Eine Schweizer Privatbank kam in sechs Monaten von null KI im Arbeitsalltag zu abteilungsweitem Microsoft-365-Copilot und Agenten auf den eigenen Kerndaten.
Name des Kunden auf Wunsch des Kunden nicht genannt. Gezeigte Bildschirme stammen aus Schulungsunterlagen und Prototypen mit erfundenen Daten.
Das Projekt umfasste sieben Teams: Front Office, Kredit, Compliance, Finanzen, Investments, HR und Operations. Die Bank gehört zu einer internationalen Bankengruppe; ihr Name wird auf Wunsch des Kunden nicht genannt.
Kredit 8 h, Front Office 7 h, Compliance 5 h, Finanzen 4 h, Investments 3 h, HR 2 h. Vom Team geschätzt, nach dem Training und den ersten konfigurierten Lösungen.
Im Mai 2026 war KI nicht Teil des Arbeitsalltags. Copilot war nicht ausgerollt, es gab weder gemeinsame Prompts noch Agenten oder Use Cases. Manche erwarteten, Copilot erledige nach dem Start alles; andere nahmen an, es könne mit Bankdaten nichts Nützliches anfangen. Beides half nicht.
Der Druck kam aus der Arbeit, nicht aus der Technologie. Die Teams waren klein und ausgelastet. Copilot ging Ende Juli 2026 bankweit live, und im August sollte auf der Kernbanksystem-Seite eine neue operative Datenschicht bereitstehen.
Kredit: was wir von Ihnen gehört haben
S-PRO misst die KI-Adoption auf einer sechsstufigen Skala. Die Stufen 1 bis 3 betreffen den guten Umgang mit Microsoft 365 Copilot, direkt ab Werk. Die Stufen 4 und 5 erfordern Engineering: gesteuerte Daten, Retrieval und massgeschneiderte Workflows. Stufe 6, vollständig agentische Prozesse, ist für eine regulierte Bank heute überwiegend Marktrauschen, weil sie sich mit Governance und Risiko noch schwer freigeben lässt. Die Bank ging zwei Spuren: zuerst Training und Adoption (Stufe 1 bis 3), danach Engineering und Entwicklung (Stufe 4 bis 5).
Wir begannen mit Workshops und Interviews in jeder Abteilung. Die Fragen waren einfach: Wie sieht Ihr Tag aus, wo geht Zeit verloren, und was würden Sie nicht mehr tun, wenn Sie könnten? Vor jeder Filterung ergaben die Interviews 34 Use Cases, von Accumulator-Pricing, Adverse Media, KYC und periodischer Überprüfung bis zu Sitzungsprotokollen, regulatorischen Updates und einem Übersetzungsassistenten.
Use-Case-Übersicht: 34 Use Cases, vier Kategorien
Jeder Use Case wurde einer von vier Kategorien zugeordnet und im Juni 2026 in einem Scope-Workshop mit der Bank abgenommen. Manche Anfragen waren Reporting- oder Datenprobleme; die ehrliche Antwort lautete ETL, ein spezialisiertes Tool oder Power BI, nicht KI. Das früh zu sagen, hielt KI dort glaubwürdig, wo sie passt.
Ein Quick Win ist Copilot ab Werk: eine Person, ein Prompt, ein Entwurf, den sie prüft, bevor er irgendwohin geht. Ein anspruchsvoller Build wird gemeinsam mit der IT entwickelt, getestet und wie jedes andere System der Bank betrieben. Jeder Use Case wurde an denselben zehn Kriterien gemessen, fünf technischen und fünf zur Governance. Trifft ein Governance-Kriterium zu oder mehrere technische, gilt der Use Case als Build.
Anspruchsvolle Lösung oder Quick Win?
| Kriterium | Anspruchsvolle Lösung professionelle Software · IT-Setup · entwickelt |
Quick Win Copilot ab Werk · Self-Service |
|---|---|---|
| Technisch | ||
| Dokumente | Zu gross für ein Kontextfenster: braucht RAG über einen verwalteten Bestand | Passt in einen Prompt oder wenige Dateien |
| Datenquellen | Mehrere Systeme über Konnektoren (Kernbank, Bloomberg, E-Mail) | Bereits in M365 / SharePoint |
| Genauigkeit | Exakte, reproduzierbare Zahlen; geringe Fehlertoleranz | Entwurfstext, den ein Mensch prüft |
| Workflow | Mehrstufig, verzweigend, zeitgesteuert oder autonom | Ein einzelner Prompt bei Bedarf |
| Systeme | Schreibt in produktive Systeme zurück oder handelt darin | Ergebnis, das eine Person selbst einfügt |
| Governance | ||
| Verantwortung | Gemeinsamer Agent im Teambesitz, der gepflegt werden muss | Persönliche, individuelle Nutzung |
| Risiko | Regulierter oder risikoreicher Prozess (FINMA, EU AI Act) | Interne Produktivität mit geringem Risiko |
| Nachvollziehbarkeit | Rückverfolgbarkeit: protokollierte Quellen, belastbare Begründung | Kein Prüfpfad nötig |
| Konsistenz | Gleiche Antwort und gleicher Stil für alle | Einmalig; Abweichungen je Nutzer sind in Ordnung |
| Daten | Kunden- oder vertrauliche Daten: Datenresidenz und Zugriffskontrolle | Öffentlich oder nicht sensibel |
Die Klassifizierung entscheidet auch über die Plattform. Je mehr ein Use Case Integration, Determinismus und Kontrolle braucht, desto weiter oben im Stack landet er.
Drei Beispiele, drei Urteile: Kreditanträge sind ein anspruchsvoller Build auf Microsoft Foundry (grosse Akten, mehrere Systeme, exakte Zahlen, ein mehrstufiger Workflow bis ins Kreditsystem, alle Governance-Fragen treffen zu); der vierteljährliche Marktnewsletter ist zuerst ein Experiment auf Copilot Studio (keine Kundendaten, keine regulierte Entscheidung); Sitzungsprotokolle sind ein Quick Win auf Microsoft 365 Copilot (bereits in Teams, eine Person prüft den Entwurf, nichts wird in ein System zurückgeschrieben).
Use Case: Kreditanträge
DATEN Finanzdaten des Kunden
Die KI liest Bewertungs-, Miet-, Versicherungs- und Registerdaten. Sie entwirft die Marktbeschreibung und befüllt Memo-Abschnitte.
Portfolio aus dem Kernbanksystem anonymisiert; die KI liefert eine Sicht auf Liquidität, Diversifikation und Konzentration. Bloomberg als Kontext.
Die KI liest anonymisierte Vermögensausweise und berechnet DSCR und ICR. Die Anonymisierung ist einfach, weil der Inhalt aus Zahlen besteht.
Die in der KYC-Plattform verfasste KYC-Storyline füllt den Kundenteil des Kreditmemos automatisch aus. Ersetzt das heutige Abtippen.
Ein Use Case ist nur so gut wie die Daten, die er erreicht. Gemeinsam mit der IT der Bank haben wir die Landschaft in fünf Schichten abgebildet: Oberflächen (Microsoft 365 Copilot, KI in der KYC- und Onboarding-Plattform, MIS-Reporting); KI-Dienste (Copilot Studio über Microsoft Graph, Azure AI Foundry mit Hosting in der Schweiz); gesteuerte Daten (Microsoft-365-Inhalte, operative Datenschicht, Dokumentenspeicher); Systems of Record (Kernbanksystem, Kundenlebenszyklus und KYC, Dokumenten- und E-Mail-Archiv); externe Systeme (Screening und Adverse Media, Transaktions-Screening, Markt- und Researchdaten, Preisplattformen).
Danach haben wir nachvollzogen, welche Prozesse (Kreditanträge, KYC-Onboarding und -Refresh, periodische Überprüfung, Adverse Media, Call Reports und Cross-Border, Anlagesuche) welche Systeme brauchen und wie sensibel die Daten sind. Die Kundendaten liegen in den Systems of Record: Ausweisdokumente, KYC-Profil und Storyline, Herkunft von Vermögen und Mitteln, Vermögensausweis, wirtschaftlich Berechtigte, Portfoliopositionen, Transaktionshistorie, Immobilienbewertungen, Call Reports, E-Mail-Verkehr und Adverse-Media-Treffer. Das Risikorating ist nur über die Systems of Record erreichbar.
Durchgängige Kundenakte
Die meisten wertvollen Use Cases brauchen dieselben Kundendaten. Die Datengrundlage wird einmal gebaut, und jeder Use Case darauf wird schneller.
Alle gespeist aus der durchgängigen Kundenakte
Datenmodell der Kundenakte
Sechs Domänen um einen zentralen Knoten: Jeder Datensatz hängt am business_partner. Gezeigt sind nur die wichtigsten Felder.
Verknüpfungen: Betreuung, Interaktion, Kredit, Vermögen und Immobilien verweisen alle auf den Business Partner. Sicherheiten werden auf Container und Immobilien verpfändet; Kreditlimiten tragen Sicherheiten und Darlehen; Positionen verbinden Assets und Container.
Reporting: ein Blueprint für MIS
Flache Exporte
Tools und Tracker
Marktdaten
Extrahieren, bereinigen und laden nach Zeitplan. Kundennamen werden beim Einlesen entfernt.
Faktentabelle (Client ID, Account ID, Product ID, Datum, Wert), verknüpft mit Kunde (Segment, Berater), Konto (Typ, Währung), Produkt (Kategorie, Eigentümer) und Datum (Monat, Quartal).
Jedes Team sieht nur die eigenen Zeilen.
Eine Quelle, die sich selbst aktualisiert. Kein Hin- und Herkopieren von Zahlen mehr.
An einem Ort mit Zugriffskontrolle geteilt, nicht als Dateien verschickt.
Copilot baut aus einer Anfrage in normaler Sprache eine Berichtsseite.
Den Zahlen eine Frage stellen und die Antwort samt Grafik erhalten.
Use Case: KYC-Onboarding und Erneuerung
DATEN Finanzdaten des Kunden
Durchsucht Google, WorldCheck, LexisNexis und Deep Research nach verbundenen Unternehmen und Geschäftstätigkeiten, die der Kunde nicht offengelegt hat.
Stellt aus Call Reports, Ausweisen, Belegen zur Herkunft des Vermögens und Recherche einen ersten Entwurf zusammen. Der Berater bearbeitet und verantwortet den Endtext; die KI ersetzt das Denken nicht.
Lässt eine Checkliste über jedes KYC-Feld laufen. Markiert Widersprüche, schwache Antworten und fehlende Belege, bevor die Compliance prüft.
Vergleicht das in Storyline und Feldern angegebene Vermögen mit den hochgeladenen Belegen. Liefert die Lücke explizit und die fehlenden Nachweise.
Architektonisches ErgebnisZusammengeführtes RAF, KYC-Update und 5-Jahres-Erneuerung. Alle drei werden aus derselben durchgängigen Kundenakte automatisch erzeugt. Doppelarbeit entfällt.
Use Case: Adverse Media
DATEN Vertraulich, keine Finanzdaten des Kunden
Zu jedem Treffer liefert die KI ein Urteil und ein belegendes Zitat: echter Treffer oder Fehlalarm. Der Prüfer bestätigt oder übersteuert; die KI entscheidet nicht.
Ordnet jeden Treffer dem verantwortlichen Kundenberater zu und leitet ihn direkt weiter. Der Zwischenschritt über die Compliance entfällt.
Bei markierten Treffern durchsucht die KI Google, WorldCheck, LexisNexis und Deep Research nach bestätigenden oder widersprechenden Belegen.
Ein Dashboard, in dem die Kundenberater Kunden mit Treffern sehen und die KI-Empfehlung annehmen oder übersteuern, ob der Treffer nach der Richtlinie der Bank eine Risikokategorie auslöst. Die E-Mail bleibt für die Nachvollziehbarkeit erhalten.
Niemand übernimmt Copilot in einem Sprung, und Funktionsrundgänge bringen niemanden eine Stufe weiter. Ein erfahrener Kundenberater sagte uns, nicht technische Mitarbeitende müssten den Nutzen im eigenen Tag sehen, bevor sie ein neues System akzeptieren. Deshalb gingen wir einen normalen Arbeitstag durch: morgens den Posteingang aufarbeiten, im Meeting Copilot die Notizen führen lassen, Vereinbartes nachverfolgen und nachmittags aus einem Rohexport einen wiederverwendbaren Tracker bauen.
Ein Tag im Büro
Ein Arbeitstag, fünf Momente. Keine Werkzeugtour: derselbe Tag, den Sie schon haben, nur übernimmt Copilot die Teile, die niemand gern macht.
Was habe ich verpasst?
Alles, was über Nacht eingegangen ist, gruppiert, das noch Unbeantwortete zuoberst.
Copilot schreibt mit
Ein Klick in Teams. Copilot hört zu und schreibt dann das Protokoll und die Aufgaben.
Zwei Wege zu fragen
Was vereinbart wurde und was noch offen ist. Copilot darauf verweisen oder es einfach benennen.
Einmal einrichten
Copilot beibringen, wie Sie schreiben, einen Termin finden lassen und die Ordner sich selbst sortieren lassen.
Vom Export zum Tracker
Rohdaten des Trainingssystems werden zu einer Tabelle, die Sie jeden Monat wiederverwenden; Überfälliges ist markiert.
Die Besprechung: Copilot schreibt selbst mit
Schalten Sie es ein, wenn Sie die Besprechung ansetzen. Danach gibt es nichts zu drücken: Zwei Dinge liegen in der Besprechungsleiste, das dritte startet von selbst.
Das sehen Sie in Teams
Schreibt die Notizen, während Sie sprechen. Zusammenfassung, Beschlüsse und Aufgaben entstehen, während die Besprechung läuft.
Fragen Sie ihn während der Besprechung: was bisher vereinbart wurde oder was Sie verpasst haben, als Sie später dazukamen.
Startet von selbst, gemäss den Einstellungen des Organisators. Alle in der Besprechung sehen den Hinweis.
Bevor Sie starten Nichts davon läuft, wenn der Organisator Copilot nicht eingeschaltet hat. In Ihren eigenen Besprechungen schalten Sie es in den Besprechungsoptionen ein, bevor Sie die Einladung senden.
Morgens: was habe ich verpasst?
Zwei Prompts. Einen führen Sie aus, wenn Sie sich hinsetzen, einer läuft jede Woche von selbst. Ersetzen Sie die Teile in Klammern, dann gehören sie Ihnen.
Zentrale Funktionen in diesem Schritt · [ ] die Angaben, die Sie ergänzen
Einmal schreiben und eine Zeit festlegen. Er läuft ohne Sie, und das Ergebnis liegt bereit.
Copilot sieht Ihre E-Mails, Chats, Besprechungen und Ihren Kalender bereits. Sie müssen nichts anhängen.
Compliance-Schulung: ein Tracker, den Sie wiederverwenden
Rohdaten hinein, eine funktionierende Tabelle heraus. Einmal mit Copilot gebaut; nächsten Monat fügen Sie nur noch den neuen Export ein.
Direkt aus dem Trainingssystem. Eine Zeile pro Person und Kurs, Codes statt Namen, Datumsangaben in gemischten Formaten.
Saubere Spalten, ein Status pro Person und Kurs, Überfälliges markiert und eine Zusammenfassung pro Abteilung.
Den neuen Export ins Rohdaten-Blatt einfügen, und alles rechnet sich neu. Sie müssen nicht erneut fragen.
Bitte beachten Die Tabelle kennt nur, was im Export steht. Prüfen Sie eine Handvoll Zeilen gegen das System, bevor das Ergebnis an jemanden geht.
Jede Abteilung arbeitete danach die Quick Wins aus ihren eigenen Interviews durch, an ihren eigenen Dokumenten: Kredit an Kreditakten, Komiteeprotokollen und Bewertungszusammenfassungen; Finanzen an Excel-zu-Präsentation-Reporting und Rechnungskontierung; Compliance an der Verfolgung von Pflichtschulungen und dem Screening von Kundennews; das Front Office an Kundenterminen und Call Reports. Insgesamt: 30 Stunden Training zwischen August und Oktober 2026, alle 12 Quick Wins abgedeckt.
Jeder Prompt folgte denselben fünf Zutaten: Ziel, Kontext, Quelle, Format der Antwort und Grenzen. Gewohnheiten: Die erste Antwort ist ein Entwurf; Beispiele statt langer Beschreibungen; Copilot auf die genaue Datei verweisen; für jede neue Aufgabe einen neuen Chat starten; die letzten 20 % Feinschliff und Korrektur bleiben beim Menschen. Damit es weiterläuft, gibt es pro Abteilung einen KI-Champion, der Use Cases sammelt, gemeinsame Prompts aktuell hält und vertiefende Sessions mit S-PRO erhält.
Nehmen Sie mit: Erkenntnisse
Acht Dinge, mit denen offene Arbeit mit Copilot gelingt. Wählen Sie eines und probieren Sie es morgen an etwas Echtem aus.
Die erste Antwort ist ein Entwurf, nicht das Ergebnis. Planen Sie Runden ein.
Intern: für wen es ist, was es schon gibt. Extern: Beispiele, Rahmenbedingungen.
Die Idee im Chat formen, dann nach Word oder PowerPoint übernehmen.
Beste Ergebnisse, und es regt weiterhin Ihre eigene Kreativität an.
Ein gutes Beispiel sagt mehr als eine lange Anweisung.
Wenn Sie wissen, wo es liegt, nennen Sie es. Lassen Sie Copilot nicht suchen.
Die KI wird schlechter, je länger eine Sitzung dauert. Neue Aufgabe, neuer Chat.
Endformatierung, Feinschliff und Korrekturlesen bleiben Sache des Menschen.
Der Kundenberater verlangt einen Kreditantrag in normaler Sprache. Der Agent liest die Kundenakte, führt die Sicherheiten- und Finanzanalyse durch, prüft die Richtlinien und entwirft das Memo mit einer Quelle bei jeder Zahl. Was ausserhalb der Richtlinien liegt, wird markiert, nicht übersteuert. Ein Mensch prüft und verantwortet die Entscheidung. Es handelt sich um einen Prototyp mit erfundenen Kundendaten.
Über Copilot hinaus: was die Entwicklung ergänzt
Gebaut mit Copilot Studio, Microsoft Foundry und dem Agent Framework. Die Nutzer arbeiten weiterhin in Copilot und Teams.
Kernbanksystem, KYC-Plattform und Marktdaten über APIs und MCP, nicht nur Microsoft 365.
Startet nach Zeitplan, bei einer neuen E-Mail oder einer neuen Datei. Niemand muss einen Prompt eintippen.
Mehrere Schritte in einem Lauf: sammeln, prüfen, berechnen, entwerfen und senden.
Hält zur Freigabe an, bevor etwas die Bank verlässt oder einen Datensatz ändert.
Ein Front-Agent übergibt Aufgaben an Agenten für das Kreditmemo, KYC oder den Newsletter.
Wo No-Code endet, entwickeln wir den Rest: Berechnungen, Modelle, Regeln und Dateiverarbeitung.
Schweizer Region, privates Netzwerk und eigene Identitäts- und Zugriffsregeln pro Agent.
Testsets und Qualitätsprüfungen vor dem Start, danach Überwachung im Betrieb.
Wir holen Sie dort ab, wo Sie stehen: mit einem ersten Workshop, Interviews mit Ihren Teams und einer priorisierten Roadmap für die Use Cases, die sich zu bauen lohnen.
Zuletzt aktualisiert: 4. November 2026.
In diesem Projekt bereitete das Front Office Kundentermine aus fünf Quellen vor: CRM, Kernbanksystem, Posteingang, Marktnachrichten und Notizen des letzten Gesprächs. Das Team schätzt die Ersparnis nach Training und ersten konfigurierten Lösungen auf 7 Stunden pro Person und Woche. Berührt ein Use Case Kundendaten oder fliesst er in eine regulierte Entscheidung ein, stuft die Bank ihn als entwickelten Build ein, mit definierten Zugriffsrechten und protokollierten Quellen, nicht als Prompt.
Beides, für unterschiedliche Use Cases. Sitzungsprotokolle, E-Mail-Entwürfe und Zusammenfassungen sind Quick Wins in Microsoft 365 Copilot. Use Cases mit grossen Dokumentenmengen, mehreren Systemen, exakten Berechnungen, mehrstufigen Workflows, Rückschreiben oder nachvollziehbaren Quellen, etwa Kreditanträge, werden auf Azure AI Foundry gebaut. Die Bank klassifizierte 34 Use Cases anhand von zehn Kriterien (fünf technische, fünf zur Governance).
Das Projekt begann im Mai 2026. Copilot ging Ende Juli 2026 bankweit live, von August bis Oktober 2026 liefen 30 Stunden Training, und für 2027 ist eine Roadmap vereinbart, um den Kreditantrags-Agenten in Produktion zu bringen.
Agenten, die einen Prozess von Anfang bis Ende verantworten, lassen sich im Private Banking mit Governance und Risiko noch schwer freigeben. Die Bank konzentriert sich auf die Stufen 4 und 5: Retrieval auf einer gesteuerten Datenschicht und massgeschneiderte Workflows mit menschlicher Bestätigung.
Mit einem ersten Workshop, Interviews mit Ihren Teams und einer priorisierten Roadmap für die Use Cases, die sich zu bauen lohnen. Ein Design-Thinking-Pilot kostet ab CHF 20k und dauert 2 bis 4 Wochen.
Kontakt
Sie sprechen mit Engineers, die für Banken entwickeln, nicht mit einem Verkaufsskript. Teilen Sie uns Ihre Ideen, Erkenntnisse und Fragen mit.
Ihre Ansprechpartner
Michael BarskyiHead of Banking & Fintech
Dustin SchulzeSenior Business Analyst
Claude Certified Services Partner(Anthropic)Kontakt
Drei Felder. Dauert etwa eine Minute.
