Effizienzsteigerung im Schweizer Wealth Management: Der Beitrag beleuchtet, wie Open Banking und die Standardisierung von Daten und Berechnungen die Grundlage für innovative Portfolio-Management-Infrastrukturen schaffen – und warum erst diese Basis den erfolgreichen Einsatz von Künstlicher Intelligenz ermöglicht. Ein Ausblick auf die Zukunft des Finanzplatzes Schweiz.
Continue reading »
Künstliche Intelligenz bietet entlang der gesamten Hypothekar-Wertschöpfungskette ein enormes Transformationspotenzial. Ob bei der Immobiliensuche, der Antragsverarbeitung, der Objektbewertung oder dem Kreditentscheid – KI kann Prozesse nicht nur beschleunigen und effizienter gestalten, sondern auch qualitativ verbessern.
Entscheidend ist dabei ein verantwortungsvoller Umgang mit den Technologien: Erklärbare Modelle, robuste Datenqualität und klare regulatorische Rahmenbedingungen bilden das Fundament. Ergänzend dazu spielt das Prinzip des „Human in the Loop“ eine zentrale Rolle – denn in kritischen Phasen bleibt der Mensch als prüfende Instanz unersetzlich.
Wer es schafft, technische Innovation mit Vertrauen, Transparenz und Kundennutzen zu verbinden, kann die Hypothekarwelt der Zukunft aktiv mitgestalten.
Continue reading »
Vom nächsten großen LLM-Release wie ChatGPT 5 bis zu autonomen Agents, aktuell spricht jeder über Artificial Intelligence (AI). Bei der praktischen Adoption der Technologien bleibt der erhoffte Nutzen jedoch häufig aus. In vielen Unternehmen kommen Daten- und AI-Initiativen nicht über Pilotphasen hinaus, während andere gänzlich scheitern (Estrada 2025; Haefner et al. 2023).
Ein wichtiger Grund dafür ist, dass die derzeitige Begeisterung oft zu sehr auf Technologien fokussiert und grundlegende geschäftliche Problemstellungen ausblendet. Letztendlich sollte das Ziel jeder Daten- und AI-Initiative darin bestehen, strategischen Geschäftswert zu schaffen, der Unternehmen einen Wett-bewerbsvorteil verschaffen kann (Grover et al. 2018). Hierfür benötigt es einen Perspektivwechsel hinzu den grundlegenden Daten-Assets und dem Ausschöpfen ihres inhärenten Potenzials, unabhängig von den eingesetzten Analysetechnologien wie Business Analytics, traditioneller oder generativer AI, gemäss dem Grundsatz: AI als Mittel und Data Value Creation als Ziel.
Nick Kakuschke stellt in diesem Blogbeitrag den Forschungsbereich „Wertschöpfung aus Daten und AI“ des Competence Centers Future Financial Services vor, indem wir anwendbare Tools entwickeln, die Unternehmen helfen, strategischen Wert aus Daten und AI zu heben.
Die erste Version unseres AI Radars für den DACH-Raum aus dem Herbst 2024 zeigte deutlich, wie intensiv Banken künstliche Intelligenz bereits einsetzen (LINK). Wir haben auf Basis öffentlich verfügbarer Information die grössten Banken in der DACH-Region analysiert, welche AI Use Cases sie bereits realisiert haben und diese systematisch anhand diverser Kriterien strukturiert.
Doch wie hat sich die Realität seitdem verändert? Stefanie Auge-Dickhut beschreibt unsere aktuellen Erhebungen des AI Radars, in denen wir qualitative Interviews mit Partnerbanken und IT-Providern des Competence Centers Future Financial Services durchgeführt haben, um tiefere Einblicke, konkrete Erfahrungswerte und neue strategische Herausforderungen im Umgang mit AI in der Finanzindustrie zu identifizieren.
Künstliche Intelligenz (AI) und insbesondere generative AI (GenAI) ist in aller Munde. Abseits des Hype sind sich Führungskräfte bereits seit geraumer Zeit einig, dass Daten und deren Analysen (wie beispielsweise durch AI) eine wesentliche Rolle bei der Transformation ganzer Geschäftsmodelle spielen (Gartner, 2018) und als Investitionsschwerpunkt von Unternehmen weltweit betrachtet werden (IBM, 2023). Jedoch haben bis dato viele Unternehmen Schwierigkeiten aufgrund einer Vielzahl einhergehender Herausforderungen ihre Daten- und AI-Aktivitäten erfolgreich zu imple-mentieren. Aufgrund der Komplexität der zu berücksichtigenden Perspektiven stehen Unterneh-men immer wieder vor der Herausforderung die spezifischen Use Cases zu identifizieren, die am besten für sie geeignet sind und das meiste Wertpotenzial versprechen, egal ob klassische AI, Ge-nAI oder Datenverkauf.
Entsprechend ist es ein Forschungsschwerpunkt des Competence Center Future Financial Services (CC FFS) Unternehmen Orientierungshilfen zur Wertschöpfung aus Daten und AI zu geben. Dieser Blogbeitrag widmet sich den Entscheidungsfaktoren, die die Wahl der richtigen Daten und AI Use Cases unterstützen und stellt Auszüge aus einem wissenschaftlichen Paper vor, das im Rahmen der Forschung des CC FFS verfasst wurde (siehe Kakuschke et al., 2025).
Die Finanzindustrie beginnt durch die Nutzung von AI einen tiefgreifenden Wandel zu durchlaufen. Insbesondere der Einsatz von generativer AI eröffnet die Möglichkeit, neue Inhalte wie Texte, Bilder, Videos oder Musik zu erstellen. Wir haben im Herbst 2024 mit dem Aufbau eines AI-Radars begonnen, der systematisch Anwendungsfälle von Banken im deutschsprachigen Raum analysiert. Dieser Blogbeitrag bietet einen Überblick über Use Cases und Reifegrade im Bankensektor und gibt spannende Einblicke in den Status quo.
Continue reading »