Von Andy Dreckmann

Jemand fragt ChatGPT: «Ich bin 52 Jahre alt, selbstständig und habe ein Vermögen von rund 2 Millionen Franken. Ich suche im Raum Zürich eine Bank für Anlagen, Vorsorge, Pensionierung und Nachlass. Nachhaltigkeit ist mir wichtig. Welche Banken kommen infrage?»

Die KI nennt zwei oder drei Institute und begründet ihre Auswahl. Für die nicht genannten Banken entsteht ein neues Risiko: Potenzielle Kund:innen beschäftigen sich möglicherweise gar nicht erst mit ihnen.

KI-Empfehlungen haben reale Konsequenzen

Eine Similarweb-Studie aus den USA zeigt: Wer von ChatGPT eine Marke empfohlen bekam, besuchte deren Website im Durchschnitt 2,5-mal häufiger als die eines direkten Wettbewerbers. Eine KI-Empfehlung ist also mehr als nur eine neue Form der Markenpräsenz. Sie kann mitbestimmen, mit welchen Anbietern sich potenzielle Kund:innen anschliessend überhaupt noch beschäftigen. Genau deshalb ist diese Vorauswahl durch KI-Systeme so relevant.

Bei jeder Kundenfrage entsteht eine neue Vorauswahl

Für die Schweiz liefert der IFZ AI Visibility Banking Report der Hochschule Luzern konkrete Hinweise. Bei allgemeinen Fragen dominieren bekannte Institute wie die UBS, Raiffeisen und die ZKB. Werden die Kundenbedürfnisse spezifischer, kann sich die Auswahl jedoch deutlich verändern.

Die Alternative Bank Schweiz wird bei allgemeinen Bankfragen kaum genannt. Bei Fragen nach nachhaltigen Banken rückt sie dagegen bei allen drei getesteten KI-Systemen stark in den Vordergrund. Dabei verweisen die KI-Antworten unter anderem auf ein WWF-Rating und weitere externe Quellen.

Die Schlussfolgerung lautet: Es gibt nicht die eine KI-Vorauswahl relevanter Banken. Sie entsteht je nach Kundenfrage neu und Markenstärke allein garantiert keine KI-Empfehlung. Auch kleinere Banken können bei spezifischen Bedürfnissen punkten, wenn ihre Positionierung klar und glaubwürdig extern belegt ist.

Warum Webanalytics den KI-Einfluss oft nicht zeigen

Der direkte Traffic aus KI-Systemen ist aktuell meist noch gering. Daraus zu schliessen, dass sie kaum relevant sind, wäre jedoch verfrüht.

Denn wie Similarweb zeigt: Viele Nutzer:innen wechseln nach einer KI-Empfehlung nicht direkt zur Website der empfohlenen Marke. 55,9 Prozent der späteren Besuche erfolgten über eine Suchmaschine. Nur 8,8 Prozent führten direkt über einen KI-Kanal auf die Website.

Die Webanalyse sieht also häufig Google als Quelle. Dabei bleibt unsichtbar, dass die Entscheidung, nach dieser Bank zu suchen, bereits früher beeinflusst worden sein kann. KI verändert damit womöglich weniger den letzten messbaren Kontakt als den Schritt davor.

Was KI-Systeme über eine Bank wissen

Damit stellt sich die strategische Frage: Nach welchen Kriterien entscheidet ein KI-System, welche Banken es in einer bestimmten Situation empfiehlt? Die eigene Website ist hierfür nur ein Teil des Bildes. Eine AirOps-Untersuchung zu kommerziellen KI-Anfragen zeigt: 85 Prozent der analysierten Markennennungen wurden Drittquellen zugeordnet.

Das beweist zwar keine Kausalität. Es zeigt aber, wie präsent externe Informationen in KI-Antworten sind. Das digitale Markenbild entsteht also nicht allein aus der eigenen Kommunikation, sondern auch aus Medien, Vergleichsportalen, Ratings, Studien und Bewertungen.

Die entscheidende Frage lautet daher nicht nur: Was sagen wir über uns selbst? Sondern auch: Findet sich dieses Bild im digitalen Raum wieder?

Was das für Entscheider:innen bedeutet

Banken sollten KI-Sichtbarkeit nicht als technische Disziplin betrachten. Es geht vielmehr um drei Managementaufgaben.

• Erstens: Bei welchen Kundenbedürfnissen wollen wir zu den relevanten Optionen gehören?
• Zweitens: Ist digital klar erkennbar, weshalb unsere Bank für diese Situation geeignet ist? Je konkreter eine Bank beschreibt, für wen sie welche Probleme wie löst und wo ihre Stärken und Grenzen liegen, desto besser kann eine KI ihre Relevanz einordnen.
• Drittens: Wird diese Positionierung auch ausserhalb der eigenen Kanäle glaubwürdig bestätigt? Medienarbeit, Studien, Rankings und Ratings prägen auch das digitale Umfeld, aus dem KI-Systeme ihre Informationen beziehen.

KI-Systeme wie ChatGPT, Gemini oder Perplexity übernehmen zunehmend einen Teil der Vorauswahl von Anbietern. Banken müssen deshalb definieren, bei welchen Kundenbedürfnissen sie relevant sein wollen. Eine klare Positionierung macht diese Relevanz verständlich. Eine gute Reputation macht sie glaubwürdig und ausserhalb der eigenen Kanäle erkennbar. Denn bevor eine Bank Kunden gewinnen kann, muss sie zunächst zu den Banken gehören, die überhaupt in Betracht gezogen werden.

Andy Dreckmann ist Senior Kommunikationsberater bei der Zürcher Kommunikationsagentur C-Factor AG. Er berät Unternehmen in Content- und Kommunikationsstrategien mit Fokus auf digitale Sichtbarkeit in Medien, klassischen Suchmaschinen sowie generativen KI-Systemen.