- Künstliche Intelligenz
Massgeschneiderte KI-Assistenten – kanalübergreifend, sicher und effizient
Die Interaktion mit Kundinnen und Kunden über verschiedene Kanäle, sei es via Voicebot, Chat, E-Mail oder Web, entwickelt sich rasant. KI-gestützte Assistenten eröffnen neue Wege, um Kundenerlebnisse zu verbessern, Kosten zu senken und Prozesse zu beschleunigen. Entscheidend für den Erfolg ist die nahtlose und regulierungskonforme Integration dieser Lösungen in bestehende Prozesse, Systeme und Touchpoints, von der Konzeption bis zum operativen Betrieb.
Mit Pragmatica’s Multi Channel Experience für KI-gestützte Assistenten bieten wir ein strukturiertes Vorgehen, das Sie von der Ideation bis zur Implementierung und kontinuierlichen Optimierung begleitet – massgeschneidert für Banken, Versicherungen und regulierte Industrien.
Unsere Leistungen im Überblick
Ganzheitlicher Projektansatz entlang des LLM-Lebenszyklus
Bedarfsanalyse & Zieldefinition
- Identifikation und Priorisierung relevanter Use Cases (inkl. Prio-Matrix)
- Datenqualitätsanalyse & Business Case-Erstellung
Technische Analyse & Datenschutz
- Auswahl geeigneter LLM-Modelle (Cloud, On-Premise, Open Source, kommerziell)
- Infrastruktur-Assessment & Compliance-Beratung (z. B. DSG, FINMA)
Partnerauswahl & RfP
- Matching geeigneter Implementierungspartner (Pragmatica Partner-Matrix)
- Gestaltung und Durchführung von RfIs / RfPs inkl. Bewertungsmatrix
Modellierung & Integration
- Anbindung an bestehende Prozesse und Systeme
- Entwicklung nutzerzentrierter Interfaces
Testing & Go-Live
- Testing- und Schulungskonzepte für Early Adopters
- Monitoring & Finetuning der LLM-Performance
Betrieb & kontinuierliche Optimierung
- Integration von Feedback-Schleifen
- Konzeption und Einführung von KVP-Prozess zur laufenden Anpassung an Markt & Regulierung und kontinuierlichen Optimierung
- Erstellung von KPI-Dashboards zur Überwachung und Reporting
KI Governance Framework
- Analyse von Datenflüssen und Risiken bei Cloud-Nutzung und FINMA-konformer Absicherung
- Schutz generativer KI-Systeme vor Bedrohungen wie Prompt Injection oder Model Leakage
- Etablierung von Richtlinien, Rollen und Kontrollen für den LLM-Lebenszyklus gemäss EU AI Act, ISO/IEC 42001 und NIST AI RMF.
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.
Kennenlernformate - kostenfrei & individuell
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.
Use Case
Exploration
Systemlandschaft & Technologie
Technologieoptionen im Markt & Fit zur bestehenden Architektur
KI-Governance & Compliance
Regulatorische Voraussetzungen für KI-Use (FINMA, DSG, EU KI-VO)
Ausgewählte Referenzen
Success Stories
Optimierung der Kundeninteraktion durch Einsatz von innovativen Technologien bei einer Schweizer Retailbank
Ausgangslage
Die Schweizer Bank stand vor der Herausforderung, das Volumen eingehender Kundenanrufe zu reduzieren, die durch umfangreiche Veränderungen im Bereich E-Banking signifikant angestiegen waren. Im Rahmen der Massnahmen zur Reduktion des Anrufvolumens, bestand das Ziel darin die Self-Service-Lösungen auszubauen und Kunden an den digitalen Touch Points entlang der Customer Journey optimal zu lenken.
Die Schweizer Bank sah sich gleichzeitig mit einem Anstieg schriftlicher Kundenanfragen konfrontiert, was eine effiziente Bearbeitungslösung unabdingbar machte. Als strategische Antwort darauf wurde das Ziel definiert, ein fortschrittliches KI-gestützten System zu entwickeln, um die Effizienz in der Bearbeitung dieser Anfragen zu steigern.
Unser Beitrag
- Reduziertes Anrufvolumen: Die Implementierung neuer sowie die Verbesserung vorhandener Self-Service-Lösungen trugen wesentlich zur Erreichung des Ziels bei, das Volumen der Kundenanrufe zu senken.
- Effizientere Bearbeitung von schriftlichen Kundenanfragen: Die Entwicklung und Einführung eines KI-gestützten Tools ermöglicht es den Mitarbeitenden der Bank, schriftliche Kundenanfragen schneller und in hoher Qualität zu bearbeiten.
- Erhöhte Kundenzufriedenheit: Kunden profitieren von schnelleren und effizienteren digitalen Self-Service-Lösungen, was zu einer Steigerung der allgemeinen Kundenzufriedenheit führt.
Kundennutzen
- Begleitung strategischer Projekte von der Konzeptentwicklung bis hin zur technischen Implementierung und des Rollouts.
- Anforderungsanalyse, Prozessdesign, Lösungsdesign und Projektplanung von Service-Service-Lösungen und KI-Applikationen.
- Untersuchung bestehender digitalen Self-Service-Lösungen im Vergleich zu den Angeboten des Marktes, verbunden mit der Erstellung eines umfassenden Berichts, der zielgerichtete Handlungsempfehlungen beinhaltet.
- Fungieren als zentrale Kommunikationsschnittstelle zwischen den Nutzern, Fachbereichsvertretern, Product Ownern und IT-Spezialisten (Stakeholder Managements)
- Planung, Durchführung und Auswertung von Interviews und Workshops zur Analyse der Kundenbedürfnisse.
- Gestaltung und Entwicklung fortschrittlicher Prototypen für schnelle Nutzertests und zur Bewertung technischer Umsetzbarkeit.
KI-Architektur Review und Ausarbeitung von Verbesserungsvorschlägen
Ausgangslage
Die Unternehmensarchitektur einer mittelgroßen Bank möchte eine externe Sicht auf den derzeitigen KI-Lösungsdesign und eine klare Vorgehensweise, um KI-Lösungen zu implementieren und Empfehlungen für das zukünftige Ausgestalten derselben zu erhalten. Dies ist wichtig, da die Bank intern über keine KI-Experten verfügt, der Einsatz der Technologie für die Bank neu ist (abgesehen von eingekauften Black-Box-Lösungen) und die Nachfrage aus dem Business nach KI-Lösungen vermutlich stark zunehmen wird.
Ziel ist es, die Unternehmensarchitektur – und insbesondere den Text Assistenten Usecase – in den folgenden Bereichen zu unterstützen:
- Architektur- und Lösungsfindung
- Kompetenzen
- Vorgehensweise
- Dokumentation
Unser Beitrag
- Klare Statusanalyse, welche die aktuellen Probleme aber auch Chancen in der Lösungsrealisation klar aufzeigt
- Lösungsvorschläge, um die internen Kompetenzen zu vergrössern und die Resilienz datengetriebener Anforderungen zu verbessern
- Unmissverständliche Beschreibung, weshalb Unternehmensarchitektur stärker ins Spiel gebracht werden sollte, um Insellösungen zu vermeiden
- Aufzeigen der aktuellen Probleme und Chancen im Zusammenarbeiten verschiedener Teams
Kundennutzen
- Im Rahmen des Mandates wurden sowohl Empfehlungen und Würdigungen zu firmenweiten KI-Bemühungen Unternehmensarchitektur, Cloud und Compliance abgegeben, sowie zur Umsetzung, Vorgehensweise und Architektur eines spezifischen Usecases.
- Interview mit verschiedenen im Thema KI involvierten Beteiligten, Zusammenfassung der Gespräche und Empfehlung zu organisatorischen Verbesserungen.
- Umfassende Präsentation, welche sowohl die technischen Aspekte des LLM-RAG-Ansatzes sowie die Kosten der verschiedenen On-Premise und Public Cloud Lösungen genauer inspiziert.
- Moderation von Workshops zwischen Value Stream Lead, externer Solutionprovider und dem internen Entwicklungsteam mit dem Ziel Verbesserungsvorschläge für den weiteren Verlauf des Projektes anzustossen.