Banken & Finanzdienstleister
Zühlke unterstützte eine globale Investmentbank dabei, fragmentierte Pricing-Prozesse durch eine zentrale, echtzeitfähige Pricing-Engine zu ersetzen. Die Lösung wendet kundenspezifische Gebühren direkt beim Handel an, stärkt Governance und Transparenz und schafft die Grundlage für intelligenteres, datenbasiertes Pricing.
Im Wealth Management ist Pricing selten standardisiert. Vermögende Kund:innen erwarten individuelle Ge-bührenmodelle. Relationship Manager (RMs) verhandeln Rabatte auf Basis von Vermögenswerten, Kunden-beziehungen und langfristigen Geschäftsbeziehungen. Über die Jahre entstehen dadurch häufig fragmentierte Prozesse, die über Tabellen, E-Mails und manuelle Freigaben gesteuert werden.
In einigen Regionen existierte überhaupt kein zentrales System, sodass Pricing-Entscheidungen in Excel-Dateien oder informellen Kommunikationskanälen dokumentiert wurden. Gleichzeitig stand das Unternehmen unter wachsendem Druck, Margen trotz sinkender Gebühren zu sichern, Kund:innen konsistent zu behandeln sowie Onboarding und Handelsabwicklung zu beschleunigen.
Viele Wealth Manager stehen heute vor derselben Herausforderung: Pricing hat sich historisch entwickelt und führt dadurch zu uneinheitlichen Regeln, inkonsistenter Kundenbehandlung und geringer Transparenz über die Profitabilität.
Der eigentliche Wendepunkt kam, als das Pricing näher an den Kern des Transaktionsflusses rückte. Anstatt eine statische Vereinbarung zu sein, musste das Pricing folgende Eigenschaften aufweisen:
Jede Transaktion – ob Aktien, Fonds oder Devisenhandel (FX) – musste gegen individuelle Pricing-Bedingungen geprüft werden. Pricing entwickelte sich damit von einer Backoffice-Funktion zu geschäftskriti-scher Infrastruktur. Zugleich wird Pricing in einem zunehmend standardisierten Markt zu einem der wichtigsten Differenzierungsfaktoren.
Wenn Produkte und Dienstleistungen vergleichbarer werden, entscheidet die Fähig-keit zur personalisierten Preisgestaltung zunehmend über Kundennutzen und Wettbewerbsfähigkeit.
Sobald ein Handel ausgelöst wird, prüft das System:
Dadurch ist sichergestellt, dass Pricing zum Zeitpunkt der Ausführung jederzeit korrekt angewendet wird.
Eine wesentliche Stärke der Lösung lag in ihrer Skalierbarkeit über verschiedene Regionen hinweg.
Nach dem erfolgreichen Einsatz in ausgewählten asiatischen Märkten wurde die Plattform auf eine weitere Re-gion mit zusätzlichen regulatorischen Anforderungen und komplexeren Freigabestrukturen erweitert – ohne vollständigen Neuaufbau. Dank eines flexiblen, modularen Aufbaus gelang es dem Team, die Lösung an die lokalen Anforderungen anzupassen und innerhalb weniger Monate in Betrieb zu nehmen.
Im Vergleich zu klassischen Enterprise-Lösungen ließ sich die Cloud-basierte Plattform schneller einführen, besser an Geschäftsanforderungen anpassen und kosteneffizienter betreiben. Diese Lösungsgrundlage ist nicht nur für die Steuerung von entscheidender Bedeutung, sondern auch eine Voraussetzung für fortgeschrit-tenere Preisgestaltungsfunktionen wie Predictive Pricing, Szenariosimulationen und KI-gestützte Empfehlun-gen.
Die Plattform wurde für hochvolumige Echtzeit-Handelsumgebungen entwickelt, in denen Geschwindigkeit und Stabilität geschäftskritisch sind. Heute verarbeitet das System jährlich mehr als 1,2 Millionen Pricing-Anfragen. Besonders hohe Last entsteht rund um Marktöffnungszeiten, wenn große Handelsvolumina inner-halb kurzer Zeit verarbeitet werden.
Trotzdem erfüllt die Lösung konstant ein Service-Level-Agreement von unter drei Sekunden Antwortzeit und integriert sich nahtlos in bestehende Handelsprozesse. Da Pricing direkt darüber entscheidet, ob Transaktio-nen ausgeführt werden können, wurden hohe Verfügbarkeit und Ausfallsicherheit von Beginn an als zentrale Anforderungen umgesetzt.
Die Transformation brachte Mehrwert auf mehreren Ebenen. Darüber hinaus gewann die Bank einen strategischen Vorteil: Transparenz über Pricing-Entscheidungen und deren Auswirkungen – eine zentrale Voraussetzung für aktives Margenmanagement.
Die Preisgestaltung in der Vermögensverwaltung verlagert sich von statischen Gebührenstrukturen hin zu dy-namischeren, datengestützten Ansätzen. Finanzinstitute beginnen, fundiertere Daten und Analysen zur Steue-rung ihrer Preisentscheidungen zu nutzen, um so eine einheitlichere und kundenorientierte Preisgestaltung zu erreichen.
Gleichzeitig wächst der Druck, die Unternehmensführung zu stärken und sicherzustellen, dass Preisentschei-dungen transparent, kontrolliert und unternehmensweit einheitlich getroffen werden.
Was sich derzeit verändert, ist die Rolle der Datenanalyse bei Preisentscheidungen. Anstatt Kundenbetreuer zu ersetzen, kann KI diese unterstützen, indem sie optimale Preisspannen vorschlägt, Ausreißer aufzeigt, die Sen-sibilität der Kunden gegenüber Preisänderungen vorhersagt und Möglichkeiten zur Margenverbesserung auf-zeigt, ohne die Kundenbeziehungen zu beeinträchtigen.
KI-gestütztes Pricing funktioniert jedoch nur auf Basis sauberer Daten, konsistenter Regeln und klarer Gover-nance-Prozesse. Investitionen in moderne Pricing-Infrastruktur schaffen deshalb die Grundlage für zukünftige KI-Fähigkeiten.
Finanzinstitute, die jetzt handeln, werden besser positioniert sein, um Margen zu sichern, effizient zu skalieren und ein konsistentes Kundenerlebnis zu bieten.
