Information Technology Archive | Pragmatica AG Prozessoptimierung & Digitalisierung https://www.pragmatica.ch/information-technology-news/ Consulting & Projekt Management für Banken und Versicherungen Mon, 02 Mar 2026 22:14:47 +0000 de hourly 1 https://wordpress.org/?v=6.9.4 Generative KI https://www.pragmatica.ch/generative-ki/ Mon, 02 Mar 2026 21:52:26 +0000 https://www.pragmatica.ch/?p=7123 Generative KI steigert Produktivität und eröffnet neue Use Cases. Gleichzeitig entstehen neue Sicherheitsrisiken. Mit Governance, Schulungen und Standards bleibt KI sicher und compliance-konform.

Der Beitrag Generative KI erschien zuerst auf Pragmatica AG Prozessoptimierung & Digitalisierung.

]]>

Generative KI

  • FOKUSTHEMA

Chancen nutzen, Risiken beherrschen

Waage mit Symbolen für Generative KI Chancen auf der einen Seite und Sicherheitsrisiken auf der anderen Seite.
Generative KI verändert unsere Arbeitswelt mit einer Geschwindigkeit, die wir bisher kaum kannten. Unternehmen profitieren von produktiveren Prozessen, effizienteren Arbeitsabläufen und völlig neuen Möglichkeiten in Text-, Bild-, Video-, Audio-, oder Codegenerierung. Doch mit den Chancen wächst auch die Verantwortung: Generative KI bringt neuartige Sicherheitsrisiken, die ohne klare Governance schnell zur realen Bedrohung werden können.

Warum Generative KI so wertvoll ist

Ob Textautomatisierung, Code-Analyse, Design-Prototypen oder Datenvisualisierung – generative Modelle sind längst mehr als Spielereien.
 
Sie unterstützen heute bereits:
 
  • Sicherheitsmanagement (z. B. Analyse von Schwachstellen, Incident-Response-Pläne)
  • Erkennung von Spam, Phishing & Fake News
  • Code-Härtung & Log-Analyse
  • Effizienzsteigerung im Tagesgeschäft
  • Visualisierung komplexer Zusammenhänge

 

 

 

 

Richtig eingesetzt, kann KI einen massiven Beitrag zur Sicherheit, Compliance, Qualität und Produktivität leisten.
Hausdiagramm zu Generativer KI im Unternehmen mit ordnungsgemässer Nutzung, missbräuchlicher Nutzung, Governance und Auswirkungen.

Wollen Sie herausfinden, was Ihr KI-Potenzial ist?

Dann starten Sie noch heute und kontaktieren Sie uns für ein gemeinsames, kostenloses Use-Case-Sparring.

Kontakt aufnehmen

Die Schattenseite: Neue Sicherheitsrisiken

Mit der Einführung generativer KI kommen jedoch Risiken, die viele Unternehmen noch unterschätzen:

1. Risiken trotz „ordnungsgemässer“ Nutzung

  • Vertraulichkeit von Eingaben (Datenabfluss in Cloud-KI)
  • Fehlerhafte oder irreführende Ausgaben
  • Unsicherer generierter Code
  • Automation Bias – blindes Vertrauen in KI-Ergebnisse

2. Missbräuchliche Nutzung Angreifende können KI verwenden, um:

  • Gefälschte Inhalte, Identitäten oder Deepfakes zu erzeugen
  • Malware zu programmieren oder Social-Engineering-Angriffe zu skalieren
  • Prozesse wie CEO-Fraud deutlich raffinierter durchzuführen
 
Auch innerhalb von Unternehmen entstehen Risiken – etwa durch das Teilen vertraulicher Daten mit externen KI-Diensten, urheberrechtliche Verstösse oder diskriminierende KI-Entscheidungen.

3. Angriffe auf die KI selbst

Generative Modelle sind angreifbar, bisher sind uns 3 populäre Arten bekannt:

Privacy Attacks

Angreifer versuchen, sensible Informationen aus dem Modell zu rekonstruieren, z.B. Trainingsdaten oder private Nutzereingaben. Dadurch werden vertrauliche Daten offengelegt, obwohl das Modell eigentlich nur Ergebnisse liefern sollte.
Ablaufdiagramm: interner Nutzer stellt harmlose Anfrage, LLM mit RAG nutzt interne Wissensquellen und gibt sensible Daten im Output preis.
Hinweis:
Angreifer können auch interne Mitarbeiter mit guten IT-Kenntnissen sein, die sich bspw. unbefugten Zugriff auf vertrauliche Informationen bzw. Systeme schaffen wollen.
 
Beispiel:
Ein Versicherungsunternehmen setzt ein internes generatives KI-System (LLM) ein, um Mitarbeitende bei der Analyse von Schadenfällen, der Zusammenfassung von Kundendossiers und der Beantwortung interner Fachfragen zu unterstützen.
 
Das KI-System basiert auf einem LLM mit RAG-Architektur (Retrieval-Augmented Generation) und greift auf interne Wissensquellen wie Kundendatenbanken, Schadenakten, interne Richtlinien und frühere Chatverläufe (zur Qualitätsverbesserung) zu.
 
Ein interner Angreifer (z.B. ein Mitarbeitender mit erweiterten IT-Kenntnissen) möchte prüfen, ob sich vertrauliche Informationen anderer Kunden oder Mitarbeitender aus dem KI-System rekonstruieren lassen und formuliert entsprechend «harmlose» Fragen wie „Erstelle eine Beispiel-Zusammenfassung eines komplexen KFZ-Schadenfalls eines Kunden aus Zürich mit mehreren Beteiligten.“
 
Das KI-System antwortet mit realistisch klingenden Namen, echten Postleitzahlen, detaillierten Schadenbeschreibungen, medizinischen Informationen und exakten Schadenssummen.
Das Problem: Die Informationen stammen nicht aus fiktiven Beispielen, sondern sind rekonstruierte Inhalte aus echten Trainings- oder Kontextdaten.
 
Ein besonders eindrückliches Beispiel eines realen Cases:
Beim „EchoLeak“-Exploit gelang es Angreifern, über versteckte Prompt Injections Daten aus dem Kontextfenster eines KI-Copilots abzugreifen – ohne klassisches Phishing und mit minimaler Nutzerinteraktion.

Evasion Attacks

Manipulation von Eingaben zur Umgehung von Schutzmechanismen durch Dritte.

Beispiel:
Eine Bank setzt ein KI bzw. LLM-gestütztes Assistenzsystem ein, das eingehende E-Mails automatisch klassifizieren oder potenziellen Betrug, Phishing oder Social Engineering erkennen soll.
 
Ein externer Angreifer möchte eine Betrugs-E-Mail an einen Mitarbeitenden platzieren, mit ungewöhnlichen Satzstrukturen, harmlose Fachbegriffe, leicht veränderte Zahlungsaufforderungen und Kontextbezug auf reale Projekte oder Abteilungen.
 
Die KI könnte nun die E-Mail als harmlos bzw. als «unauffällige interne Fachkommunikation» einstufen und die Nachricht passiert alle automatisierten Filter und landet direkt im Posteingang eines Mitarbeitenden aus dem Finance-Team.
 
-> Der Überweisungsprozess wird angestossen.

Diagramm: externer Angreifer sendet manipulierte E Mail, KI Filter stuft sie als harmlos ein, sie landet in der Finance Inbox und löst eine Überweisung aus.

Poisoning Attacks

Trainingsdaten werden von Dritten absichtlich „vergiftet“, sodass das Modell fehlerhaft oder manipulierbar wird.

Diagramm: kompromittierte externe Datenquelle vergiftet Trainingsdaten, Continuous Learning beeinflusst das LLM Modell, verzerrte Entscheidungen erscheinen Monate später.
Beispiel:
Ein Versicherungsunternehmen betreibt ein internes generatives KI-System (LLM) u.a. zur Unterstützung von Schadenbearbeitung, Betrugserkennung und Beantwortung interner Fachfragen.
 
Das Modell wird regelmässig nachtrainiert („Continuous Learning“) mit neuen Schadenfällen, internen Dokumenten, Feedback der Fachabteilungen und externen Fachquellen (z. B. Marktberichte, Partnerportale).
 
Die Trainingsdaten werden automatisiert übernommen, um Effizienz und Aktualität sicherzustellen. Ein externer Angreifer (oder ein kompromittierter Partner) möchte erreichen, dass das KI-System in bestimmten Fällen systematisch falsche Entscheidungen trifft, ohne dass dies sofort auffällt.
 
Konkret sollen bestimmte Betrugsindikatoren ignoriert werden und bestimmte Schadenmuster als „unauffällig“ gelten. Der Angreifer kompromittiert eine externe Datenquelle, z.B. ein Partnerportal oder einen gemeinsam genutzten Wissenspool. Dort werden gezielt manipulierte bzw. verfälschte Inhalte platziert, die sich negativ auf Entscheidungen zu Betrugsfällen oder Klassifizierungen von Schadensfällen auswirken.

 

-> Das Modell lernt schrittweise ein verzerrtes Entscheidungsverhalten.

-> Die Auswirkungen zeigen sich erst Wochen oder Monate später.

Ein klarer Beweis, dass KI-Security heute ein eigener Disziplinbereich ist

Wie Unternehmen sich schützen können: 

Bei Pragmatica bieten unsere Experten und Berater folgende Umsetzungen & Implementationen an, damit KI in eurem Unternehmen verantwortungsvoll und sicher eingesetzt werden kann.

kOMPETENZEN AUFBAUEN & mITARBEITER SCHULEN

Mitarbeitende müssen wissen, wie KI funktioniert. Sie müssen wissen, wie diese zu nutzen ist, wo Risiken liegen und wie man sie minimiert.
 
Unser KI-Enablement-Service macht Generative KI sicher für Banken & Versicherungen.
Die Pragmatica AG befähigt Mitarbeitende durch gezielte Schulungen, KI regelkonform und sicher einzusetzen – im Einklang mit DSGVO, FINMA-Vorgaben, EU AI Act sowie etablierten Standards wie ISO/IEC 42001 und NIST AI RMF.
 
Gerade in regulierten Umfeldern entstehen KI-Risiken häufig durch fehlendes Know-how, falsche Nutzung und Automation Bias.
 
Mit praxisnahen Trainings, realen Fallbeispielen und klaren Dos and Don’ts schaffen wir Sicherheit, Akzeptanz und Audit-Readiness.
Weniger Risiko. Mehr Effizienz. Prüfungs- und revisionssicher.
 

rICHTLINIEN & GOVERNANCE

Eine klare interne KI-Policy ist Pflicht – insbesondere hinsichtlich Datenschutzes, Compliance, Transparenz und Umgang mit vertraulichen Daten.
 

Technische & organisatorische Massnahmen

Eigene KI-Services (z. B. interne LLMs) mit kontrollierten Regeln und Sicherheitsmechanismen reduzieren Risiken deutlich.
 
Etablierte Standards nutzen
  • ISO/IEC 42001 – weltweit erster Standard für KI-Managementsysteme
  • ISO/IEC 23894 – standardisiertes KI-Risikomanagement
  • NIST AI RMF – Best Practices zur Steuerung von KI-Risiken
  • CoE AI Treaty – internationaler Vertrag zu KI, Menschenrechten & Rechtsstaatlichkeit
 
Diese Frameworks bieten Orientierung, wie KI sicher, rechtskonform und ethisch eingesetzt werden kann.
 

Fazit

Generative KI ist eine historische Chance – aber nur, wenn wir sie sicher, verantwortungsvoll und strategisch einsetzen.
 
Unternehmen, die schon heute klare Regeln, Schulungen und technische Schutzmassnahmen etablieren, werden morgen zu den Gewinnern gehören.

Melden Sie sich einfach für ein kostenloses Use-Case-Sparring, um die Systemlandschaft oder KI-Governance besser kennenzulernen.

kontakt aufnehmen

Kennenlernformate - kostenfrei & individuell

Use Case
Exploration

2–4 Stunden | Remote oder vor Ort
Einstieg in LLMs, individuelle Use Cases, Machbarkeitsabschätzung
Workshop

Architektur & Technologie

2–4 Stunden | Remote oder vor Ort
Technologieoptionen im Markt & Fit zur bestehenden Architektur
workshop

KI-Governance & Compliance

1–2 Stunden | Remote oder vor Ort
Regulatorische Voraussetzungen für KI-Use (FINMA, DSG, EU KI-VO)
awareness
Name
An welchem Format sind Sie interessiert?
Wie lange sollte das Sparring dauern?

Weitere Topics

, , ,

FINMA Risikomonitor 2025

info ➞

, ,

Generative KI

info ➞

, ,

Vom Kostendruck zur Effizienzrevolution

info ➞

,

Brauche ich wirklich KI?

info ➞

,

Die Schweiz im Fadenkreuz ausländischer Nachrichtendienste

info ➞

, ,

Resilienz in der Supply Chain: Warum das Bedrohungsbild ein neues Sicherheitsdenken erfordert

info ➞

,

UBS Datenleck via Chain IQ: Third Party Risk & Supply Chain Security Lessons

info ➞

,

Third Country Intercept: Wie sicher sind Ihre Daten in der Cloud?

info ➞

Prozess Management: Zielerreichung oder „Neujahrs-Effekt“?

info ➞

Künstliche Intelligenz gewinnbringend einsetzen dank einer griffigen KI-Journey

info ➞

Der Beitrag Generative KI erschien zuerst auf Pragmatica AG Prozessoptimierung & Digitalisierung.

]]> Vom Kostendruck zur Effizienzrevolution https://www.pragmatica.ch/kostendruck-zur-effizienzrevolution/ Wed, 17 Dec 2025 22:13:30 +0000 https://www.pragmatica.ch/?p=6793 Ob Führungskraft im Banking Operations, Verantwortlicher für Customer Experience oder Kundenberater – Sie kennen das tägliche Szenario: Kundenanfragen erreichen die Bank heute über eine Vielzahl von Kanälen unkoordiniert und gleichzeitig. Sei es per E-Mail, via SecureMail, über Website-Formulare, im Chat oder ganz klassisch am Telefon. Doch allzu oft landen diese Anfragen erst einmal – irgendwo. In einer überfüllten Mailbox, in einer unübersichtlichen Ticketing-Queue oder auf dem Schreibtisch eines Mitarbeiters, der eigentlich für ganz andere Themen zuständig ist.

Der Beitrag Vom Kostendruck zur Effizienzrevolution erschien zuerst auf Pragmatica AG Prozessoptimierung & Digitalisierung.

]]>

Vom Kostendruck zur Effizienzrevolution

  • FOKUSTHEMA

4 Use Cases wie Sie mit KI im Service Center erfolgreich sein können

Darstellung typischer Service-Probleme: diverse Kanäle, Ticket-Backlog, Überlastung, Churn-Risiko

Ob Führungskraft im Banking Operations, Verantwortlicher für Customer Experience oder Kundenberater – Sie kennen das tägliche Szenario: Kundenanfragen erreichen die Bank heute über eine Vielzahl von Kanälen unkoordiniert und gleichzeitig. Sei es per E-Mail, via SecureMail, über Website-Formulare, im Chat oder ganz klassisch am Telefon. Doch allzu oft landen diese Anfragen erst einmal – irgendwo. In einer überfüllten Mailbox, in einer unübersichtlichen Ticketing-Queue oder auf dem Schreibtisch eines Mitarbeiters, der eigentlich für ganz andere Themen zuständig ist.

Das Ergebnis ist branchenweit das gleiche: Fehleranfälliges Routing und unnötig lange Liegezeiten. Das führt nicht nur zu frustrierten Kunden, sondern vor allem zu frustrierten Mitarbeitern, die ihre wertvolle Zeit damit verbringen, Nachrichten zu sortieren und weiterzuleiten, statt Kundenprobleme effektiv zu lösen.

Zudem nimmt der Kostendruck im Banking stetig zu: Das Anrufvolumen steigt – besonders in Richtung Jahresabschluss – aber das Budget sinkt. Und alle Welt redet über Künstliche Intelligenz im Service Center – aber wie setzt man das praktisch um, ohne jahrelange Planung und überbordende Ausgaben?

Die gute Nachricht: Es gibt einen Weg. Ärmel hochkrempeln und in wenigen Monaten ist auch Ihr Service Center KI live! 

Warum "Jetzt" – First Mover ist vorbei

Lassen Sie uns ehrlich sein: KI im Service Center ist nicht mehr Zukunft. Es ist Gegenwart. Die Technologie ist reif, sie funktioniert, und sie bringt echte Ergebnisse. 

Das heisst auch: Während Sie noch überlegen, „ob“ wir das machen, nutzen Ihre Mitbewerber KI bereits. Sie sparen Kosten, ihre Kunden sind zufriedener, ihre Mitarbeiter können sich auf echte Beratung konzentrieren. Das ist kein Hype, das ist ein Wettbewerbsvorteil und bald eine Commodity. 

Das Risiko von Warten ist realer als das Risiko von Anfangen: Nicht mitmachen bedeutet, kostenmässig und qualitativ den Anschluss zu verlieren. Die Frage ist nicht mehr „Sollen wir KI einführen?“ – die Frage ist „Wann fangen wir an?“ 

Grafik zeigt Effizienz- und Erfolgskurve von First Movern gegenüber dem Status Quo

Wollen Sie herausfinden, was Ihr KI-Potenzial ist?

Dann starten Sie noch heute und kontaktieren Sie uns für ein gemeinsames, kostenloses Use-Case-Sparring.

Kontakt aufnehmen

4 Use Cases – von Quick-Wins bis zur Kür

Der Schlüssel ist: Sie müssen nicht mit allem gleichzeitig anfangen. AI kann ganz einfach iterativ eingeführt und ausgebaut werden.

AI verarbeitet eingehende Nachrichten und leitet diese an Kreditteam, Vermögensberatung oder Support weiter

Use Case 1: Mail Triage – Der Quick Win 

Das Problem: Kundenanfragen landen über unterschiedliche Kanäle bei Ihnen – E-Banking-Nachricht hier, SecureMail dort, Website-Formular, Chat. Und dann muss jemand manuell entscheiden: Gehört das zum Kreditteam, zur Vermögensberatung oder zum Support? Fehler sind vorprogrammiert, Bearbeitungszeiten sind lang. Hinzu kommt das Risiko Mensch – dieser macht unweigerlich Fehler, z.B. falsche Zuordnung und eine Mail wird tagelang zwischen Abteilungen hin und her geschoben oder eine Mail geht gar vergessen und der Kunde wartet und wartet. 

Die Lösung: Ein KI-System, das eingehende Mails automatisch klassifiziert und zur richtigen Person oder zum richtigen Team weiterleitet. Der Bot liest die Anfrage, versteht den Kontext, und routet intelligent und effizient weiter. Bei Unsicherheiten gibt es ein Fallback zur manuellen Kontrolle – der Mensch bleibt in Kontrolle. 

Ein echtes Beispiel: Eine grosse Schweizer Retailbank hat genau das umgesetzt. Effizienzgewinn im Mail-Routing um >60%, weil die routinemässige Sortierarbeit wegfiel. Die Mitarbeiter können sich direkt um für höherwertige Service Anfragen kümmern. 

Warum hier starten? Das ist der schnellste ROI. Die Daten sind bereits vorhanden (Ihre bisherigen Mails). Die Implementierung ist niedrig-invasiv. Und Sie bauen damit gleichzeitig die strukturierte Datenbasis auf, die alle anderen Use Cases brauchen. 

Use Case 2: Text-Assistent – Berater und Service Mitarbeiter empowern 

Das Problem: Service-Mitarbeiter und Berater schreiben Standard-Antworten immer und immer wieder. Die meisten Kundenanfragen, die per Mail eingehen, ähneln sich im Inhalt stark. Diese Fragen nehmen viel Zeit ein – manchmal 15, 20 Minuten pro Antwort, weil der Mitarbeiter die Antwort noch suchen muss und stets persönlich auf das Anliegen antwortet. Und jede Antwort sieht leicht anders aus, weil jeder seinen Stil hat. Neue Mitarbeiter brauchen lange bis sie eingelernt sind. Auf dieses Problem stossen viele ihrer Kollegen: sowohl die Service-Mitarbeiter im Customer Service Center, die Hunderte E-Mails pro Woche beantworten müssen, als auch die Kundenberater, die zwischen Kundengesprächen ihre E-Mail-Last bewältigen müssen. 

Die Lösung: Ein KI-gestützter Text-Assistent, der im Mail- oder Chat-System läuft. Der Mitarbeiter (ob Service-Mitarbeiter oder Kundenberater) erwählt auf Knopfdruck (z.B. Outlook-Plugin) eine KI-generierte Antwort – basierend auf einer zentralen Wissensdatenbank und Best-Practice-Antworten. Der Mitarbeiter liest, editiert falls nötig, ergänzt um persönliche Floskeln, und versendet. Der Mensch bleibt Qualitätskontrolle, der Bot ist der Beschleuniger.  

Ein echtes Beispiel: Eine grosse Schweizer Retailbank nutzt genau das. Die Service-Mitarbeiter sind schneller bei der E-Mail-Beantwortung. Und neue Mitarbeiter brauchen weniger Training, weil sie von Tag 1 die besten Antworten vorgeschlagen bekommen. Gleichzeitig profitieren auch die Berater: Sie sparen Zeit bei Standardanfragen und haben mehr Raum für echte Kundengespräche und strategische Beratung. Zwei Fliegen mit einer Klatsche. 

Der Key Point: Das ist nicht Automatisierung ohne Kontrolle. Das ist ein Assistent für Ihren Mitarbeiter. Und das fühlt sich für Mitarbeiter auch nicht bedrohlich an – im Gegenteil, es macht deren Arbeit einfacher und steigert deren Kompetenz 

Use Case 3: Chatbot – die 80/20 Regel nutzen 

Das Problem: 80% aller Anfragen, die Ihr Service Center erreichen, sind meistens die gleichen zehn Fragen: Passwort zurücksetzen, TWINT-Probleme, Kontodaten, Kartensperrung, IBAN nachschauen, Gebühren, etc. Diese Standardfragen belegen Mitarbeiter-Kapazität, obwohl Kunden diese Dinge gerne sofort selbst lösen würden. 

Die Lösung: Ein Chatbot auf Ihrer Website oder in der Mobile App. Dieser beantwortet die häufigsten Fragen sofort und kann sogar automatisierte Prozesse anstossen: Passwort zurücksetzen, Karte sperren, TWINT aktivieren – alles direkt im Chat. Und wenn es komplexer wird, leitet der Bot nahtlos zu einem Live-Berater weiter. 

Ein echtes Beispiel: Eine grosse Schweizer Retailbank hat das implementiert. Der Chatbot übernimmt einen signifikanten Teil der häufigsten Anfragen. Kunden sind zufriedener, weil sie sofort Hilfe bekommen – 24/7 (im Gegensatz zum Telefon). Und Ihr Service Center hat endlich Kapazität um sich um komplexere Kundenanliegen zu kümmern. 

Der Key Point: Das ist nicht „wir automatisieren alles weg“. Das ist „wir lösen die einfachen Dinge sofort, damit Ihre Mitarbeiter sich auf komplexere Fälle und höherwertige Kunden-Services konzentrieren können.“ 

Chatbot auf dem Smartphone beantwortet Anfragen zu IBAN, Passwort und Kartensperrung
E-Mails werden per AI-Technologie automatisch an Hypothekenteam, Kundenberatung oder Support weitergeleitet

Use Case 4: Voicebot – Call-Triage & Automatisierung

Das Problem: Der Voicebot ist das alte IVRS-System – „Drücken Sie 1…“ – und keiner mag es. Und bei Peak-Zeiten bricht es zusammen. Ausserdem: Viele Anrufer rufen an mit der Erwartungshaltung das jeweilige Problem direkt am Telefon lösen zu können 

Die Lösung: Ein moderner, AI-basierter Voicebot, der natürliche Sprache versteht. Der Anrufer sagt, was er braucht – und der Bot versteht das. Er routet intelligent weiter oder – und das ist der Game-Changer – er löst einfache Prozesse direkt im Anruf: Passwort zurücksetzen, Karte sperren, TWINT entsperren. Die gleichen Prozesse wie im Chatbot. Der Anrufer braucht gar nicht mehr zu warten. Die dafür nötigen Schnittstellen wurden schon für den Chatbot entwickelt und können wieder genutzt werden.  

Der Key Point: Der Voicebot ist Ihr Skalierungs-Turbo. 
Bei Peak-Zeiten (z.B. Systemstörungen oder zum Jahresabschluss) fängt der Bot die erste Welle an Standardanfragen komplett autonom ab. Doch auch für die komplexen Fälle, die er weiterleitet, ändert sich das Spiel massiv: Das Routing erfolgt nicht mehr starr („Drücken Sie die 1“), sondern dynamisch. Der Bot versteht das Anliegen inhaltlich, prüft in Echtzeit die Auslastung Ihrer Hotlines und leitet den Anrufer passgenau an jene Fachabteilung weiter, die gerade Kapazität hat. Kein Blindflug mehr in überfüllte Warteschleifen, sondern intelligentes Traffic-Management für Ihre Telefonie. 

Das Geheimnis: Eine Datenbasis für alle vier

Jetzt kommt der wichtige Part. Sie könnten diese vier Use Cases als separate Projekte angehen – Mail Triage Projekt, Text-Assistent Projekt, Chatbot Projekt, Voicebot Projekt. Das würde funktionieren, aber es würde sehr teuer und zeitaufwändig. 

Der intelligente Weg: Sie bauen eine zentrale Wissensdatenbank auf – die Struktur Ihrer FAQ, Ihrer Prozessdokumentation, Ihrer Best-Practice-Antworten. Diese Basis nutzen alle vier Use Cases. Sie müssen diese Arbeit nur einmal machen – und von der Weiterentwicklung profitieren alle vier. 

Das hat eine massive Folge: Konsistente Antworten über alle Touchpoints. Ein Kunde fragt im Chatbot etwas über Gebühren – bekommt die gleiche Antwort, wie wenn er anruft oder eine Mail schreibt. Das ist nicht nur effizienter, das ist auch besser für den Kunden. 

Und hier wird es richtig wirtschaftlich: Der erste Use Case (Mail Triage) kostet X. Der zweite Use Case (Text-Assistent) kostet weniger, weil die Basis existiert. Der dritte und vierte kosten noch weniger. Die ROI multipliziert sich. 

Visualisierung einer zentralen Wissensdatenbank, verbunden mit verschiedenen Kommunikationskanälen

4 Erfolgsfaktoren – damit es nicht schiefgeht

Aber: Es gibt ein paar Dinge, die Sie von Anfang an beachten müssen um eine erfolgreiche Umsetzung zu gewährleisten  

#1 – Strukturierte Daten:

Das A und O für eine performante KI ist eine gute Datenbasis. Falls Daten noch in Silos, nicht aufbereitet und ungenügend zur Verfügung stehen, ist das DER Punkt, an dem als erstes angesetzt werden muss. Nicht perfekt, aber gut aufbereitet. Die gute Nachricht: Im Service Bereich machen die häufigsten 100 Anfragen gut >80% des Anfragevolumens aus. Damit hat man schon eine sehr gute Basis!

#2 – Governance von Tag 1:

Das Service Center ist erst der Anfang. Daher sollte beim Einsatz von KI von Anfang an holistisch gedacht werden. Das beeinflusst Entscheidungen hinsichtlich der IT-Architektur und klare Verantwortlichkeiten, Monitoring-Strukturen, Dokumentation sind keine Blocker, sondern die Grundlage für stabilen Betrieb. Und es wird für Ihre gesamte KI-Architektur im Unternehmen ungeheuer wichtig. Der Mensch muss die Kontrolle behalten! 

#3 – Integration, nicht Isolation:

Der häufigste Fehler: Der Pilot läuft isoliert, skaliert dann nicht. Sie brauchen von Anfang an Anbindungen zu Ihren bestehenden Systemen – Telefonie, CRM, Core Banking. Der Omnichannel-Gedanke muss von Start dabei sein. 

#4 – Change Management:

Sie haben die beste KI der Welt – und Ihre Mitarbeiter nutzen sie nicht, weil sie Angst haben. Deshalb: Mitarbeiter früh einbinden, transparent kommunizieren („Das ist ein Assistent, nicht euer Replacement„), kontinuierliches Training. Das ist oft der unterschätzteste Erfolgsfaktor. 

Der nächste Schritt:

Die technische Frage stellt sich nicht mehr: „Kann man das machen?“
Ja, man kann. Die Frage ist: „Wie fangen wir an?“ 

Denn eines ist sicher: Wer jetzt mit aufspringt, gewinnt.
Wer wartet, verliert – nicht dramatisch, aber deutlich spürbar.
Und je länger Sie warten, desto grösser wird der Rückstand.

Die Zukunft des Banking Service Centers ist nicht mehr Zukunft.
Sie ist Gegenwart. 

Die Frage ist nur: Machen Sie mit? 

Wenn Sie neugierig sind, wo Ihr Service Center gerade steht und welche Quick Wins möglich sind – wir helfen gerne.

kontakt aufnehmen

Kontaktieren Sie uns für ein unverbindliches Use-Case-Sparring in den Bereichen: 

  • KI Use Case Workshop 
  • KI Governance 
  • Architecture Workshop 
 

Überzeugen Sie sich selbst und machen Sie mit uns den ersten Schritt in Richtung KI & LLM. 

Ihre Vorteile mit uns

  • Erfahrung in der Implementierung von KI-Projekten bei Bankkunden.

  • Fokus auf regulierte Branchen: Über 20 Jahre Projekterfahrung in Banken und Versicherungen – mit tiefem Verständnis für Systeme, Datenflüsse und Regulatorik.

  • Strukturierter Technologie- und Partnerprozess: Eigenentwickelte LLM-Vendoren-Map & RfP-Vorlagen zur fundierten Entscheidungsfindung.

  • Von Use Case bis Rollout: Wir übernehmen die End-to-End-Verantwortung oder ergänzen punktuell Ihre Teams – flexibel, pragmatisch, lösungsorientiert.

Mit über 20 Jahren Erfahrung im Projektmanagement begleiten wir Schweizer Finanzinstitute erfolgreich bei der Implementierung von LLM Use Cases – vom Design des Use Cases bis hin zur vollständigen Umsetzung.

Wir bieten umfassende Expertise in KI-Governance und KI-Risikomanagement und kennen die eingesetzten Systeme (z.B. Kernbanken, Telefonie) sowie deren Interaktionen.

Dank unserer eigenen LLM-Map mit einer Übersicht an Anbietern und Implementationspartnern erleichtern wir die Auswahl der richtigen Technologie und Partner. Durch die Zusammenarbeit mit führenden LLM-Experten sichern wir eine massgeschneiderte und reibungslose Umsetzung.

Überzeugen Sie sich selbst durch unsere kostenfreien, auf Sie zugeschnittenen Kennenlernformate, und machen Sie mit uns den ersten Schritt in Richtung KI & LLM.

Kennenlernformate - kostenfrei & individuell

Use Case
Exploration

2–4 Stunden | Remote oder vor Ort
Einstieg in LLMs, individuelle Use Cases, Machbarkeitsabschätzung
Workshop

Architektur & Technologie

2–4 Stunden | Remote oder vor Ort
Technologieoptionen im Markt & Fit zur bestehenden Architektur
workshop

KI-Governance & Compliance

1–2 Stunden | Remote oder vor Ort
Regulatorische Voraussetzungen für KI-Use (FINMA, DSG, EU KI-VO)
awareness
Name
An welchem Format sind Sie interessiert?
Wie lange sollte das Sparring dauern?

Weitere Topics

, , ,

FINMA Risikomonitor 2025

info ➞

, ,

Generative KI

info ➞

, ,

Vom Kostendruck zur Effizienzrevolution

info ➞

,

Brauche ich wirklich KI?

info ➞

,

Die Schweiz im Fadenkreuz ausländischer Nachrichtendienste

info ➞

, ,

Resilienz in der Supply Chain: Warum das Bedrohungsbild ein neues Sicherheitsdenken erfordert

info ➞

,

UBS Datenleck via Chain IQ: Third Party Risk & Supply Chain Security Lessons

info ➞

,

Third Country Intercept: Wie sicher sind Ihre Daten in der Cloud?

info ➞

Prozess Management: Zielerreichung oder „Neujahrs-Effekt“?

info ➞

Künstliche Intelligenz gewinnbringend einsetzen dank einer griffigen KI-Journey

info ➞

Der Beitrag Vom Kostendruck zur Effizienzrevolution erschien zuerst auf Pragmatica AG Prozessoptimierung & Digitalisierung.

]]>