Im exklusiven Interview mit „Bilanz“ erläutert unser Unit Head René Kohler, wie die innovativen Lösungen von Contovista sowohl für Finanzinstitute als auch für deren Kund:innen Mehrwert schaffen. Im Gespräch erläutert René wie wir grosse Datenmengen mithilfe von AI analysieren und Banking dadurch nicht nur vereinfachen, sondern vorausschauender und smarter machen.
René: Unsere Vision lautet, die Finanzindustrie zu einem durchgängigen, sicheren und intelligent vernetzten Ökosystem weiterzuentwickeln – damit Banken und deren Kundinnen und Kunden ihr volles Potenzial entfalten können. Bei Contovista erschliessen wir das Potenzial von Finanzdaten, indem wir AI nutzen, um sie intelligent zu aggregieren, anzureichern und in echten Kundennutzen zu übersetzen. Wir müssen zu diesem Zweck vorausschauend agieren und antizipieren, welche Themen für Banken und deren Kundinnen und Kunden relevant und sinnvoll sein könnten.
Künstliche Intelligenz (AI) bietet hier immense Möglichkeiten, aus Transaktionen und Kontodaten wertvolle Erkenntnisse zu gewinnen.
Wäre es nicht sensationell, wenn das eigene Bankkonto mitdenken, finanzielle Bedürfnisse antizipieren und einem dabei helfen könnte, persönliche Ziele zu erreichen?
René: Das ist in der Tat eine Herausforderung. Für uns ist es entscheidend, uns auf die Bereiche zu fokussieren, die für uns sowie unsere Kunden wirklich relevant sind. Das gesamte Feld der AI lässt sich schliesslich nicht komplett abdecken. Wir investieren daher kontinuierlich in Ideation und Entwicklung und arbeiten eng mit externen Partnern zusammen. Unser modularer Produktansatz ermöglicht es uns, neue AI-Funktionen schnell und flexibel zu integrieren.
Eine unserer neuesten Entwicklungen ist die «Natural Language Search»: Diese ermöglicht es Bankkunden, Fragen in die mobile App einzutippen. Auf diese Weise lassen sich dann Finanzdaten aus verschiedenen Quellen auf die gestellte Anfrage hin durchsuchen.
René: Bei der Entwicklung unserer Anwendungen steht immer die Frage im Mittelpunkt, wie wir Daten so nutzen und aufbereiten können, dass sie für alle Beteiligten einen Mehrwert generieren – sowohl für die Bank als auch für die Endkunden. AI spielt hier eine zentrale Rolle, insbesondere bei der Harmonisierung heterogener Datenströme und der Konsolidierung verschiedener Datenquellen wie Kreditkartenplattformen, E-Banking-Systemen oder Portalen wie bLink.
Das Resultat ist eine konsolidierte Sicht auf die Finanzlage, die nahtlos in das Digital-Banking integriert werden kann. Durch den Einsatz von AI gelingt es uns nicht nur, Transaktionen automatisch und effizient zu kategorisieren und anzureichern – etwa mit Händlerlogos, «pretty names», Standortdaten oder semantischen Hinweisen – sondern auch, Datenqualität und -verständlichkeit auf ein neues Niveau zu heben. Gerade im Multibanking-Kontext wird so aus fragmentierten Informationen ein durchgängiges, nutzerzentriertes Erlebnis.
Unsere Lösungen agieren dabei unabhängig vom Kernbankensystem, sind modular aufgebaut und fügen sich flexibel in bestehende Infrastrukturen ein.
René Kohler, Unit Head Contovista, im Interview
René: Das ist für uns als Unternehmen im datengetriebenen Bankensektor ein absolut zentraler Punkt: Datenschutz und Datenethik bilden das A und O und durchziehen unsere gesamte Prozesskette. Wir verfolgen konsequent den Ansatz von Privacy by Design, und zwar von Anfang an. Dementsprechend werden unsere AI-Modelle so entwickelt, dass die Daten geschützt sind. Hierfür werden etwa Kunden- und Transaktionsdaten immer getrennt voneinander verarbeitet, da für die Gewinnung von Erkenntnissen häufig die reinen Transaktionsdaten ausreichen. Zudem verarbeiten wir sämtliche Daten lokal in der Schweiz. Darüber hinaus verpflichten wir uns klaren AI-Grundsätzen: höchste Sicherheit, durchgängige Compliance, transparente Kommunikation und Fairness gegenüber allen Nutzerinnen und Nutzern. Unsere AI-Modelle sind erklärbar, werden regelmässig auf Bias überprüft und unterliegen einem Human-in-the-Loop-Ansatz – das heisst, kritische Ergebnisse werden immer durch menschliche Expertise validiert. So stellen wir sicher, dass unsere Lösungen nicht nur technologisch führend, sondern auch ethisch verantwortungsvoll und vertrauenswürdig sind.
René: Unser zentraler Antrieb besteht darin, echten Kundennutzen zu schaffen. Zu diesem Zweck müssen wir aus den vorhandenen Daten die richtigen Schlüsse ziehen und die passenden Informationen zur richtigen Zeit liefern. Das kann beispielsweise konkret bedeuten, dass wir die Einnahmen und Ausgaben eines Kunden erkennen, um seine finanzielle Situation transparent darzustellen und dann konkrete, personalisierte Vorschläge machen zu können. Ein spannendes, aktuelles Beispiel für eine Endkundenanwendung liefert auch unser «Smart Balance Optimizer». Dieser analysiert, wo sich das Geld des Kunden befindet, bewertet die Verzinsung und schlägt gegebenenfalls vor, einen Teil des Geldes auf ein besser verzinstes Sparkonto zu transferieren. Ebenso werden laufende Abos identifiziert, steuerrelevante Ausgaben automatisiert aufbereitet oder Budgetabweichungen frühzeitig erkannt.
«Mit unseren AI Finance Management Lösungen schaffen wir ein Digital-Banking, das „mitdenkt“ und Abos erkennt, steuerrelevante Transaktionen automatisch kategorisiert und persönliche Empfehlungen liefert.»
René Kohler, Unit Head Contovista
Mit Geolocation-Funktionen können Transaktionen auf einer Karte visualisiert werden, was zusätzliche Übersicht schafft. Und dank intelligenter, benutzerdefinierter Kategorien lässt sich das eigene Finanzverhalten besonders fein abstimmen. Auch Banken profitieren direkt. Über integrierte Client Analytics Features erhalten sie tiefe Einblicke in das Finanzverhalten ihrer Kund:innen – natürlich anonymisiert und aggregiert. Diese Insights helfen, das digitale Angebot zielgerichtet weiterzuentwickeln, relevante Produkte proaktiv anzubieten und Kundenzufriedenheit wie -bindung zu steigern. So entsteht ein doppelter Mehrwert: Hyperpersonalisiertes Digital-Banking für Endkunden kombiniert mit datenbasierten Entscheidungsgrundlagen für Banken.
René: Hier kommen sowohl AI- als auch klassische Algorithmen zum Einsatz, um sämtliche Transaktionen in Echtzeit zu analysieren. Wir identifizieren die zugrundeliegenden Produkte und Dienstleistungen, kategorisieren diese und verknüpfen sie dann mit marktspezifischen CO₂-Werten, um den individuellen Carbon Footprint zu ermitteln. Für diese detaillierte Analyse sind moderne AI-Systeme unerlässlich. Hier bieten wir den Usern mit Gamification Elementen, persönlichen Tipps und vor allem Transparenz (Aufklärung über den CO₂ Verbrauch) Werkzeuge, um eine Verhaltensänderung/Sensibilisierung zu unterstützen.
René: Unser Business Finance Manager ist ein intelligentes 360-Grad-Cockpit , das speziell auf die Bedürfnisse kleiner und mittlerer Unternehmen zugeschnitten ist. Es bietet einen umfassenden Überblick über alle Konten und ist in der Lage, sämtliche Transaktionen zu analysieren. So erkennt sie saisonale und branchenspezifische Muster und erstellt daraus verschiedene Szenarien: Mit welchen Einnahmen ist zu rechnen? Welche Ausgaben stehen an? Wie sieht es mit der Liquidität für geplante Investitionen aus – oder droht gar ein Engpass? Der entscheidende Unterschied zu klassischen Tools liegt dann darin, dass wir nicht nur Analysen liefern, sondern konkrete Handlungsempfehlungen abgeben können. Vielleicht kann es sich in einem konkreten Anwendungsfall lohnen, bestimmte Rechnungen später zu bezahlen, während andere Ausgaben vorgezogen werden, um die Liquidität optimal zu steuern. Für Banken schafft der BFM eine datenbasierte Grundlage, um ihre KMU-Kunden besser zu verstehen und individuell zu betreuen – sei es durch gezieltes Cross-Selling oder eine fundierte Beratung zur finanziellen Stabilität.
René: Wir sehen, dass die Vernetzung im Sinne von Open Banking ein zentrales Element der Zukunft sein wird. Kunden werden vermehrt Dienstleistungen verschiedener Institute oder anderer Third-Party Provider (TPP) in einem ganzheitlichen Ökosystem nutzen. Dieser Trend ist bereits deutlich erkennbar. Ein weiterer wichtiger Punkt, insbesondere im Hinblick auf AI, ist der Übergang zur nächsten Phase: Agentic AI. Hier übernehmen AI-Agenten bestimmte Aufträge und lösen diese selbstständig. Das kann die Optimierung von Bankprozessen durch das selbstständige Suchen und Aufbereiten von Daten umfassen oder die Entwicklung von Finanzassistenten, die bestimmte Aufgaben eigenständig erledigen können. Mit diesen Themen beschäftigen wir uns intensiv.
