--- title: "Regulatory Intelligence für Schweizer Banken: Leitfaden" url: https://s-pro.io/de/blog/regulatory-intelligence lang: de description: "Regulatory Intelligence für Banken in der Schweiz: Prozess in 7 Schritten, KI mit Augenmass und 10 Kriterien für die Wahl der passenden Plattform." updated: 2026-10-27T09:36:08+00:00 source: S-PRO (https://s-pro.io) --- [Zurück zu Insights](https://s-pro.io/de/blog) Artikel # Regulatory Intelligence im Banking: Leitfaden für Schweizer Institute Autor [Igor Izraylevych](https://s-pro.io/de/author/sproadmin) CEO and Co-founder of S-PRO Veröffentlicht October 24, 2026 Zeit zum Lesen 12 min Inhaltsverzeichnis - TL;DR - Inhaltsverzeichnis - Inhalt - Was Regulatory Intelligence ist und was nicht - Warum das Thema für Schweizer Institute drängt - Der Prozess in sieben Schritten - KI in der Regulatory Intelligence - Plattformen vergleichen: Kriterien statt Ranglisten - Typische Fehler in der Praxis - Unsere Perspektive - So unterstützt S-PRO Sie - FAQ - Quellen - Empfehlungen Teilen Regulatory Intelligence ist die Fähigkeit, regulatorische Änderungen nicht nur zu finden, sondern zu verstehen: Was hat sich geändert, betrifft es unser Institut, welche Weisungen, Prozesse und Systeme müssen wir anpassen, und bis wann? Für Banken, Vermögensverwalter und Fintechs in der Schweiz ist das der Schritt zwischen dem blossen Beobachten von FINMA, Bundesrat, Basler Ausschuss und EU und der konkreten Umsetzung im Haus. In diesem Leitfaden zeigen wir, wie ein solcher Prozess aufgebaut ist, wo KI heute echten Nutzen bringt, nach welchen Kriterien Sie Plattformen vergleichen und welche Fehler wir in Projekten immer wieder sehen. S-pro s-pro.io Regulatorische Änderungen in Systeme integrieren S-PRO entwickelt Finanztechnologien für Institute, die digitale Lösungen und KI in ihre bestehende Systemlandschaft integrieren möchten. [S-PRO kennenlernen](https://s-pro.io/) ## TL;DR - Regulatory Intelligence ist mehr als ein Newsfeed: Der Wert liegt in der Einordnung, also im Abgleich jeder Änderung mit Ihrem regulatorischen Perimeter, Ihren Produkten und Ihrem Risikoprofil. - Gute Systeme filtern konsequent: Sie unterdrücken formale Updates und heben materielle Änderungen hervor, etwa bei Eigenmitteln, Liquidität oder Geldwäscherei-Pflichten. - Jede Erkenntnis braucht einen prüfbaren Beleg: Quelle, Fassung, Datum und betroffene Bestimmung, damit Prüfgesellschaft und Aufsicht den Weg nachvollziehen können. - KI beschleunigt Sichtung, Zusammenfassung und Impact-Mapping deutlich, die Entscheidung bleibt aber bei Fachpersonen in Compliance und Legal. - Die «beste» Plattform ist jene, die sich in Ihre bestehende Landschaft aus GRC-Tool, Weisungswesen und Kontrollrahmen integrieren lässt. ## Inhaltsverzeichnis - Inhalt - Der Prozess in sieben Schritten - KI in der Regulatory Intelligence - Typische Fehler in der Praxis - Unsere Perspektive - So unterstützt S-PRO Sie - FAQ - Quellen ## Inhalt 1. Was Regulatory Intelligence ist und was nicht 2. Warum das Thema für Schweizer Institute drängt 3. Der Prozess in sieben Schritten 4. KI in der Regulatory Intelligence 5. Plattformen vergleichen: Kriterien statt Ranglisten 6. Typische Fehler in der Praxis 7. Unsere Perspektive 8. FAQ ## Was Regulatory Intelligence ist und was nicht Der Begriff stammt ursprünglich aus der Pharma- und Medizintechnikbranche, wo Zulassungsteams seit Jahren öffentlich verfügbare regulatorische Informationen sammeln, analysieren und deren Bedeutung ins Unternehmen tragen. Darum finden Sie bei einer Google-Suche viele Treffer zu Arzneimittelzulassungen. Im Finanzsektor meint der Begriff dasselbe Prinzip, angewandt auf Bankenaufsicht, Geldwäschereibekämpfung, Anlegerschutz, Datenschutz und Informationssicherheit. Auch Aufsichtsbehörden selbst bauen solche Funktionen auf. Das [Regulatory Intelligence Handbook des New Zealand Institute of Intelligence Professionals](https://nziip.org.nz/wp-content/uploads/2025/12/NZIIP-Regulatory-Intelligence-Handbook-6_1.pdf) beschreibt eine wirksame Regulatory-Intelligence-Funktion als zentral für moderne Regulierungspraxis und betont, dass ihre Integration in die tägliche Arbeit anspruchsvoll ist. Für Banken gilt das spiegelbildlich. Hilfreich ist die Abgrenzung von drei Ebenen, die oft vermischt werden: | Ebene | Leitfrage | Typisches Ergebnis | Wer arbeitet damit | | --- | --- | --- | --- | | Horizon Scanning (Monitoring) | Was wurde publiziert? | Liste neuer Dokumente, Konsultationen, Entwürfe | Compliance-Analysten | | Regulatory Intelligence | Was bedeutet es für uns? | Relevanzbewertung, betroffene Geschäftsbereiche, Pflichten, Fristen | Compliance, Legal, Fachbereiche | | Regulatory Change Management | Was setzen wir wie um? | Massnahmenplan, angepasste Weisungen, Kontrollen, IT-Änderungen | Projektteams, IT, Operations | Ohne die mittlere Ebene entsteht ein bekanntes Muster: Das Monitoring liefert Hunderte Meldungen, und jemand im Team muss jede einzelne manuell prüfen. Mehr Daten bedeuten dann nicht mehr Compliance, sondern mehr Aufwand und mehr Risiko, dass das Wichtige im Rauschen untergeht. ## Warum das Thema für Schweizer Institute drängt Ein Schweizer Institut bewegt sich selten nur in einem Regelwerk. Typisch ist ein Zusammenspiel aus: - **Schweizer Recht und Aufsicht:** Gesetze und Verordnungen, FINMA-Rundschreiben, Aufsichtsmitteilungen, Anhörungen sowie Vernehmlassungen des Bundesrats. - **Internationalen Standards:** Empfehlungen des Basler Ausschusses, der FATF und weiterer Gremien, die später in nationales Recht einfliessen. - **EU-Recht bei grenzüberschreitendem Geschäft:** Wer Kundinnen und Kunden in der EU betreut oder dort Tochtergesellschaften hat, muss auch europäische Regeln zu Geldwäscherei, operationeller Resilienz oder KI im Blick behalten. - **Selbstregulierung:** Standesregeln und Richtlinien der Branchenverbände, die für Mitglieder verbindlich sind oder von der Aufsicht als Mindeststandard anerkannt werden. Gleichzeitig verändert sich die Aufsicht selbst. Zentralbanken und Aufsichtsbehörden setzen zunehmend auf SupTech. Die Bank of Uganda etwa hat ihr [e-Supervision-Projekt als Teil ihres Strategieplans 2022–27](https://www.bis.org/speeches/20250926-suptech-launch-e-supervision-project) lanciert, um das regulatorische Reporting zu automatisieren und die Analytik auszubauen. Das Beispiel ist weit weg von Zürich, zeigt aber die Richtung: Wenn Aufseher Daten schneller auswerten, wird auch von den Beaufsichtigten erwartet, dass sie Änderungen zügig erkennen und belegbar umsetzen. Hinzu kommt ein inhaltlicher Wandel. Andrea Enria, damals Vorsitzender des Aufsichtsgremiums der EZB, hat im [Interview mit der European Banking Federation](https://www.ebf.eu/ebf-media-centre/interview-with-andrea-enria-chair-of-the-supervisory-board-of-the-ecb-conducted-by-wim-mijs-ceo-of-the-european-banking-federation/) mit Blick auf Silicon Valley Bank und Credit Suisse darauf hingewiesen, dass die Kapitalquoten wenige Tage vor dem Ausfall noch ordentlich aussahen. Er plädiert für eine Aufsicht, die weniger formalistisch und stärker risikoorientiert arbeitet. Für Regulatory Intelligence heisst das: Es reicht nicht, abzuhaken, dass eine Vorschrift bekannt ist. Teams müssen verstehen, wie eine Änderung das tatsächliche Risikoprofil berührt. Wie das in der Gesamtarchitektur einer Bank zusammenspielt, beschreiben wir ausführlicher im Beitrag zu [regulatorischer Compliance im digitalen Banking](https://s-pro.io/de/blog/regulatorische-compliance-digitales-banking). ## Der Prozess in sieben Schritten Ein belastbarer Regulatory-Intelligence-Prozess folgt in fast jedem Institut einer ähnlichen Logik. Die Werkzeuge unterscheiden sich, die Schritte kaum. ### 1. Den regulatorischen Perimeter festlegen Am Anfang steht ein klares Bild davon, was für Sie gilt: Bewilligungsart, Geschäftsfelder, Produkte, Kundensegmente, Länder, Auslagerungen. Eine Privatbank mit Kundschaft in Deutschland und Italien hat einen anderen Perimeter als eine Neobank mit reinem Schweizer Zahlungsverkehr. Dieser Perimeter ist das Filterkriterium für alles Weitere. ### 2. Quellen definieren und priorisieren Legen Sie fest, welche Primärquellen überwacht werden: Aufsicht, Gesetzgeber, internationale Gremien, Branchenverbände, bei Bedarf ausländische Behörden. Primärquellen haben Vorrang vor Sekundärberichten, weil nur sie als Beleg taugen. ### 3. Erfassen und strukturieren Neue Dokumente werden mit Metadaten versehen: Herausgeber, Dokumenttyp, Status (Entwurf, Konsultation, final), Publikations- und Inkrafttretensdatum, Themengebiet. Diese Struktur ist die Grundlage für jede spätere Auswertung. ### 4. Relevanz bewerten Hier entscheidet sich die Qualität. Eine Wichtigkeitsbewertung trennt materielle Änderungen, etwa bei Eigenmitteln, Liquidität oder Sorgfaltspflichten, von redaktionellen Anpassungen und Formalitäten. Gute Systeme unterdrücken das Rauschen aktiv, statt es nur nach Datum zu sortieren. ### 5. Auswirkungen abbilden Jede relevante Änderung wird mit Ihren internen Artefakten verknüpft: Weisungen, Prozessbeschreibungen, Kontrollen, Verträge, IT-Systeme. Erst dieses Impact-Mapping beantwortet die Frage, wer im Haus handeln muss. Ein Beispiel: Eine verschärfte Erwartung an die Identifizierung von Kundinnen und Kunden betrifft gleichzeitig das Onboarding, die KYC-Weisung und die Logik im Kernbankensystem. Mehr zu diesen Abläufen finden Sie in unserem Beitrag zu [KYC im Bankwesen](https://s-pro.io/de/blog/kyc-im-bankwesen). ### 6. Massnahmen auslösen und verfolgen Aus der Bewertung entstehen Aufgaben mit Verantwortlichen und Fristen, die in das Change Management übergehen. Wichtig ist, dass der Status zurück in die Intelligence-Sicht fliesst, damit jederzeit klar ist, welche Änderung wo umgesetzt ist. ### 7. Prüfbar dokumentieren Wenn Prüfgesellschaft oder Aufsicht nachfragen, helfen vage Zusammenfassungen nicht weiter. Jede Einschätzung sollte auf die konkrete Bestimmung, die Fassung und das Datum der Primärquelle verweisen, ergänzt um die Begründung, warum etwas als relevant oder nicht relevant eingestuft wurde. Gerade die dokumentierte Entscheidung «nicht relevant» ist im Prüfungsfall oft wertvoll. ## KI in der Regulatory Intelligence Kaum ein Bereich eignet sich so gut für Sprachmodelle wie dieser: Die Aufgabe besteht im Kern darin, viel Text zu lesen, zu vergleichen und einzuordnen. In unseren Projekten sehen wir vier Einsatzfelder, in denen KI heute verlässlich hilft: - **Sichtung und Klassifikation:** Neue Publikationen werden automatisch Themen, Geschäftsbereichen und Statusstufen zugeordnet. - **Zusammenfassung mit Quellenbezug:** Lange Dokumente werden auf die wesentlichen Änderungen verdichtet, jede Aussage mit Verweis auf die Fundstelle. - **Vergleich von Fassungen:** Was hat sich zwischen Entwurf und finaler Version geändert? KI macht die Unterschiede in Minuten sichtbar. - **Abgleich mit internen Dokumenten:** Das System schlägt vor, welche Weisungen und Kontrollen von einer Änderung berührt sein könnten. KI-Agenten gehen einen Schritt weiter: Sie können mehrere dieser Schritte verketten, Aufgaben im Ticketing anlegen und Fachpersonen gezielt Rückfragen stellen. Das verschiebt die Arbeit des Compliance-Teams vom Suchen zum Bewerten. Die Grenze ist ebenso klar. Der Gouverneur der indischen Zentralbank, Sanjay Malhotra, hat in einer [Rede zum KI-Einsatz in der Beschwerdebearbeitung](https://www.bis.org/review/r250319j.htm) neben den Effizienzgewinnen auch Risiken bei Datenschutz und algorithmischer Verzerrung angesprochen und für Transparenz und Verantwortlichkeit plädiert. Für Regulatory Intelligence übersetzt heisst das: Die Maschine schlägt vor, ein Mensch entscheidet und zeichnet ab. Auch die Central Bank of Ireland hat sich in einer [Rede von Derville Rowland zu Innovation und Technologie bei Finanzkriminalität](https://www.bis.org/review/r250206b.htm) mit dem Nutzen und den Grenzen solcher Werkzeuge befasst. Wer KI-Modelle in Compliance-Prozessen einsetzt, sollte sie zudem wie jedes andere Modell steuern: Inventar, Validierung, Überwachung der Ergebnisqualität, klare Verantwortlichkeiten. Wie Schweizer Banken das strukturiert angehen, zeigen wir im Leitfaden zum [Model Risk Management für KI](https://s-pro.io/de/blog/model-risk-management-ai). ## Plattformen vergleichen: Kriterien statt Ranglisten Wer nach den besten Regulatory-Intelligence-Plattformen sucht, findet Ranglisten mit Dutzenden Tools. Sie helfen beim ersten Überblick, beantworten aber selten die Frage, welches Werkzeug in Ihre Landschaft passt. Ein Schweizer Vermögensverwalter hat andere Anforderungen als eine Kryptobank oder eine Universalbank mit EU-Töchtern. Sinnvoller ist der Vergleich nach Lösungstyp und nach Kriterien. ### Die vier gängigen Lösungstypen | Lösungstyp | Stärke | Grenze | Passt zu | | --- | --- | --- | --- | | Web-Monitoring-Dienste | Schnell eingerichtet, breite Abdeckung von Webseiten | Kaum Einordnung, viel manuelle Nacharbeit | Kleine Teams mit engem Perimeter | | Redaktionelle Informationsdienste | Expertenkommentare, kuratierte Inhalte | Wenig Bezug zu Ihren internen Dokumenten, oft starke Ausrichtung auf grosse Rechtsräume | Teams, die vor allem Wissen einkaufen wollen | | Module grosser GRC-Suiten | Enge Verknüpfung mit Risiko- und Kontrollmanagement | Aufwendige Einführung, Schweizer Quellen teils schwächer abgedeckt | Grossbanken mit etablierter GRC-Landschaft | | Integrierbare KI-Plattformen | Impact-Mapping auf eigene Weisungen, anpassbar an Perimeter und Systeme | Erfordern saubere Datenbasis und Integrationsarbeit | Institute, die Intelligence in ihre Prozesse einbetten wollen | ### Zehn Fragen für die Evaluation 1. **Abdeckung:** Sind die für Sie relevanten Schweizer, EU- und internationalen Quellen vollständig und in den Originalsprachen Deutsch, Französisch, Italienisch und Englisch erfasst? 2. **Relevanzfilter:** Lässt sich Ihr Perimeter abbilden, und unterdrückt das System formale Updates zuverlässig? 3. **Belegbarkeit:** Verweist jede Aussage auf Bestimmung, Fassung und Datum der Primärquelle? 4. **Impact-Mapping:** Kann die Plattform Änderungen mit Ihren Weisungen, Kontrollen und Prozessen verknüpfen? 5. **Integration:** Gibt es Schnittstellen zu GRC-Tool, Dokumentenmanagement, Ticketing und Identity-Management? 6. **KI-Transparenz:** Ist nachvollziehbar, wie Bewertungen und Zusammenfassungen entstehen, und wer sie freigibt? 7. **Datenhaltung:** Wo werden Ihre internen Dokumente gespeichert und verarbeitet, und erfüllt das Ihre Vorgaben zu Auslagerung und Datenschutz? 8. **Workflow:** Lassen sich Zuständigkeiten, Fristen und Freigaben abbilden? 9. **Erweiterbarkeit:** Kann die Lösung mit neuen Geschäftsfeldern, etwa digitalen Vermögenswerten, mitwachsen? 10. **Einführungszeit:** Wie schnell ist ein produktiver Pilot mit Ihren eigenen Daten möglich? Unser Rat: Testen Sie jede Lösung mit einem realen Fall aus den letzten Monaten, etwa einer Rundschreiben-Revision, die Sie bereits manuell bearbeitet haben. So sehen Sie direkt, ob das System dieselben betroffenen Weisungen findet wie Ihr Team. ## Typische Fehler in der Praxis Aus Projekten mit Banken und Fintechs kennen wir einige Muster, die den Nutzen von Regulatory Intelligence schmälern: - **Volumen mit Qualität verwechseln:** Ein Tool, das jede Änderung meldet, erzeugt Alarmmüdigkeit. Entscheidend ist, wie gut es das Unwichtige ausblendet. - **Intelligence isoliert betreiben:** Ohne Verknüpfung zu Weisungen, Kontrollen und IT bleibt jede Erkenntnis ein PDF in einem Ordner. - **Nur finale Texte beobachten:** Wer erst bei Inkraftsetzung reagiert, verliert wertvolle Monate. Konsultationen und Entwürfe gehören in den Scope. - **Die Technik vergessen:** Viele regulatorische Änderungen landen am Ende im Kernbankensystem, in Reportings oder in Kundenschnittstellen. IT-Verantwortliche sollten früh eingebunden sein. Wie Integrationen dort sauber gelingen, beschreiben wir im Beitrag zur [Kernbankensystem-Integration](https://s-pro.io/de/blog/systemintegration-im-banking). - **KI ohne Governance einführen:** Ein Modell, dessen Ergebnisse niemand validiert, schafft ein neues Risiko statt eines alten weniger. ## Unsere Perspektive Wir entwickeln Software für regulierte Finanzinstitute, von Digital-Banking-Apps über Core-Banking-Integrationen bis zu Blockchain-Lösungen und KI-Agenten. Dabei sehen wir immer wieder dasselbe: Regulatorische Änderungen sind selten das eigentliche Problem. Das Problem ist die Lücke zwischen der Meldung im Postfach der Compliance und der Änderung im System, in der Weisung oder im Kundenprozess. Darum verstehen wir Regulatory Intelligence nicht als weiteren Informationskanal, sondern als Teil der Engineering-Landschaft einer Bank. Eine gute Lösung kennt Ihren Perimeter, liest Ihre internen Dokumente, zeigt die betroffenen Stellen und übergibt saubere Aufgaben an die richtigen Teams. KI-Agenten machen das heute in einer Geschwindigkeit möglich, die vor wenigen Jahren undenkbar war, solange Fachpersonen die Entscheidungen treffen und verantworten. Unsere Erfahrung ist auch, dass Standardlösungen selten ohne Anpassung passen. Jede Bank hat ihre eigene Weisungsstruktur, ihre eigenen Systeme und ihre eigene Risikokultur. Deshalb verbinden wir Produkt und individuelle Beratung: Dasselbe Engineering-Team, das eine Plattform baut, integriert sie auch in Ihre konkrete IT-Umgebung und erweitert sie, wenn Ihr Geschäft wächst. So wird aus regulatorischem Rauschen ein steuerbarer Prozess. > *— Igor* ## So unterstützt S-PRO Sie Brauchen Sie zuerst eine Standortbestimmung zu Ihrer Compliance-Architektur, unterstützen wir Sie mit unserer [Technologie- und KI-Beratung](https://s-pro.io/technology-consulting-services) oder entwickeln mit Ihnen [massgeschneiderte KI-Agenten](https://s-pro.io/ai-agent-development) für Ihre Compliance-Prozesse. Einen Überblick über unsere Arbeit für Banken bietet die Seite [Software für regulierte Finanzinstitute](https://s-pro.io/de/software-regulierte-finanzinstitute). ## FAQ ### Was ist der Unterschied zwischen Regulatory Intelligence und Regulatory Change Management? Regulatory Intelligence beantwortet die Frage, was eine regulatorische Änderung für Ihr Institut bedeutet: Relevanz, betroffene Bereiche, Pflichten und Fristen. Regulatory Change Management setzt diese Erkenntnis um, mit Projekten, angepassten Weisungen, Kontrollen und IT-Änderungen. Beide gehören zusammen, funktionieren aber nur, wenn die Einordnung sauber erfolgt. ### Brauchen kleinere Banken oder Vermögensverwalter eine eigene Plattform? Nicht zwingend ein grosses System, aber einen strukturierten Prozess. Gerade kleinere Institute mit schlanken Compliance-Teams profitieren von automatischer Filterung, weil niemand die Kapazität hat, jede Publikation selbst zu lesen. Entscheidend ist, dass die Lösung zu Ihrem Perimeter passt und nicht mehr Arbeit erzeugt, als sie abnimmt. ### Kann KI die Compliance-Abteilung ersetzen? Nein. KI übernimmt Sichtung, Zusammenfassung, Fassungsvergleich und Vorschläge für das Impact-Mapping. Die rechtliche Würdigung, die Abwägung von Risiken und die Freigabe bleiben bei Fachpersonen, die diese Entscheidungen auch gegenüber Prüfgesellschaft und Aufsicht vertreten. ### Wie lange dauert die Einführung einer Regulatory-Intelligence-Lösung? Das hängt vor allem von der Integration ab: Anzahl Quellen, Qualität Ihrer internen Dokumente und Anbindung an bestehende Systeme. Ein Pilot mit einem klar abgegrenzten Themengebiet und realen Fällen ist meist der schnellste Weg, um Nutzen und Aufwand belastbar einzuschätzen. ## Quellen - [NZIIP: Regulatory Intelligence Handbook](https://nziip.org.nz/wp-content/uploads/2025/12/NZIIP-Regulatory-Intelligence-Handbook-6_1.pdf) - [BIS: SupTech launch for the e-Supervision project](https://www.bis.org/speeches/20250926-suptech-launch-e-supervision-project) - [EBF: Interview mit Andrea Enria](https://www.ebf.eu/ebf-media-centre/interview-with-andrea-enria-chair-of-the-supervisory-board-of-the-ecb-conducted-by-wim-mijs-ceo-of-the-european-banking-federation/) - [BIS: Sanjay Malhotra, Transforming grievance redress – the AI advantage](https://www.bis.org/review/r250319j.htm) - [BIS: Derville Rowland, Innovation and technology in financial crime](https://www.bis.org/review/r250206b.htm) ## Empfehlungen - [Model Risk Management für KI: Leitfaden für Schweizer Banken](https://s-pro.io/de/blog/model-risk-management-ai) - [Regulatorische Compliance & Digitales Banking](https://s-pro.io/de/blog/regulatorische-compliance-digitales-banking) - [Eine Bank gründen: Anforderungen, Regulierung und Technik](https://s-pro.io/de/blog/wie-man-eine-bank-grundet) - [Kernbankensystem-Integration: Compliance und Strategien](https://s-pro.io/de/blog/systemintegration-im-banking) Abonnieren Holen Sie sich technische Einblicke und Branchennews Vielen Dank! Machen Sie sich bereit! Sie erhalten handverlesene Inhalte direkt in Ihren Posteingang. --- Sprechen Sie mit einem Engineer, der KI-Agenten für Banken baut. ISO 27001 und ISO 27701 zertifiziert. S-PRO is a Certified partner in the Claude Partner Network. Zürich, seit 2014, 250+ Engineers. Kunden sind u. a. AMINA Bank und Earlybird. [Discovery-Call buchen (45 Min.)](https://s-pro1.pipedrive.com/scheduler/9AOA0Ix/s-pro-introductory-meeting)[oder Nachricht senden](https://s-pro.io/de/kontakt) Link in die Zwischenablage kopiert [In Kontakt treten](https://s-pro.io/de/kontakt)