Künstliche Intelligenz verändert den Umgang mit Daten und die Entscheidungsfindung in privaten und öffentlichen Organisationen grundlegend, sagte FINMA-Präsidentin Marlene Amstad in einer Rede vor der Schweizerischen Bankiervereinigung. Amstad blickt auf mehr als 30 Jahre Tätigkeit an Finanzmärkten in Asien, den USA und Europa zurück. Wie schnell sich die Technologie entwickelt, zeigt der Wandel der Begriffe von dezentralen Finanzanwendungen und NFTs hin zu grossen Sprachmodellen innerhalb von fünf Jahren. Der Finanzsektor ist KI stärker ausgesetzt als die meisten Branchen, da er auf Daten, Geschwindigkeit und Vertrauen beruht.
Die Finanzbranche arbeitet mit Daten wie Videoidentifikationen von Kunden, Bauplänen und Hypothekarverkaufsunterlagen für Kredit- und Aufnahmeentscheide. Viele Informationen bestehen aus unstrukturiertem Text. Moderne KI erkennt Muster, verarbeitet neue Datentypen, versteht Texte und erstellt Empfehlungen mit einer Geschwindigkeit und Bandbreite, die herkömmliche Software nicht erreicht. Kreditentscheide können dadurch statt in Tagen in Sekunden fallen, was zugleich weniger Zeit lässt, Fehler zu erkennen. Effizienzgewinne sind jedoch wertlos, wenn Kunden, Anleger und Öffentlichkeit das Vertrauen verlieren.
Die Schweiz steht mit ihrem vielfältigen Finanzplatz aus globalen Akteuren, Regionalbanken und Fintechs an der Spitze dieser Entwicklung und dient als natürliches Labor. Als integrierte Aufsicht verfolgt die FINMA die Nutzung bei Banken, Versicherern und Vermögensverwaltern. Sie führt seit 2021 Branchenumfragen durch, zuletzt 2025 bei rund 400 Instituten. Die jüngste Umfrage ergab drei zentrale Erkenntnisse. Die Dynamik bleibt hoch: Institute betreiben im Schnitt rund fünf KI-Anwendungen und entwickeln neun weitere. Grössere Institute sind intensiver aktiv.
Die Nutzung ist bisher breit, aber wenig tief und konzentriert sich auf frühe, weniger kritische Anwendungen wie Chatbots für die Kundenkommunikation, Textgenerierung und Prozessoptimierung. Mehr als 90% der KI-Nutzer setzen auf generative Verfahren, weil diese rasch einsetzbar, leicht abgrenzbar und in ihren Auswirkungen beherrschbar sind. Bei Kernprozessen wie Kreditentscheiden und aufsichtsrechtlichen Kennzahlen ist man deutlich vorsichtiger. Nur etwa die Hälfte der Teilnehmenden hat KI in einer ausdrücklichen Strategie verankert. Wenige entwickeln Anwendungen selbst; viele stützen sich auf eine kleine Gruppe externer Anbieter. Das stellt hohe Anforderungen an Governance und Risikomanagement, besonders wenn gleiche Modelle Abhängigkeiten schaffen und gemeinsame Ausfälle oder fehlerhafte Modelle die Stabilität gefährden.
Verantwortung lässt sich nicht an einen Algorithmus delegieren, besonders bei agentischer KI, die Aufgaben selbstständig plant, ausführt und verknüpft. Organisationen müssen für Zweck, Grenzen und Ergebnisse verantwortlich bleiben. Ein erheblicher Teil des Risikos geht zudem von böswilligen Nutzern aus, was KI zu einer Technologie mit doppeltem Verwendungszweck macht. Fortgeschrittene Modelle können Softwarelücken finden und Angriffe beschleunigen. Laut Interpol sind KI-gestützte Betrugsoperationen rund viereinhalbmal profitabler als herkömmliche Methoden.
