On-Chain-Modelle, bei denen DLT-basierte Produkte und Dienstleistungen weiterhin durch Intermediäre gesteuert werden. Dezentrale On-Chain-Aktivitäten sind insbesondere bei Infrastructure Services verbreitet.

Abbildung 1: Anbieterklassifikationen nach Servicekategorie und Form der technologischen Integration (n=399; Anbieter können mehreren Servicekategorien und technologischen Integrationsformen zugeordnet sein). Quelle: Eigene Darstellung.

Youtube Video: Kurzusammenfassung der Studie in 3 Minuten

Mehr Anlageprodukte, geringere verwaltete Vermögen und steigender CHF-Anteil am Handelsvolumen

Der Zugang zu Crypto Assets über traditionelle Finanzprodukte hat sich weiter verbreitert. Ende Juni 2026 umfasste das untersuchte Universum 248 unterschiedliche ISINs von Crypto-Asset-bezogenen ETPs und Open-End-Fonds, die in der Schweiz und im Fürstentum Liechtenstein zum Vertrieb verfügbar waren, domiziliert und/oder gehandelt wurden, rund 20 Prozent mehr als im Juni 2025. Die verwalteten Vermögen (AuM) entwickelten sich dagegen volatiler: Ende Juni 2026 belief sich das AuM auf rund CHF 10 Milliarden und lag damit 54 Prozent unter dem Höchststand vom September 2025 (siehe Abbildung 2). Zur Bereinigung um Preiseffekte wird das AuM zusätzlich in Einheiten des SIX Crypto Market Index 10 (CMI10) ausgedrückt. Diese preisbereinigte Betrachtung zeigt eine stabilere Entwicklung der verwalteten Vermögen.

Abbildung 2: Verwaltete Vermögen von Crypto-Asset-bezogenen ETPs und Open-End-Fonds, die in der Schweiz und im Fürstentum Liechtenstein zum Vertrieb verfügbar, domiziliert und/oder gehandelt werden. Quellen: Berechnungen basierend auf Morningstar Direct und SIX.

Auch die Handelsaktivität an den Schweizer Börsen schwächte sich nach einem erneuten Anstieg Ende 2024 wieder ab. Im ersten Halbjahr 2026 belief sich das Handelsvolumen mit Crypto-Asset-bezogenen Produkten auf BX Swiss und SIX auf rund CHF 1,16 Milliarden und blieb damit unter den Höchstständen früherer Jahre. Gleichzeitig gewann der Schweizer Franken beim Börsenhandel an Bedeutung. Zwar entfielen im ersten Halbjahr 2026 weiterhin rund 65 Prozent des Handelsvolumens an der SIX Swiss Exchange auf USD-denominierte Produkte, der Anteil CHF-denominierter Produkte stieg jedoch auf rund 27 Prozent und erreichte damit den höchsten Wert des untersuchten Zeitraums (siehe Abbildung 3).

Abbildung 3: Halbjährliche Verteilung des Handelsvolumens von Crypto-Asset-bezogenen Produkten an der SIX Swiss Exchange nach Handelswährung. Quelle: Berechnungen basierend auf SIX.

Bitcoin und Gold übernahmen unterschiedliche Rollen in einem Musterportfolio

Die Studie untersucht erneut, welchen Einfluss kleine Beimischungen von Bitcoin und Gold auf ein ansonsten traditionelles Portfolio aus Schweizer Aktien, Anleihen und Immobilien haben. Über den gesamten Beobachtungszeitraum erzielte das Portfolio mit Bitcoin und Gold sowohl die höchste annualisierte Rendite von 6,0 Prozent als auch die höchste Sharpe Ratio von 0,83. Die relative Performance der vier untersuchten Portfolios unterschied sich jedoch teilweise deutlich zwischen den einzelnen Jahren, sodass die Kombination aus Bitcoin und Gold nicht in jeder Periode die beste Performance erzielte. Bei ihrem Beitrag zum Portfoliorisiko unterscheiden sich Bitcoin und Gold deutlich. Obwohl beide im untersuchten Portfolio ein identisches Zielgewicht von jeweils 3 Prozent aufweisen, trägt Bitcoin rund 12 Prozent zur Gesamtvolatilität bei (siehe Abbildung 4). Bei Gold beträgt der entsprechende Anteil lediglich rund 1 Prozent. Im untersuchten Portfolio beeinflusste die kleine Bitcoin-Allokation das Risikoprofil somit stärker, als ihr Kapitalgewicht vermuten lässt. Die Analyse basiert auf historischen Daten und vordefinierten Portfolioallokationen. Sie beschreibt die Eigenschaften der untersuchten Beispielportfolios im Beobachtungszeitraum und stellt keine Anlageempfehlung dar.

Abbildung 4: Kapitalallokation und proportionaler Beitrag der einzelnen Anlageklassen zur Gesamtvolatilität des Portfolios mit Bitcoin und Gold. Quellen: Berechnungen basierend auf finanzen.net und SIX.

Stablecoins wachsen global, CHF-Stablecoins sind bislang ein Nischenprodukt

Stablecoins sind inzwischen ein bedeutender Bestandteil des globalen Crypto-Asset-Ökosystems. Ihr weltweites Angebot stieg von rund USD 1,6 Milliarden im Juni 2019 auf rund USD 269 Milliarden im Juni 2026 (siehe Abbildung 5). Allein gegenüber Juni 2025 entspricht dies einem Wachstum von rund 18 Prozent. CHF-denominierte Stablecoins haben bislang jedoch keine vergleichbare Marktbedeutung erreicht. Die in der Studie betrachteten öffentlich erfassten CHF-Stablecoins kamen Ende Juni 2026 zusammen auf weniger als CHF 100 Millionen. Im Vergleich zum globalen, weitgehend USD-dominierten Stablecoin-Markt blieb ihre Bedeutung damit relativ gering.

Abbildung 5: Entwicklung des globalen Stablecoin-Angebots. Quelle: Visa und Allium Labs (online).

Der evolutionäre Weg der Tokenisierung

Tokenisierung beschränkt sich nicht mehr auf konzeptionelle Anwendungsfälle. Digitale Wertschriften und neue Settlement-Infrastrukturen zeigen, wie Distributed-Ledger-Technologie schrittweise in bestehende Finanzmarktprozesse integriert wird. Die diesjährige Studie untersucht deshalb vertieft, wie sich auch Schweizer Hypotheken mit einer tokenbasierten Investorenseite verbinden lassen könnten. Die wirtschaftliche Relevanz ergibt sich aus der Grösse des Schweizer Hypothekarmarktes: Das ausstehende Hypothekarvolumen der Banken in der Schweiz lag im Mai 2026 bei rund CHF 1,25 Billionen (SNB, online). Im Rahmen der Studie wurde ein vereinfachter Mortgage-Token-Prototyp entwickelt, der den traditionellen Hypothekarprozess mit einer On-Chain-Investorenseite verbindet. Die Kundenschnittstelle des Hypothekarschuldners bleibt im konventionellen Bankensystem, während die Abwicklung auf der Investorenseite über einen Smart Contract und Stablecoins erfolgt. Der Prototyp demonstriert die technische Machbarkeit. Der Schritt vom hier präsentierten Token zu einer produktionsreifen Lösung erfordert jedoch umfangreiche weitere Abklärungen und Arbeiten. Offen bleibt zudem, ob sich für die verschiedenen Akteure tragfähige Business Cases ergeben und wie hoch entsprechend das Adoptionspotenzial ist.

Download der Crypto Assets Studie

Quellen

SNB (online). Mortgage loans and other loans: Utilisation and credit lines by domestic/foreign for            selected bank categories [SNB Data Portal]. Abgerufen am 15/7/2026 von            https://data.snb.ch/en/topics/banken/cube/bakredinausbm

Visa and Allium Labs (online). Stablecoin supply. Abgerufen am 27/7/2026 von https://visaonchainanalytics.com/supply

Was sind Crypto Assets? Crypto Assets sind digitale Repräsentationen von Forderungen, Werten oder Rechten, die auf einem verteilten Register (Distributed Ledger), beispielsweise einem Blockchain-Protokoll, in Form von Token ausgegeben werden. IFZ Crypto Assets Study 2026 Die Hochschule Luzern veröffentlicht zum sechsten Mal die jährliche «IFZ Crypto Assets Study». Diese bietet eine Übersicht zum Investment-Ökosystem für Crypto Assets in der Schweiz und im Fürstentum Liechtenstein. Ermöglicht wurde die Studie durch die Unterstützung von Finnova, Finstar, Inventx, dem Kanton Zug, SFTI / Swiss Fintech Innovations, SIX und der Zürcher Kantonalbank.   ++ LINK ZUR STUDIE ++

Research Partners

Disclaimer Die dargestellten Analysen, Modelle, Softwareelemente oder Szenarien sind nicht als Grundlage für konkrete Investitions-, Organisations-, Compliance- oder sonstige Entscheidungen bestimmt. Sie ersetzen weder eine individuelle fachliche noch eine rechtliche oder regulatorische Prüfung. Entscheidungen, die auf diesen Inhalten beruhen, bedürfen einer eigenständigen Beurteilung unter Berücksichtigung der jeweiligen Umstände. Dieses Arbeitsergebnis enthält Informationen aus Quellen, die als zuverlässig angesehen werden, jedoch übernimmt die Hochschule Luzern keine Gewähr für deren Vollständigkeit oder Richtigkeit. Dies gilt auch für die Ergebnisse von KI-Tools, die bei der Erstellung dieses Arbeitsergebnisses situationsbedingt zum Einsatz kamen.

Am 16. Juni 2026 hat Coinbase im Rahmen seines „System Updates“ eine ganze Reihe neuer Produkte angekündigt – von tokenisierten Aktien über Prediction-Market-Kombiwetten bis hin zu einer eigenen Entwicklerplattform. Die aus unserer Sicht aber spannendste Ankündigung ist der Launch von Coinbase Advisor.

Coinbase macht ernst mit KI-Beratung

Coinbase Advisor ist einer der weltweit ersten KI-gestützten, bei der SEC registrierten In-App-Anlageberater. Das Angebot startet zunächst für Coinbase-One-Mitglieder in den USA und übernimmt gemäss Ankündigung die analytische Schwerarbeit, wie zum Beispiel das komplexe Tax-Loss-Harvesting (gezielter Verkauf von Verlustpositionen zur Steueroptimierung; v.a. in den USA relevant) oder die Umwandlung aktueller News in konkrete Multi-Asset-Handelsempfehlungen.

Abbildung 1: Erste Screenshots des „Coinbase Advisor“(Quelle: Youtube)

Bemerkenswert ist die regulatorische Einordnung von Coinbase Advisor. Der Advisor-Dienst wird von Coinbase Advisors, LLC angeboten. Die Gesellschaft ist bei der US-Börsenaufsicht SEC als Registered Investment Adviser (RIA) registriert. Für ihre Beratung im Bereich der Derivate ist sie zudem bei der Commodity Futures Trading Commission (CFTC) als Commodity Trading Advisor (CTA) registriert und Mitglied der National Futures Association (NFA). Damit unterliegt sie neben den investmentrechtlichen Vorgaben der SEC auch den Aufsichts-, Verhaltens- und Compliance-Regeln der CFTC und der NFA. Das ist also kein „experimenteller Chatbot„ am Rand des Angebots mehr, sondern ein regulatorisch eingebetteter Baustein der Coinbase-Strategie, das Unternehmen von einer Krypto-Börse zu einer „Everything Exchange„ auszubauen: zu einer umfassenden, möglichst nahtlosen Plattform, auf der Privatkunden und institutionelle Kunden eine wachsende Zahl von Anlageklassen und Finanzdienstleistungen aus einer Hand nutzen können. Coinbase Advisor ergänzt dieses Angebot um eine personalisierte Beratungskomponente. Parallel dazu lanciert Coinbase mit „Coinbase for Agents“ auch bereits die nächste Stufe. Schon heute können KI-Agenten bei Coinbase im Namen der Nutzerinnen und Nutzer eigenständig handeln, innerhalb der Grenzen, die der Kunde vorgibt. Gemäss eigenen Angaben von Coinbase beschränkt sich das Angebot vorerst allerdings auf den Spot-Handel mit Kryptowährungen und setzt einen technischen Zugang voraus (Kommandozeile/Terminal oder direkte Anbindung/MCP); Aktien und weitere Anlageklassen sind angekündigt.

Coinbase selbst weist in seinen Offenlegungen auf die Grenzen des Angebots hin. Coinbase Advisor ist ein automatisiertes Beratungstool, das nicht-diskretionäre Empfehlungen abgibt. Die KI-generierten Ausgaben können fehlerhaft oder unvollständig sein und sollen daher die eigene Beurteilung durch die Nutzerinnen und Nutzer nicht ersetzen. Daraus ergibt sich ein potenziell problematisches Spannungsfeld: Einerseits tritt Coinbase Advisors, LLC als SEC-registrierter Investment Adviser auf und erklärt, bei seiner Beratung im besten Interesse der Kundschaft handeln zu müssen. Andererseits beschränkt das Unternehmen den Umfang seiner Leistung deutlich. Es überwacht die Kundenkonten nicht, trifft keine eigenständigen Anlageentscheidungen und überlässt die Umsetzung der Empfehlungen vollständig den Nutzerinnen und Nutzern (laut Coinbase Advisors werden aber periodisch die Ausgaben des Sprachmodells auf Konsistenz mit den Anlagezielen geprüft).

Diese Einschränkungen heben die aufsichtsrechtlichen Pflichten für die tatsächlich erbrachte Beratung zwar nicht auf. Sie erschweren jedoch die Beantwortung der Frage, wofür Coinbase Advisors bei fehlerhaften, unvollständigen oder nicht im besten Interesse der Kundschaft liegenden KI-generierten Empfehlungen konkret verantwortlich ist. Rechtlich handelt es sich um ein noch wenig erprobtes regulatorisches Spannungsfeld: Traditionelle Sorgfalts- und Loyalitätspflichten müssen hier auf ein automatisiertes, nicht-diskretionäres Beratungssystem ohne laufende Überwachung der Kundenkonten und mit offengelegten Interessenkonflikten übertragen werden.

Dass Aufsichtsbehörden dieses Spannungsfeld erkannt haben, zeigt eine Stellungnahme der Europäischen Wertpapier- und Marktaufsichtsbehörde ESMA vom Mai 2024 zum Einsatz künstlicher Intelligenz bei Wertpapierdienstleistungen. Darin warnt die ESMA ausdrücklich vor fehlerhaften oder halluzinierten Ausgaben, mangelnder Transparenz und Erklärbarkeit sowie vor einer übermässigen Abhängigkeit von KI-Systemen. Solche Risiken können dazu führen, dass Kundinnen und Kunden unrichtige, irreführende oder ungeeignete Anlageinformationen und Empfehlungen erhalten. Gleichzeitig stellt die ESMA klar, dass die MiFID-II-Pflichten ungeachtet des eingesetzten Instruments gelten und die Verantwortung trotz des Einsatzes von KI weiterhin beim Unternehmen verbleibt. Dass die regulatorische Bedeutung mit generativer KI zunimmt, zeigt auch der Jahresbericht der Selbstregulierungsorganisation der US-Wertpapierbranche FINRA, die dem Thema erstmals einen eigenen Abschnitt widmet.  

Die regulatorische Unsicherheit betrifft somit weniger die grundsätzliche Frage, ob ein Unternehmen beim Einsatz von KI weiterhin dafür verantwortlich bleibt, dass seine Beratungsleistungen den geltenden Regeln entsprechen. Diese Verantwortung wird von der ESMA ausdrücklich bejaht. Noch wenig erprobt ist vielmehr, wie die Pflicht, im bestmöglichen Interesse der Kundschaft zu handeln, sowie bestehende Sorgfalts-, Loyalitäts- und Kontrollpflichten bei automatisierten Beratungssystemen konkret umgesetzt werden müssen und wie weit die Haftung des Finanzdienstleisters reicht, wenn eine KI fehlerhafte oder ungeeignete Empfehlungen erzeugt. Diese Fragestellungen sind nicht völlig neu, sondern weisen Parallelen zur regulatorischen Behandlung von (teil-)automatisierten Beratungssystemen wie Robo-Advisors auf. Durch die erhöhte Komplexität und geringere Vorhersehbarkeit generativer KI-Systeme gewinnen sie jedoch eine neue Dimension.

Kurzes Werbevideo von Coinbase dazu auf X.

In der Schweiz gibt es Yuhlia und Selma AI

In der Schweiz stehen wir diesbezüglich noch ganz am Anfang. Ein Angebot, das aber in diese Richtung geht, ist Yuhlia. Die Neobank Yuh hat im April 2026 diesen App-internen KI-Chatbot eingeführt, der ans Kundenkonto angebunden ist und Fragen zu Ausgaben und Investments beantwortet. Anlageempfehlungen macht Yuhlia derzeit (noch) nicht. Aber Fragen zu Dividenden (wie viele Dividenden habe ich 2025 erhalten?) kann Yuhlia bereits korrekt beantworten.

Ähnlich ist Selma Finance unterwegs. „Selma AI“ basiert auf einem Sprachmodell von OpenAI und liefert – anders als Yuhlia – Einschätzungen zur individuellen Anlagestrategie und zum bestehenden Portfolio. Auch bei Selma werden aber noch keine konkreten Kauf- oder Verkaufsempfehlungen ausgesprochen.

Wie viele Menschen in der Schweiz nutzen bereits ChatGPT & Co. für Finanzfragen?

Wie real dieses Thema von KI Beratern für den Schweizer Finanzplatz bereits ist, zeigt eine aktuelle Studie von uns in Zusammenarbeit mit finpension (vgl. Blog-Artikel). Die im Februar 2026 online durchgeführte, repräsentative Befragung von 1’016 Personen zwischen 18 und 79 Jahren in der Deutsch- und Westschweiz liefert Zahlen dazu, wie relevant KI bereits ist im Finanzalltag der Kundschaft. So zeigt sich, dass auch in der Schweiz bereits jede vierte Person mindestens einmal eine Finanz- oder Anlagefrage an eine KI wie ChatGPT, Claude oder Gemini gestellt hat. Unter Anlegerinnen und Anlegern nutzen 32% KI für Finanz- und Anlagefragen. Bei rund der Hälfte dieser KI-nutzenden Personen hatte dies spürbare Konsequenzen. Sie haben aufgrund der KI-Antwort ihr Verhalten geändert (schneller entschieden, mehr gespart, mehr investiert oder sogar den Finanzanbieter gewechselt). Hochgerechnet auf die Gesamtbevölkerung heisst das: Bei rund 8% aller Schweizerinnen und Schweizer hat eine KI bereits das Anlage- oder Sparverhalten verändert.

Die offene Frage: Ersetzt das die persönliche Beratung?

Die entscheidende Frage ist, wie gross der tatsächliche Mehrwert generativer KI in der Anlageberatung ist und vor allem, ob und unter welchen Bedingungen Anlegerinnen und Anleger eine KI überhaupt als beratende Instanz akzeptieren. Derzeit ist es noch immer so, dass Kundinnen und Kunden bei Problemen bevorzugt zum Telefon greifen und mit einem echten Menschen sprechen wollen (vgl. Artikel hier). Auch der Neobroker Trade Republic hat auf diese Situation mit einer bewussten Gegenbewegung reagiert und nach Jahren der Kritik als explizite Alternative zur KI-Automatisierung massiv in menschlichen Support investiert. Die generelle Entwicklung dürfte dennoch kaum aufzuhalten sein. KI übernimmt zunehmend Aufgaben wie Portfolioanalysen oder die Alltagsbudgetierung. Hinzu kommen standardisierbare Leistungen wie Informationsrecherche, einfache Steueroptimierungen, Portfolio-Rebalancing oder Sparpläne. Gerade bei solchen weitgehend technisch standardisierten Angeboten für den Retail-Massenmarkt bietet generative KI erhebliches Potenzial. Entscheidend ist, dass der Chatbot zunehmend zum ersten Kontaktpunkt im Anlageprozess wird – also genau dort, wo Kundinnen und Kunden Informationen einordnen und sich eine erste Meinung bilden. Im Extremfall könnte der menschliche Finanzberater dadurch auf die formelle Bestätigung und Ausführung einer bereits durch KI geprägten Entscheidung reduziert werden.  Wie weit diese Entwicklung geht, hängt allerdings nicht nur von der Akzeptanz der Kundschaft, sondern auch von der regulatorischen Ausgestaltung ab. Während Coinbase in den USA bereits eine bei der SEC registrierte KI-Beratungseinheit betreibt, bewegen sich Schweizer Anbieter wie Yuh und Selma Finance bewusst im regulatorisch unkritischeren Bereich von Analyse, Bildung und Einordnung – bislang ohne explizite Kauf- oder Verkaufsempfehlungen.

Fazit

Lange bestand Innovation im Banking darin, Filialen durch Apps zu ersetzen. Die nächste Welle ersetzt nicht die App, sondern zielt wohl auf die Navigation innerhalb der App ab. Anstatt Menüs zu durchsuchen oder Formulare auszufüllen, beschreiben der Nutzer und die Nutzerin ihre Ziele in natürlicher Sprache. Die KI analysiert Vermögen, Risiken, Steuern und Marktinformationen und schlägt konkrete Handlungsoptionen vor. Für Schweizer Anbieter stellt sich daher die Frage, wie man diese künftig überzeugend in die App und den Alltag der Kundinnen und Kunden integrieren kann. Aus unserer Sicht ist klar: Die Frage ist nicht mehr, ob KI-gestützte Beratung kommt, sondern wie schnell sie kommt und für welche Anwendungsfälle sie genutzt wird.  

PS: Passend zum Thema findet am Mo, 24.8 von 17.20 bis 19.00 Uhr eine Veranstaltung des IFZ zum Thema Crypto Assets statt. Neben der Präsentation der jährlichen IFZ Crypto Assets Study, welche eine aktuelle Bestandesaufnahme des Crypto Asset Markt Schweiz liefert, werden auch aktuelle Zahlen zur globalen institutionellen Adoption präsentiert. Zusätzlich wird auf die Tokenisierung von Bilanzpositionen, insbesondere von Hypotheken eingegangen. Mehr zum kostenlosen Anlass und zur Anmeldung finden Sie hier