Welches KI-Modell zu einem Schweizer Finanzinstitut passt, entscheidet sich weniger am Namen des Modells als an drei Fragen: Welche Daten berührt es, muss sein Ergebnis nachvollziehbar und reproduzierbar sein, und wo wird es betrieben? Wer diese Fragen pro Anwendungsfall beantwortet, landet bei einer von vier Betriebsformen und manchmal bei der Erkenntnis, dass gar kein Modell nötig ist. Das gilt für Anlagestiftungen und Pensionskassen ebenso wie für Fondsleitungen und Vermögensverwalter, ob FINMA-reguliert oder nicht.
Die erste Betriebsform ist ein grosses Sprachmodell, das über eine Schnittstelle in der Cloud des Modellanbieters läuft. Die zweite ist ein solches Modell, bereitgestellt in Ihrer eigenen Cloud-Umgebung, in der Region und unter dem Vertrag, die Sie bereits gewählt haben. Die dritte ist ein offenes Modell, das auf eigenen Servern oder eigener Infrastruktur betrieben wird. Die vierte ist eine KI-Funktion, die in Software eingebettet ist, die Sie bereits nutzen. Die vier unterscheiden sich weniger in der Qualität der Antworten als darin, wohin Ihre Daten fliessen, wer den Betrieb verantwortet und wie leicht Sie das Modell später austauschen können.
Das erste Kriterium ist die Datenklasse. Öffentliche Informationen, etwa veröffentlichte Factsheets oder Marktkommentare, vertragen fast jede Betriebsform. Sobald Positionsdaten, Kundendaten oder nicht veröffentlichte Kennzahlen im Spiel sind, wird die Frage, wo das Modell läuft, zur Governance-Frage. Läuft es in Ihrer eigenen Umgebung, bleiben Ihre Daten dort, wo Sie sie bereits hosten: bei Schweizer Instituten typischerweise in der Schweiz. Läuft es beim Anbieter, ist das ein bewusster, dokumentierter Auslagerungsentscheid, der Ihre bestehenden Vorgaben zu Outsourcing und Datenschutz erfüllen muss, und kein Nebeneffekt einer Testlizenz.
Das zweite Kriterium ist die Nachvollziehbarkeit. Ein Sprachmodell liefert auf dieselbe Frage nicht zwingend zweimal dieselbe Antwort. Für einen Entwurf, eine Zusammenfassung oder die Extraktion von Feldern aus einem Dokument, die ein Mensch anschliessend prüft, ist das unproblematisch. Für eine Zahl, die an Investoren oder an die Aufsicht geht, ist es das nicht. Dort gehört die Berechnung in eine deterministische Logik, die bei jedem Lauf dasselbe Ergebnis liefert und sich Schritt für Schritt prüfen lässt. Das Modell darf vorbereiten, markieren und vorschlagen; rechnen und freigeben tut es nicht.
Deshalb lautet die richtige Antwort manchmal: kein Modell. Die Reporting-Pipeline von Amula AI läuft seit Oktober 2025 bei der IST Investmentstiftung produktiv, und sie ist deterministisch auf Power BI aufgebaut, ohne dass ein KI-Modell Kommentare oder Zahlen erzeugt. 39 Anlagegruppen sind im Mandat und werden Gruppe für Gruppe ausgerollt, und der monatliche Aufwand sank von 20+ auf 3–4 Stunden (eine interne Schätzung auf Basis erster Messungen). Der Nutzen entsteht dort aus sauberer Datenlogik, nicht aus der Wahl eines Modells.
Das dritte Kriterium ist die Austauschbarkeit. Modelle werden in kurzen Abständen abgelöst, und das Modell, das heute am besten passt, ist in zwei Jahren selten noch das richtige. Bauen Sie den Anwendungsfall deshalb so, dass Prompts, Prüfregeln, Testfälle und Protokolle Ihnen gehören und das Modell dahinter eine austauschbare Komponente bleibt. Eine eingebettete KI-Funktion ist schnell verfügbar, bindet Sie aber an den Fahrplan ihres Herstellers; ein selbst betriebenes offenes Modell gibt Ihnen volle Kontrolle, verlangt aber, dass jemand den Betrieb verantwortet: Ihr Team, Ihr Partner oder beide.
In der Praxis ergibt sich daraus selten ein einziges Modell für das ganze Institut, sondern eine kurze Zuordnung: welcher Anwendungsfall mit welcher Datenklasse in welcher Betriebsform läuft und wo bewusst deterministische Logik statt KI steht. Genau diese Zuordnung erarbeitet die KI-Standortbestimmung: typischerweise in ein bis zwei Wochen, mit einem Bericht und einem Live-Walkthrough samt drei gestaffelten Umsetzungsoptionen. Sie kennen Ihren Engpass? Starten Sie mit der Reporting-Automatisierung. Unsicher, wo Sie anfangen sollen? Starten Sie mit der KI-Standortbestimmung.