Compliance Copilot: Compliance vom reinen Kostenfaktor zu einem strategischen Wettbewerbsvorteil transformieren

Schweizer Banken und Vermögensverwalter stehen vor einer doppelten Herausforderung. Einerseits steigen die regulatorischen Anforderungen kontinuierlich, getrieben durch FINMA-Vorgaben, internationale Standards wie FATF und DSGVO-konforme Datenhaltung. Andererseits bleibt die operative Umsetzung weitgehend manuell: Compliance-Dokumente werden meist von Hand gesichtet, Daten manuell erfasst und Entscheidungen ohne systematische KI-Unterstützung getroffen. Das Ergebnis sind lange Onboarding-Zeiten von teils mehreren Wochen, erhöhtes Risiko von Fehlerquoten bei der Dateneingabe und überlastete Fachkräfte, die wertvolle Zeit mit Routineaufgaben verbringen statt mit urteilsbasierter Compliance-Arbeit.

Das Innosuisse-Projekt «Compliance Copilot» adressiert genau dieses strukturelle Problem. In einer 24-monatigen Forschungskooperation zwischen der Fachhochschule Graubünden (FH Graubünden) und der Genfer Fintech-Firma Wecan Group entwickelt das Kooperationsteam ein KI-gestütztes System, das die Dokumentenverarbeitung im Compliance-Bereich weitgehend automatisieren soll. Kerntechnologie sind Large Language Models (LLMs), die auf Schweizer Finanz- und Regulierungsdokumente spezialisiert werden. Das System liest, versteht und extrahiert Informationen aus Onboarding-Dokumenten automatisch, präzise und in allen vier Schweizer Landessprachen. Konkrete Zielwerte aus der Projektplanung sind: eine hohe Extraktionsgenauigkeit auf 50- bis 100-seitigen Schweizer Compliance-Dokumenten, Zero-Shot-Schema-Mapping mit einem präzisen F1-Wert sowie eine Reduktion von LLM-Halluzinationen gegenüber einer Baseline.

Die Integration erfolgt direkt in die bestehende WECAN-Comply-Plattform der Wecan Group, die bereits bei führenden Schweizer Banken und Vermögensverwaltern im produktiven Einsatz ist. Dies ermöglicht eine schnelle und risikoarme Markteinführung mit unmittelbarer Praxiswirkung. Die Produkt-Roadmap sieht drei aufeinander aufbauende Integrationsstufen vor: zuerst die Einbettung in das Onboarding-Tool von Wecan, danach die direkte Anbindung an die Kernbankensysteme über standardisierte APIs und schliesslich eine eigenständige Web-Anwendung für den breiteren Markt. Die Datenhaltung erfolgt in der Schweiz unter Einhaltung von FINMA- und revDSG-Vorgaben. Externe KI-Modelle werden nur datenschutzkonform und auditierbar eingebunden.

Die technische Entwicklung gliedert sich in vier aufeinander aufbauende Phasen: LLM-Domänenadaption auf Schweizer Finanzkontext (Phase 1), OCR-gestützte Dokumentenerkennung und strukturierte Informationsextraktion (Phase 2), regelkonformer Abgleich mit regulatorischen Vorgaben und Anomalie-Erkennung (Phase 3) sowie die Vollintegration mit Validierung an realen Bankkundendaten (Phase 4). Ein zentrales Designprinzip ist die vollständige Erklärbarkeit aller KI-Entscheidungen. Jede automatisierte Handlung ist über einen lückenlosen Audit-Trail nachvollziehbar, eine Kernanforderung der FINMA und des Schweizer Datenschutzgesetzes.

Das angestrebte Wirkungsprofil ist messbar und umfasst: Client-Onboarding-Zeiten, welche von mehreren Wochen auf wenige Tage sinken sollen, Reduktionen der Fehlerquoten bei der Dateneingabe und Compliance-Mitarbeitende, welche von Routineaufgaben entlastet werden sollen. Das Projekt wird mit CHF 591'240 aus dem Innosuisse-Innovationsprogramm gefördert und läuft von April 2026 bis März 2028. Das Projekt steht für den Anspruch der FH Graubünden, angewandte KI-Forschung mit direkter wirtschaftlicher Relevanz zu verbinden.

Schweizer Banken und Vermögensverwalter sind mit einem hohen manuellen Aufwand bei der Verarbeitung von Compliance-Dokumenten konfrontiert. Das Client-Onboarding dauert aufgrund manueller Dateneingabe und -prüfung oft mehrere Wochen. Die Fehlerquote ist hoch, und erfahrene Compliance-Mitarbeitende verbringen einen Grossteil ihrer Zeit mit routinemässiger Dokumentenextraktion statt mit urteilsbasierter Arbeit. Gleichzeitig steigen die regulatorischen Anforderungen (FINMA, DSGVO) kontinuierlich an.

Der Einsatz von KI im Compliance-Bereich von Finanzinstituten ist in stetiger Entwicklung. Bestehende Systeme können Halluzinationen nicht zuverlässig verhindern oder frühzeitig erkennen. Diese können zur Generierung fiktiver Daten in kritischen Prozessen führen. Solche Fehler stellen nicht nur technische Mängel dar, sondern führen unmittelbar zu regulatorischen und rechtlichen Risiken, insbesondere wenn sie in Berichterstattung, Risikobewertung oder Entscheidungsprozessen einfliessen.

Ein zentrales Problem liegt im Mangel an klarer Nachvollziehbarkeit und Verantwortlichkeit. KI-generierte Ergebnisse sind häufig intransparent und lassen sich nur schwer auf überprüfbare Quellen zurückführen. Infolgedessen bleiben bestehende Governance-Ansätze unzureichend, und es entsteht eine strukturelle Lücke zwischen den autonomen Fähigkeiten moderner KI-Systeme und den strengen Compliance-Anforderungen von Finanzinstituten. Eine begleitende Forschungsarbeit der FH Graubünden (Osterrieder/Baals, 2026) untersucht diese Lücke aus regulatorischer und haftungsrechtlicher Perspektive.

Ziel des Projekts ist die Entwicklung eines KI-gestützten Systems, das die Dokumentenverarbeitung im Compliance-Bereich weitgehend automatisiert.

Das Projekt verfolgt drei messbare Kernziele:

• Erhöhte Extraktionsgenauigkeit (> 80 Prozent) auf 50- bis 100-seitigen Schweizer Compliance-Dokumenten.
• Zero-Shot-Schema-Mapping mit einem F1-Wert von über 80 Prozent, damit neue Zielsysteme ohne manuelle Konfiguration angebunden werden können.
• Stärkere Reduktion von LLM-Halluzinationen gegenüber einer Baseline.

Das übergreifende Projekt «AI Orchestrator» zielt darauf ab, die Art und Weise, wie Finanzinstitute Künstliche Intelligenz einsetzen und skalieren, grundlegend zu transformieren. Dies erfolgt durch die Koordination spezialisierter Agenten, Datenquellen und Modelle in nahtlosen, durchgängigen End-to-End-Prozessen. Im Zentrum steht eine Orchestrierungsschicht, die Governance, Nachvollziehbarkeit und Kontrolle direkt in KI-gestützte Abläufe integriert, anstatt diese nachgelagert zu behandeln.

Dieser Ansatz adressiert zentrale Herausforderungen der Branche, darunter fragmentierte Systemlandschaften, mangelnde Transparenz sowie das Risiko fehlerhafter, durch Halluzinationen verursachter Ergebnisse. Durch die Integration von Validierungsmechanismen, strukturierten Workflows und Human-in-the-Loop-Kontrollen stellt die Plattform sicher, dass sämtliche Ergebnisse nachvollziehbar, überprüfbar und im Einklang mit regulatorischen Anforderungen sind.

Gleichzeitig ermöglicht sie Organisationen den Übergang von isolierten KI-Anwendungsfällen hin zu skalierbaren, unternehmensweiten Deployments, die Daten, Modelle und Geschäftslogik miteinander verknüpfen. Das Ergebnis ist eine robuste Grundlage, die es Finanzinstituten erlaubt, das volle Potenzial von KI auszuschöpfen und dabei höchste Standards in Bezug auf Zuverlässigkeit, Compliance und operative Kontrolle einzuhalten.

Das Projekt befindet sich im fortgeschrittenen Status der ersten Arbeitsphase (Phase 1: Foundation und Domain Adaptation, April bis September 2026). Die Grundarchitektur des Systems wird aufgebaut und bestehende LLM-Modelle werden auf Compliance-spezifische Dokumententypen adaptiert. Es wurde bereits ein Conversational-Flow-Prototype entwickelt, welcher die Front-End-Lösung für den Compliance Copilot darstellt und als Kommunikationsschnittstelle mit dem End-User fungiert. Parallel dazu läuft bereits ein dedizierter Data-Mapping-Engine-Spike, der die spätere Feldzuordnung zu externen Schnittstellen (z. B. Sumsub) technisch realisieren soll. Konzeptbezogene Forschungsberichte sind bereits erstellt, und ein erster Prototyp ist in Arbeit. Die Pilotintegrationen mit der WECAN-Comply-Plattform sind aktuell in Vorbereitung, und das Team ist vollständig aufgebaut.

Marktkontext: Der globale RegTech-Markt wächst mit aussergewöhnlicher Dynamik. Aktuelle Markterhebungen beziffern das weltweite Marktvolumen für Regulatory Technology auf rund USD 22,3 Mrd. (2026), mit einer prognostizierten Wachstumsrate von rund 16 Prozent pro Jahr bis 2035 (Zielprojektion: USD 85,5 Mrd.). Der spezialisierte Teilmarkt für KI-gestützte RegTech-Lösungen wächst dabei noch rascher: Er wird für 2026 auf USD 3,5 Mrd. geschätzt, mit einer CAGR von über 36 Prozent, was den starken Bedarf nach automatisierten Compliance-Prozessen im globalen Finanzsektor bestätigt.

In der Schweiz ergibt eine aktuelle FINMA-Umfrage (Befragungszeitraum November 2024 bis Januar 2025, rund 400 beaufsichtigte Institute) den Trend ebenfalls eindrücklich: Rund 50 Prozent der befragten Banken, Versicherungen und Finanzintermediäre setzen bereits KI ein oder haben erste Anwendungen in Entwicklung. Von diesen KI-nutzenden Instituten arbeiten 91 Prozent mit generativer KI. Einsatzfelder sind Kreditvergabe, Treasury, Compliance und Finanzrisikosteuerung. Die FINMA hat im Dezember 2024 mit dem Rundschreiben 8/2024 («Governance und Risikomanagement beim Einsatz von KI») einen klaren regulatorischen Rahmen geschaffen und damit genau die Rechtssicherheit etabliert, die für eine breitenwirksame Implementierung wie den Compliance Copilot erforderlich ist.

Das Compliance-Copilot-Projekt ist in diesem Umfeld optimal positioniert: Regulation und Nachfrage wachsen gleichzeitig, während Fachkräftemangel und zunehmende regulatorische Komplexität den Automatisierungsdruck in Compliance-Abteilungen weiter erhöhen. Die Kombination aus praxiserprobter Wecan-Plattform, FINMA-konformem Designansatz und akademischer Forschungsexpertise der FH Graubünden schafft hierfür eine einmalige Ausgangslage.

Das Projekt ist in vier technische Phasen gegliedert:

Phase 1 (April bis September 2026): Foundation and Domain Adaptation. LLM-Domänenadaption, Aufbau der Systemarchitektur, erste Pilottests.

Phase 2 (Juli 2026 bis Januar 2027): Document Understanding. OCR-Integration und automatische Informationsextraktion aus Compliance-Dokumenten.

Phase 3 (November 2026 bis September 2027): Information Fusion and Field Matching. Abgleich mit regulatorischen Vorgaben sowie Anomalie-Erkennung.

Phase 4 (Juli 2027 bis März 2028): Integration und Validation. Vollintegration in WECAN Comply und Validierung mit realen Bankkundendaten.

Parallel zu den technischen Phasen folgt die Produktintegration einer dreistufigen Roadmap: zunächst Einbettung in das Onboarding-Tool von Wecan, anschliessend direkte Anbindung an die Kernbankensysteme über standardisierte APIs und schliesslich eine eigenständige Web-Anwendung für den breiteren Markt.

Potenzielle Vorteile des Einsatzes von Compliance-KI:

Effizienz: Das Client-Onboarding wird von mehreren Wochen auf wenige Tage reduziert. Interne Projektschätzungen gehen von einer bis zu 10-fachen Reduktion der Dokumentenbearbeitungszeit aus. Dies führt zu direkter Kostensenkung in den Compliance-Abteilungen.

Qualität: Das Risiko von erhöhten Fehlerquoten bei der manuellen Dateneingabe wird durch automatische Extraktion und Plausibilitätsprüfung deutlich reduziert. Inkonsistenzen zwischen Dokumenten werden systemseitig erkannt, bevor sie in nachgelagerte Prozesse gelangen.

Ressourceneinsatz: Compliance-Mitarbeitende werden von zeitaufwändigen Routineaufgaben entlastet und können sich auf urteilsbasierte, wertschöpfende Tätigkeiten konzentrieren. Dies ist ein zentraler Faktor angesichts des anhaltenden Fachkräftemangels in der Branche.

Regulatorische Konformität: Jede KI-Entscheidung ist über ein vollständiges Audit-Trail nachvollziehbar und dokumentiert. Das System erfüllt die Anforderungen aus FINMA-Rundschreiben 8/2024 sowie relevante DSGVO-Vorgaben. KI-Entscheidungen sind erklärbar und auditierbar.

Datensouveränität: Die Datenhaltung erfolgt in der Schweiz unter Einhaltung von FINMA- und revDSG-Vorgaben sowie der FINMA-Outsourcing-Regeln. Externe KI-Modelle werden nur datenschutzkonform und auditierbar eingebunden.

Skalierbarkeit: Das entwickelte System kann nach erfolgreicher Einführung im Onboarding-Bereich auf weitere Compliance-Prozesse ausgedehnt werden: Punkte im Bereich AML-Monitoring, periodische Kundenüberprüfungen (Periodic Review), FATCA/CRS-Meldungen und Sanktionslistenabgleiche können als erweiterte Anwendungsgebiete gelten.

Mehrsprachigkeit: Vollständige Unterstützung aller vier Schweizer Landessprachen (Deutsch, Französisch, Italienisch, Englisch) in einer integrierten Lösung, ein entscheidender Vorteil für national tätige Institute.

Erste Resultate zur Phase 1 und darauf bezogene Forschungsergebnisse sind bereits veröffentlicht (Siehe digital-ai-finance.github.io/AI-Orchestrator/. Weitere Resultate werden nach Abschluss der Phasen 3 und 4 einsehbar (geplant ab 2027 und 2028).

Geplante Outputs: wissenschaftliche Publikationen zur Domänenadaption von LLMs, öffentlich verfügbare Benchmark-Datensätze (u. a. 500 mehrsprachige Compliance-Dokumente), ein produktionsreifes KI-System in der WECAN-Comply-Plattform sowie nachweisbare Reduktionen von Onboarding-Zeiten und Fehlerquoten.

Quantifizierte Ziele:

• 80 Prozent Extraktionsgenauigkeit auf 50- bis 100-seitigen Schweizer Compliance-Dokumenten.
• Zero-Shot-Schema-Mapping mit einem F1-Wert von über 80 Prozent.
• Erhöhte Reduktion von LLM-Halluzinationen gegenüber Baseline.
• Bis zu 10-fache Reduktion der Dokumentenbearbeitungszeit.
• Verkürzung des Client-Onboardings von Wochen auf Tage.
• Technologiereifegrad (Technology Readiness Level) TRL 5 bis 6 bei Projektabschluss.

Lieferergebnisse bis Projektende (2028):

• Produktionsreifes KI-System, integriert in die WECAN-Comply-Plattform und validiert anhand realer Bankkundendaten.
• Wissenschaftliche Publikationen zur LLM-Domänenadaption für Schweizer Finanzdokumente.
• Offene Benchmark-Datensätze (Swiss Financial Document Benchmark) für das Verständnis von Finanzdokumenten.
• Tutorials auf PhD-Niveau zu Themen wie LoRA, Halluzinationserkennung und Zero-Shot-Prompting.

Auswirkungen nach Stakeholder:

• Schweizer Banken: schnellere Onboarding-Prozesse, weniger Fehler, geringere Compliance-Kosten.
• Compliance-Mitarbeitende: Entlastung von routinemässiger Dokumentenarbeit und Fokus auf entscheidungsrelevante Tätigkeiten.
• Schweiz als Finanzplatz: Stärkung der Position als Vorreiter für verantwortungsvolle KI im Finanzsektor, mit FINMA-konformen Lösungen.
• Bürgerinnen und Bürger: schnellere Kontoeröffnungen sowie verbesserter Datenschutz durch nachvollziehbare automatisierte Prozesse.
• Wissenschaft: neue Ansätze im Fine-Tuning, Benchmark-Datensätze und veröffentlichte Forschung im Bereich NLP und Compliance.

Zusätzlich zu den Mitarbeitenden der FH Graubünden sind noch folgende Personen im Projekt involviert: 

• Illia Kosterin, Praktikant, FH Graubünden
• Vincent Pignon, CEO und Founder, Wecan Group
• Didier Baertschiger, CTO, Wecan Group
• Nathan Douet, COO, Wecan Group
• Julia Jaussaud-Pignon, CFO und CISO, Wecan Group

Publikationen

Referenz-Arbeitspapier:
Osterrieder, J. and Baals, L. (2026). «When the AI Hallucinates, Who Pays? Mapping LLM Hallucination Types to Legal Liability in EU and Swiss Financial Regulation.» Working Paper, FH Graubünden.

Beteiligte

Das Projekt wurde vom Schweizerischen Institut für Informationswissenschaft (SII) zusammen mit Wecan Group/WECAN Comply umgesetzt und durch Innosuisse finanziert.