Es ist schwieriger geworden, den privaten Reichtum in einem Stück zu sehen. Der Umfang ist ein Teil der Geschichte, aber nicht der entscheidende Teil. Komplexität sammelt sich an den Rändern an: Privatvermögen wird in unterschiedlichen Zyklen aktualisiert, Bankdaten werden in inkompatiblen Formaten geliefert, Eigentumsstrukturen werden zwar formal erfasst, sind aber nur unzureichend mit der Live-Berichterstattung verknüpft, Dokumente werden in Postfächern oder Beratersystemen aufbewahrt und nicht in einer gemeinsamen Betriebsansicht. Es gibt zahlreiche Informationen. Viel weniger davon ist unmittelbar verwertbar.
In der jüngsten Diskussion wird KI oft als Beschleuniger für Arbeiten dargestellt, die früher zu lange dauerten. Im engeren Sinne ist das richtig. Doch ein schnellerer Output löst die schwache Grundstruktur nicht auf. In verstreuten Informationsumgebungen werden Reibungen weniger sichtbar. Arbeit, die früher offensichtlich unvollständig war, sieht jetzt fertig aus.
Hinter der Aufregung um das Tooling verbirgt sich daher eine ernstere Frage. Kann das Informationsumfeld den zuverlässigen Einsatz von KI unterstützen, sobald die Technologie aus der Erprobung in die tägliche Betriebspraxis übergeht?
Die eigentliche Last liegt unterhalb der sichtbaren Schicht
Ein nützlicher Anhaltspunkt kommt von außerhalb der Vermögensverwaltung. Eine MIT Sloan Feldführer über den Einsatz von KI-Agenten in der klinischen Praxis ergab, dass weniger als ein Fünftel des Implementierungsaufwands für das Prompt Engineering und die Modellentwicklung aufgewendet wurde. Der überwiegende Anteil entfiel auf Datenintegration, Workflow-Design, Validierung, Governance und organisatorische Anpassung. Die Autoren beschreiben dieses Muster als “80/20-Regel” für den Einsatz.
Der Bereich ist anders, aber die Arbeitslogik ist vertraut. Wissensintensive Arbeit hängt vom Kontext ab, bevor sie von Berechnungen profitiert. Ein Modell kann nur so nützlich sein wie das Material, das es abrufen, interpretieren, korrekt zulassen und in überprüfbarer Form aufbewahren kann. Die Antwort auf dem Bildschirm ist nur das sichtbare Ende einer viel größeren Struktur.
Die Erfahrungen der Unternehmen spiegeln das gleiche Muster wider. Ein kürzlich erschienenes Playbook von Stanfords Labor für digitale Wirtschaft, argumentiert auf der Grundlage von MIT-Forschungsergebnissen, dass die meisten generativen KI-Pilotprojekte keine messbaren finanziellen Auswirkungen haben und dass erfolgreiche Einsätze oft erst nach früheren Fehlversuchen zustande kommen. Die Schwierigkeit liegt selten in der Fähigkeit des Modells, plausible Ergebnisse zu erzeugen. Die Schwierigkeit besteht darin, diesem Output eine verlässliche Grundlage in den laufenden Arbeitsabläufen zu geben.
Das Privatvermögen ist diesem Problem in besonderer Weise ausgesetzt. Das beratende Urteilsvermögen mag der sichtbare Kern des Berufs sein, aber der größte Teil des Aufwands liegt in seinem Umfeld: Abgleich von Aufzeichnungen, Überprüfung von Änderungen, Auffinden von Dokumenten, Interpretation von Strukturen, Bestätigung der Qualität von Quellen und Feststellung, ob das Bild, das sich dem Entscheidungsträger bietet, materiell vollständig ist. Wo diese operative Ebene Schwächen aufweist, korrigiert die KI sie nicht. Sie arbeitet sich durch sie hindurch und erbt ihre Grenzen.
Eine Einschränkung sollte man im Hinterkopf behalten. Die öffentliche Forschung zum Einsatz von KI in Family Offices und komplexen privaten Vermögensstrukturen ist nach wie vor begrenzt. Die Erkenntnisse aus dem operativen Geschäft von Unternehmen, vergleichbaren Finanzfunktionen und anderen wissensintensiven Umgebungen sind wesentlich reichhaltiger, weshalb sich die Argumentation hier auf diese Bereiche stützt. Der Vergleich ist nicht exakt, aber die Betriebsbedingungen sind nahe genug, um die Erkenntnisse nützlich zu machen: fragmentierte Daten, umfangreiche Dokumentation, erlaubnisabhängige Arbeitsabläufe und wenig Raum für Fehler.
Fragmentierung sieht selten dramatisch aus
Die meisten Vermögensstrukturen sind weniger durch fehlende Informationen als durch Fragmentierung geprägt. Es gibt zwar Aufzeichnungen, aber in unterschiedlichen Systemen. Die Berichterstattung ist vorhanden, aber nicht nach einem gemeinsamen Zeitplan. Dokumentation ist vorhanden, aber losgelöst von dem Fluss, in dem Entscheidungen vorbereitet und überprüft werden. Zuständigkeiten werden zugewiesen, aber oft über formelle und informelle Kanäle, die in der Praxis nicht sauber aufeinander abgestimmt sind.
Die ersten Symptome sind in der Regel bescheiden. Die Vorbereitung dauert länger als erwartet. Das Follow-up wird uneinheitlich. Die Teams verlassen sich auf einige wenige Personen, die wissen, wo sich das Material befindet und wie es zusammenpasst. Ein Dokument kann gefunden werden, wenn auch nicht schnell. Eine Zahl kann überprüft werden, auch wenn sie nicht immer mühelos bis zur Quelle zurückverfolgt werden kann. Nichts von alledem führt zu einer offensichtlichen Unterbrechung. Die Belastung häuft sich im Hintergrund an, bis die Arbeitsebene langsamer, weniger transparent und stärker von manueller Rekonstruktion abhängig wird.
Finanzinstitute beschreiben ähnliche Hindernisse, wenn KI von der Pilotphase in die Produktion überführt wird. A BIS-Papier zur Nutzung von AI-Daten im Finanzdienstleistungssektor zitiert eine Untersuchung des IIF-EY, die zeigt, dass 79% der Institute die Datenqualität als Haupthindernis für die Einführung ansehen. Innerhalb dieser Gruppe nennen 96% verrauschte, nicht zeitgerechte, ungenaue oder nicht anpassbare Daten als Hauptproblem, während 94% einen Mangel an gekennzeichneten Daten anführen.
Diese Zahlen sind nützlich, weil sie zeigen, wo die Umsetzung stockt. KI-Systeme beseitigen nicht die strukturellen Schwächen der zugrunde liegenden Informationsbasis. Sie führen sie in schnellere Arbeitsabläufe und ausgefeiltere Ergebnisse weiter.
KI kann in fragmentierten Umgebungen lokale Effizienzsteigerungen bewirken. Allein durch Fragmentierung kann sie keine dauerhafte operative Klarheit schaffen.
In der Vermögensverwaltung sind die Auswirkungen anfangs leicht zu übersehen. Die Ergebnisse können auch dann noch plausibel sein, wenn der Kontext, in dem sie stehen, unvollständig ist. Eine Zusammenfassung kann sich sauber lesen, während ein wichtiges Dokument ausgelassen wird. Ein Retrieval-Tool kann das liefern, was am einfachsten zugänglich ist, und nicht das, was am wichtigsten ist. Ein Briefing-Vermerk kann schnell zusammengestellt werden, während er sich auf eine technisch aktuelle, aber unvollständige Berichterstattung stützt. Das Risiko tritt in der Regel nicht in Form eines sichtbaren Fehlers auf. Es häuft sich im Stillen durch Unterlassung, falsches Vertrauen und allmählich nachlassende Aufsicht an.
Klarheit ist Teil der Infrastruktur geworden
Die Datenkonsolidierung in der Vermögensverwaltung wird immer noch häufig als ein Thema des Berichtswesens behandelt. Der Begriff suggeriert Dashboards, Aggregation, Komfort, Präsentation. Die betriebswirtschaftliche Bedeutung hat sich darüber hinaus erweitert. Die Konsolidierung steht heute viel näher an der Frage, ob KI überhaupt zuverlässig funktionieren kann.
Die Grundvoraussetzung ist eine gemeinsame Betriebssicht. Ohne eine solche wird jede darüber liegende Ebene anfälliger, als sie erscheint. Die Abfrage kann effizient sein und dennoch wesentliches Material übersehen, weil die Quellen nicht miteinander verbunden sind. Zusammenfassungen können gut geschrieben sein und trotzdem auf widersprüchlichen Versionen beruhen. Teams können schneller vorankommen und trotzdem von verstecktem manuellem Aufwand abhängig bleiben, bevor der Arbeitsablauf beginnen kann.
Die Erkenntnisse aus anderen Bereichen des Finanzwesens mit ähnlichen betrieblichen Zwängen weisen in die gleiche Richtung. EY's 2025 Tax and Finance Operations Survey ergab, dass 80% der Befragten unzureichende KI-fähige Daten als größtes Hindernis für die Weiterentwicklung der KI sehen. Nur eine kleine Minderheit beschreibt sich selbst als sehr effektiv beim Zugriff, der Organisation, der Nutzung und der Wiederverwendung von Daten, während 91% sagen, dass ihre Daten in zu vielen Silos gespeichert sind. Effektivere Funktionen arbeiten viel eher mit zentral organisierten, zugänglichen Informationen, die mit den Quellsystemen verknüpft sind, als mit Daten, die über unzusammenhängende Tools verstreut sind.
Für das Privatvermögen ist die Konsequenz eindeutig. Die entscheidende Frage ist nicht mehr, ob die Informationen irgendwo in der Struktur vorhanden sind. Die wichtigere Frage ist, ob sie zu einer stabilen, genehmigten und überprüfbaren Übersicht über Verwahrer, Unternehmen, Vermögensklassen und Dokumente zusammengestellt werden können. Digitale Werkzeuge werden genau an diesem Punkt strategisch relevant. Ihr Wert liegt in der Verringerung des manuellen Aufwands, der erforderlich ist, um den Kontext zu rekonstruieren, bevor eine Analyse beginnen kann. Sie können die Provenienz verbessern, den Zugang mit der Verantwortung in Einklang bringen und die Konsistenz dessen, was in den Entscheidungsprozess einfließt, verbessern. Unter diesen Bedingungen fungiert KI weniger als eine ausgefeilte Schnittstelle, die die Fragmentierung überwindet, sondern vielmehr als eine nutzbare Betriebsschicht innerhalb einer klareren Informationsumgebung.
Eine perfekte Konsolidierung ist selten zu erreichen, insbesondere in komplexen internationalen Strukturen. Das praktische Ziel ist nicht völlige Einheitlichkeit, sondern eine hinreichend kohärente operative Sichtweise, die das Auffinden, die Überprüfung und die Weiterverfolgung wesentlich zuverlässiger macht.
Bessere Ergebnisse erhöhen den Standard für Disziplin
KI verändert die Struktur des operationellen Risikos. Unvollständige Abrufe, unzureichende Quellenkontrolle oder widersprüchliche Datensätze machen sich nicht mehr durch Verzögerungen oder sichtbare Reibungsverluste bemerkbar. Sie können nun in kohärenten, gut strukturierten und sofort verwendbaren Ergebnissen enthalten sein. Die Schwachstelle ist zwar immer noch vorhanden, aber sie ist leichter zu übersehen.
Bereitschaft hängt also von mehr ab als von technischem Zugang oder aggregierter Berichterstattung. Provenienz, Berechtigungen, Überprüfungslogik, Versionskontrolle und die Fähigkeit, Lücken in der Informationsbasis zu erkennen, rücken in den Mittelpunkt des Betriebsmodells. Dieselbe MIT-Studie, die den Schwerpunkt auf die Integration legt, hebt auch Validierung, Governance und Drift-Management als entscheidende Elemente einer realen Implementierung hervor.
Die strategische Kluft beginnt sich zu verschieben. Der entscheidende Unterschied liegt vielleicht nicht zwischen Unternehmen, die KI einsetzen, und Unternehmen, die dies nicht tun. Er könnte zwischen denjenigen liegen, deren Informationsumgebung diszipliniert genug ist, um KI verlässlich zu machen, und denjenigen, deren Fragmentierung einfach schwieriger zu erkennen ist, sobald KI darüber gelegt wird.
Die Vermögensstrukturen werden nicht einfacher. Sie werden internationaler, dokumentenlastiger und sind stärker von der Koordination zwischen Spezialisten abhängig. In diesem Umfeld ist es unwahrscheinlich, dass die Institution mit dem beeindruckendsten Modell für sich allein den Vorteil hat. Er wird demjenigen gehören, der den klarsten Überblick über die Struktur hat, von der jedes Modell abhängt.
KI löst nicht die fragmentierten Vermögensdaten. Sie erbt sie. Deshalb steht die Konsolidierung an erster Stelle.
Was es zu beachten gilt
- KI wird in der Vermögensverwaltung allmählich wichtig, nicht weil sie das Urteilsvermögen ersetzt, sondern weil sie die mit dem Urteilsvermögen verbundenen Reibungsverluste verringert.
- Für Schweizer Vermögensverwalter liegt das grössere Hindernis oft in der Fragmentierung der Informationen über Banken, Unternehmen, Anlageklassen und Berater. Produktivitätsgewinne sind nur dann glaubwürdig, wenn die zugrunde liegende Informationsumgebung so strukturiert ist, dass sie eine schnellere Ausführung unterstützt, ohne die Kontrolle zu schwächen.
- Eine Vermögensplattform wie Altoo kann dabei helfen, indem sie die Transparenz über komplexe Vermögensstrukturen verbessert und den manuellen Aufwand für die Vorbereitung, Koordination und Umsetzung reduziert.
Drei Prioritäten für Vermögensverwalter stechen hervor:
- Definieren Sie, wo fragmentierte Informationen die Vorbereitung, Überprüfung und Ausführung verlangsamen.
- Aufbau einer zuverlässigen digitalen Basis für KI mit klarer Übersicht über Verwahrer, Unternehmen, Vermögenswerte und Dokumente.
- Straffung der Governance in Bezug auf Quellqualität, Berechtigungen, Validierung und Überprüfung.
Lesen Sie auch KI und Produktivität im Schweizer Wealth Management um zu untersuchen, wie KI, Transparenz und Verantwortlichkeit die Zukunft der Vermögensverwaltung neu definieren.
