The Impact of the Fourth Industrial Revolution on Jobs

42547 words (170 pages) Dissertation

17th Dec 2019 Dissertation Reference this

Tags: EmploymentTechnology

Disclaimer: This work has been submitted by a student. This is not an example of the work produced by our Dissertation Writing Service. You can view samples of our professional work here.

Any opinions, findings, conclusions or recommendations expressed in this material are those of the authors and do not necessarily reflect the views of NursingAnswers.net.

The Impact of the Fourth Industrial Revolution on Jobs: An Analysis of the Swiss Financial Services Industry

Abstract

Inequality, Polarization

Financial Services many technologies affecting and changing employment, staff cuts of 10%

Most important transformation of jobs, even if number constant

Biggest factor education, retraining during lifetime

Yes, automation and robotics will bring advances and benefits to people — but only a select few. Shareholders, top earners, and the well-educated will enjoy most of the benefits that come from increased corporate productivity and a demand for technical, highly-skilled roles.

Table of Contents

Abstract

Abbreviations

Literaturverzeichnis

1 Introduction

2 The Fourth Industrial Revolution

2.1 A Brief History

2.2 Why Could This Time Be Different?

2.3 Some Context: Technological Drivers

3 Impact of the Fourth Industrial Revolution on jobs

3.1 Perspective A: Unemployment will increase dramatically

3.2 Perspective B: Substituted jobs will be replaced with new ones

3.3 Representation of opinions in the media

3.4 Consolidation of opinions

3.5 Skills demand will change

4 How to leverage automation as a society

4.1 Measures related to education

4.2 New incentives

4.3 Welfare-related measures

5. Excursus: Why would a jobless future be bad?

6. The Swiss financial services industry

6.1 Industry Overview

3.2 Disruptions and innovations in financial services

1 Introduction

Fears of automation taking over our jobs and making us redundant have a long history, going back to the First Industrial Revolution, when textile workers – the Luddites – rioted out of concern for their livelihoods. Since then, the debate about technological unemployment, a term coined by John Maynard Keynes in the 1930s, reemerged every few decades (Mokyr, Vickers, & Ziebarth, 2015, p. 34). In an essay, in which he imagined the world in 2030, Keynes predicted that “due to our discovery of means of economizing the use of labor outrunning the pace at which we can find new uses for labor” we would eventually reach the 15-hour work week (Keynes, 1930, p. 3).

Thus, today’s concerns fueled by scientific breakthroughs in fields such as machine learning, robotics, and artificial intelligence, are not new but have been around for 200 years. However, as historian and philosopher Yuval Noah Harari put it, this might be a matter of the boy who cried wolf eventually being right (Harari, 2017, Position 665). Just because these fears have not proven to be true in the past, with new jobs outnumbering the ones impacted by emerging technologies, the accelerating pace of technological development in automation and digitalization might bring about a jobless future (Amtz, Gregory, & Zierahn, 2016, p. 7). A widely-cited 2013 report by Osborne and Frey suggested that 47% of jobs in the United States could be automatable in the next few decades (Frey & Osborne, 2013, p. 38). With impressive breakthroughs, such as Watson winning Jeopardy, or self-driving cars being rolled out – things that were regarded skeptically only a decade ago – it is a good bet that we will be surprised by progress in the coming decades.

In bestselling book “The Second Machine Age”, the MIT scientists Brynjolfsson and McAfee argue that due to the exponential development of technology we will have to adapt and learn how to work or even race with the machines sooner rather than later. Martin Ford goes even further in “Rise of the Robots” and warns that as a society we must radically rethink the way we distribute wealth and makes a case for the introduction of a Basic Income. He suggests that a massive paradigm shift is under way in how we view technology. Until now machines were tools increasing our productivity – in the future they might themselves turn into workers and replace us (Ford, 2015, p. xii). Publications like “Rise of the Robots” and “The Second Machine Age” have incited and stoked a public dialogue on the topic of rising inequality, job polarization, and ways to manage the changing skill requirements of our workforce. We have already been experiencing rising inequality, falling real wages and a declining share of income flowing to workers as opposed to capital, and these trends are likely to continue (Avent, 2016, p. 3).

The World Economic Forum argues that we are at the beginning of the Fourth Industrial Revolution, which will blur the lines between the physical, biological, and physical world at an unprecedented scale, speed and impact. This would profoundly change our society, causing shifts between industries, enabling new business models and reshaping the way we communicate and work (Schwab, 2016, p. v).

However, there is a multitude of experts who disagree on the impact that these changes will have on employment. A widely-cited example on the topic is the shift of employment from agriculture. In 1800, 66% of Switzerland’s population worked in agriculture, compared with only 3% today (Deloitte, 2016, p. 3). This of course did not lead to a reduction in employment but just meant that jobs were created in other industries. According to a Deloitte report, in the last 25 years, 800’000 new jobs were created in Switzerland despite automation and recent projections predict that until 2025 around 270’000 new jobs will be created (Deloitte, 2016, p. 1). The authors argue that the creation of new jobs will outweigh the substitution effect caused by automation, as it always has in the past. Automating a certain task increases productivity, which should in turn increase the demand for human workers doing other tasks around it that haven’t been automated yet. This is called the complementary effect (Autor, 2015, p. 5).

As the disagreement between experts shows, the question is whether the substitution or complementary effect will prevail. This thesis will take up this question with specific regard to the financial services industry in Switzerland. Therefore, the first part of this paper will analyze several current viewpoints on the effects of automation on labor globally. It will also look at approaches of how society could respond to these challenges. In the second part, it will focus on the financial services industry in Switzerland and analyze the impact of disruptions on jobs and needed skills. Specifically, it will aim to answer the question if the number of jobs in the financial services industry will radically decline because of new technologies, or stay the same respectively even increase. But first, it is necessary to define the characteristics of the Fourth Industrial Revolution and see if it is truly different from what preceded it.

2 The Fourth Industrial Revolution

2.1 A Brief History

Before delving into the specifics of the Fourth Industrial Revolution, let us go into what brought us to this point. A revolution is defined as abrupt and radical change. The first radical change in how humankind lived happened 10’000 years ago with the settlement of humans and domestication of animals. This was called the Agricultural Revolution. After some incremental changes in the following ten millennia, the next radical shift was the First Industrial Revolution, or what is typically understood when talking about the Industrial Revolution. This started in the second half of the 18th century and kicked off almost three centuries of accelerating societal and technological shifts. It was characterized by the change from muscle power to the steam engine and gave rise to the steel and textile industry as well as the train as means of transportation. The transition period lasted until the late 19th century, when the Second Industrial Revolution set in with the development of methods for mass production with electricity as a driving force (Prisecaru, 2016, p. 57). Industrial firms combined costly capital equipment with human labor and reorganized the process of production to maximize its output. This necessitated an assembly line production with every worker performing a few repetitive tasks, following tight schedules and strict discipline. Jobs were wholly transformed and humans became cogs in a machine. However, with machines becoming more sophisticated, the demand for highly skilled workers grew. Thus, in the 20th century the number of people getting a post-secondary education grew steadily. Workers found themselves in a “race between education and technology” as Claudia Goldin, a Harvard University economist, put it (The Economist, 2014). This of course sounds very familiar to what is often said about the situation today.

The Third Industrial Revolution began in the 1960s and is also referred to as the Computer or Digital Revolution. It was prompted by the development of personal computing, mainframe computing, the development of semiconductors, and the internet (Schwab, 2016, p. 5). This once again transformed the nature of work, making it possible to automate highly routine jobs such as the production-line jobs created in the Second Industrial Revolution. The share of employment in the manufacturing sector in the US declined from almost 30% in the 1950s to less than 10% while the percentage of people working in the services industry increased to almost 70%. Thus, skilled labor became more important than ever (The Economist, 2014).

In the last decade, we have now entered the Fourth Industrial Revolution, which is leading to the augmentation of human production with enhanced cognitive power. This Fourth Industrial Revolution is based on emerging technologies such as Artificial Intelligence, machine learning, 3D printing, the Internet of Things, and genetic engineering (Schwab, 2016, p. 5). In Germany, Industry 4.0 was coined at the 2011 Hannover fair and describes how automation will revolutionize global value chains and create smart factories (Schwab, 2016, p. 6) The term Fourth Industrial Revolution has especially gained prominence in the last couple of years, when the World Economic Forum did much to popularize it, making “Mastering the Fourth Industrial Revolution” the main topic of the Annual Meeting in Davos 2016. Looking at the Google Trends search history, one can see the interest spiking around Davos 2016 after a decade of little to no interest, and then increasing again leading up to Davos 2017 (Google Trends). In the past, these technological changes were seen as part of the Third Industrial Revolution, or referred to with other terms such as the Second Machine Age. But now the term Fourth Industrial Revolution seems to have established itself. But whether this phase will be regarded as an extension of the Third Industrial Revolution in the future or as a new Revolution, as the World Economic Forum argues, it cannot be denied that it will have a lasting impact on society.

To summarize, we have seen an evolution from a farming society to today’s capitalist system, gradually moving the labor force from physical to mental activity. The question is whether the technological progress and productivity growth accompanying this development will lead to increased wealth, like it has in the past, or increase unemployment and social inequality. To examine this issue, let us first look at whether this time will be different from the societal shifts in the past.

2.2 Why Could This Time Be Different?

As mentioned in the introduction, experts disagree on the extent of the impact of the Fourth Industrial Revolution. Some foresee large-scale unemployment and argue that this time will be different from the past. But there are also experts that say that this Fourth Industrial Revolution will have similar effects as past technological revolutions. Productivity will grow and newly created jobs will prevent rising unemployment.

However, the speed at which technological advances are happening is unprecedented. Moore’s law, which was coined by an Intel Co-Founder in 1965, states that the number of transistors in a dense integrated circuit doubles approximately every two years and thus predicts exponentially accelerating progress. It has been slowing in the last years, but there are still massive increases in computing power being made (McKinsey Global Institute, 2017, p. 27). Klaus Schwab, Founder of the World Economic Forum, argues that the changes are historic in terms of speed, impact, and scope. The exponential rather than linear development leads to an unprecedented velocity of breakthroughs. Both the development and diffusion of innovations is faster than ever. For example, some of today’s most successful companies such as Uber, Airbnb or Alibaba have only become ubiquitous in the last few years. The iPhone was only launched ten years ago, and already there were more than 2 billion smartphones globally in 2016 (Manyika & Chui, 2014). The fact that the Fourth Industrial Revolution builds on the Digital Revolution, combining a variety of technologies that disrupt society, the economy, and business, leads to an impact on all sectors. The entire system will be transformed, changing industries, business models, and our societal structures (Schwab, 2016, p. 2). One often cited example for wide-scale disruption is the comparison between Detroit in 1990 and Silicon Valley in 2014. In Detroit the three biggest companies had a market cap of USD 36 billion with 1.2 million employees. In Silicon Valley on the other hand, the market cap of the three biggest companies is USD 1.09 trillion while generating about the same revenues but while employing 10 times less people with only 137’000 employees (Manyika & Chui, 2014).

Like Schwab, in his TED Talk Erik Brynjolfsson says that “The Second Machine Age”, as he calls the Fourth Industrial Revolution, is characterized by exponential developments in the digital realm that are combinatorial (TED Talk). According to him, in the near future the effect of digital technologies will fully manifest through automation and the creation of “unprecedented things”. Computers are so versatile that it is impossible to predict what applications for them might be created in the next few years. Artificial Intelligence for example has made great leaps driven by the availability of huge amounts of data and the exponential increase of computing power. It is all around us e.g. in virtual assistants, translation software, or drones (Brynjolfsson & McAfee).

These developments lead to productivity being at an all-time high but also to a decoupling of productivity from employment, and of wealth from work, since a lot of activities can be automated. This will necessitate a rethinking of how society functions to deal with the arising challenges. Even voices saying that this time is similar to the other Industrial Revolutions, such as Ryan Avent in his book “The Wealth of Humans”, concur that we still have massive challenges to deal with, like in the First Industrial Revolution which brought about a whole new understanding of the state providing welfare, social security, and education and this revolution might be just as transformative and powerful, if not more so. The power today is to create mass prosperity of an unprecedented nature if we as a society take the right steps (Avent, 2016, p. 241).

In the past 200 years, we have seen massive improvements in almost all metrics that could be used to measure well-being. Since 1820, the share of people living in extreme poverty has decreased from 94% to 9.6%, and global child mortality fell from 43.3% to 4.25% (ourworldindata.org, 22.02.17), while global GDP (in current USD) more than doubled in the last 25 years alone (The World Bank, 22.02.17). However, we are starting to see some worrying trends. For example, in the US incomes have not kept up with this economic growth. A typical worker in the US earned USD 767 (in 2013 USD) per week in 1973 and that amount has been in decline since, now arriving at USD 664. Between 1949 and 1973, the US median household income grew in lockstep with per capita GDP, roughly doubling. If that had continued, the median would be at USD 90’000, however, it is only at 61’000, which is an increase of 22%. In the past, labor productivity moved in tandem with worker compensation, but in the last 30 years, we have been seeing an increasing divergence between these number, meaning that a bigger share of income goes to the holders of capital and business owners, and not the workers (Ford, pp. 35‒36). In selected G20 countries labor productivity increased by more than 18% while real wages only increased by 5% since 1999. Many economists such as John Maynard Keynes regarded it as a well-established rule that the fraction of national income going to capital and labor would remain constant over time. However, since the 1960s, the labor share declined from 63% to 58% in selected G20 countries and the trend is continuing. A declining labor share is often associated with rising income inequality since capital ownership tends to be concentrated in the hands of fewer individuals. There is data available by the OECD, which shows that the labor share decreased for the lower 99% while increasing by 20% for the top 1% in the last 20 years (International Labor Organization, 2015, pp. 3‒10).

These trends are bound to be further impacted by the automation of jobs and the invention of new technologies, thus allocating an even bigger amount to the owners of capital. This will pose a big challenge for us as a society in terms of how we distribute wealth and we might have to go through a turbulent phase like in past revolutions where we put new systems in place like the creation of the welfare state after the First Industrial Revolution. Before diving deeper into the impact on jobs, wages, and how to manage the changes, let us look at some of the technologies driving the change.

2.3 Some Context: Technological Drivers

According to Klaus Schwab, all new technologies have in common that they leverage innovations in the digital realm and in information technology. He groups the drivers of technological change in three main groups: physical, digital, and biological (Schwab, 2016, p. v). He argues that the merging and interaction of these clusters defines the Fourth Industrial Revolution. This section will give an overview over the three groups.

2.3.1 Physical

The physical realm includes some of the most visible innovations e.g. autonomous vehicles, the invention of new materials, and 3D printing. One particularly relevant development in manufacturing is the development of increasingly advanced robotics. Globally, there are currently approximately 1.5 million robots and this number could reach 25 million by 2025 according to McKinsey (Auschitzky et al., 2014). The cognitive abilities of these robots will only increase further and there are improvements being made in making robots more dexterous and improving their sensing abilities (Pluess, 2015, p. 10). Merrill Lynch projects that robots will perform 45% of manufacturing tasks by 2025, up from 10% in 2015 (Ma, Nahal, & Tran, 2015, p. 1).

2.3.2 Digital

The developments in the digital cluster build the basis for developments in other realms. The main area to highlight here are the advancements in Artificial Intelligence (AI), the area of computer science that concentrates on the development of systems that exhibit intelligence.  One sub-field worth mentioning is machine learning, which is a field in AI that develops systems which are able to learn and improve themselves. This provides opportunities for advanced analytics or big data. Companies have collected huge amounts of data in the past and AI allows them to use it effectively e.g. to automate complex cognitive tasks. Another big area of research are neural networks, which are AI systems that are based on simulating the way neurons interact in the brain (Manyika, et al., 2017, pp. 24‒25). Just this year, Elon Musk founded a new company, Neuralink, with which he is aiming to create a connection between our brains and computers, putting the time span until there is a meaningful interface at 5 years (The Economist, 2017). This might be optimistic, but it shows that research in these areas is moving fast and will likely lead to significant breakthroughs.

Another trend that has already been relevant for a while is the Internet of Things (IoT). It provides one of the main bridges between the physical and digital world, linking objects with virtual networks mainly by using sensors (Pluess, 2015, p. 12). Another development in recent years has been the Sharing Economy, with platforms connecting people and their assets, transforming the way we consume products and services.

One trend that could potentially disrupt the financial services is the Blockchain. This is a concept talked about a lot but understood by few. To simplify it, the Blockchain is a distributed ledger. When a transaction is made, a network of computers collectively verifies it, before it is recorded and approved. This technology is secure and shared, therefore no one single user can control or hack it and the contents can be inspected by everyone. It is currently used for recording Bitcoin financial transactions, but in the future it could be used to record marriage license, educational degrees, titles of ownership etc. (Schwab, 2016, pp 17‒19). In the second part of this thesis, which focuses on the financial services industry this technology will however not be the focus, since its wide-spread use still seems far away and the potential impact cannot yet be determined.

2.3.3 Biological

This category includes innovations in fields such as precision medicine and synthetic biology, the customization of organisms by writing DNA. This opens up a variety of ethical questions such as the debate around designer babies. However, we will not focus on these developments in this paper, since their impact on jobs is not as big as developments in the digital and physical clusters.

3 Impact of the Fourth Industrial Revolution on jobs

With the velocity, scope and depth of the development of the technologies discussed above, it is certain that the nature of work will change across industries and jobs. The main questions are to what extent automation will substitute for labor, how long it will take and how far it will go (Schwab, 2016, p. 35).

Up until now consumers have been the ones who benefited most from the Fourth Industrial Revolution. New services and products are being created that increase the efficiency and productivity of our lives basically for free. One can make a payment, listen to music, watch a movie, catch a taxi, or book an apartment and flight for a holiday remotely on one’s smartphone. A tablet has the processing power of 5000 computers 30 years ago, while the cost of storing information is near zero (Schwab, p. 11). However, in the future the supply side will also be increasingly disrupted by new technologies and become more productive and efficient. Labor will be substituted by machines in various activity, hopefully leading to better jobs to compensate the ones that are lost (Prisecaru, 2016, p. 61).  However, there have been indicators, that technology might not continue creating new and better jobs in the future. There is evidence that there are indeed better jobs being created, but also fewer ones than have been destroyed (West, 2015, p. 7).  A concern is that the labor market might become segregated into high-skilled jobs and jobs with low salaries, while the middle-skilled jobs are substituted. This might lead to higher inequality, which is a big concern since it has negative economic and social effects (Stiglitz, 2015). The owners of capital could be at an advantage to workers and the decline in labor share described above could accelerate.

This chapter will first examine two prevalent viewpoints on the impact of the Fourth Industrial Revolution: Some experts say that unemployment will soar and we will have to rethink the nature of work and others claim that the jobs that are lost will be replaced by new ones. The pessimists, who often have a background in the tech-industry say that this time is different and our jobs will be taken by machines, while the optimists, often historians and economists, think that technology will create more jobs than it destroys than in the past. A Pew Research Center study that asked almost 1’900 experts about the impact of emerging technologies, found that 48% of them envisioned a future “in which robots and digital agents have displaced significant numbers of both blue- and white-collar workers”. This means that experts’ opinions are almost split in half of where the development will lead (Smith & Anderson, 2014, p. 5)

But who will be right? This chapter will examine both arguments. For an overview of all studies cited in this chapter, please refer to Table XX in the Appendix.

3.1 Perspective A: Unemployment will increase dramatically

“If current trends continue, it could well be that a generation from now a quarter of middle-aged men will be out of work at any given moment.” This quote by former U.S. Treasury Secretary Lawrence Summers encapsulates the anxiety that some are feeling. He argues that providing enough work will be the most important challenge our society will face (West, 2015, p. 9). In some countries, there are already long-term trends towards a lower level of employment. In the US, the share of adult males in the labor force recently hit its lowest level since 1978 (The Economist, 2014).

As outlined above, in recent years there has been a revival of concerns that automation could lead to a jobless future (Arntz, et al., 2015, p. 4). Recent studies claiming that a substantial share of jobs are automatable have fueled these concerns. In a seminal 2013 study, Oxford researchers Frey and Osborne estimate that 47% of jobs in the US are susceptible to computerization at the current state of technology. Another report by Citi concludes that across the OECD, on average 57% are automatable and in China that percentage reaches an incredible 77% (Rahbari, et al., 2016, p. 11). A Deloitte report that replicated Frey and Osborne’s methodology puts the number for Switzerland at 48% (Brandes & Zobrist, 2015, p. 6).

Frey and Osborne took developments in machine learning, which impact cognitive tasks, and advanced robotics, which affect manual tasks, into account and categorized 702 occupations by probability of computerization. They differentiated between routine tasks, which follow explicit rules and can be executed by machines, and non-routine tasks, which cannot yet be expressed in computer code. In the past, job substitution has mainly been confined to manual and routine cognitive tasks. With advances in AI, big data, and other fields detailed in Chapter 2.3, automation is now also spreading to other tasks.  (Frey & Osborne, 2013, pp. 14‒16).

In the US, the most-common occupations are retail salesperson, food and beverage server, office clerk, and cashier. These occupations employ more than 15 million people or 10% of the labor force. According to Frey and Osborne each of these jobs is highly susceptible to automation (Thompson, 2015).

Companies such as Google, HP, Intel or Procter & Gamble have been collecting a staggering amount of data on their employees. E-mails, phone record, web searches etc. are often captured. Until now, this data had no real purpose except to assess employees or manage them more effectively (Peck, 2013). With the developments in big data and deep learning technologies, this data could be used to develop software that could automate a big share of the work performed. A question to ask oneself to determine whether one’s job could be automated in the near future, is whether someone could become proficient at it by repeating already completed tasks over and over. If that is the case, an algorithm might be able to do some if not all of that job (Ford, p. 93). Additionally, as top managers become more data-driven, the need for extensive teams of knowledge workers who collect and analyze information will decrease. This would lead to flatter organizations and many of the jobs of clerical workers, middle managers, and skilled analysts disappearing (Ford, p. 95).

Of course this sounds easier than it is. Machines still have a long way to go before they are able to perform complex task without supervision. Additionally, it might be difficult for companies to implement automation technologies because it might be more expensive than just relying on cheap labor. The IT infrastructure underlying processes might be old and not easily understood, and a lot of companies in sectors such as banking deal with a high level of complexity that few understand. The transformation of how they do business often requires a top-down approach and a real commitment to change, as Stephan Erni, a Manager at Bain & Company who specializes on the financial services, said in our interview (see Appendix for full transcript). Often consulting firms are hired to make sense of the complexity and build up a new IT infrastructure that leads to higher efficiency. Such fundamental changes are often prompted by crises or recessions that bring with them the pressure to reduce costs and the need for jobs restructurings.

The technological advances described above mean that jobs currently done by highly trained white-collar workers could be automated and not just manual work like we are used to. In the future, both white- and blue collar jobs will be equally vulnerable to automation. The key is still how routine a task is – according to Andrew Ng, a professor at Stanford University, a highly trained radiologist might have a higher probability of automation than his personal assistant, because he or she does many different things that cannot all be automated in the near future. The workforce is mainly split into two groups that hold non-routine jobs: the highly paid, high-skill workers such as managers on the one hand and he low-paid, unskilled workers such as servers in the fast-food industry on the other hand (The Economist, 2016). This has lead economists to increasingly worry about job polarization, with middle-skill jobs declining, while low-skill and high-skill jobs are expanding (Feng & Graetz, 2015, p. 32). The increase in employment in high wage occupations, where non-routine cognitive tasks are performed, can in turn raise the demand for non-routine manual tasks that are usually performed by low-wage occupations e.g. personal services. Studies showed that the fall of IT prices in 10 European countries led to the decline in the share of employment in middling occupations, while there was no adverse effect on the share of employment in the lowest paid occupations (Jerbashian, 2016, p. 3). Another study conducted in 16 Western European countries also showed that the occupational employment structure is polarizing both within and between industries (Goos, Manning, & Salomons, 2014, p. 2). This trend could continue in the future since most jobs especially in the middle-skill sector are on some level routine and predictable when broken down. Few people engage in truly creative work that cannot be replicated by a computer (Ford, p. xvii). Most jobs can be broken down into routine tasks on some level and in the future, just parts of the jobs could be automated. This could open the door to a reduction in job satisfaction from performing increasingly small parts of a task, similar to how the satisfaction of creating things was reduced by the use of interchangeable parts and deskilling in the 19th century (The Economist, 2014). Of course, the opposite could be true, with “human” skills such as creativity and social skills becoming more important.

Either way, it has never been more important to have special skills and the right education and to have the ability to use the technology to create value. Conversely, there has never been a worse time to be a worker with only “ordinary” skills that can be easily acquired (McAfee).

A popular counter-argument to a jobless future is that the jobs will be replaced by new jobs like it has always been in the past. However, the Fourth Industrial Revolution appears to be creating fewer jobs in new industries. A report estimates that only 0.5% of the US workforce is employed in industries that did not exist 15 years ago. This percentage is far lower than it has been in the past with 8% of new jobs being created in new industries in the 1980s and 4.5% in the 1990s. (Schwab, p. 37). 90% of workers today are employed in occupations that existed 100 years ago and only 5% of jobs generated between 1993 and 2013 came from sectors such as computing, software, and telecommunications. Today’s new industries are more labor-efficient seem to raise productivity by making existing workers redundant and not by creating new products that need more labor to produce. For that reason, the historian Robert Skidelsky concluded that “sooner or later, we will run out of jobs”, comparing the exponential growth in computing with decidedly not exponential growth in the complexity of jobs (Thompson, 2015).

We are still far away from unemployment rates of 25% that Larry Summers predicts, and it is questionable whether it will ever get that far. But technology could continue exerting pressure on the value and availability of work. This could eventually lead to a new normal, where the expectation that work is a central feature of adult life vanishes for a substantial part of society (Thompson, 2015).

The new sectors created through technology also tend to favor a long-tail distribution of income, which could lead to higher inequality. These winner-takes all business models are central to companies that dominate the internet sector e.g. Google and Amazon making it harder for SMEs to exist (Ford, p. 76). Trends such as increasing job polarization and a decreasing share of national income going to labor instead of capital are worrying. In 2013, a typical production worker earned approximately 13% less than in 1973 in real terms, while productivity rose by 107% and living expenses have significantly increased. Already, the top 5% of households are responsible for 40% of spending while job remain the main mechanism distributing purchasing power to the consumer (Ford, pp. xi‒xvii). Thomas Piketty articulates the fear that we might be heading into a hyper-unequal society in his book “Capital in the Twenty-First Century”. According to him there could be a top 1% of capital-owners and “supermanagers” securing an increasing share of national income and accumulating even more capital. The rise of the middle class in the 20th century was a very important political and social development and its decline could lead to more unstable and antagonistic politics (The Economist, 2014). We can see trends towards populism and a polarization of politics with the election of politicians such as Donald Trump in the US. This is not to say that growing inequality was the only reason for his election, but economic anxiety among white males was undoubtedly a factor.

There is the potential for real standards of living increasing even as wages stagnate if the prices of critical goods fall accordingly. However, this necessitates an evolution in our social safety net. When the wages of people without exceptional skills fall below a reservation wage, the wage at which people decide they are better off not looking for work, a larger share of people will decide not to work, which will pose an even bigger hurdle for our social security systems (Avent, 2016, p. 76).

But not only inequality within a country could be an issue but also between countries globally. Let us take China as an example, where 77% of jobs are automatable according to the Citi study cited above (Rahbari, et al., 2016, p. 11). In the past, many jobs have been off-shored from developed countries to countries such as China and almost 30% of the Chinese labor force are employed in industry, which mainly consists of manufacturing. The iPhone manufacturer Foxconn, one of the world’s largest 10 employers with approximately 1.3 million employees, has recently automated away 60’000 employees in just one factory and plans to have a 30% automation rate in its Chinese factories by 2020. The long-term plan is to fully automate their factories with only a handful of employees (Morris, 2016). A big trend is also there-shoring of manufacturing jobs when labor costs are no longer the key driver of competitiveness due to automation. Between 1990 and 2012, 1.2 million jobs in the US textile industry were offshored to low-wage countries, decimating the industry. In recent years, this trend has reversed. US textile exports rose by 37% between 2009 and 2012, being driven by automation and increasing wages in countries such as China (Ford, p. 9). Even though demographic trends and the rise of the services sector might mitigate this automation of manufacturing, it still poses a big challenge for countries such as China. In the US, where manufacturing currently makes up less than 10% of employment, factories approaching full automation only has a smaller effect than in countries such as China (Ford, p. 10). The Fourth Industrial Revolution could lead to the winner-takes-all principle might not just play out within countries but also globally between nations, which could lead to social tensions, conflicts, and a more volatile world (Schwab, p. 47).

There is definitely potential for dramatic change. It remains to be seen whether the pessimists will be right this time – there have always been labor-market doomsayers that have succumbed to the Luddite fallacy. However, there will be productivity gains. The question is whether they will concentrate in the hands of a few capital owners or be spread across the labor force e.g. by being used to create new businesses that in turn hire more labor. It is unclear whether this will aggregate enough to replace the jobs that are lost (The Economist, 2014). With all the disagreement on the extent of jobs loss there is a consensus in most studies that job polarization and inequality will increase (Acemoglu, 2000, p. 4). This could lead to the feedback loop between productivity, rising wages, and increased spending collapsing for good and levels of fragmentation, isolation, and exclusion across societies could rise (Gratton, 2011).

3.2 Perspective B: Substituted jobs will be replaced with new ones

After painting a rather pessimistic future, let us examine the counter-arguments optimists, who argue that just as in the past, new jobs will be created to replace the ones lost and that the occupations will just change. A strong advocate of this idea, the economist Robert Gordon argues that “recent progress in computing and automation is less transformative than electrification, cars, and wireless communication, and perhaps even indoor plumbing. Previous advances that enabled people to communicate and travel rapidly over long distances may end up being more significant to society’s advancement than anything to come in the twenty-first century” (West, 2015, p. 9). It is almost inevitable that there will be a profound impact on labor markets around the world, but this does not mean there has to be man-versus-machine dilemma. The technological advances we will experience might serve to enhance human labor and cognition and with the right education humans could work with and alongside machines (Schwab, p. 40). There are 9 main arguments that experts cite to alleviate the concerns discussed in Chapter 3.1 that we will look at here:

3.2.1 The occupation-based approach used by Frey and Osborne is flawed

The study by Frey and Osborne has obviously incited a lot of concerns, since 47% of jobs being susceptible to automation seems to be an extremely high percentage. But this is only alarming at first glance and it does not mean that in 20 years half of our jobs will be gone. As outlined above, the study and others like it follow an occupation-based approach, meaning that they assume that whole occupations rather than individual tasks will be automated. This might lead to an overestimation of how automatable jobs are, since even occupations that are categorized as high-risk still often have a significant share of tasks that are not easy to automate such as face-to-face interactions. An OECD study supports this view, taking the heterogeneity of tasks within a job into account and following a task-based approach instead, yielding much more conservative estimates. The study found that on average, across 21 OECD countries, 9% of jobs can be automated, with the lowest percentage being 6% in Korea and the highest 12% in Austria (Arntz, et al., 2015, p. 4). This makes the threat from technology seem much less pronounced, even though 10% is of course not a negligible share either.

A study conducted by the McKinsey Global Institute, which focused on 46 countries that represent approximately 80% of the global workforce, found that the percentage of jobs that can be fully automated at the current technology level is only 5%, which is even less than the OECD estimate since they did not just consider technical feasibility but also regulatory and societal issues. However, they also found that in middle-skill categories this percentage can rise to between 15% and 20%, which is another indicator for imminent job polarization. McKinsey pursued a similar approach as the OECD by examining more than 2’000 individual activities and quantifying their automation potential. Nonetheless, this does not mean that the impact of automation is negligible. Another finding of the study was that most jobs will be impacted by automation to some degree. According to the McKinsey Global Institute, approximately 60% of all jobs are made up of at least 30% of activities that are susceptible to automation by 2055 with the adoption of currently existing technologies. Thus, most jobs will change and employees will have to interact with technology to a greater extent. Globally, they estimate that 50% of the world economy or 1.2 billion jobs could be affected by the adaptation of current technologies (Manyika, Chui, Madgavkar, & Lund, 2016, p. 3). Especially tasks that include the processing and collection of data or physical activity in a predictable environment have a high potential for automation (Manyika, et al., 2017, p. 5). McKinsey’s long-term outlook is positive despite a lot of jobs being affected because they anticipate that there will be a rise in productivity brought about by automation, assuming that the people displaced by automation will find new employment. Their report says that automation could lead to a shift of the same magnitude as the long-term shift away from agriculture and decreases of manufacturing in the US (Manyika, et al., 2017, p. vii).

3.2.2 The potential for automation does not equal actual job substitution

Another argument is that the actual employment loss will not equal the percentage of jobs susceptible to automation. First of all, the adoption of new technologies is a slow process since there are economic, legal, and societal hurdles to overcome. Factors such as the cost of the development and deployment of technological solutions, labor market dynamics e.g. wages and availability of workers, the economic upside of the implementation of new technologies, and social and regulatory acceptance, are all relevant factors that influence the velocity of adaptation. Thus, the substitution through technology could take longer than expected (Manyika, et al., 2017, p. vii). In many cases the fact that a job can be automated will not lead to its substitution because relative costs also matter e.g. when the benefits of human labor outweigh the benefits and costs of machines (Pluess, 2015, p. 12). Secondly, workers can adjust to new technologies by switching tasks and might not be made redundant. And finally, new technologies also create additional jobs since the new technologies need producing and supervision, and higher productivity could lead to more labor demand. Thus, the OECD and McKinsey argue that automation is unlikely to cause large-scale unemployment (Arntz, et al., 2015, pp. 22‒25).

3.2.3 New industries and jobs will be created

There is no doubt that new jobs will be created through automation. For example, the new labor-saving technologies need to be designed, produced, and supervised, therefore creating demand in new sectors. Millions of jobs are anticipated to be created by technology. The information and communications technology (ICT) sector is a key growth driver in OECD countries, accounting for 5.5% of total value added in 2013, and 15–­52% of investments 2008 to 2013 (OECD, 2015, p. 84).

Some new jobs might not adhere to the typical picture of a jobs that is prevalent today but be created by new business models such as the sharing economy and the circular economy (Pluess, 2015, p. 15). There might be a human cloud where today’s professional activities are dissected into precise assignments and distinct projects that are carried out by workers located all around the world who are not affiliated with a specific company (Schwab, p. 47). This gig economy is already on the rise with Uber, Etsy, and TaskRabbit[1] counting millions of people offering their services. There might be a future of hyper-specialization where most of the workers can find a niche they excel at and be matched with buyers all over the world.

Automation could also create space for people to work in more emotive occupations and become artists, yoga instructors, or therapists. Such emotional work could be as important in the future as hammering metal was in the past. These jobs might get less respect at first since cultural norms change slowly (The Economist, 2014).

However, even though new, good jobs will be created it will not be scalable mass employment like in the Second Industrial Revolutions with mass assembly line. This poses a dilemma. The new forms of work will likely fulfill a maximum of two of the following conditions: high productivity and wages, resistance to automation, and the potential to employ massive amounts of labor. Employment will be limited by the abundance of labor and increasing automation (Avent, 2016, p. 66)

3.2.4 Complementary Effect

Up until now we have mentioned the substitution effect of new technologies multiple times, which comes into play when jobs get replaced by automation. However, there will also be a complementary effect since technologies might improve the competitiveness of a company through increased productivity. Thus, with lower costs and prices there is more demand for the product, which in turn leads to a higher labor demand, which could compensate for the labor-saving effect that technologies can have (Arntz, et al., 2015, p. 23)

A recent study analyzing the US workforce between 1982 and 2012 found that employment grew significantly faster in occupations that made more use of computers since the technology made some parts of the job faster, enabling employees to do the other parts better. Thus, the computer-intensive jobs displaced less computer-intensive ones and reallocated rather than displaced jobs (Bessen, 2015, p. 2). Another study showed that the creation of jobs in the ICT sector results in significant spill-overs into other industries and results in up to five further jobs such as lawyer or waiter being created in the local economy (Moretti, 2010, pp. 1–7).

A widely cited example is that of the introduction of the Automated Teller Machines (ATMs), which many thought would replace bank tellers. However, the total number of employees increased instead. Even though the number of employees per branch decreased from 20 to 13 between 1988 and 2004, the number of bank branches actually rose by 43% due to decreasing costs of running a branch. Thus, the number of employees rose but their work mix changed away from routing tasks to things like sales and customer service (Bessen, 2015).

Bank tellers became less like check-out clerks and more like salespeople, solving problems for customers and selling the new products. This is a more cognitively demanding jobs and a variety of skills. Thus, automating one part of a task does not make the other part unnecessary but rather more important and increases their economic value. This is called the O-Ring effect with reference to the Challenger space shuttle disaster, which exploded just because its O-Ring, a small gasket, was faulty. This means, that in a chain all links have to hold for the overall mission to be successful and thus the improvement of one link in the chain increases the value of improving others. Automating the weakest link of a human process thus strengthens the remaining human stages. A central economic mechanism of automation is that it raises the value of the tasks that only humans can do (Autor, 2016).

A recent study by the Centre for European Economic Research calculated that between 1999 and 2010 in Switzerland there were 103’000 jobs lost due to the substitution effect but at the same time more than 234’000 jobs created through the complementary effect. However, the complementary effect might be decreasing with 8% of employees in the 1990s were employed in occupations created by new technologies, as opposed to 4% in the 2000s and below 1% since then (Deloitte, 2017, p. 5).

Finally, it is also often true that substitution effects of new technologies are overrated and the complementary effects underrated (Autor, 2015, p. 6). Thus, it is always important to consider all aspects and potential impacts of technologies.

3.2.5 Lump of Labor Fallacy

Some of the people that think that automation will cause mass unemployment are succumbing to the lump of labor fallacy. This is the notion that there is only a finite amount of work to do and therefore that if you automate some of it there is less work available (The Economist, 2016).

As automation frees our time and the scope of what is possible there will be new services and products invented that occupy our time and increase consumption. As Thorstein Veblen, asociologist and economist said: “Invention is the mother of necessity” (Veblen, 1916, p. 314). If an average worker in 2015 wanted to attain the average living standard of someone in 2015 he would have to work only 17 weeks a year. David Autor notes that material abundance has never eliminated perceived scarcity. He calls this the Never Get Enough principle (Autor, 2016). Additionally, the complementary effect described above comes into play, increasing demand in existing jobs.

3.2.6 The potential of new technologies is often overestimated

As described in the introduction, there is a long history of fears that our jobs will be taken over by automation going back more than a 100 years. The development of technologies often did not live up to the hype regarding particular technologies. In 1956, when AI research was invented, a lot of experts in the field believed that a machine would become as intelligent as a human in less than a generation. Nowadays, the claims of experts in the field are not much different. As history shows, the potential of new technologies tends to be overestimated by experts in the field. More specifically, the comparative advantage of machines over workers in tasks involving power of judgement, common sense, and flexibility is often overstated (Pfeiffer & Suphan, 2015). For example, in Germany the digitalization of the manufacturing sector is only making slow progress. Industrie 4.0, a project introduced by the German government to spur interconnectedness and ditialization in the industry is still relatively unknown. A 2015 survey among German firms by the Zentrum für Europäische Wirtschaftsforschung (ZEW) concluded that only 18% of all firms are familiar with the concept of Industrie 4.0 and only 4% of firms have started projects in the field (ZEW, 2015). Of course, Industrie 4.0 might be more widely known now than two years ago, because the term Fourth Industrial Revolution was popularized by the WEF in the past years. But the utilization of technologies still has not reached the technological possibilities yet (Arntz, et al., 2015, p. 23). The prediction is that until 2020 progress in the manufacturing sector will continue to advance slowly (Graumann, Bertschek, & Weber, 2015, p. 7).

Additionally, it is very difficult to teach machines how to function in an environment without clear rules and unambiguous descriptions. This is called Polanyi’s paradox and presents a major obstacle to the evolution of AI. So far, achievements in AI have largely relied on a trial and error principle by combining big databases with software and immense computing power. This allowed machines to beat humans in highly controlled environments such as a game of chess or the game of Jeopardy. Thus, it might take a long time for computers to match human intelligence(Deloitte, 2017, p. 7).

3.2.7 Demographic effects

Another argument that is often brought up is that the demographic changes most of the world is experiencing might counteract automation with baby boomers exiting the workforce soon and declining birthrates and an aging society mean that peak employment will be reached in most countries within 50 years. Global birth rates have dropped by more than half since the 1960s. Thus, there are two factors to consider. There will be a labor shortage and the skill mismatch will worsen due to automation and new job requirements in the interface between man and machine (Strack, 2014). The decline in the share of the working-age population will cause an economic growth gap to open with approximately half of the sources of economic growth from the past fifty years disappearing. Thus, automation could compensate for this trend at least partly, injecting between 0.8% and 1.4% into global GDP annually. This is, if we assume that the worker substituted by automation rejoin the workforce to be as productive as they were in 2014. Thus, by 2065, automation could add productivity growth in the realm of 1.1 billion to 2.3 billion FTEs in the largest economies i.e. G19 and Nigeria without having an adverse effect on labor. This would ensure continued prosperity in advanced nations and continuing growth in developing ones (Manyika, et al., 2017, p. 15).

3.3 Representation of opinions in the media

Public Perceptions/Medienanalyse

3 Auslöser: Event (wie WEF), neuer Report z.B. Deloitte, Buch wie Rise of the Robots und Feature (z.B. Economist)

A lot more coverage: WEF one of the main topics, St. Gallen Symposium topic etc.

BIG in Schweiz Volksabstimmung?

In a sense, it was surprising that 2016 was the year in which the social threat posed by rapid technological progress became a topic of serious and widespread discussion. It was, after all, the first year since 2007 when all of the world’s advanced economies managed to grow and in which unemployment rates fell across the rich world. Yet those bright spots could not distract from other worries. Pay rises remain elusive for many workers, despite economic growth. Each day seems to bring new evidence of the massive economic disruption to come: from self-driving vehicles deployed by Tesla and Uber to experimentation with cashier-less shops by Amazon. But the biggest warning signs that something in society has gone awry were the political shocks of Brexit and Donald Trump. These votes seemed to reflect not just a resentment at the elites who have captured most of the gains from recent economic growth, but also the dawning realization that the economic and social marginalization of whole classes of people might, thanks to technological change, become a permanent feature of the landscape.

3.4 Consolidation of opinions

So who is right: the pessimist or the optimists? It will probably be something in between. AI will not cause massive unemployment unless the technological development vastly exceeds our expectations. But what it will do is increase the velocity of the existing trend of automation, therefore massively changing the labor markets and reducing employment in some sectors, like past technological disruptions have done. It will likely lead to increased inequality both between countries and within societies if mismanaged. Unlike in the past, the benefits of new technologies are not widely distributed and the median wages have fallen behind productivity growth. There will also be a skill mismatch that needs to be addressed, with some of the new high-skilled positions not being possible to fill by the previously low-skilled workers. It is unlikely that a 55-year-old Walmart cashier will be able to do a complex job that requires technological skills. It will be vital for companies and governments to provide worker opportunities to retrain and acquire new skills and for these workers to adapt the changing circumstances. Many workers will have to retrain multiple times in their lifetime as jobs are replaced by machines. Additionally, and improved education system that places more emphasis on the skills required in the future will be vital. In Chapter XX we will look at some options that governments and companies could use to confront these challenges. But first let us consider, which skills will actually gain in importance in the future.

Positive Effects Negative Effects
Number of jobs New jobs in design, build and repair of new technology Predictable, routine tasks will be made redundant and increasingly some higher cognitive tasks

New industries expected to be less labor intensive

Quality of jobs Robots could fill the least attractive, most physical, and unsafe jobs Lower-skilled and less-educated groups could face particular challenges in filling new higher-skilled roles
Wages Productivity gains, if passed on to workers, could drive higher wages

Technology could augment human skills leading to higher productivity

Downward pressure on wages due to competition with “cheap” machine capital

Reduction of available positions could reduce negotiating power

3.5 Skills demand will change

In the last chapter we saw that there will be skill mismatch because many previously low-skilled workers will not be equipped to perform the newly created high-skilled jobs. But what are they exactly and what skills should employees that fear automation aim to develop? According to the McKinsey Global Institute, the US currently faces a shortage of 140’000–190’000 people with analytical expertise and and 1.5 million analysts and managers who lack the skills to make decisions driven by Big Data. An analysis by the European Commission showed that 47% workers in Europe have insufficient digital skills and 23% have none at all (Pluess, 2015, pp. 21–22). Even in entry-level jobs this seems to be pronounced. In another McKinsey study 40% of employers said that a lack of skills was one of the main reasons for vacancies in entry-level jobs and 60% said that graduates were not adequately prepared for the job market. Not only do technical skills such as STEM subject education fall short, but soft skills such as team work and communication are also not developed enough (Manyika & Chui, 2014, p. 2). And as the demand for skills shifts even more in this direction, this mismatch needs to be addressed.

The World Economic Forum analyzed how this demand for skill will actually change just in the next few years until 2020 (see Figure 1). One can see that the demand for cognitive abilities will grow significantly while demand for physical abilities is going to decline. Complex problem solving will make up 36% of total demand, since this is not something that can be automated yet. For a more specific view of skill sets needed refer to Figure 2.

Roughly, we can regard three main categories as relatively future-proof: creativity, social intelligence, and ICT skills. The first two are mass competencies that are required for a multitude of occupations. Employees who have good basic competencies such as reading comprehension, speaking, critical thinking, and active learning in combination with creativity and social intelligence should be well-equipped for the future. Systems understanding and technology lie between niche and mass competencies since they include skills relevant for a majority of employees and ones that are very specific. Both are particularly relevant in the ICT sector. These ICT sector skills show a medium to high probability of automation and thus need to be used in combination with creativity and social skills to be important in the future. In the Swiss labor market for example the number of employees, who combine high levels of mathematical competencies and social competencies has increased significantly and is likely to continue rising until 2030. However, occupations that require high levels of mathematical competencies without social competencies are stagnating or only growing slowly including jobs such as credit or financial analyst (Deloitte, 2017, p. 34).

As mentioned, one can see that low risk jobs will be the ones that require social and creative skills, in combination with a basic or niche skill set. However, this does not need to last. For example, with these criteria journalism might be considered a safe career. However, there is now software that can write news articles that are sometimes indistinguishable from ones written by humans (Schwab, p. 40). And the job of care-giver to the elderly, which some would say requires a sizeable amount of social skills, is being outsourced to robots due to a shortage of available nursing-care workers (The Japan Times, 2016). Of course the abilities of news-writing software is still limited and the robots in Japan merely aid the existing workers with the transport and monitoring of patients, not replacing the social aspect of the job. But when technology develops further, even skills now considered to be unique to humans might be in peril of being replicated. Even art is not off-limits. AI is starting to design paintings and compose pieces of music, or even creating music inspired by certain pieces of art. Whether this will be considered art on par with human creations remains to be seen, but does that not mean that machines can be creative (Gayford, 2016)? Predicting the application of technology ten years from now is almost impossible. Who would have thought ten years ago, when the iPhone was released, that smartphones would threaten hotel jobs within a decade allowing people to rent out their apartments on Airbnb or that Google would design a self-driving car that could threaten driving, threatening the jobs of millions of taxi and truck drivers (Thompson, 2015)?

According to Linda Gratton in order to be successful in the future, three shifts are necessary in the way of work. The first shift is from shallow generalist to serial master e.g. the ability to acquire deep knowledge and skills in a career that will be on the ascendant and broadening these skills with time in other, more or equally promising directions. Shift number two is away from acting as an isolated competitor in favor of being an innovative connector, skillfully connecting intellectual and social capital. And the third shift is from being a voracious consumer to an impassioned producer, meaning that one should pursue work that has meaning and provides a positive and productive experience (Gratton, 2011). By following these guidelines and building up the skills listed in Figure 2, one should be ready to remain competitive in a labor market impacted by automation.

4 How to leverage automation as a society

As we have seen in the previous chapters there are some challenges that we as a society will have to confront with the impending transformation of the jobs market. In the past, the successful adaption of progress was based on political and policy responses. Past technological waves brought about large-scale improvements in education with the establishment of universal secondary education and the increase in university attendance. They also prompted the introduction of a social security net with unemployment benefits and disability allowances. However, these policies of the 19th and 20th centuries will be difficult to replicate. Through the introduction of social security, the alternative to work today is not malnourishment and destitution like it used to be for peasants in the 19th century, thus the reservation wage below which an employee will not work, is high in historical terms. Thus, if the government implements even more measures to stop standards of living from falling too far, this reservation wage will rise steadily. And the higher the reservation wage rises the higher the probability that companies will invest in capital that substitutes for labor. In the education sector improvements might be largely incremental and innovative solutions such as massive open online courses (MOOCs) might mainly benefit the students that are already motivated (The Economist, 2014).

Thus, effective solutions to make sure that the ones that offer mainly low-skilled, replaceable labor can participate in the new innovation-driven ecosystem will be hard to come by. The challenge of overcoming the structural shift contributing to inequality within countries as well as globally and making sure that the 55-year-old Walmart worker and the worker in Bangladesh do not suffer from automaton is not easily overcome. Even if high-skilled workers become more productive this level of education is not easily obtainable by a displaced factory worker. Thus, many low-skilled people will compete for the same jobs, pushing down wages and widening inequality (Avent, 2016, p. 47).

If this happens, we need a way for people to get health care, pensions, and education while not fully employed and the possibility for people to be better prepared for the future. There are multiple approaches to tackle the topic including basic incomes, expanding corporate profit-sharing, providing benefit credits for volunteerism, rethinking the school curriculum in order not to train children for inexistent jobs and encouraging life-long learning for adults (West, 2015, p. 2). In this chapter, we will take a closer look at some of these options to avoid the evolution of a permanent underclass with limited prospects. These measures can be split into three categories: education- and welfare-related measures, and new incentives.

4.1 Measures related to education

Lifelong learning and retraining

The topic of lifelong learning will be relevant for people whose jobs will be transformed and for those whose jobs will disappear. Thus, they will need to demonstrate flexibility and continue training throughout their lives. However, those who have the lowest initial training also tend to receive less further training. This could be attributed to a lack of motivation and openness, which will both be important qualities in the future. Thus, young people should already be made aware that lifelong learning will be essential for them. It is an individual responsibility, however there are ways for the state to help (Deloitte, 2017, p 44).

One approach to alleviating the effects of job displacements and fast disruptions is the establishment of activity accounts for lifetime learning so employees can learn new skills throughout their adult life. Companies would contribute to an employee’s fund while he is employed and the contributions would be matched by the individual or the government. This money could be used tax-free and the owner could rely on it to pay for learning and job retraining expenses. The fund would not be tied to a job but would move with the person if they switched jobs or got displaced. In the future, it will be essential for adults to keep developing their skills and this fund would provide an incentive to do so (West, 2015, p. 14).

Another measure to motivate those with low qualifications is reducing the barrier to seek training. For example, retraining could be tailored more to the individual and trainings for career-changers could be different from the basic training received by school-leavers (Deloitte, 2017, p. 44).

Permeability

Switzerland has one of the lowest youth unemployment rates world-wide. One reason is that they have an education system comprised of two pillars: vocational and academic training. This provides with young people with career-focused training and specialization. The Swiss system has a high permeability level between the two pillars. Someone who has completed an apprenticeship or vocational training can still attend university years later after completing a vocational school diploma (Deloitte. 2017, p. 42).

Curricular reform

Currently, 20% of US college graduates and 30% of European college graduates are overqualified for their jobs. Even in the science, technology, engineering, and math (STEM) fields a third of students do not find positions that make use of their background. Thus, the answer is not more but different education (Ford, pp. 251–253).

There is a need for schools to concentrate more on the skills of the future identified in Chapter 3.5 and teach children social intelligence as well as ICT skills. Currently, only 16% of American high school seniors are interested in pursuing a career in STEM fields, even though there will be a 14% increase in STEM jobs between 2010 and 2020. Young people are the ones whose professional lives will be most affected by robotics and artificial intelligence and few are acquiring the relevant expertise (West, 2015, p. 10). In Switzerland, a first step in this direction was made with the Lehrplan 21, which included media and computing into the curriculum as separate subjects. However, it is also important not just to teach how to use digital devices but also how data is organized and structured and to understand how digital technology works, fostering skills such as systems understanding and creativity (Deloitte, 2017, p. 43).

The current education system is also often geared towards turning out worker that were needed fifty years ago with a premium placed on reliably performing and repeating tasks, not focusing on social intelligence and creativity enough. Countries such as Finland are experimenting with new methods such as moving away from subject and to phenomenon-based learning, a holistic and interdisciplinary approach to education, where students work on projects or concepts that involve topics from different subjects such as European Union or Working in a Café. This makes students develop skills that are becoming more important such as creativity, team work, and innovation. The plan is to shift the schooling system in Finland to the phenomenon-based approach until 2020 (Strauss, 2015). It is important to align the curricula and future-proof skills more closely.

4.2 New incentives

In a world in which less emphasis is placed on work, people might be freed up to do other things. Thus, credits and incentives for volunteering activities could prove to be valuable, since it would increase the incentive for community contributions (West, 2015, p. 15). Another approach is a national online marketplace of work in which people could engage in projects they are interested in such as tutoring, childcare, culture work, or disaster response (West, 2015, p. 13). Additionally, there might be new jobs that are more geared around self-expression and artistry. Since people would have more leisure time, it might be good for governments to patronize the arts and culture. Additionally, they might spend more time with family and friends and strengthen social ties (West, 2015, p. 16). This would require a radical rethinking of values and structures and might allow a lifestyle similar to hunter-gatherers before the agricultural revolution, who worked just thirty-five hours a week, even in the inhospitable conditions of the Kalahari desert, and used the rest for social interactions (Harari, 2014, p. 49).

4.3 Welfare-related measures

In a situation where a lot of people are under- or unemployed, it will be necessary to provide them with health care and other benefits outside of employment. The idea would be to separate the provision of benefits from employment (West, 2015, p. 11). One approach that gained in awareness in past years is the introduction of a Basic Income Guarantee (BIG). This concept was first proposed by Martin Luther King in 1968 and has gained momentum in recent years. The British economist Robert Skidelsky argues that if robots increasingly replace human labor, alternative incomes will be needed to replace wages (West, 2015, p. 13). The objective here is to establish a safety net that also supplements low incomes without deterring people from working altogether. Multiple approaches are possible, among them an unconditional basic income paid to everyone or the guarantee of a minimum income e.g. a negative income tax (Ford, p. 261). The idea behind the BIG is to protect against the negative effect of automation and decreasing the risk of innovation and entrepreneurship. It would also decrease bureaucracy and empower humans to seek the work they find valuable and empowering. That is why BIG has managed to gain supporters from both ends of the political spectrum and has gained momentum in countries such as Switzerland, the Netherlands, and Canada (Santens, 2016). Switzerland even held a vote on the introduction of a basic income with a recommended sum of CHF 2’500 in June of 2016. The initiative was quite clearly rejected with 78% of the vote but it launched lively discussions in the media and the initiators said that increasing awareness was their main goal (Amrein, 2016).

Even though a full basic income has never been implemented, multiple countries are currently experimenting with it. Once again like with the education system, Finland is pioneering this idea with an experiment that started on January 1, 2017. They are paying EUR 560 per month for two years to 2’000 randomly selected individuals that are currently collecting unemployment. The goal is to compare their future unemployment rate with that of the control group (Manyika, et al., 2017, p. 115)

Of course there are many critics of this concept. There are two prevalent arguments. The first is that it would create a disincentive to work and a significant share of the population might decide to leave the workforce. The second is that a lot of people derive a large portion of their self-esteem from working, and a basic income might undermine this effect of employment and clash with the protestant work ethic. However, if the basic income is structured well it should be possible to use it to lift people out of poverty without disincentivizing work. For example the basic income could be tied to volunteer activities or some work requirements. It is likely that the percentage of people effectively dropping out of work would be low, however the absolute number would of course be quite visible. Additionally, this would be a self-selection, where the individuals remaining in the workforce are the ones that are industrious and ambitious (Ford, p. 31). So the question is whether these people should be forced to do effectively pointless work, when basic income could free them up to enjoy their lives and raising the pay for productive workers. So actually this disincentive to work might be the point. With time, more of the workforce might find it attractive to abandon the work-by-necessity system to engage in leisurely pursuits. It could be the way to a utopia fueled by advances in labor-saving technologies (Avent, 2016, p. 202).

Some of the most vocal critics of the basic income actually include workers and trade unions because they do not want the link between work and compensation severed. This is understandable, since even just a rise in the minimum wage would benefit many worker on the one hand, but would discourage companies from using previously cheap labor on the other hand (Avent, 2016).

Probably, there will not be a widely implemented BIG anytime soon. But it took the chaos of the first half of the 20th century to improve the inequality that had previously developed, with war, inflation, and the depression disrupting the status quo. A new era of taxation and the welfare state was introduced, which led to unparalleled economic growth. This was not an easy or inevitable process and neither will future measures to improve society be easily implemented (Piketty, 2014).

5. Excursus: Why would a jobless future be bad?

A lot of experts are quite fatalistic when discussing a jobless future. But why is that? Wouldn’t a 15-hour workweek as Keynes predicted be quite pleasant? It should actually be a good problem for us to have – is an abundance of labor not the point of technological progress? It would allow us to stop having to work hard to stay alive. Our system in which people have to perform labor that they would prefer not to do is not something we should aim to preserve (Avent, 2016). If a machine can do a job instead of a human, should that person be forced to perform that job at the risk of becoming destitute otherwise?

An anthropologist at the London School of Economics published a widely discussed paper on bullshit jobs. According to him, those not in the elite often occupy jobs that consist of low- and mid-level screen-sitting time that does not really serve a higher purpose but simply aims to occupy workers. He argues that this is a way for “the elite” to control the lives of others. Rather than allowing for a reduction in working hours to free up a large share of the world’s population to pursue their passions and ideas, according to Graeber there has been a ballooning of the administrative sector with the creation of whole industries such as telemarketing, or the expansion of industries such as academic and health administration, public relations, or law (Graeber, 2014). Graeber argues that technological progress has only intensified the creation of bullshit jobs since society was able to afford more of them, with farms and factories becoming more efficient (Bregman, 2017).

In a survey conducted by the Harvard Business Review among 12’000 professionals, 50% said they felt that their job had “no meaning and significance” and were unable to relate to what their company’s mission was. In another poll among 230’000 employees in 142 countries, only 13% of workers said that they liked their jobs and another poll conducted in the UK showed that 37% of respondents thought that their jobs did not need to exist (Bregman, 2017). A Gallup poll in the US yielded a similar result with 30% of participants not feeling engaged at work  (Schwartz & Porath, 2014), and a yearly poll in Germany, the Engagement Index,has steadily shown that only approximately 15% of employees have a high attachment to their company (Nink, 2014). A majority of people that are considered successful in our knowledge economy do not see their work as meaningful – we should question whether this is sustainable and desirable or find ways to mitigate this state of affairs.

Automation could give the people that do not find fulfillment in their jobs the chance to do non-labor activities that they are passionate about such as engaging with their communities, following artistic pursuits, or starting a venture. One day in the future it might be considered barbaric that humans had to sell a major share of their time just to be able to live (Bossmann, 2016).

However, if the link between compensation and work is broken and work will no longer be the means to distribute purchasing power, workers will have to find new sources of identity and purpose in their lives. Right now work structures our days and ideally should offer some opportunities for personal fulfillment (Avent, 2016). Industriousness is one of the main principles in countries such as the US and work lies at the heart of politics, economics, and social order in most countries (Thompson, 2015). The newly unemployed in a world without work might not be content to live in a society where they are subsidized by the state since a large share of people value having control over their economic lives and agency. The biggest challenge is thus not how to develop and implement new technologies but how to structure society so that the technologies can be used in a way that enables a majority of workers to be satisfied, something we have failed at to date (Avent, 2016). This might mean a radical rethinking of what we consider work and the opportunity for people to specialize in more emotive occupations that are not suited for machines, just like past Industrial Revolutions lead to work requiring more cognitive dexterity (The Economist, 2014).

6. The Swiss financial services industry

After examining the macroeconomic, global effects that labor-saving technologies i.e. automation might have, we will now take a specific example and deep-dive into the Swiss financial services industry. This will give us a clearer grasp of the concrete effects that automation can have on the number and content of jobs by means of illustrating the impact of selected disruptive technologies. To understand the transforming impact of these technologies on jobs on the Swiss financial sector, it is important to first have an understanding of what the industry encompasses.

6.1 Industry Overview

There are multiple types of institutions in the financial services industry. Here, we will focus mainly on banks and FinTechs, or financial technology companies, since including insurance providers, credit lenders, pension funds, brokerage firms etc. would make the scope too broad.

6.1.1 Traditional banks

In Switzerland, as of 31.12.2015, there were 266 banks that starkly differ in business model, corporate structure and size. Over time very diverse and heterogeneous banking groups have developed. The banking system in Switzerland is based on the universal banking model, meaning that all banks could provide all banking services e.g. payment transactions, deposits, asset management, underwriting of bonds or shares, conducting stock exchange transactions, etc. However, most banks are somewhat specialized and we can distinguish two main groups (Swiss Bankers Association, 2017, p. 9).

There are three main groups: On the one hand there are the retail banks or commercial banks, and on the other hand there are private banks or wealth management providers. The retail banks in Switzerland are comprised of major or big banks, namely UBS and Credit Suisse, cantonal and regional banks such as Zürcher Kantonalbank, and the 270 Raiffeisen banks that are the only banks structured as co-operatives. Together, the big banks make up more than 50% of the total of the balance sheet of all banks in Switzerland and are present in all major global financial centres. UBS employs 21’000 people in Switzerland, which is a third of their global staff (finews.ch, 2017b). Credit Suisse has a similar number of employees in Switzerland, making up almost half of their total workforce (finews.ch, 2017a).

Many of these banks also include corporate banking offerings, running investment banking arms and serving mid-sized to multinational businesses (db.com/company, 2016).

Another group are foreign banks, which make up more than 40% of the bank total. They include both banks that are foreign-controlled and operate under Swiss law as well as banks with branches in Switzerland (Swiss Bankers Association, 2016b).

In the year 2017, the financial sector (including all financial services companies) employed approximately 506’000 people, which is approximately 10% of the Swiss labor force. 167’000 of these jobs, or 103’041 FTEs, are attributable to banks. Among these employees there were 3’491 trainees doing a commercial apprenticeship (KV), which makes up 11.6% of all commercial apprenticeships in Switzerland. The banking sector with its 266 banks contributes over 5% of Swiss GDP (Swiss Bankers Association, 2017, p. 12).

6.1.2 FinTechs

With traditional financial institutions being the subject of pressure to reduce costs and increase efficiency, while trying to cope with increasing regulatory requirements, their clients are demanding new products that are more suited to their needs. Thus, in recent years a new type of company has emerged – financial services specialists that try and fulfill unmet customer needs and revolutionize the financial technology space, while offering more effective and more competitively priced services (Rufat, et al., 2016, p. 6). The FinTech sector has been steadily growing and since 2010 the number of FinTechs in Switzerland has increased six-fold (Kobler & Ernst, 2016). Investment in recent years has also increased exponentially, growing by over 60% year-over-year to USD 19 billion globally in 2015 (Ghose, et al., 2016, p. 111).

Often, FinTechs are referred to as a threat to banks. This is true to some degree, however, there is also great potential for collaboration since banks and FinTechs can gain greatly by working together. FinTechs that focus on the Business to Consumer (B2C) market e.g. by offering Peer-to-peer (P2P) platforms, robo-advisory services, or investment strategy solutions, benefit by gaining access to a valuable client base, and banks can leverage the new technologies to develop their products and services. And Business to Business (B2B) FinTechs focus on innovating the structure and process of banks by offering flexible and innovative software, as well as analytical tools and digitial solutions. They aim to gain banks as clients while banks can improve efficiency and cut costs by working with FinTechs (Kobler, Schlotmann, & Grampp, 2017, pp. 17–23).

One important subgroup of these Business to Business FinTechs gaining in importance are RegTechs, which help banks to comply with regulations, one of the most costly activities for banks in recent years and accounting for about 15-20% of their cost base. Regtechs do not focus on digital solutions for the end-consumer interface like a lot of FinTechs do, but aim to improve the Governance, Risk Management, and Compliance value chain, leading to more effective regulatory compliance and greater cost efficiency (Memminger, Baxter, & Lin, 2016, p. 1). These could have a particularly big effect on banks, since they would be affecting their back- and mid-office processes, potentially making a large share of employees redundant.

To summarize, FinTechs have the potential to accelerate the change and digital transformation of banks, both by offering competitive solutions, and by serving banks themselves with innovative products.

Switzerland has positioned itself internationally as an innovative FinTech hub. As of March 2016, there were over 170 active FinTech companies in Switzerland, cumulatively employing approximately 1’800 people, leading to an average of 10 employees per company. This is a manifestation of the long-tail distribution discussed in Chapter 3.1, with a small number of high-paying jobs being created while many low- and medium-skilled jobs are replaced. This is in line with the phenomenon described in Chapter XX that companies in new sectors and technology companies tend to employ fewer people than new industries in the past, thus contributing to technology becoming more labor-saving and less job-creating (Kobler & Ernst, 2016).

6.2 Disruptions and innovations in financial services

Since the financial crisis, banks have experienced enormous pressure. A challenging economic climate, rising customer expectations, increasing regulations and intense competition led to a decrease of 21% in return on sales as percentage of managed assets between 2010 and 2015. In combination with the growth in the FinTech sector and the development of disruptive technologies, there is an urgent need for innovation. Additionally, there is increasing pressure for banks to become more efficient and reduce their cost base as well as improve flexibility to finance new business models. In past years, many banks mainly focused on developing cost-cutting measures. Now, the sector is becoming more and more industrialized and banks realize the need to innovate in order to stay relevant (Spiller, et al., 2016, p. 1). The quote by Bill Gates that “banking is necessary, banks are not” encapsulates this need for innovation. A recent Accenture study shows that more than half of consumers would be willing to bank with companies such as Amazon, Google, Apple, and  FinTechs, potentially eroding a third of bank revenue in North America by 2020 (Accenture, 2015b, p. 9)

Nevertheless, in recent years the financial services have been among the first to adopt technologies such as robo-advisory, automated trading, and automated credit risk-checking, making their operations more efficient and threatening jobs.

In a 2016 study by Emolument that surveyed 900 professionals across industries, respondents working in financial services felt most threatened by technology with 47% feeling that technology was putting their jobs at risk (Emolument, 2016).

In the following section, we will take a look at 6 current innovations and trends in the financial services that have the potential to affect employment. These trends will impact the five main functions that banks offer: payment services, deposit and lending services, financial advisory and asset management, supplying of the market, and capital procurement (Kobler, et al., 2016, p. 3).

Figure XX shows an overview of these trends with an assessment of their impact of jobs in the sector and which of the functions mentioned above they will impact. In the next chapter, we will aggregate these trends to a gain a full view of the impact of these technologies on jobs in the financial services and see whether financial services employees’ fears are justified.

This section draws on interviews conducted with representatives from Deloitte, Bain & Company, Notenstein La Roche, and VZ Vermögenszentrum (see appendix).

6.2.1 Bank Architecture and Legacy Platforms

So far most innovations in the banking sector have centered around a digital user experience in the segment of the process affecting the end consumer. What has hindered many banks from pursuing other innovative technologies is their banking infrastructure, or so-called legacy platforms. The foundations of these IT platforms sometimes date back to the 60s or 70s and have been built upon throughout the decades. The processes can be so intricate that it can take years just to understand them and changing anything bears risks of introducing bugs into the system. And since a bank’s IT needs to function with 100% accuracy change efforts need to be well thought-out and planned carefully.

These legacy platforms make automation and efficiency improvements hard to implement. There are multiple approaches to dealing with this. Some banks are building up a whole new platform such as Raiffeisen, the third-largest banking group in Switzerland. They are introducing a new software in a 4-year project that will be rolled out in all their 270 banks in their coming years. This will allow them to automate processes e.g. in the onboarding of customers and increase the efficiency of their operations, as Ursula Brunner of Notenstein La Roche, a subsidiary of Raiffeisen, said in an interview (see Appendix XX). With this new digital platform they will be more flexible in implementing new solutions. However, this method of migrating all legacy infrastructure to a new product that is digital ready, changing the core banking system (CBS), also has the drawback of often taking years to complete with very high associated costs.

Stephan Erni said in our interview that there are also somewhat easier and faster approaches. Some banks choose to create a layer over their legacy platform with a service-oriented architecture (SOA) or continue to add applications onto their legacy architecture with complexity continuing to accumulate over time. Others even fully outsource processes to other providers such as FinTechs or even fully buy them. But these approaches will not lead to a truly digital and automatable process (see Appendix XX – evtl BCG Experte?). To achieve simpler, traceable, collaborative, and cross-channel operations, the process needs to be reinvented end-to-end, freeing the banks form their legacy organization and IT by building a digital platform (BCG Experte?).

Wealth Management providers are a good example of a sector trying to improve their processes through technology. Monitor Deloitte identified structure and processes as one of the most relevant areas of innovation for European Wealth Managers, with innovations that allow cost reductions and efficiency gains being prioritized. Often their intended innovations are focused around their core traditional business model, not yet transforming their business models. (Kobler, Schlotmann, & Grampp, 2017, p. 16).

The remodeling of legacy technology platforms and introduction of new digital platforms has already led to large employment cuts in recent years. In 2016, ING Groep, a Dutch financial institution, announced that it would cut 7’000 jobs by 2021, terminating 12% of its total workforce (Sterling, 2016). Notenstein La Roche, a Swiss private bank, is planning to cut 100 jobs by 2019, thus reducing the total staff by 20% from 500 to 400 (NZZ, 2016). In an interview, Ursula Brunner, Head of Human Resources of Notenstein La Roche, said that this is due to a new IT platform being introduced. This will lead to many tasks being automated that are currently performed manually and take over some back- and mid-office functions (see Appendix XX)

6.2.2 Enhanced Digital Components in End-to-End Multichannel Consumer Journey

In a study conducted by Accenture, online banking services emerged as most important aspect for customer loyalty in banks. In 2013, branch location was still the most important factor for customers. In 2015, 81% of customers claim that their local branch closing would not lead them to switch banks (Accenture, 2015a, p. 3). Of course there are varying degrees of embracing digital technologies, with some users still relying heavily on traditional channels but more than 20% of customers are digital only users and this number is increasing. Accenture goes even so far to say that every customer is now a digital customer (Accenture, 2015b, p. 3).

Thus, banks need to adapt to these changing consumer demands. One area of focus for banks has been the development of self-service technologies (SSTs) such as internet and mobile banking (Hilton et al., 2013, p. 3). Now, this goes even further as banks aim to give the customer an end-to-end digital experience. One big part of this is the offering of digital banking. This includes the implementation of virtual bank branches with advisory services being offered through chat of video call. Additionally, some banks are testing the use of virtual advisors in physical bank branches. Another big sub-category is online onboarding, meaning that customers can be acquired without personal contact through identification software, shifting back office functions to self-service (Brandes & Zobrist, 2016b, p. 25).

Nevertheless, consumers are not yet ready to resort to a fully digital experience. It is important to provide a hybrid experience, with a multichannel offering. Human interactions are still key in moments of truth. These can happen in person, but remote is often also accepted. The key is to integrate systems and provide a comprehensive online and mobile offering with fast support available on request (BCG 43).

UBS und Credit Suisse (vor allem UBS) viele Initiativen – Christine’s Ex – aber richten Fokus erst jetzt auf Legacy Plattformen, super schwierig

Many banks in Switzerland see the need to improve their digital offering, with the selection of the “most digital bank in Switzerland” by finews.ch being more competitive than ever last year with the Hypotherkarbank Lenzburg coming in first, followed by winner of past years, the Glarner Kantonalbank.[2] Other banks doing well in the ranking are Postfinance, Basellandschaftliche Kantonalbank, Valiant, and Zürcher Kantonalbank. All of them have in common that they aim to digitize their customer journey with improvements in the user friendliness of mobile and online banking. Some of them also focus on the digitization of back- and mid-office tasks, going back to the previous chapter, and a few try and position themselves as forerunners in crowdfunding. Many also work together with FinTech companies to improve and widen their offering e.g. in mobile payments, digital onboarding, and online mortgages (Hody, 2016).

6.2.3 Robo-Advisory Algorithms

Most of the jobs at risk through the technologies described above tend to be medium-skilled routine back-office jobs. However, in the wealth management business robo-advisory algorithms will increasingly threaten high skilled jobs. These algorithms take the role of a financial advisor, recommending tailored savings and investment products, as well as managing portfolios. They do so at a fraction of a cost for the consumer, charging transactions costs of only around 0.5% versus the traditional 2% (Kobler, Schlotmann, & Grampp, 2017, p. 19). They could truly transform the way that personal private banking and wealth management work, fundamentally altering their business models.

They have been growing at a Compounded Annual Growth Rate of over 85% in Europe in the past years. Despite this growth, they are still regarded with skepticism by many wealth management providers who still place the focus on personal interactions and trust. It takes time for them to become receptive to a transformational innovation like this (Kobler, Schlotmann, & Grampp, 2017, p. 16). This was made clear in my interview with Peter Früh, Founder of Früh & Partner Vermögensverwaltung AG, a subsidiary of VZ Vermögenszentrum, a wealth management firm. Even though VZ Vermögenszentrum launched the first robo-advisory service in Switzerland in 2009, offering automatic portfolio rebalancing, it has not yet caught on, with only 15’000 investors using the offering (finanzportal.vermoegenszentrum.ch, 2017). Peter Früh doubts that robo-advisory services will replace conventional advisory services, stressing the importance of personal service. Instead, he sees them more as a complementary offering rather than a replacement for advice by humans (see appendix). This is supported by a broader view: only 20% of wealth managers are using robo-adivosors and another 30% are planning to use them once the technology becomes more sophisticated (Kobler, Schlotmann, & Grampp, 2017, p. 19).

Similarly, True Wealth, the first independent online advisory service in Switzerland, counts only CHF 41 million in managed funds across 880 customers, still far away from their goal of CHF 1 billion in funds. In fact, most are not viable on their own because they do not achieve a critical mass and often partner with banks. This does not mean that the technology itself has no future – the two biggest robo-advisory services, Wealthfront and Betterment, are faring successfully with respectively 83’000 and 176’500 customers and asset managers such as Blackrock or investment banks such as Goldman Sachs are buying smaller firms (finews.ch, 2016). According to Merrill Lynch projections, robo-advisors could reach a penetration of 5% by 2020 and USD 2.2 trillion in managed assets and could thus be a major technological disruptor for traditional wealth management (Ma, Nahal, & Tran, 2015, p. 8). This does not mean that financial advisors will become redundant. The personal touch still remains important and the software makes getting financial advice cheaper and making it available to a wider circle of people, counteracting the effects of the automation to some extent (Popper, 2016).

6.2.4 Machine Learning, Data Analytics & Robot Process Automation (RPA)

The development of machine learning and artificial intelligence has led to improvements in the ability to automate two main subsets of tasks: analyst activities as well as routine back- and mid-office tasks.

The development of advanced natural language generation has enabled the gap between data analysis, storytelling, and the final investment decision to tighten with the need for human analysts assembling information diminishing (Ma, Nahal, & Tran, 2015, p. 8).  One example for such software is Kensho, is a financial analytics software that deploys scalable machine learning and analytics systems (kensho.com, 2017). An analysis that is now accessible by the click of the button in minutes could have previously taken 40 man-hours from well-paid Wall Street analysts. Kensho counts Goldman Sachs, JPMorgan Chase, and Bank of America among its clients (Popper, 2016).

The second impacted task subset are routine, rule-based back- and mid-office tasks e.g. in the area of mortgage lending. Processing mortgage applications consists of two main tasks, the collection and processing of data. Machine learning technologies could automate this process and reduce labor hours by between 55 and 85%. Additionally, the speed with which mortgages can be processed could increase from an average 37 days in the US to around six days with automation technologies being deployed using the current structure and processes. The main impact would come through a labor substitution of about 88% with just 12% from performance gains. This is not to say that 9 out of 10 mortgage brokers will be out of a job – the automation of the approval process will allow them to focus their attention on the more complex tasks of advising customers or handling complex cases. However, it is likely that it will lead to some redundancies in the sector (Manyika, et al., 2017, p. 62). Robot Process Automation (RPA) has the potential to increase efficiency, scalability, productivity and cost reduction in a variety of processes through the use of specialized software like the one described above. Once legacy platforms are renewed or replaced, these technologies can fulfill their full potential (Brandes & Zobrist, 2016b, p. 26).

6.2.5 High Frequency Trading

In recent years, automated trading strategies such as high frequency trading (HFT) and algorithmic trading have become more and more prevalent, with HFT volumes reaching as high as 60% of total equities and futures traded (Ma, Nahal, & Tran, 2015, p. 8). This displaced traders that used to specialize in arbitrage trading i.e. trying to spot differences in market value between stocks. Machines are a lot more efficient at spotting these price differentials than humans, thus displacing the traders (West, 2015, p. 4).

HFT is a prime example of how a new technology can affect a banking institution. An example is Goldman Sachs, where stocks are now mainly traded by computers instead of people, reducing the number of Goldman Sachs employees who trade stocks the old-fashioned way to 4 from approximately 600. Of course, some of these employees were replaced by programmers that designed and monitored the trading algorithms and data scientists in the data centers where the trading takes place. According to Paul Chou, a former Goldman Sachs trader, the company hired around 1 programmer for every 10 traditional traders that were displaced. The last trader was moved out of one of four former Manhattan trading floor of Goldman Sachs two years ago (Popper, 2016).

Of course this does not impact Switzerland that heavily because trading activities were mainly concentrated in some financial centers such as Manhattan and London. However, it shows the potential for technologies to have a large impact on part of a bank’s workforce.

6.2.6 Blockchain

Blockchain technology (for a description of Blockchain, please refer to Chapter XX) could be a massive disruptor of the banking industry as it could catalyze the transformation of bank’s core legacy systems. Even if it does not end up replacing the core banking infrastructure, it might lead banks to rethink legacy system to be more efficient and yield cost savings. Additionally, it could be used in a variety of applications such as  storage of clients’ accounts, cross-border payments or trade of securities. So far a lot of payment innovation has been focused on the user experience at the point of sales. Blockchain could change that and replace the current payment infrastructure with distributed ledger technology. It could lead to the removal of intermediaries in the trading process and increase the speed of settlement times (Ghose, et al., 2016, pp. 89–94).  Since it would radically reduce transaction costs and intermediaries, this technology could lead to a substantial shift in jobs.

6.3 Total impact on jobs in the Swiss financial services industry

6.3.1 Automation potential of financial services

Before diving into the final impact on jobs, let us first look at the automation potential of jobs in the financial services industry. As mentioned in Chapter 3.1, Deloitte found that 48% of jobs in Switzerland could potentially be automated. However, they still predict that the total number of jobs will increase by a net 270’000 until 2025. Even though their projections do not see the number of jobs decreasing, they are predicting that there will be big changes within jobs and between sectors (Brandes & Zobrist, 2016a, p. 1). To highlight this point, they broke the potential for automation down into sectors. According to Deloitte, employment in the financial and insurance sector totals 235’000, making it the 6th biggest industry in Switzerland. According to Deloitte, 35% or 82’000 jobs in finance and insurance have a low probability of automation, 37% or 86’000 have a medium probability of automation, and the smallest share of 29% or 67’000 jobs are assessed as having a large probability of automation. Compared to other sectors, these probabilities are quite low (Brandes & Zobrist, 2016b, p. 11). A study by McKinsey gives finance and insurance a slightly higher automation potential at 43%, leading it to be positioned approximately in the middle of all analyzed industries (Manyika, et al., 2017, p. 7; see Appendix XX for details). Thus, the financial sector does not consist of an unusually high number of automatable jobs.

One thing that could dramatically increase this automation potential, would be if machines were to develop an understanding of human language that can be compared to human performance, meaning that machines would be able to recognize concepts in everyday communications between people. Such advances would lead to a more than 20 percentage point increase to an automation potential of 66%. It is not unlikely that this technology will make great leaps in coming years (Chui, Manyika & Miremadi, 2016).

As discussed in previous parts of this paper, automation potential does not equal actual automation. Cost of the development and deployment of technological solutions, labor market dynamics e.g. wages and availability of workers, the economic upside of the implementation of new technologies, and social and regulatory acceptance play a big role in actual job substitution. The financial sector might be one of the sectors best positioned to implement automation technologies. With the pressure to reduce costs they are looking for ways to increase efficiency and cut staff, and automation solutions aid in that. Additionally, due to the high competition from FinTechs and other banks they are also under pressure to implement new digital solutions and services that could reduce staff that onboards people and builds the interface between bank and customer. The biggest challenge is the difficulty of changing legacy platforms, but many banks have started projects to attempt this and transform their IT infrastructure. Thus, it seems that a not negligible share of these automatable jobs could actually be made redundant.

6.3.2 Which jobs will be affected?

Even though the financial sector as a whole has a low-to-medium probability of automation, there are still groups within the sector that are very likely to be affected. One group with a high potential of automation are office clerks without a higher education (Brandes & Zobrist, 2016a, p. 4). This group will be put under pressure the most by automation in the financial sector and the number of jobs will decrease by 3% per year until 2025 according to projections (Brandes & Zobrist, 2016b, p. 7). Another group in jeopardy are bank tellers and secretaries, with an automation probability of 97%. In the 23 years between 1990 and 2013 around 65’000 jobs in these professions were made redundant. One group with a medium automation potential are financial advisors, with the number of jobs having increased by 11’000 in the last 25 years (Brandes & Zobrist, 2015, p. 4). However, this could change with technologies such as robo-advisory services becoming more prevalent. However, it is unlikely that this will lead to a massive reduction in advisors since the human touch will still remain important, at least in the medium term. Longer-term however, interfaces might become so sophisticated that clients no longer feel the need to work with a human being (Popper, 2016).

Anything in the back office involving the collection and processing of data is easily automatable and these are the jobs being made redundant by new IT systems that replace legacy platforms. Since around 50% of the overall time of the workforce in finance and insurance is dedicated to collecting and processing data, this is quite significant. Jobs such as insurance sales agent, underwriter, or securities and financial sales agent – not to forget the bank tellers mentioned above. This leads to the 43% of workers’ time that could be automated according to McKinsey estimates (Chui, Manyika & Miremadi, 2016).

These example illustrate an important differentiation between jobs with customer contact and jobs without it (front-office and back-office jobs). Direct contact with customers often leads to a low probability of automation. But as seen above, some front-office jobs such as bank tellers can be strongly affected by automation as well with a 97% potential for automation, almost identical to office clerks working in statistics that do not have any customer contact (Brandes & Zobrist, 2016b, p. 23).

6.3.3 Will the number of jobs decrease?

Echoing the argument discussed in Chapter XX about the global impact of jobs, experts in the financial sector have similar disagreements. Some say that a large share of jobs in the financial industry will be automated, with Merrill Lynch projecting that advance in AI and robotics are likely to disrupt 25 million workers in the financial and legal services sector by 2025, simultaneously unlocking productivity gains of between 45 and 55% (Ma, Nahal, & Tran, 2015, p. 8). Others say that the impact will not be that big. This disagreement was also echoed in my interviews, with Stephan Erni and Lanni Costantino predicting that there will be significantly less jobs, while Dennis Brandes, Peter Früh, and Ursula Brunner remained more optimistic.

Many executives in the industry believe that automation will free up employees in the financial services to concentrate on more valuable activities and that it will create new types of jobs that do not yet exist. Often the example of ATMs mentioned in Chapter XX is brought up in this context. But of course there are also pessimists. Antony Jenkins, former Chief Executive of Barclays, predicted that the financial industry will soon be hit by a series of “Uber moments”, leading to a decline in the number of branches and people employed of between 20% and 50% (Popper, 2016).

The fact that banks are still under pressure to cut costs seems to support this prediction. For example, Credit Suisse announced a net cut of 7’250 jobs in 2016 followed by an additional 6’250 out of a total of 47’000 to be cut by the end of 2018 (Franklin, 2017). Up to 1’300 of these job cuts could happen in Switzerland, with 800 already having been cut last year (Gretler & Voegeli, 2016). Another example is Deutsche Bank, which plans to cut 9’000 jobs from 2015 to 2018, leading to a 9% reduction in its global workforce (Morris, Choudhury, & Canny, 2017). In total, the Financial Times reported that in 2015 alone, 100’000 job cuts were announced by big banks in the US and Europe, making up around 10% of their workforce (Ghose, et al., 2016, p. 84). These job cuts might still be part of restructuring efforts and cost-cutting measures prompted by slow economic growth and new regulations since the financial crisis, with most not being directly caused through automation. However, wide-reaching job cuts often force banks to become more efficient by deploying cheaper and more effective new technologies, thus finding ways to replace them. Thus, this reduction in staff could catalyze digital transformations and automation within these banks and lead to a further reduction in employees.

Additionally, we saw in the previous chapter, that the implementation of new IT systems can lead to staff reductions of 10%–20%, directly caused by automation of tasks and resulting efficiency gains. Legacy platforms being replaced and a share of rule-based, routine tasks being subsequently substituted by machines is a mostly one-time disruption. Thus, it is likely to be a one-time job cut, at least in the medium-term, with additional ones following when more functions and technologies are being implemented.

A large number of jobs would still be left intact in the medium-term. This is the result of the observation made in the previous chapter that since the personal touch still remains important in the customer journey e.g. in the purchase of real estate, pensions, or private banking. The complementary effect could be quite large, since the quality of services can be improved when humans are supported by technology. One example is that it would be possible for people with less money to invest to make use of advisory services, since the costs are now lower. This would lead to the quality of services increasing and activities changing to high-quality technology-supported advisory services while less complex transactions are automated.

But even in the areas that are fully automated, there are new jobs being created. Humans are needed to supervise new technologies and fill the interface between machines and people. Another factor is that employees with specialized knowledge remain valuable since they can help with the optimization of processes to use automated software, making seasoned employees relatively safe. But the content of their job might shift drastically (Brandes & Zobrist, 2016b, pp. 29–30). The biggest complementary effects can be observed in asset management and market supply, a medium one in deposits and loans, and a relatively small one in payments (Brandes & Zobrist, 2016b, pp. 29–30).

Another potential impact of automation for the financial center that is Switzerland is reshoring. Many banks outsourced significant portions of their business to cheaper countries such as Poland. Automation could bring some of these jobs back to Switzerland. Of course, the net number of people employed would be smaller, but it could lead to increases in Switzerland. This would again mainly be due to the complementary effect and the need for programmers etc. to supervise the technologies

Taking everything into consideration, it is likely that the financial sector in Switzerland will experience a reduction in employees of 10-20% due to automation in the next 10 years. This is due to the fact that new banking software will automate many back-office processes while new digital technologies e.g. in payment and some robo-advisory could reduce the demand for customer-facing employees. However, automation also makes it possible for banks to focus their attention on their core competencies, leading to an increase in quality and complementary effects that are likely to mitigate a portion of the substitution effect.

Brandes: Positiver Outlook, spielt in Schweizer Stärken rein (s. Interview)

Erni: Clustern: Short-term (Effizient mit softer Technologiekomponente siehe Deutsche Bank etc., kleine Banken; Long-term: richtige Automatisierung mit grossem Impact

Ausblick wie managen wir die Änderungen?

Need to understand changes under way across all sectors, at the moment both at the national and global level the requisite institutional framework to govern the diffusion of innovation and mitigate the disruption is inadequate at best and at worst absent. Second, the world lacks a consistent, positive and common narrative that outlines the opportunities and challenges of the fourth industrial revolution, a narrative that is essential if we are to empower a diverse set of individuals and communities and avoid a popular backlash against the fundamental changes under way (Schwab, p. 9)

Students need to acquire education that is not quantitative but specialized and qualitative. Personalize it, since there are higher and more complex requisites, requiring innovation, interdisciplinarity, networking (25)

Berufshauptgruppen mit einem höheren Ausbildungsniveau weisen tendenziell eine tiefere Automatisierungswahrscheinlichkeit auf und sind stärker gewachsen. Dazu gehören Arbeitskräfte mit einem Hochschulabschluss oder mit einer höheren Berufsbildung. Diese Trend dürfte sich in Zukunft fortsetzen. Die Nachfrage nach Hochqualifizierten (tertiärer Bildungsabschluss) wird gemäss Prognosen von Cedefop auch in den nächsten Jahren stark steigen. Bis 2025 dürften über doppelt so viele Arbeitskräfte mit hohem Ausbildungsniveau benötigt werden wie noch 2005 (+113%). (19, p. 6)

Fazit

Team Grandmaster and Chess Computer beat everyone else

Bibliography

Accenture. (2015a). Banking Shaped by the Customer (Rep.) Retrieved April 23rd, 2017 from https://www.accenture.com/us-en/%7E/media/Accenture/Conversion-Assets/Microsites/Documents17/Accenture-2015-North-America-Consumer-Banking-Survey.pdf#zoom=50.

Accenture. (2015b). Banking Customer 2020 – Rising Expectations Point to the Everyday Bank (Rep.).

Acemoglu, D. (2000). Technical Change, Inequality, and the Labor Market (Working paper No. 7800). National Bureau of Economic Research.

Arntz, M., Gregory, T., & Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries. OECD Social, Employment and Migration Working Papers. doi:10.1787/5jlz9h56dvq7-en

Autor, D. H. (2015). Why Are There Still So Many Jobs? The History and Future of Workplace Automation. Journal of Economic Perspectives, 29(3), 3–30. doi:10.1257/jep.29.3.3

Avent, R. (2016). The Wealth of Humans: Work, Power, and Status in the Twenty-First Century. New York: St. Martin’s Press.

Bessen, J. (2015). Learning by doing: the real connection between innovation, wages, and wealth. New Haven: Yale University Press.

Bessen, J. (2016). How Computer Automation Affects Occupations: Technology, Jobs, and Skills (Working paper No. 15-49). Boston University School of Law.

Brandes, D., & Zobrist, L. (2015). Mensch und Maschine: Roboter auf dem Vormarsch?. Folgen der Automatisierung für den Schweizer Arbeitsmarkt (Rep.). Deloitte.

Brandes, D., & Zobrist, L. (2016a). Strukturwandel schafft Arbeitsplätze: Wie sich die Automatisierung auf die Schweizer Beschäftigung auswirken wird (Rep.). Deloitte.

Brandes, D., & Zobrist, L. (2016b). Transformation der Schweizer Wirtschaft: Die Auswirkung der Automatisierung auf Beschäftigung und Branchen (Rep.). Deloitte.

Brandes, D. & Zobrist, L. (2017). What key competencies are needed in the digital age? The impact of automation on employees, companies and education (Rep.). Deloitte.

Feng, A., & Graetz, G. (2015). Rise of the Machines: The Effects of Labor-Saving Innovations on Jobs and Wages (Discussion paper No. 8836). Bonn, Germany: Institute for the Study of Labor (IZA).

Frey, C. B., & Osborne, M. A. (2013). The future of employment: how susceptible are jobs to computerisation?. Oxford : Oxford Martin School, Univ. Of Oxford.

Ghose, R., Dave, S., Shirvaikar, A., Horowitz, K., Tian, Y., Levin, J., & Ho, S. (2016). Digital Disruption – How FinTech is Forcing Banking to a Tipping Point (Rep.). Citi GPS: Global Perspectives & Solutions.

Goos, M., Manning, A., & Salomons, A. (2014). Explaining Job Polarization: Routine-Biased Technological Change and Offshoring. American Economic Review, 104(8), 2509-2526. doi:10.1257/aer.104.8.2509.

Gratton, L. (2011). The Shift: How the Future of Work is Already Here. London: Collins.

Graumann, S., Bertschek, I., & Weber, T. (2015). Monitoring-Report. Wirtschaft DIGITAL 2015 (Rep.). Bundesministeriunm für Wirtschaft und Energie (BMWi).

Harari, Y. N. (2014). Sapiens: a brief history of humankind. London: Harvill Secker.

Harari, Y. (2017). Homo deus: a brief history of tomorrow. New York, NY: Harper, an imprint of HarperCollins Publishers.

Hilton, T., Hughes, T., Little, E., & Marandi, E. (2013). Adopting self-service technology to do more with less. Journal of Services Marketing, Vol. 27 (1), pp. 3-12. doi:10.1108/08876041311296338.

International Labour Organization. (2015). The Labour Share in G20 Economies (Report prepared for the G20 Employment Working Group). Antalya, Turkey.

Jerbashian, V. (2016). Automation and Job Polarization: On the Decline of Middling Occupations in Europe (Working paper No. E16/348). Universitat de Barcelona.

Johnson, A. S., & Veblen, T. (1916). The Instinct of Workmanship. Political Science Quarterly, 31(4). doi:10.2307/2141642

Keynes, J. M. (1930). Economic Possibilities for Our Grandchildren. Essays in Persuasion, pp. 358–373.

Kobler, D., Grampp, M., Bucherer, S., Hauber, F., Schlotmann, J., & Baumgartner, B. (2016). Zukünftige Geschäftsmodelle für Schweizer Banken – Aufbruch zu neuen Horizonten (Rep.). Deloitte.

Kobler, D., Schlotmann, J., & Grampp, M. (2017). Innovation in Private Banking & Wealth Management – Embracing the Business Model Change (Rep.). Monitor Deloitte.

Ma, B., Nahal, S., & Tran, F. (2015). Thematic Investing: Robot Revolution – Global Robot & AI Primer (Rep.). Bank of America Merrill Lynch.

Manyika, J., Chui, M., Madgavkar, A., & Lund, S. (2016). Technology, jobs, and the future of work (Issue brief). McKinsey Global Institute.

Manyika, J., Chui, M., Miremadi, M., Bughin, J., George, K., Willmott, P., & Dewhurst, M. (2017). A Future That Works: Automation, Employment, and Productivity (Rep.). McKinsey Global Institute.

Memminger, M., Baxter, M., & Lin, E. (2016). Banking Regtechs to the Rescue? (Rep.). Bain & Company.

Mokyr, J., Vickers, C., & Ziebarth, N. L. (2015).The History of Technological Anxiety and the Future of Economic Growth: Is This Time Different?. Journal of Economic Perspectives, 29(3), 31–50.

Moretti, E. (2010). Local Multipliers. American Economic Review, 100(2), 373-377. doi:10.1257/aer.100.2.373

Nink, M. (2014). Engagement-Index: Die neuesten Daten und Erkenntnisse aus 13 Jahren Gallup-Studie. München: Redline-Verlag.

OECD (2015). OECD Digital Economy Outlook 2015. Paris, France: OECD Publishing. doi: 10.1787/9789264232440-en.

Pfeiffer, S., & Suphan, A. (2015). Der AV-Index. Lebendiges Arbeitsvermögen und Erfahrung als Ressourcen auf dem Weg zur Industrie 4.0 (Working paper 2015 #1). Universität Hohenheim, Fg. Soziologie.

Piketty, T. (2014). Capital in the twenty-first century. Cambridge Massachusetts: The Belknap Press of Harvard University Press.

Pluess, J. D. (2015). Good Jobs in the Age of Automation: Challenges and Opportunities for the Private Sector (Issue brief). Business for Social Responsibility.

Prisecaru, P. (2016). Challenges of the Fourth Industrial Revolution. Knowledge Horizons – Economics, 8(1), 57-62.

Rahbari, E., Curmi, E., Garlick, R., Chua, J., Friedlander, G., Chalif, P., . . . Holmes, C. (2016). Technology at Work v2.0: The Future Is Not What It Used to Be (Rep.). Citi GPS: Global Perspectives & Solutions.

Rufat, J., Meere, D., Fernández, L., Gammarati, D., Morales, P., Carbonell, J., . . . Villalante, O. (2016). FinTech & Banking: Collaboration for Disruption (Rep.). Axis Corporate and EFMA.

Schwab, K. (2016). The Fourth Industrial Rrevolution. Geneva, Switzerland: World Economic Forum.

Smith, A., & Anderson, J. (2014). AI, Robotics, and the Future of Jobs: Digital Life in 2025 (Rep.). Pew Research Center.

Spiller, P., Bucherer, S., Brandes, D., Ankenbrand, T., Dwivedi, A., & Bühler, C. (2016). Industrialisierung: Die Effizienz und Flexibilität der Schweizer Bankenbranche erschliessen (Rep.). Monitor Deloitte.

Stiglitz, J. E. (2016). The Great Divide: Unequal Societies and What We Can Do About Them. New York, London: W. W. Norton & Company.

West, D. M. (2015). What happens if robots take the jobs? The impact of emerging technologies on employment and public policy (Publication). Center for Technology Innovation at Brookings.

ZEW (2015). IKT-Report. Unternehmensbefragung zur Nutzung von Informations- und Kommunikationstechnologien. Mannheim, Germany: Zentrum für Europäische Wirtschaftsforschung.

Web Sources

Autor, D. (2016, December). Transcript of “Will automation take away all our jobs?”. Retrieved March 25, 2017, from https://www.ted.com/talks/david_autor_why_are_there_still_so_many_jobs/transcript

Amrein, M. (2016, June 5). Abstimmungen: Die Grundeinkommen-Initiative auf einen Blick. Retrieved May 04, 2017, from https://www.nzz.ch/schweiz/volksabstimmung-vom-5-juni-das-grundeinkommen-auf-einen-blick-ld.14519

Auschitzky, E., Hammer, M., & Rajagopaul, A. (2014, July). How big data can improve manufacturing. Retrieved April 19, 2017, from http://www.mckinsey.com/insights/operations/how_big_data_can_improve_manufacturing

Avent, R. (2016, October 09). Welcome to a world without work. Retrieved April 13, 2017, from https://www.theguardian.com/commentisfree/2016/oct/09/technological-revolution-sparks-social-unrest

Bossmann, J. (2016, October 21). Top 9 ethical issues in artificial intelligence. Retrieved April 12, 2017, from https://www.weforum.org/agenda/2016/10/top-10-ethical-issues-in-artificial-intelligence

Bregman, R. (2017, March 02). Want utopia? Start with universal basic income and a 15-hour work week. Retrieved April 03, 2017, from http://www.wired.co.uk/article/universal-basic-income-utopia

Brynjolfsson, E. (2013, April). Transcript of “The key to growth? Race with the machines”. Retrieved May 12, 2017, from https://www.ted.com/talks/erik_brynjolfsson_the_key_to_growth_race_em_with_em_the_machines/transcript?language=en

Chui, M., Manyika, J., & Miremadi, M. (2016, July). Where machines could replace humans–and where they can’t (yet). Retrieved May 09, 2017, from http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/where-machines-could-replace-humans-and-where-they-cant-yet

Deutsche Bank. (2016, April 07). Corporate & Investment Banking. Retrieved May 08, 2017, from https://www.db.com/company/de/corporate-and-investment-banking.htm

Emolument. (2016, October 21). Is Technology Putting Your Jobs At Risk? [Press release]. Retrieved May 02, 2017, from https://www.emolument.com/career_advice/is_technology_destroying_jobs

Etsy. (n.d.). About Etsy. Retrieved April 23, 2017, from https://www.etsy.com/uk/about

Finews.ch. (2016, August 18). Robo-Advisors: Spreu trennt sich vom Weizen. Retrieved May 03, 2017, from http://www.finews.ch/news/banken/24101-fintech-robo-advisor-truewealth-felix-niederer-nutmeg-betterment-wealthfront-blkb

Finews.ch. (2017a). Dossier Banken: Credit Suisse. Retrieved May 03, 2017, from http://www.finews.ch/news/banken/credit-suisse

Finews.ch. (2017b). Dossier Banken: UBS. Retrieved May 03, 2017, from http://www.finews.ch/news/banken/ubs

Franklin, J. (2017, February 14). Credit Suisse flags 6,500 job cuts in 2017 after $2.4 billion loss. Retrieved May 08, 2017, from http://www.reuters.com/article/us-credit-suisse-gp-results-idUSKBN15T0M1

Gayford, M. (2016, February 15). Robot Art Raises Questions about Human Creativity. Retrieved April 20, 2017, from https://www.technologyreview.com/s/600762/robot-art-raises-questions-about-human-creativity/

Google Trends. Fourth industrial revolution. (n.d.). Retrieved April 17, 2017, from https://trends.google.com/trends/explore?date=all&q=fourth industrial revolution

Graeber, D. (2013, August 17). On the Phenomenon of Bullshit Jobs. Retrieved April 02, 2017, from http://strikemag.org/bullshit-jobs/

Gretler, C., & Voegeli, J. (2016, December 05). Credit Suisse Planning More Swiss Job Cuts, SamS Reports. Retrieved May 02, 2017, from https://www.bloomberg.com/news/articles/2016-12-05/credit-suisse-planning-more-swiss-job-cuts-sams-reports

Hody, P. (2016, December 16). Die digitalste Bank der Schweiz. Retrieved May 17, 2017, from http://www.finews.ch/news/banken/25528-digitalste-bank-2016-hypothekarbank-lenzburg

Kensho Technologies, Inc. (2017). About Kensho. Retrieved April 15, 2017, from https://www.kensho.com/industry/as

Kobler, D., & Ernst, B. (2016, October 3). Die Schweizer FinTech-Landschaft im europäischen Vergleich: Wie gut stehen die Chancen für die Schweiz sich als Hub zu positionieren? Retrieved April 23, 2017, from http://blogs.deloitte.ch/banking/2016/03/die-schweizer-fintech-landschaft-im-europaeischen-vergleich.html

Manyika, J., & Chui, M. (2014, August 13). Digital era brings hyperscale challenges. Retrieved February 28, 2017, from https://www.ft.com/content/f30051b2-1e36-11e4-bb68-00144feabdc0

Morris, D. Z. (2016, December 31). IPhone Manufacturer Foxconn Aims for Full Automation of Chinese Factories. Retrieved April 03, 2017, from http://fortune.com/2016/12/31/foxconn-iphone-automation-goal/

Morris, S., Choudhury, A., & Canny, W. (2017, January 18). Deutsche Bank Says Job Cuts Will Continue. Retrieved May 12, 2017, from https://www.bloomberg.com/news/articles/2017-01-18/deutsche-bank-said-to-warn-job-cuts-continuing-as-bonuses-axed

Peck, D. (2014, February 19). They’re Watching You at Work. Retrieved April 23, 2017, from https://www.theatlantic.com/magazine/archive/2013/12/theyre-watching-you-at-work/354681/

Popper, N. (2016, February 25). The Robots Are Coming for Wall Street. Retrieved May 17, 2017, from https://www.nytimes.com/2016/02/28/magazine/the-robots-are-coming-for-wall-street.html?_r=0

Roser, M. (2017). The short history of global living conditions and why it matters that we know it. Retrieved March 02, 2017, from https://ourworldindata.org/a-history-of-global-living-conditions-in-5-charts/

Santens, S. (2016, March 16). Deep Learning Is Going to Teach Us All the Lesson of Our Lives: Jobs Are for Machines. Retrieved May 07, 2017, from https://medium.com/basic-income/deep-learning-is-going-to-teach-us-all-the-lesson-of-our-lives-jobs-are-for-machines-7c6442e37a49#.j2l5j7ewn

Schwartz, T., & Porath, C. (2014, May 30). Why You Hate Work. Retrieved April 17, 2017, from https://www.nytimes.com/2014/06/01/opinion/sunday/why-you-hate-work.html?_r=0

SchweizerischeDepeschenagentur / Reuters. (2016, October 26). Abbau von 100 Stellen: Sparkurs bei Notenstein. Retrieved May 09, 2017, from https://www.nzz.ch/wirtschaft/abbau-von-100-stellen-sparkurs-bei-notenstein-ld.124248

Sterling, T. (2016, October 03). ING plan to cut 7,000 jobs, spend on digital draws union ire. Retrieved May 17, 2017, from http://www.reuters.com/article/us-ing-groep-strategy-idUSKCN1230D3

Strack, R. (2014, October). Transcript of “The workforce crisis of 2030 – and how to start solving it now”. Retrieved April 05, 2017, from https://www.ted.com/talks/rainer_strack_the_surprising_workforce_crisis_of_2030_and_how_to_start_solving_it_now/transcript?language=en

Strauss, V. (2015, March 26). No, Finland isn’t ditching traditional school subjects. Here’s what’s really happening. Retrieved March 09, 2017, from https://www.washingtonpost.com/news/answer-sheet/wp/2015/03/26/no-finlands-schools-arent-giving-up-traditional-subjects-heres-what-the-reforms-will-really-do/?utm_term=.3d071e3c0e

Swiss Bankers Association (2015). The banks in Switzerland. Retrieved April 16, 2017 from http://www.swissbanking.org/en/financial-centre/number-of-banks-in-switzerland-en

Swiss Bankers Association. (2016a). The Swiss financial centre. Retrieved May 13, 2017, from http://www.swissbanking.org/de/finanzplatz/finanzplatz-in-zahlen/der-schweizer-finanzsektor

Swiss Bankers Association. (2016b). Bank groups. Retrieved May 16, 2017, from http://www.swissbanking.org/en/financial-centre/financial-centre-participants/banking-groups?set_language=en

TaskRabbit Inc. (n.d.). Revolutionizing Everyday Work. Retrieved April 23, 2017, from https://www.taskrabbit.com/about

The Economist. (2014, January 18). The future of Jobs: The Onrushing Wave. Retrieved February 28, 2017, from http://www.economist.com/news/briefing/21594264-previous-technological-innovation-has-always-delivered-more-long-run-employment-not-less

The Economist. (2016, June 25). Automation and anxiety. Retrieved March 03, 2017, from http://www.economist.com/news/special-report/21700758-will-smarter-machines-cause-mass-unemployment-automation-and-anxiety

The Economist. (2017, March 30). Elon Musk enters the world of brain-computer interfaces. Retrieved April 4, 2017, from http://www.economist.com/news/science-and-technology/21719774-do-human-beings-need-embrace-brain-implants-stay-relevant-elon-musk-enters

The World Bank. (2015). GDP per capita, PPP (current international $). Retrieved March 23, 2017, from http://data.worldbank.org/indicator/NY.GDP.PCAP.PP.CD

Thompson, D. (2015, August 17). A World Without Work. Retrieved April 03, 2017, from https://www.theatlantic.com/magazine/archive/2015/07/world-without-work/395294/

Uber Technologies Inc. (n.d.). Our Story. Retrieved April 23, 2017, from https://www.uber.com/de/our-story/

VZ Vermögenszentrum. (2017, March 07). Der erste Robo Advisor Europas wird jetzt noch attraktiver. Retrieved May 09, 2017, from https://finanzportal.vermoegenszentrum.ch/Wissen-Tools/Wissen-Tools/Thema-der-Woche/Der-erste-Robo-Advisor-Europas-wird-jetzt-noch-attraktiver.html

Appendix A: Automation probabilities according to sector

Fray and Osbone

McKinsey, (10, p.

Bildergebnis für frey and osborne probability of computerization

McKinsey (10, p. tbd)

Appendix B: Interviews

Overview of interview partners

Interview I: Dennis Brandes (DB), Research Manager at Deloitte

Dennis Brandes is a Research Manager at Deloitte Insight Switzerland in Zurich, specializing on the Swiss economy, the Swiss CFO Survey and the financial services industry. He joined Deloitte in December 2010 after 5 years in the research department of one of the largest Swiss banks, where he had focused on the international aspects of the Swiss economy.

Interview II: Stephan Erni (SE), Manager at Bain & Company

Stephan Erni is a Manager in the Financial Services Practice at Bain & Company in Zurich. He joined Bain in 2016, after 3 years at UBS and 5 years at PwC. He has extensive knowledge of the Swiss banking industry, having worked on countless projects including a major restructuring at UBS, cumulatively leading to 6 years of UBS experience. Stephan Erni holds a Master’s degree in Banking & Finance from the University of St. Gallen.

Interview III: Ursula Brunner (UB), Head of HR at Notenstein La Roche

Ursula Brunner has held the position as Head of Human Resources at Notenstein La Roche for the past three years, a time of much change inside the bank. On the one hand Notenstein acquired the bank La Roche during that time and on the other hand a big IT project was started.

Interview IV: Costantino Lanni (CL), Head of the Center for Financial Studies at the HWZ University of Applied Sciences in Business Administration Zurich

Costantino Lanni, Head of the Master Banking & Finance at HWZ, began his career as a portfolio manager at Credit Suisse. After graduating from the International Banker’s School in New York, he earned a CFA and founded an asset management company called Brunner Lanni + Partner Asset Management AG. At the same time he was a lecturer in banking and financial risk management at various universities before assuming the role of Head of the MAS Master of Advanced Studies in Banking & Finance.

Interview V: Peter Früh,

Interview I: Dennis Brandes

Disclaimer: The interview represents the opinion of the interview subject and not necessarily the official opinion of Deloitte

KH: Gemäss einer Deloitte-Studie sind Komplementäreffekte historisch mehr ins Gewicht gefallen als Substitutionseffekte und haben dementsprechend zu einem Jobwachstum geführt. Wird dies wirklich so weitergehen mit der exponentiellen Entwicklung von Technologien und Verbesserungen in AI, Machine Learning etc.?

DB: Was dahinter steht sind eine Reihe von Annahmen. Erstens, man stellt tatsächlich fest, wenn man sich das genau anguckt – wir arbeiten übrigens gerade an einer Folgestudie mal wieder, die Ende April erscheinen wird und dort haben wir dann auch eine quantitative Schätzung zum Vergleich Komplementäreffekt vs. Substitutionseffekt – man sieht eben tatsächlich, dass der Komplementäreffekt grösser ist. Und gegeben, dass die jetzigen Entwicklungen weiterlaufen, ist es meiner Meinung nach auch ziemlich sicher, dass das in Zukunft der Fall sein wird. Schlichtergreifend, weil der Komplementäreffekt mehrere Komponenten hat, die recht mächtig sind. Allein dadurch, dass Du die Produktivität steigern kannst, Realpreise sinken, dadurch steigt tendenziell die Nachfrage auch indirekt. Also es muss nicht so sein, dass das in direkter Verbindung mit ICT Jobs oder ähnlichem passiert und das kann eben auch indirekt sein und genau das ist ziemlich mächtig. Das hat jetzt genau diese eine Einschränkung gehabt, nämlich, dass sich die Trends einfach fortsetzen. Und die eine Sache aus meiner Sicht, die dem entgegenstehen würde oder die tatsächlich potenziell etwas ändern könnte, ist echte künstliche Intelligenz. Also Machine Learning alleine und künstliche Intelligenz wie wir sie heute sehen denke ich so eigentlich nicht. Was ich da empfehlen würde und was ich persönlich überzeugend finde ist David Autor, den kennst Du wahrscheinlich. Der beschreibt in einem Paper sehr flüssig was denn z.B. das selbstfahrende Auto bedeutet. Denn das selbstfahrende Auto fährt nicht auf Strassen, sondern es fährt auf Karten. Und diese Karten hat man dem vorher beigebracht und es fährt sklavisch diese Karten ab. Wenn sich jetzt die Realität ändert und es vielleicht eine kleine Umleitung gibt, oder eine kleine Baustelle, sie muss nicht gross sein, und die ist jetzt dummerweise noch nicht auf der Karte verzeichnet, dann ist dieses selbstfahrende Auto hilflos, weil das ja eben nicht auf der Strasse fährt sondern auf der Karte. Das ist für mich ein wunderschönes Beispiel, was sogenannte künstliche Intelligenz heute eigentlich bedeutet. Und die ist eben keine echte künstliche Intelligenz. Und auch Machine Learning, das ist ein Brute Force Ansatz, der ist extrem ineffizient, der kann zwar am Ende wunderbare Resultate ausspucken, aber ist halt einfach extrem ineffizient. Und das verglichen mit menschlicher Intelligenz, die völlig anders funktioniert, die viel effizienter funktioniert, viel flexibler und anpassungsfähiger ist, da sind wir eigentlich noch nirgends. Es gibt einen Professor, den Du wahrscheinlich auch kennst, Robin Hanson, er hat diese interessante These zum Aufkommen von echter künstlicher Intelligenz. Er nennt das “Ems”, hat ein Buch darüber geschrieben, über die ganzen Funktionen, die diese Ems dann aufbauen. Das ist diese softwarebasierte künstliche Intelligenz, die den Menschen letzten Endes vollkommen ersetzt, eine neue Stufe menschlicher Evolution. Das ist ein Buch, damit ist er berühmt geworden. Der sagt allerdings – und er war 9 Jahre Computerwissenschaftler, hat also direkt in der Industrie gearbeitet und mit Menschen gesprochen, die heute künstliche Intelligenz entwickeln usw. – er sagt, wenn wir keine Revolution in dem Bereich haben, wenn wir einfach heutige Trends fortsetzen, dann wird echte künstliche Intelligenz erst in ein paar hundert Jahren Realität werden. Und er hat sein ganzes Buch darüber geschrieben, dass echte künstliche Intelligenz entsteht und welche Folgen das haben könnte. Und er sagt, damit das in den nächsten Jahrzehnten und nicht erst Jahrhunderten passiert, brauchen wir eine Revolution, wir brauchen etwas, was jetzt nicht absehbar ist. Wenn Du einfach fortsetzt, was heute passiert, sind es Jahrhunderte. Es braucht etwas, was das massiv beschleunigt. Das heisst also, die grosse unausgesprochene Annahme, die hinter unseren Arbeiten steckt ist, dass es keine echte künstliche Intelligenz gibt. Diese Annahme ist aus meiner Sicht gerechtfertigt, weil selbst mit einer Revolution, wenn Du jetzt Professor Hanson glauben würdest, bräuchte es Jahrzehnte bis so etwas entstehen könnte und ohne eine echte Beschleunigung könnte es sogar Jahrhunderte dauern. Das heisst für die nächsten Jahrzehnte, also eben 2025 oder 2030, ist die Annahme durchaus berechtigt, dass wir keine echte künstliche Intelligenz sehen werden. Was wir sehen werden ist natürlich revolutionär und cool und toll usw. und eine echte Weiterentwicklung, aber es ist nicht echte künstliche Intelligenz.

KH: Also denkst Du das wird jetzt gerade gehyped und in ein paar Jahren setzt dann wieder der Realismus ein?

DB: Ja, meine persönliche Meinung ist tatsächlich, es wird vielerorts überschätzt. Und das ist gerechtfertigt, weil das was wir sehen ist ja tatsächlich toll. Das stelle ich keinesfalls in Frage. Aber das Outcome was eine Generation vor uns gesehen hat, war auch schon toll, und die haben auch immer gesagt “Wahnsinn, so etwas Tolles gab es ja noch nie”, das heisst also jeder war irgendwie gerechtfertigt das zu sagen. Und jeder hat Recht damit – nur die Veränderungsgeschwindigkeit, die ist heute viel höher. Jede Generation hat gesagt “Wow” und klar in einigen Bereichen, gerade in softwarebasierten Bereichen, die Änderungen innerhalb dieses kleinen Systems, die sind teilweise phänomenal schnell. Und es gibt auch ein neues Businessmodell was darauf basieren aufgebaut werden kann und was dann Unternehmen wie Facebook erlaubt eben auch extrem schnell sehr gross zu werden. Das ist alles vollkommen richtig und in dem Sinne beschleunigt sich die Entwicklung tatsächlich, nur die dahinterliegende technologische Entwicklung, die beschleunigt sich eigentlich nicht. Im Gegenteil, man sieht jetzt ja, dass sich “Moore’s Law”, die Verdopplung der Computergeschwindigkeit alle zwei Jahre, dass das jetzt ausläuft. Eben, was da fehlt oder was Intel dann z.B. sagen würde, ist die nächste Revolution sind Quantencomputer oder ähnliches, aber wir sind jetzt an einem Punkt, dass wir so eine unglaubliche Revolution schon brauchen, damit die Veränderungsgeschwindigkeit der Vergangenheit beibehalten werden kann. Ohne Revolution bei der Computerarchitektur wird die Zunahme der Verarbeitungskapazität von Prozessoren im Computerbereich abnehmen. Also Intel redet ja von “Tick-Tock”, also Revolution und Evolution, sind dann allerdings auf “Tick-Tock-Tock” gegangen, also eine Revolution, zwei Mal Evolution. Und das halten sie jetzt so wie es aussieht nicht mehr durch. Sie müssen jetzt von “Tick-Tock” zu “Tick-Tock-Tock-Tock” gehen, also Du musst einmal etwas revolutionieren und dann machst Du dreimal eine Evolution von diesem Revolutionären. Und wenn sich das jetzt beibehalten würde ist das physikalisch fast nicht anders möglich. Du kannst ja Chips nicht unendlich verkleinern, ohne eine völlige Revolution in dem Bereich. Es scheint also schon wahrscheinlich, dass sich das jetzt eher ausläuft. Die künstliche Intelligenz, die wir jetzt sehen, das ist spezialisiertere Software eben aus dem Grund, dass die Hardware nicht mehr weiter gewinnt. Klar, Du kannst mit Softwareoptimierung auch einiges erreichen, aber ich hätte jetzt gesagt, nicht unbedingt echte künstliche Intelligenz.

KH: Noch eine Frage, vielleicht ein bisschen technisch: McKinsey hat ja bei Ihrer Studie gesagt, dass 5 Prozent der Arbeitsplätze voll automatisiert werden können. Ihr habt das ja gesamthaft angeschaut und nicht auf die einzelnen Tasks bezogen, und seit dann wie Osborne und Frey auf fast 50 Prozent gekommen. Ist das ein wirklicher Unterschied?

DB: Nur an der Oberfläche. So wie ich das verstehe ist, wir machen an die Oberfläche den Job und splitten aber dann darunter auf einzelne Tasks auf. Sie machen an der Oberfläche die Tasks und sie ordnen diese Tasks dann verschiedenen Jobs zu. Das heisst also im Prinzip hast Du beide Elemente bei beiden Methoden. Und beim einen fokussiert es sich bisschen mehr auf die Tasks und kommt von der Richtung und beim anderen aber eigentlich auch. Osborne und Frey denken sich ja nicht irgendwie, wie kann ein Doktor automatisiert werden, sondern sie gehen ja in die Tiefe und schauen sich die einzelnen Tätigkeiten an, die dieser Doktor verrichtet, wie prinzipiell automatisierbar diese sind. Der Unterschied ist mehr in der Methodik. McKinsey sagt, sie hätten sich 2000 Tasks angeschaut und Osborne und Frey haben da deutlich weniger und extrapolieren dann davon. Also die Methodik, die dahinter steht ist schon verschieden. Andererseits, glaube ich sind die grossen Unterschiede eher auf der Oberfläche, weil im Prinzip ist es die gleiche Methodik. Du hast Tasks, Du hast Aktivitäten, Du schaust Dir an was bedeutet es für Jobs.  Zweitens sind die Quellen teilweise auch identisch. Auch McKinsey geht auf das amerikanische O*Net zurück, das machen Osborne und Frey auch. Und in der neuen Studie, die wir jetzt im April rausbringen werden, da gehen wir nochmal zurück zum O*Net und damit zu den Ursprungsdaten. Beide sind also zum grössten Teil valide, was man jedoch mit Vorsicht geniessen muss ist, wenn die sagen 5 Prozent aller Jobs sind voll automatisierbar und wir sagen 50 Prozent aller Aktivitäten sind prinzipiell durchschnittlich in der Schweiz automatisierbar. Dies bedeutet eben nicht, dass 5 Prozent bei McKinsey automatisiert werden und 50 Prozent bei uns. Denn McKinsey sagt ja auch, es gibt eine Kurve, 5 Prozent sind bei den 100 und dann geht es noch weiter runter. Das heisst der Durchschnitt ist auch irgendwo höher. Und diesen Durchschnitt müsstest Du jetzt miteinander vergleichen und nicht die 5 Prozent. Und wenn Du das machst ist es immer noch misleading, weil wir sagen nicht nahezu 50 Prozent aller Jobs werden in der Schweiz automatisiert werden, wir sagen, die sind prinzipiell automatisierbar. Und ob das passiert ist eine andere Sache. Und was man auch anschauen muss, sind die Tätigkeiten, die in einem Job verrichtet werden, die ja nicht konstant sind. Das heisst also, wenn es jetzt so ist, dass 30 Prozent von Deinem Job automatisiert werden, heisst das nicht, dass Du Deinen Job verlierst. Es könnte genauso gut bedeuten, dass Du Dich jetzt auf die 70 Prozent, die nicht automatisierbar sind, fokussierst. Die dehnen sich aus, die Maschine macht die 30 Prozent, Du machst jetzt mehr als vorher aber immer noch eine Arbeitskraft. Das heisst Deine Arbeit wird sehr viel produktiver und das ist dann genau der Fortschritt- oder Produktivitätsfaktor in dem Fall. Und das ist dann eine Form des Komplementäreffektes und deshalb muss man beide Zahlen bisschen mit Vorsicht geniessen. Und auch die 5 Prozent, die voll automatisierbar sind: Dazu bringt David Autor ein schönes Beispiel, nämlich Schalterangestellte in Bankfilialen in den USA, ich weiss nicht ob Du das kennst.

KH: Ja genau, und dann ist durch die Eröffnung von neuen Bankfilialen aufgrund von höherer Produktivität die Anzahl der Bankangestellten trotz ATMs gestiegen.

DB: Genau, das ist der Punkt. Die Filialmitarbeiter haben bei uns eine fast 100-prozentige Automatisierungswahrscheinlichkeit, aber in den USA ist die Anzahl Stellen in dem Bereich gewachsen. Deshalb ist für uns diese Automatisierungswahrscheinlichkeit, und bei McKinsey wird das aus meiner Sicht nicht anders sein, ein Indikator für kommende Veränderungen, für Transformation. Das heisst also bei einem Jobprofil mit 97-prozentiger Automatisierungswahrscheinlichkeit, wird es mit einer ziemlich hohen Wahrscheinlichkeit grosse, technologisch getriebene Änderungen geben. Das heisst nicht, dass die Menschen arbeitslos werden, aber es heisst, dass sich ihre Tätigkeit stark verändern wird.

KH: Wenn ich das jetzt spezifisch auf den Finanzsektor beziehe – Ihr habt ja in diesem nach Branchen aufgeschlüsselten Report eine ganze Übersicht über die Trends und Disruptionen, die da jetzt stattfinden werden aufgenommen. Wie schnell entwickelt sich das gerade? Implementieren die Banken das tatsächlich, gibt es da Unterschiede zwischen den Banken und was sind die wichtigsten Treiber?

DB: Wir haben im Januar noch einen anderen Bericht rausgegeben, ich weiss nicht, ob Du den gesehen hast, “Innovation in Private Banking & Wealth Management”. Es ist ein schönes Fallbeispiel genau dafür. Also wir schreiben ja in dem Automatisierungsbericht, etwas länger ist dort relativ wenig passiert im Sektor und jetzt beginnt aus verschiedenen Gründen vor allem natürlich auch Kostendruck dort mehr. Und es gibt gleichzeitig auch relativ viel Nachholpotenzial. Das veranschaulichen wir in diesem neuen Bericht nochmal mit einer Innovationslücke jetzt im Wealth Management spezifisch, eigentlich einer Quantifizierung von dem was ich gerade gesagt habe. Diese Lücke wird jetzt im Moment noch immer grösser. Das heisst also, obwohl wesentlich mehr passiert als in der Vergangenheit, viel passieren kann, viel potenziell da ist, es braucht unserer Meinung nach im Wealth Management eine Transformation des dahinter liegenden Geschäftsmodells. Das ist so bisschen das gleiche was ich vorher mit Intel gesagt habe und mit der Chipproduktion. Wenn die ihre Wachstumsgeschwindigkeit aus der Vergangenheit beibehalten wollen, brauchen sie eine komplette Revolution und das stimmt so für das Private Banking in der Schweiz unserer Meinung nach auch. Das bisherige Geschäftsmodell ist natürlich phänomenal erfolgreich gewesen und wird auch eine Zeit lang durchaus noch erfolgreich sein, aber wir sind in einer Maturität des Business Cycles im Moment und wenn man jetzt nicht Schritt für Schritt neu ein auf Innovation basierendes Geschäftsmodell aufbaut, dann wird der bestehende Erfolg nicht beizubehalten sein. In dem Bericht haben wir dann auch noch mehr Beispiele zu was wir eigentlich mit Innovation meinen und was Privatbanken eigentlich machen könnten. Die andere Sache, die ich immer interessant finde jetzt im Bankenbereich im Gegensatz zu einigen anderen Bereichen, ist das Ausmass in dem Automatisierung theoretisch entlang der gesamten Wertschöpfungskette erfolgen könnte. Also wir sagen vor allem in anderen Branchen sind kundenfokussierte Bereiche wenig betroffen, weil menschliche Interaktion, Verhandlung, Menschenkenntnis usw. eine grosse Rolle spielen und sind extrem schwer zu automatisieren. Jetzt im Bankensektor gibt es mehrere Innovationen, die eben auch in der Übersicht zum Beispiel da drin sind, die aber genau an dem Punkt ansetzen. Wenn Du sagst was wird die grösste Veränderung haben – die grösste Veränderung wird haben, wenn Du Dein Geschäftsmodell transformierst, gegeben die Innovationen, die stattfinden. Wenn man sich anschaut, welche technologischen Möglichkeiten sind denn vielleicht besonders visibel, dann hätte ich genau das gesagt. Robo-Advisors ist da beispielsweise ein schönes Stichwort. Aber das wären jetzt z.B. Sachen für sehr visible Änderungen.

KH: Denkst Du, dass die Finanzkrise diese Änderungen beschleunigt hat, da die Banken Kosten sparen mussten?

DB: Genau, das ist der Punkt. Die Krise war sicherlich disruptiv in einigen Bereichen. Der Kostendruck hat sicherlich zugenommen, der Regulierungsdruck hat zugenommen, durch diesen hat sich dann wieder der Kostendruck erhöht und das hat sicherlich den Anreiz erhöht für die Banken. Aber das ist sicher nicht der einzige Faktor. Wir schreiben in dem Bericht ja auch, dass andere Faktoren z.B. Kundenerwartungen relevant sind. Wenn Du in anderen Bereichen z.B. bei Online-Einkäufen bei Amazon gewisse Services, Benutzeroberflächen und eine gewisse Convenience gewohnt bist, dann steigt natürlich Deine Erwartungshaltung auch für eine Bank. Das 90er-Jahre Banking Tool wird es dann wahrscheinlich nicht mehr bringen. Und wenn Du Dich als innovative Bank positionieren möchtest, dann sind Deine Mitbewerber eben nicht nur Banken, und schon gar nicht Banken nur in Deinem Heimatmarkt, und das natürlich noch weniger wenn Du über eine global tätige Privatbank redest, sondern das sind dann eben auch Unternehmen aus sonstigen Konsumentenbereichen eben z.B. Amazon.

KH: Denkst Du also z.B. irgendeine sehr traditionelle Privatbank wird mit diesen Entwicklungen mitgehen?

DB: Da gibt es natürlich riesige Unterschiede. Banken positionieren sich unterschiedlich, müssen oder sollen oder dürfen sie natürlich auch, sie positionieren sich auch unterschiedlich gegenüber verschiedenen Kundengruppen. Auch die traditionelle Privatbank – und die traditionelle Privatbank wird wahrscheinlich nur Kunden ab CHF 1 Mio. anziehen wollen – auch für die gibt es natürlich verschiedene Kundensegmente. Und je tiefer das Kundensegment gelagert ist, desto eher wird man natürlich auf Automatisierung setzen. Schlicht und ergreifend, weil Du mittels Automatisierung kostengünstiger viel mehr Services anbieten kannst. Du kannst dann auch im unteren Kundensegment zumindest grundlegende Services anbieten, die konntest Du sonst nie kostendeckend machen wenn alles über einen menschlichen Berater läuft.

KH: Was denkst Du, wie sieht da die Timeline aus bei diesen Änderungen? Arbeiten die Banken jetzt schon mit Hochdruck daran oder ist es eher so, dass sie irgendwann merken, dass sie mitziehen müssen?

DB: Auch da positionieren sich Banken natürlich unterschiedlich. Es gibt Banken, die sagen, wir wollen First Mover im Schweizer Markt sein und die müssen das dann auch vorantreiben und es gibt Banken, die sagen, wir sind Smart Follower, wir schauen erst was die anderen machen und dann schauen wir, was daran funktioniert und setzten das dann sehr viel kostengünstiger, aber halt später um.

KH: Hast Du da konkrete Beispiele?

DB: Ja, aber das kann ich nicht sagen. Wenn man aber darüber nachdenkt, wer könnte finanziell im Schweizer Markt First Mover sein oder den Anspruch haben, First Mover zu sein, dann – und wir reden jetzt von Banken und nicht FinTech-Unternehmen – dann ist es klar, dass es nicht die Zürcher Landbank ist, von der ich gerade spreche.

KH: Denkst Du die FinTechs werden von den Banken in der Zukunft Kunden wegnehmen oder wird das eher eine Synergie, dass die Banken Sachen an FinTechs outsourcen können und beide dann profitieren?

DB: Oder sie kaufen sie. Das ist noch offen in welche Richtung die Entwicklung geht, aber ein anderer Grund, warum ich manchmal denke, dass gewisse Entwicklungen vielleicht ein bisschen überschätzt werden, liegt am dahinter liegenden Geschäftsmodell. Also man sagt gerade im Bankenbereich seien Start-Ups, FinTechs etc. eine wahnsinnige Revolution und setzen die bestehenden Anbieter unglaublich unter Druck. Und das stimmt, das ist natürlich so. Natürlich beschleunigen sie den technologischen Wandel in der Branche enorm, das steht völlig ausser Frage. Aber was bedeutet das jetzt für die bestehenden Anbieter? Sie könnten immer mehr Kunden verlieren und langsam aus dem Geschäft gedrängt werden, das ist so diese dramatische Sichtweise, die oft gesagt wird, aber an die ich nicht so wirklich glaube. Denn die sind etwas länger im Geschäft, sie haben immer noch ausreichende Finanzen, sie haben den direkten Kundenkontakt, sie haben die Erfahrung, sie haben die Mitarbeiter usw. Viel wahrscheinlicher ist entweder das was Du sagst, also sie gehen Synergien ein, oder was vielleicht aus Bankensicht noch ein Stück mehr Sinn macht, sie kaufen sich interessante Technologien einfach ein. Oder was natürlich auch sein kann, und hier kommt es wieder auf die Bankengrösse an, man kann natürlich verschiedene Modelle fahren. Du kannst sagen ich integriere vertikal und kaufe alles ein was ich brauche, biete es vielleicht auch selber an, oder Du kannst sagen ich spezialisiere mich, indem ich zurück auf das was ich wirklich kann gehe. Das ist bei den Privatbanken höchstwahrscheinlich der direkte Kundenkontakt, und den Rest kaufe ich einfach bei einem externen Anbieter. Diese externen Anbieter können Banken sein, das können spezialisierte Business-Provider sein oder es können auch FinTechs sein. Die beiden Modelle halte ich für viel wahrscheinlicher als «Banken sind obsolet». Das sehe ich jetzt so eigentlich nicht.

KH: Die Credit Suisse hat ja vor einigen Jahren beispielsweise mehrere tausend Stellen nach Polen verlagert. Denkst Du, dass Durch die Automatisierung ein “Re-shoring” stattfinden wird?

DB: Ich denke branchenübergreifend ja. Da ist gerade für eine Nation wie die Schweiz eine riesengrosse Chance. Dies ist eine der potenziell grössten Änderungen, die Automatisierung bringen kann, dass eben das Offshoring an Wettbewerbsfähigkeit verliert, dass Entwicklungsnationen sich in der Zukunft Gedanken machen müssen, was eigentlich ihr “Geschäftsmodell” ist. Aber aus Sicht der Schweiz ist es auf jeden Fall eine grosse Chance. Gerade auch im Bankensektor mit dem Bankgeheimnis etc. Klar kannst Du sagen, dass es gewährleistet wird, oder wir geben keine kundenrelevanten Daten nach Polen, aber es ist schon nett wenn Du sagen kannst, keine unserer Daten verlassen die Schweiz. Jetzt ist die Frage, was sind das allerdings für Jobs. Also was jetzt viel ausgelagert wurde, sind weniger wertschöpfungsintensive Tätigkeiten und ich kann mir vorstellen, dass die Aktivität selber wieder in die Schweiz zurückgeholt wird, allerdings dann in automatisierter Form. Das heisst die Arbeitsplätze, die nach Polen ausgelagert wurden, dass die 1:1 zurückkommen, halte ich für unwahrscheinlich. Aber damit verbundene Arbeitsplätze, das kann natürlich schon sein. Das sind dann eben wertschöpfungsintensivere Tätigkeiten. Also statt jemand, der den Prozess ausführt, einfach nur gemäss einem Manual, das wird dann vielleicht eine robotisierte Software machen. Aber die robotisierte Software aufzusetzen, zu warten, zu programmieren, weiterzuentwickeln, in den Geschäftsalltag einzubinden, Spezialfälle zu bearbeiten, all diese Sachen sind dann wieder neue menschliche Tätigkeiten.

KH: Da kommt wieder der Komplementäreffekt ins Spiel.

DB: Genau, richtig. Mensch und Maschine arbeiten zusammen. Die Maschine macht das “dumme” Zeug und der Mensch macht die wertschöpfungsintensiveren Tätigkeiten.

KH: Die Banken beschäftigen ja in der Schweiz fast 4000 Auszubildende im KV. Denkst Du, dass das im Hinblick auf die Automatisierung Zukunft hat?

DB: Ich glaube, dass man nicht den Fehler machen sollte, und ich glaube das machen auch die wenigsten KV-Lernenden, dass man die Ausbildung in dem Bereich als Endpunkt der eigenen Ausbildung betrachtet. Also das man sagt, ich habe jetzt meine KV-Lehre erfolgreich abgeschlossen, jetzt weiss ich alles. Was man eben machen muss ist, ich mache meine KV-Lehre, aber das ist nur der Beginn. Als Beginn ist es aus meiner Sicht eine gute Grundlage, es bietet auch Potenzial sich in verschiedene Bereiche flexibel zu spezialisieren, wo man denkt, das gefällt mir jetzt tatsächlich und da sehe ich Potenzial. Aber eben, diese Weiterentwicklung muss erfolgen.

KH: Denkst Du es wird zu einer Polarisierung von Jobs kommen? In einem Grossteil der Literatur kommt das ja auch vor, dass die Anzahl von Low- und High-Skills Jobs zunimmt, aber die “Mittelklasse-Jobs” abnehmen werden – stimmst Du dem zu?

DB: Jein, es ist auch immer eine Frage was ist “low-skilled” was ist “high-skilled” etc. Ich denke in der Tat, Qualifikationen und Weiterbildungen werden weiter zunehmen und immer wichtiger werden und es ist in der Tat eine der besten Chancen von dieser Entwicklung zu profitieren aus Sicht des Einzelnen. Aber was wir eben auch sagen, es gibt Potenzial entlang der gesamten Bandbreite von menschlichen Jobs. Also “low-skilled” von mir aus auch, aber auch da hat David Autor das sehr schön beschrieben: Das Problem, das Maschinen haben, ist sie können ihre Tätigkeit hochspezialisiert super effizient durchführen, aber sie sind erstens hochspezialisiert und brauchen zweitens dafür eine vorbereitete Umgebung. Ein selbsfahrendes Auto ist hier wieder ein Paradebeispiel. Es braucht die vorbereitete Verkehrsinfrastruktur. Nimmst Du die weg, kannst Du eigentlich die Autos vergessen, egal wie toll die Maschine selber ist. Und der grosse Vorteil des Menschen ist eben diese Flexibilität, dieses effizientere Lernen, Kreativität und eben menschliche Interaktion. In vielen verschiedenen Bereichen gibt es Berufe, die genau das machen. Eines meiner Lieblingsbeispiele, wir haben ja die erste Studie, die wir rausgebracht haben mit dem Schweizer Fernsehen gemacht, und ein Beispiel war in dem anschliessenden Fernsehbeitrag das Triemli-Spital in Zürich, wo sie eine Blutanalysemaschine eingebaut haben, die Blutanalysen sehr viel effizienter machen kann. Die ganzen Menschen, die vorher die Analysen gemacht haben, brauchte es dann nicht mehr für die Blutanalysen. Die Maschine muss jedoch in den Klinikalltag eingebunden werden und das sind viele Prozessschritte, die über die Analyse anfallen. Da braucht es Schnittstellenfunktionen über Menschen, die das machen. Im Endeffekt ist halt wieder der Komplementäreffekt am Wirken. Und ich hätte jetzt gesagt, dass eine medizinisch-technische Assistentin o.ä. genau in diesem “middle-skilled” Bereich ist. Man braucht da schon einiges an Ausbildung, um dort tätig zu sein, aber man ist andererseits auch kein Arzt. Das ist jetzt also genau ein Beispiel in diesem mittleren Bereich. Man könnte jetzt auch sagen, dass der Schalterbedienstete in der Bank innerhalb der Bankenlandschaft eher als “low-skilled” angesehen wird, aber das ist wahrscheinlich auch nicht ganz fair, weil auch da braucht man eine gewisse Ausbildung. Und in diesem Bereich hat man jetzt wieder den gleichen Effekt. Das Berufsbild ändert sich radikal, es geht immer stärker in Richtung Beratung, in Richtung Kundenschnittstelle, in Richtung Schnittstelle zwischen verschiedenen automatisierten Services, die eine Bank anbietet. Du musst dann sicherstellen, dass das dann kundenfokussiert tatsächlich funktioniert. Also die Tätigkeit ändert sich, aber auch da ist ein gewisser Mittelbau, wo es durchaus noch Jobs geben wird. Nur eben halt völlig anders als vorher und insgesamt im Finanzbereich ziemlich sicher eben mit höheren Qualifikationen. In anderen Bereich z.B. in der Kinderbetreuung, braucht man natürlich auch Qualifikationen, aber die revolutionieren sich jetzt nicht wahnsinnig. Aber im Bankenbereich ändert sich das Stellenprofil stärker und das bedingt dann natürlich eine stärkere Weiterbildung des Einzelnen.

KH: Wenn Du jetzt ein Gesamtfazit ziehen müsstest, wie sich die Automatisierung auf die Anzahl Arbeitsplätze im Schweizer Finanzsektor auswirkt, wird das also eher steigen, wenn die vorher angesprochenen Produktivitätserhöhungen eintreten?

DB: Insgesamt ja. Das Problem ist natürlich, wenn man nur Automatisierung als Trend sieht und alle anderen Trends ausblendet, ist das natürlich schwierig. Aber ich würde sagen, ja ein leichter Anstieg. Allerdings was im Hintergrund passiert ist eben eine Transformation. Die Art der Stellen ändert sich und – das ist auch ein wichtiger Punkt – die Stellen müssen nicht unbedingt bei Banken sein. Also Finanzdienstleistungen oder Zubringer, sozusagen vorgelagerte Dienstleistungen im Sektor, können eben auch Stellen übernehmen, die bei Banken wegfallen sondern bei diesen Anbietern oder bei FinTech Unternehmen, die auch irgendwo spezialisierte Anbieter sind, entstehen. Aber insgesamt sehe ich Automatisierung durchaus als grosse Chance, eben gerade für die Schweiz. Sie spielt eigentlich genau in die Schweizer Stärken rein und verringert Schweizer Schwächen, wenn man die internationale Wettbewerbsfähigkeit anschaut und ist deshalb auch für den Sektor eine grosse Chance.

Interview II: Stephan Erni

SE: Ich gebe Dir erstmal eine Intro wie ich auf das Thema Industrie 4.0 schaue (Erklärungen mit Grafik): Vor 10 Jahren hat man so auf eine Bank geschaut. Dann kam irgendwann die Diskussion wir haben Retail, Wealth Management, Asset Management, Investment Banking und Shared Services. Und irgendwann hat man angefangen sich die Frage zu stellen, ok in dem Konstrukt drin haben wir einen Prozess, ich nenne es mal einen “Front-to-Back Process” und das in jedem dieser Bereiche. Diese sind immer sehr unterschiedlich und am Ende des Tages hat man immer vorne einen Punkt und da den Markt. Ganz am Anfang hat man auch die Kundenbeziehung angeschaut, aber dann ist man drauf gekommen, dass man sagt man hat überall distincte Kundenbedürfnisse etc. Es war immer ein Vorantasten in der Dekomposition der Marktarchitektur. In die Gesamtbank, die Divisionen, dann die Geschäftsfelder usw. Und dann kam langsam der Trend, dass man angefangen hat diesen Prozess bzw. diese Wertschöpfungskette aufzudröseln, also Spezialisierungen usw. Und diese ganze FinTech- bzw. ein Grossteil der Digitalisierungsgeschichte hat sich in dem vorderen Teil abgespielt – wie interagiert der Kunde mit der Bank. Er gibt z.B. einen Auftrag für Payment Service, man macht das Onboarding, man hat eine Plattform mit Produktübersichten oder auch einem Anbietervergleich, das ist ja gleichzeitig oft noch eine mehrdimensionale Diskussion über Anbieter hinweg. Das war so bisschen die Diskussion. Sprich die ganze Industrielle Revolution ist zu einem Grossteil bis vor kurzem an den Banken vorbeigegangen, weil es nur da vorne an der Oberfläche gekratzt hat. Fairerweise muss man sagen, dass der untere Teil der einfachere Teil ist, die ganze Bankkomplexität ist im Middle und Back Office. Da fängt eben die Komplikation an und da ist die Digitalisierung langsam so weit, dass jetzt langsam angefangen wird zu diskutieren wie man im rückgelagerten Bereich, vor allem im Bereich Compliance und Regulation Effizienzen schaffen (siehe auch RegTech Bericht). Weil man hat da in den letzten paar Jahren eine massive Regulierungswut gehabt, die Dich nicht nur strukturell treibt sondern auch vom People Aufwand und von den Risiken, die Du hast. Jetzt stellt sich die Frage, wenn Du da hinten komplex wirst, wie Du vorne die Client Experience möglichst optimal behalten kannst im relativen Vergleich und da agiert eine UBS ganz anders als eine Raiffeisen, weil die halt globaler ist, die ist exponierter, während die Raiffeisen Hypotheken und Sparkonten mit Schweizern macht. Das ist einfach eine ganz andere Diskussion, wie man die Client Experience aufrecht erhalten kann. Wie kann man im rückgelagerten Bereich die Effektivität im Sinne von “I comply” und die Effizient im Sinne von möglichst kosteneffizient oder kostengünstig unter der Bedingung, dass man die Anforderungen erfüllt, das ganze Ding operieren. Das ist in meinen Augen Industrialisierung. Eine Dimension der Industrialisierung jedenfalls. Du musst de facto wissen worum es geht, Du brauchst die “Guts”, die Innereien, das ist der Prozess, der technologiesierbar ist, und vor allem auch den “Backbone”, die Infrastruktur. Ich mache kurz den Schnelldurchgang: Der ganze Backbone hat ja bei verschieden gelagerten Banken einen ganz anderen Twist. Z.B. bei einer Bank, die ich gut kenne, gibt es global 3’500 Applikationen. Diese Bank betreibt 1’500 sogenannte Legacy-Applikationen, das heisst die werden eigentlich nicht mehr gebraucht, aber die bestehen, weil man nicht weiss was passiert wenn man sie abschaltet. Man hat also diese Legacy-Plattformen und die einen Applikationen sind 1968 entstanden und werden immer noch am Kunden eingesetzt. Es gibt also diese Core Banking Legacy von irgendwann im 20 Jh, dann in den 2000er Jahren kam ein riesen Hype mit noch mehr Komplexität und jetzt ist man im 2016 mit coolen Features etc. Und das Zeug ist hochkomplex, man weiss nicht wie es interagiert, man weiss nicht wie es “Plug and Play” macht über API, vielleicht weiss man es noch knapp, aber man generiert dadurch natürlich noch mehr Komplexität, wenn man 1’000 APIs generiert mit nochmal 1’000 Applikationen, die dann wieder ein integraler Bestandteil der Plattform werden, hat man natürlich einen exponentiellen Komplexitätsanstieg, nicht in der gleichen Dichte und Wichtigkeit, aber es wird einfach schwieriger. Und jetzt kommt so langsam die Diskussion. Macht man einen Hybrid perspektivisch, denn das wird Deine Kompetenz treiben zu industrialisieren oder nicht, denn die Industrialisierung 4.0 ist Technologie, also eine Kombination von diesen Legacy-Plattformen mit reduzierter Komplexität und einem FinTech-Bestandteil bzw. einem Technologie Plug-and-Play mit so Satelliten. Oder man substituiert diese ganze komplexe Plattform mit einer reinen FinTech Plattform.

KH: Was ist genau mit FinTech-Plattform gemeint? Ist das intern bzw. in-house?

SE: Jetzt kommt genau diese FinTech Diskussion bzw. was ist FinTech. FinTech wie es oft benutzt wird ist am Front End gelagert mit Analytics usw. Der FinTech Begriff in dieser Diskussion ist bisschen ander gelagert, nennen wir sie eine agile, offene, und kostengünstige Plattform. Agil im Sinn von ok wir tun zwei Würfel in den Becher, schütteln und man kann damit arbeiten und zwar in kurzer Zeit und mit wenig Kosten. Ein Beispiel auch bei einer der zwei Grossbanken: Im Client Onboarding eine Prozessänderung auf der alten Plattform, ein 18-monatiges Projekt, CHF 2.5 Mio. Im Kontrast zu 8 Wochen zu CHF 50’000. Nur schon die Kostenimplikationen und noch nicht was das auf die Prozesse für Auswirkungen hat. Sprich hier hat man schon so viel Komplexität drin, dass man sich fragen muss wie man über technologische Enabler effizienter und effektiver werden und gleichzeitig den Kunden besser bedienen. Und das ist so die ganze Diskussion, die mit der Industrialisierung 4.0 auf die Bankenlandschaft zurollt, aber um auf eine Deiner Fragen zurückzukommen, in der ultra kurzen Frist noch nicht wirklich erfolgt ist wie sich die Banken umstrukturieren, weil man einfach zu viel Legacy hat. Das bezieht sich jetzt auch vor allem auf die Grossbanken mit den proprietären Systemen und Plattformen, die halt einfach auch sehr spezifische Features und Capabilities bieten, die man nicht so Plug and Play mit einer Standardlösung aus dem Markt machen kannst. Wenn es eben um irgendeine kleine Bank geht (z.B. Hypothekarbank Lenzburg, digitalste Bank der Schweiz), da ist es natürlich eine ganz andere Diskussion. Je weniger Komplexität Du hast bezüglich Geschäftsdivisionen, Regionen und dann eben auch Legacy, desto schneller kann man sich adaptieren. Der Startpunkt ist also fundamental different, er ist auch different zu einer Industriedigitalisierung, weil ein massiver Katalog an Regularien verlangt ist. Client confidentiality, client protection, reporting obligations etc. Und in dem Kontext muss man das ganze bewerten. Einfach so als Vorspann.

Und ich habe Dir noch etwas mitgebracht: Wenn man momentan von Digitalisierung redet sind das die ganzen Frontend Sachen (s. Slide), d.h. omni-channel sales and service, digitally enabled customer experiences, technology at the heart of strategy and execution, efficiency gains, und organization as an innovative enterprise. Das gibt mal so paar Buzzwords als Startpunkt. Ein grosser Teil ist also Distribution, Produkt und Marketing, sprich Kunden. Operations und Technology sind da auch genannt, aber um ehrlich zu sein sind sie noch nicht erfolgreich. Am Ende des Tages ist die Industrialisierung 4.0 die Integration über die 4 Ausprägungen hinweg (Distribution, Product & Marketing <–> Operations & Technology; Technology led <–> Process led). Dann kann man in diesem Bild vom Anfang auch in die Tiefe gehen über die verschiedenen Pillars hinweg.

KH: Woran ist es denn bei diesen Operations and Technology Projekten gescheitert?

SE: Legacy-Plattformen und Politik. Man hat aus einer institutionellen Perspektive Businesses, die sind verantwortlich für die Top-Line und das ist in der Regel der Backbone, die sind verantwortlich für den rückgelagerten Prozess. Die Vertrauen denen nicht, dass sie liefern, also sagen sie ok wir lassen es wie es ist oder wir machen es selber. Sprich man hat auch keine Skalierung.

KH: Also wie müssten die Banken das angehen? Eigentlich müsste es Top-Down geschehen oder?

SE: Also das ist natürlich grundsätzlich ein ehrenswerter Ansatz und müsste eigentlich auch die Lösung sein, und ich denke man wird langfristig da nicht drum rum kommen. Hier noch ein kleines Beispiel: Es gab in der Schweiz zwei Carve-Outs in den letzten Jahren bei der UBS und CS, diese Schweizer Gesellschaft. Die war früher ein Konstrukt, eine globale Bank und jetzt hat man die Rechtseinheit jeweils rausgenommen in der das Schweizer Geschäft ist. Die Umsetzung hat ohne functional und feature enhancement zwischen CHF 250 und 350 Mio. gekostet. Und jetzt musst Du Dir mal vorstellen – man hat eigentlich nur eine redundante Plattform geschaffen und deswegen sage ich, es ist eigentlich richtig was Du sagst, aber jetzt musst Du Dir mal vorstellen wie viel das kostet wenn man das global macht. Und jetzt muss man sich auch vorstellen ist das ein Pfad oder ist das ein Big Bang oder was auch immer. Und eine Bank, und wenn ich hier rede meine ich immer die Grossbanken, ist so ein gelähmtes Gebilde wegen Politics und Risk Aversion, weil man einfach so hohe Risiken hast, wenn Du die IT-Infrastruktur anfasst. Und das schränkt Dich in dieser ganzen Diskussion ein. Bei einer Bank haben wir ein Jahr darüber geredet was für eine Plattform wir überhaupt wollen und wir haben uns immer im Kreis gedreht. Am Schluss haben wir einfach gesagt ok, es wird eh teuer, jetzt nehmen wir einfach das mit dem geringsten Risiko. Aber man hat sich gar nicht gefragt, was bringt uns das strategisch. Man hat nur gesagt, ok ich will einfach, dass es funktioniert.

Und hier noch als letztes bevor wir konkreter auf Deine Fragen eingehen, hier siehst Du wie viele FinTechs es gibt und in welchen Bereichen sie sind. Und jetzt komme ich auch zur Frage, ob sie eine Bedrohung für Banken. Es gibt verschiedene Sichten. Ich glaube Bill Gates hat mal gesagt “We need banking, but not banks”. Das sehe ich leicht anders. Denn ich glaube eine Bank hat nochmal eine andere Wertigkeit als ein Standard- oder ein Technologieunternehmen. Eine Bank ist heute übrigens auch ein Technologieunternehmen, das einfach Finanzdienstleistungen anbietet. Nicht gerade effizient, das ist das unschöne, aber es ist Technologie, front-to-back. Und FinTechs adressieren in Summer viele Bereiche einer Bank, aber nie alle und vor allem nie integral. Und das Wesentliche was eine Bank hat, sind die Kundenbeziehungen. Jetzt kann man argumentieren, dass Apple mit Apple Pay auch Kundenbeziehungen hat, ja das ist so, aber aus einer anderen Perspektive. und ich habe einfach das Gefühl, wenn ich an mich selber denke, ich persönlich würde mein Geld nie jemandem anvertrauen, wo ich nicht genau weiss, dass es stringent reguliert ist. Ob es dann operative richtig aufgesetzt ist, ist eine andere Diskussion. Aber das ist für mich eines der differenzierbaren Elemente, diese regulatorische Rente, die auch die Eintrittshürden erhöht. Deshalb verdienen Banken auch so gut und können so hoch pricen, wo man im Normalfall denken würde, für eine Kontenführung im Jahr CHF 500 zu verlangen ist ja absurd. Aber weil sie eben reguliert sind und die Regularien auch die Kosten treibern, können sie es anscheinend cashen. Ich glaube die Fundamentalgefahr auf Banken von FinTechs ist sicher latent, aber ich glaube das ist eher eine Frage der perspektivischen Kooperation, so dass die Banken die Agilität von den FinTechs sauber einbauen können. Dann sind wir wieder bei der Plattform und beim Plug & Play mit den FinTech ähnlichen Konstrukten.

KH: Ich habe mit ein paar Leuten geredet und die meinten die UBS sei ein ziemlicher Vorreiter in dem Bereich. Aber ist das jetzt wieder nur das Frontend-Zeug, das man auf den ersten Blick sieht?

SE: Jetzt gibt noch einmal eine Differenzierung von Vorreiter. Du hast eine Technologiekomponente, eine Prozesskomponente, und in dem Kontext auch eine Frage von Business-Integration. Und wie stark das dann eben schon technologisch getrieben ist. In was die UBS ein Vorreiter ist, ist der ganze Frontbereich. Und darum differenziere ich das auch so genau. Aber nicht in den rückgelagerten Bereichen. Also, falsch. Die sind dort natürlich auch technologisiert, aber nicht in dem was man machen könnte. Die geben die Komplexität. Und was man vor allem nicht vermischen darf: Du hast bei der UBS auch noch zwei andere Trends. Vor allem, wenn man ein bisschen von der Front weg kommt. Das ist die ganze Diskussion Outsourcing und Offshoring. Das ist natürlich auch eine Industrialisierungskomponente, aber noch nicht zwingend technologisiert. Es hat auch eine technology-enabled Komponente, im Sinne von: kannst Du überhaupt über Unternehmensgelände und Lokationen hinweg Daten transferieren, integral arbeiten? Das ist eine Art von integration of service provider. Und dort ist sie sicher führend. Aber, und jetzt kommt genau der Punkt: Ist es denn weitestgehend technologisiert? Hast Du denn automatisierte Patterns-Erkennung, die Alerts machen und auch Conclusions vorschlagen. Oder ist es noch sehr viel People Involvement? Man ist dran aber man ist noch nicht so weit. Das ist meine Meinung.

KH: Ja. Und wie siehst Du da die Timeline?

SE: Es gibt immer so typische Berateraussagen: Kurz-, mittel-, langfristig. Und ich glaube, man wird da über eine langfristige Komponente reden. Ich habe gerade kürzlich wieder mit jemandem von der UBS geredet, im Sinne von/ Blockchain ist auch so ein riesen Hype, Fintech und all das Zeug. Bis wann kommt das? Wir reden mindestens über einen mittelfristigen Zeithorizont. Ich würde sagen: Etwas zwischen fünf und sieben Jahren, bis das halbwegs ready ist in der Breite.

KH: In diesen 5-7 Jahren, was ist da konkret das Ziel?

SE: Bis es halbwegs einsatzfähig ist. Im Sinne von: Genug robust, damit Du das in Kundeninteraktionen kontinuierlich einsetzen kannst in einer skalierten Form, ohne, dass der Markt schon penetriert ist. Weil Du hast da eben wieder diese Fragen: Reliability und Robustness aus einer Kundenbeziehung. Das fängt schon beim Kontoauszug an. Und der muss ja immer zu 100 Prozent stimmen. Wenn der einmal nicht stimmt, hast Du nicht einen kleinen Issue, sondern ein grosses Problem. Da hast Du Regularien. Die musst Du eigentlich immer erfüllen und, und, und. Und das ist so ein bisschen diese Herausforderung, auch bei dem Bekannten mit dem ich geredet habe, oder dem Kunden: Die Diskussion ist immer so ein bisschen diese: Das, wovon man denkt, dass es kurzfristig kommt, kommt noch schneller, als man denkt. Und das, von dem Du denkst, dass es jetzt dann bald einmal kommt, geht in der Regel noch ein bisschen länger. Und das ist auch hier der Fall, in meinen Augen. Im Moment ist das einfach ein riesen Hype und auch wenn ich sehe, was erzählt wird, was angeboten wird. Und dann schaust Du rein. Und wenn Du das bankfachlich anschaust, musst Du sagen: Nice story, but it’s certainly not there.

Und das ist in der Breite oder der Masse eigentlich die Beobachtung. Es gibt punktuell sehr gute Features, die sind aber sehr limitiert im Angebot und dort funktioniert es. Also, Paymit ist eines von diesen Beispielen, das sich in der Breite jetzt auch ausgerollt hat. Mit den ganzen E-Banking-Applikationen eben, Frontend oder Multichannel-Diskussion, die sind sicher erfolgreich. Aber das macht dir eigentlich die Bank noch nicht viel effizienter. Mit der Ausnahme, dass Du ein paar Stellen am Schalter nicht mehr brauchst und so weiter, und so fort. Aber hinten durch, die ganzen Kostenapparate und Komplexitäten, hast Du noch nicht adressiert. Und eine Notenstein hat natürlich sehr viel weniger Komplexität als eine UBS. Aber ich habe gerade vorher noch die Zahlen angeschaut. Die sind zwar ein bisschen outdated. Aber eine UBS beschäftigt rund 30’000 Leute im wirklich rückgelagerten Bereich. Das ist die Hälfte der Bank. Das ist Wahnsinn.

KH: Bezüglich Notenstein: das ist ja eine Privatbank. Ich habe mit denen geredet und die machen gerade eine neue IT-Plattform, das war ja auch überall in den Medien, für irgendwie CHF 30 Millionen. Aber sonst ist das eigentlich für die jetzt nicht so ein riesiges Thema, weil für sie ist halt Kundenberatung das A und O.

SE: Genau. Und das ist genau der Punkt. Das ist auch das Stichwort Roboadvisor und so. Da kann man eben auch einmal so ein bisschen differenzieren. Da habe ich gesagt, ich werde Dir wahrscheinlich mehr Fragen oder Überlegungen mit auf den Weg geben als unmittelbare Antworten. Ich glaube, Roboadvisory hat eine Zukunft. Die Frage ist jetzt: In welcher Form? Ein Teil sagt in der Versicherungswirtschaft im Schadenmanagement. Im Sinne von: Es gibt automatisierte Patterns, wo du weisst: Hey, okay, der Kunde hat ein Issue. Du kannst den Issue eigentlich vollständig automatisiert abarbeiten und könntest das über einen Roboter an den Kunden transportieren. Jetzt in den Niederlanden gibt es zwei Use Cases. Beide Versicherungen arbeiten mit dem Robo. Die einen lassen den direkt auf den Kunden zu, sprich: Das ist eine Computerstimme, die mit Dir interagiert. Das ist eigentlich völlig absurd in meinen Augen. Oder Du hast eben einen Kundenberater, der mit dem Kunden redet, das eintippt, vom Roboter die Antwort bekommt, und dann aber mit dem Kunden interagiert. Und jetzt kommt so ein bisschen die Diskussion, auch von den Kundenbedürfnissen. Wenn du jetzt mit einem redest, Ultra High Net Worth, 50 Millionen. Ich glaube, der findet das zwar cool, wenn er sein E-Banking hat und dort teilweise gewisse Features bekommt. Aber der will doch am Schluss ins Relationship Business. Der will mit seinem trusted Banker eine Diskussion führen, was denn für ihn das Beste ist unter steuerlichen Gesichtspunkten, der Vorsorge für die Familie, um seinen Lifestyle aufrecht zu erhalten und by the way noch viel zu verdienen und etwas Gutes zu tun. Das interessiert ihn. Und das ist eine ganz andere Diskussion, und zwar keine technologiebasierte. Es ist immer auch ein bisschen die Frage, wie sich – ich nenne das immer die Education des Kunden – wie die sich auch entwickelt. Ich meine: Du bist schon zehn Mal mehr technologisiert als ich mit meinen paar Jährchen mehr. Also, das merke ich auch. Wie meine Kinder schon mit dem iPhone umgehen, obwohl sie erst fünf und sieben sind, und ich denke: Okay, krass! Sprich: Du hast natürlich diese digitale Natives. Die haben schon eine andere Affinität oder Bereitschaft, auch technologisiert zu kommunizieren. Ich glaube aber, vor allem im sophistizierten Bereich wird das noch eine gewisse Zeit in Anspruch nehmen, bis das eben substituierbar ist. Und auch entsprechend limitiert sind im Frontbereich die Möglichkeiten, das effizienter zu gestalten. Obwohl in meinen Augen das Hauptpotential für die Industrialisierung die rückgelagerten Bereiche sind mit der Komplexität etc.. To be honest: Das Frontgeschäft in einer Bank ist auch relativ simpel. Am Ende vom Tag verkaufst Du dem Kunden ein Produkt. Und das ist nicht die grosse Komplexität. Du musst einfach die Regularien umsetzen und einhalten. Und die kommen vom System.

KH: Es gibt ja das berühmte Beispiel, wo sie in den USA die ATMs einführten und dann dachten: der Kundenberater wird abgeschafft. Aber nachher hat es noch viel mehr Angestellte gegeben, weil es zu Effizienzsteigerung gekommen ist. Denkst du, das wird so ähnlich sein?

SE: Ja, absolut. Vor allem im Frontbereich. Da stellt sich natürlich auch die Frage – jetzt vermischt sich ein bisschen, wie ich den Markt einschätze, und wie ich selber denke. Wenn Du ja die Empirie anschaust: Was bringt dir ein Kundenberater? Vor allem auch, wenn du jetzt im Wealth Management Bereich redest im Sinne von Investitionsunterstützung oder so. Da bist du in der Regel immer schlechter in der Performance, als wenn du eigentlich in den Markt investierst. Das ist ein bisschen die Frage von der Education der Customers. Lassen die sich von Fakten perspektivisch immer mehr treiben? Vielleicht auch aufgrund der Transparenz, welche die digitalen Medien geben? Oder haben wir da so eine Informationsflut, dass man sie sehr bewusst steuern kann in einer kommerziellen Sicht, dass sie es eben gar nicht merken? Und in dieser Beziehung mit einer Bank, ob technologisiert oder real, einen Mehrwert beimessen oder einen Nutzen und dafür auch zahlen. Das ist eine riesige Diskussion.

KH: Noch Rückfrage dazu. Wie ist denn ungefähr das prozentuale Verhältnis von  Front-End-Leuten und Back-Office-Mitarbeitern, sagen wir mal bei den Grossbanken.

SE:  Das ist im allerersten Moment eine definitorische Frage.

KH: Beziehungsweise: Wie viel, würdest Du sagen, sind in automatisierbaren Tätigkeiten und wie viele eher Kunden.

SE: Es ist so abhängig vom Business. Retail, Wealth, Asset Management, IB. Es ist sehr abhängig von deinem Exposure: domestic, international, global? Und dann kommt genau noch der Punkt: Was ist Front? Ist für Dich Front jemand, der mit dem Kunden redet? Oder ist Front Unterstützung? Oder zum Beispiel sophisticated Client Access in einen professionelleren Bereich, der aber erst schon ein bisschen rückgelagert auch, ist der auch Front? Jetzt ganz simpel: Du kannst vielleicht sagen – gut, jetzt gibt’s noch die verschiedenen Bankprofile, deswegen hat es nur limitierte Gültigkeit. Ich kenne die kleinen Banken nicht so gut in der Schweiz. Schau vielleicht noch kurz einen Geschäftsbericht einer ZKB, einer Raiffeisen an. Dann kannst du vielleicht auch ein bisschen schätzen. Wenn Raiffeisen sagt: Wir sind in der Zentrale so viel Leute. Dann würde ich die sozusagen im Rückgelagerten zuordnen, ausser die paar, die noch ein bisschen darüber nachdenken, was man mit dem Konstrukt machen kann. Versus die Genossenschaftsbanken, wo du wahrscheinlich etwa sagen kannst, das 60 Prozent so Front sind und der Rest so ein bisschen Mini-Backoffice ist. Dann kannst du vielleicht noch eine Valiant anschauen, die eine angemessene Grösse hat. Und vielleicht noch ein, zwei Kantonalbanken. Irgendwie vielleicht eine ZKB und vielleicht eine LUKB oder BKB, die ein bisschen eine angemessene Grösse haben. Und dann siehst Du dann hoffentlich eine gewisse Indikation. Die haben so Org-Charts manchmal, wie viele wo arbeiten. Da findest du vielleicht etwas heraus. Im Grundsatz würde ich sagen, dass zwischen 40 und 60 Prozent der Leute tendenziell, je nach Definition eher im rückgelagerten Bereich arbeiten. Und von dem Frontbereich wahrscheinlich die Hälfte unmittelbar in der Kundeninteraktion tätig ist. Ein Drittel bis die Hälfte. Das wäre jetzt so meine grobe Einschätzung. Aber das ist immer eine definitorische Frage. Aber ich würde jetzt halt auch mit Ranges arbeiten. Oder auch sagen: Okay, die Frage ist jetzt wirklich: Wo hast du die Potentiale für Efficiency Gains? Auch für die Automatisierung. Im Front Bereich bist du ja primär auch abhängig vom Kunden. Was akzeptiert er? Oder wie macht er seine Journey durch? Boarded er auf diese Digitalisierung auf? Onboarding, ja oder nein? Das ist nicht eine intrinsische oder eine diskretionäre Entscheidung. Das ist eine Dependency von der Entwicklung. Versus während Du im rückgelagerten Bereich eher Complexity-Fragen hast, um sozusagen Deine Capability, diese Komplexität managen zu können. Ich meine, das sind so die grossen Treiber. Und da hast Du eine gewisse Pfadabhängigkeit.

KH:  Ich finde es immer interessant, wie – ich weiss nicht, ob du das Buch von Martin Ford gelesen hast, Rise of the Robots – wo er dann schreibt: Das ist mega einfach, jetzt mit diesen ganzen Big Data Machine Learning Technologien können alle Jobs automatisiert werden.

SE: Quatsch. Weil vor – war das letzten Freitag? Ich weiss es gar nicht mehr. Ich glaube, letzten Freitag. Da bin ich bei einer der grössten Banken weltweit beim Global COO Global Markets IB gewesen. Da haben wir genau diese Diskussion geführt. Also, da hast du dann auch genau diese verschiedenen Themen. Utility – standardisieren im Markt, voll technologisiert. Du hast nicht einmal innerhalb jener Bank eine Harmonisierung. Wie willst du sie dann in den Markt oder auf die Technologie bringen? Weil Du einfach. Weil Du dort genau wieder diese Silos hast und diese Komplexität aus den Divisionen, aus den Jurisdiktionen und das faktisch nicht auf einen gemeinsamen Nenner bringen kannst und schon gar nicht die Technologie, die nicht selber lernt. Das ist ja das Wichtige. Machine Learning braucht ja ein Pattern. Und das Pattern muss erkennbar sein. Wenn du im Pattern so viel Komplexität hast, wo Du dem Robo oder der Machine nicht sagen kannst: Wegen dem, dem und dem ist es so, dann bringt der das gar nicht hin. Dann hast du zu viele Constraints. Es ist immer ein Automatismus, den du der Maschine mitgibst. Nur diese Automatismen, die du ihm formal vorgeben kannst, kann er lernen. Alles andere nicht. Also, ich mache ein Beispiel: Know your Client. Also, wenn du ja zur Bank gehst und ein Konto eröffnest, musst du Sachen ausfüllen. Und jetzt kannst du ein Scoring machen: Wie vertrauenswürdig bist du aufgrund Deines Alters, Deiner ich sage jetzt einmal: Nationalität, Geschlecht, Herkunft, Einkommen, whatever. Die Maschine kann Patterns herausfinden und sagen: Hey, du bist eine High Risk Person oder nicht. Aber du musst sagen, auf welchen Attributen das zum Beispiel untersucht werden muss. Korrekt? Und wenn jetzt eine HSBC anders als eine UBS anders als was auch immer Attribute abfragt, musst du ja zuerst einmal noch ein Pattern definieren, um das zu harmonisieren. Und erst dann hast du die Vergleichbarkeit. Und dort hast Du natürlich die Komplexität drin. Das ist nicht unlösbar. Aber sofort und und und, sehe ich gewisse Challenges. Vor allem, weil hier auch wieder die Verantwortlichkeiten des Managements reinkommen. Dass das Ding robust läuft, die Kundenbeziehung nicht impacted ist und jederzeit Regularien eingehalten werden. Und Du noch Geld damit verdienst. Das sind so ein bisschen diese Constraints. Ich gebe dir jetzt nur Probleme mit auf den Weg. Aber, und das finde ich eben genau den Punkt: Ich glaube an die Industrialisierung, mittel- bis langfristig. Vor allem im Bankensektor. In kleineren Banken glaube ich schneller dran. Wenn ich von Bank rede, rede ich halt eher von den von den Grösseren. Dort hast du ganz andere Diskussionen.

KH: Ich glaube wir haben sowieso schon viele Fragen angesprochen. Ich schau mal schnell, was wir noch nicht haben: Du hast vorher kurz Offshoring angesprochen. Denkst Du, es wird dadurch auch zu einem Reshoring führen? Also, vielleicht nicht Jobs an sich, aber Tätigkeiten, die wieder in die Schweiz zurückgeholt werden? Also, zum Beispiel die Credit Suisse hat ja irgendwie 3000 Jobs nach Polen ausgelagert.

SE: Wie soll ich das erklären? Ich persönlich habe das Gefühl, die Zeit muss zeigen, ob das eine richtige Aussage ist oder nicht. Im Moment, habe ich das Gefühl, wird der Bogen vom Offshoring überspannt. Vor allem, weil auch Offshoring ist in der Regel dem Outsourcing ähnlich. Sei das in der eigenen Company oder in eine externe. Also, das ist so eine Kombination von Outsourcing und Offshoring. In der Regel ist es beides. Das ist eine andere Wertigkeit von dieser Dienstleistung. Sie ist in der Regel günstiger, pro definierter Einheit. Du verlierst aber die Qualität rund um diese definierte Einheit. Stichwort: Liebe Kornelia, ich habe 100 Transaktionen, die mir zustehen. Was ist, wenn zwei Transaktionen nicht dem Pattern folgen? Du bekommst gar nichts mehr für diese zwei Transaktionen. Die werden dann gar nicht mehr processed. Die müssen abgelehnt werden. Du hast einen riesigen manuellen Fix. Und das führt im Moment dazu, meiner Meinung nach, dass die Banken, oder zumindest eine, die ich sehr gut kenne, auch beginnt, auf dem Zahnfleisch zu laufen und permanent Operational Incidents generiert, die in Task Forces dann gelöst werden müssen mit  manueller Systemmanipulation und so weiter, und so fort. Die Frage ist: Wie nachhaltig ist das? Wenn es nicht nachhaltig ist: Wie weit kannst du das auf das Outsourcing, Offshoring-Konstrukt anwenden, dass es trotzdem fähig, das zu liefern versus, Du hast dann gewisse Stufen von Rückschritten. Okay, zumindest in-source ich das wieder mal wieder. Vielleicht immer noch in der Lokalität Polen. Dann hast Du sozusagen noch das Offshoring. Oder brauchst Du es sogar noch näher wieder in der Schweiz? Oder vielleicht in Deutschland? Und, und, und. Und das ist so eine ganz schwierige Diskussion. Und im Moment agiert das Management auf KPIs, Parametern. Die sind natürlich transaktional getrieben. Da sieht das Ganze natürlich gut aus. Wenn Du aber schaust, wie viel da eben an Extra Cost generiert wird, vielfach auch durch die Berater. Ist ja gut für den Berufszweig, aber in meinen Augen auch fraglich für die Institution. Gibt es da Trends zurück? Ja oder nein? Oder ist das Management zu wenig weitsichtig, das über zehn Jahre zu sehen? Oder eben nur in ihren Quartalsresultaten? Deswegen würde ich das nicht ausschliessen. Aber ich glaube, diese Kurzfristigkeit und die zunehmende Managementkultur und Fokussierung auf Aktionäre und so weiter wird das sicher jetzt noch ein paar Jahre so weiterlaufen lassen. Meine Meinung. Bis einmal etwas Richtiges passiert.

KH: Wollen die Banken die ganzen neuen Technologien wirklich auch umsetzen? Oder braucht es da wieder irgendeine Krise oder irgendwas, das sie zwingt Kosten sparen zu müssen?

SE: Also, ich glaube, die Banken wollen das umsetzen, sie müssen das umsetzen. Weil sie sonst aus dem Markt gedrängt werden. Ein Beispiel: Die Technologiediskussion ist vergleichbar mit den Rechtsstrukturänderungen. Es gibt zwei Banken auf der Welt, die das Carve-Out der Domestic Entity schon gemacht haben – unsere zwei. Alle andere nicht. Wieso? Weil sie einen Druck gehabt haben. Der Druck ist in dem Fall regulatorisch gewesen. Dann  haben sie es gemacht. Dann auch verhältnismässig schnell für so grosse Banken. Auch da wird die Frage sein, nicht ob man es macht, sondern wie schnell. Wenn der Druck genug schnell genug gross wird, werden sie auch schnell reagieren. Dann sind sie erstaunlich agil. Weil dann wird es – und das ist das, was du vorher ein bisschen implizit angesprochen hast – dann wird es auf Top-level genommen. Und wenn der Diktator sagt: Jetzt macht ihr das! Dann rennen alle. Und das ist in den Banken nicht anders. Der Chef-Chef-Chef sagt, was der Chef-Chef machen muss. Der sagt dem Chef, was er machen muss. Und dann machen das alle. Das ist einer der Kernerfolgsfaktoren. Also, ich glaube, die werden es machen, die werden es schnell machen können. Die Frage ist, wann der Druck genug gross ist. Sei das kostenseitig, sei das revenueseitig oder einfach, weil Marktrisiken bestehen oder technologische Risiken. Dass du das gar nicht mehr schultern kannst.

KH: Wir haben vorher über die Reformation der ganzen Back-Office Systemen geredet. Denkst du, das würde mittel- und langfristig eher zu einer Zunahme oder Abnahme von Arbeitsplätzen führen?

SE: Abnahme. Diese Frage ist für mich relativ klar.

KH: Stark?

SE: Ja. Also, wenn man dann einmal ready ist. Und ich glaube, das ist so ein bisschen der Punkt. Ich glaube, ultrakurzfristig wird man die Zitrone primär auspressen. Ich würde aber behaupten, dass das nicht durch Digitalisierung oder technologisch passiert. Das ist primär Speck wegschneiden. Das ist nämlich etwas Anderes. Genau, das ist noch ein guter Punkt: Man muss ganz klar differenzieren zwischen Effizienzsteigerung im engeren Sinn – sozusagen mit einer soften Technologiekomponente – vs.  richtig technologisch getriebene Industrialisierung mit hoher Automatisierung, je nachdem auch eine Vereinfachung von Prozessen und, und und. Und der zweite Aspekt ist sicher eher etwas Mittel- bis Langfristiges, behaupte ich. Das sind eben die Constraints, die ich Dir vorher schon gegeben habe. Für grosse Banken.

KH: Denkst Du in dem Fall, dass das bei grossen Banken noch viel stärker sein wird, als bei so kleineren Privatbanken?

SE: Ja, klar. Weil die Grossbanken natürlich viel mehr Komplexität haben. Und überall wo Komplexität ist, kann erstmal eine Vereinfachung oder ein automatisierter Umgang mit der komplexen Situation zu einer Effizienzsteigerung führen. Und die macht in der Regel mehr weh. Weil auch die kleinen Banken – eben Du kannst diese einmal technologisieren, aber das ist auf einem ganz anderen Niveau. Auch auf der Komplexität der Tätigkeit.

KH: In dem Fall habt Ihr jetzt viele Projekte im Bereich Automatisierung?

SE: Ja, das ist so auch ein bisschen eine Frage, wie Bain sich positioniert und welches Training wir haben. Also, wir haben ja eigentlich auch kein FS Schweiz Projekte, im Moment, wenn man das so sagen kann. In Deutschland haben wir ganz viel Digitalisierung. Das ist auch der Slide, den ich dir vorher gezeigt habe – diese Art von Digitalisierung. Retail-Frontend. Das ist eigentlich die typische Kombination.

KH: Welche Beratungen machen denn die grossen Backend-Sachen? Accenture oder sowas?

SE: Jetzt reden wir so ein bisschen darüber, wer es macht und was die Aspirationen sind. Man muss natürlich sagen: IBM, Accenture, das ist die Kombination von Outsourcing und Onboarding auf die Technologie. Das ist immer differenziert zu betrachten, geht aber meistens Hand in Hand. Aber Accenture ist sicher ein Grosser. Und die sind auch weit. Vor allem, wenn es auch in die rückgelagerten Bereiche geht. Aber auch in Verbindung mit Outsourcing, weil man nimmt ja eine Plattform und einen Sales Katalog. Und die sind dort sicher weit im Sinne von gross skalierte Outsourcings zu machen. Was man aber merkt – und deswegen sage ich: Das ist die Aspiration, die meisten sind nicht so konzeptionell unterwegs. Wir versuchen, das Thema wie konzeptionell anzugehen. Weil wenn du das Thema nicht konzeptionell robust löst, wird dir das bei der Implementierung um die Ohren fliegen oder eben noch mehr Komplexität generieren. Und das ist das Unschöne.

KH: Wenn man bedenkt wie schon zum Teil kleine Anwendungen nicht funktionieren und wenn ich mir dann denke, dass die ganze IT-Infrastruktur erneuert werden muss – das ist schon eine riesen Herausforderung.

SE: Und wenn du noch weisst, und das ist ja das Krasse: Wenn du von aussen auf eine Bank schaust, haben wir immer das Gefühl: Das ist recht trivial. Es ist sehr nicht-trivial. Also, das sagt jeder von seiner Industrie, ich weiss. Aber ich glaube, die Bankenlandschaft hat auch wegen der Integration, der globalen Integration, die sie selber verschuldet haben, die nicht funktioniert, so eine komplizierte, komplexe Ausgangslage geschaffen, dass es fast nicht mehr nachvollziehbar ist. Ich mache ein Beispiel: Ich habe mit meinem Team damals im Rahmen von Too Big To Fail, mit fünf Leuten viereinhalb Monate Transparenz geschaffen. Nur Transparenz! Über die globale Paymentinfrastruktur. Über welchen Server mit welchen Leuten, welchen Funktionen, welchem Marktanschluss funktioniert das Ding überhaupt? Das ist in einer Gesamtbankperspektive völlig irrelevant. Wir haben viereinhalb Monate gebraucht. Ein Interview nach dem anderen. Ja, ich weiss gar nicht. Ja, ich gehe gleich mal dort fragen. Oh, okay, da haben wir so drei Systeme. Und das ist so absurd! Anyway, war stories.

KH: Das ist jetzt ein bisschen eine allgemeinere Frage. Was denkst du, welche Fähigkeiten werden da in Zukunft wichtiger? Beziehungsweise: Was ist wichtiger, um einen Arbeitsplatz bei einer Bank jetzt nicht zu verlieren durch das?

SE: Du hast die Fragen ein bisschen anders formuliert gehabt? Also, du möchtest einem Mitarbeiter etwas empfehlen?

KH: Ja.

SE: Die Grundsatzempfehlung ist, sich von der Aufgabe zu lösen und sich mehr in Strukturierung und das Konzeptionelle involvieren zu versuchen. Ich glaube, das ist der einzige Weg heraus. Das Problem ist, wenn zehn das wollen und Du nur einen brauchst, gibt es eine Competition. Und jetzt kommt der andere Punkt, das ist eine kulturelle Frage der Bank: Willst du die Kompetenz behalten und welchen Wert misst Du Deinen Mitarbeitern als Personen bei? Und siehst Du Dich auch in der Verpflichtung, sie zu entwickeln? Und da haben natürlich die Grossbanken einen ganz anderen Approach als andere. Ich mache ein Beispiel: In einem spezifischen Bereich in der UBS haben sich alle Mitarbeiter unabhängig davon ob ihre Funktion oder ihr Job in der OE bestehen bleibt oder nicht, neu bewerben müssen. Ich glaube ich beantworte Dir nicht alle Fragen so spezifisch, aber ich glaube, ich gebe Dir die relevanten Inputs. Also, das ist so brutal abhängig. Ich glaube jetzt, wenn du bei einer PostFinance bist oder bei einer ZKB auch schon nicht mehr so. Die haben auch schon wieder so einen angelsächsischen Touch. Aber bei einer LUKB, einer Berner KB oder einer Glarner, da sagen die: Lieber Stefan, du bist schon zehn Jahre bei uns. Du weisst wie das geht. Jetzt müssen wir halt schauen, wie wir dich konzeptionell, methodisch noch ein bisschen weiterentwickeln. Dann geht das. Eine UBS sagt: Ah. Das ist einer aus dem Maschinenraum. Wir brauchen jemanden mit MBA. Was auch immer.Das ist halt die Diskussion. Reiner Verdrängungswettbewerb.

KH: Ich habe auch ein Interview mit jemandem von der HWZ geführt und die haben jetzt so Certificates, Studiengänge, was weiss ich, zu Digital Finance etc. Denkst Du sowas bringt etwas, wenn man sich so weiterbildet?

SE:  Ich habe selber einmal am Institut für Finanzdienstleistungen in Zug gearbeitet. Was ich ein super Institut finde. Und die verdienen auch primär Geld über solche Studiengänge. Das ist primär eine kommerzielle Frage und nicht die Frage des Wertes, den du den Leuten mit auf den Weg gibst. Und die Frage ist dann auch: Welche Leute machen solche Studiengänge und kannst du die wirklich enablen? Ich denke, das ist eine brutal individuelle Frage und die hängt eher vom Talent von dem ab, der dorthin geht und was er daraus macht. Und ich behaupte jetzt mit meiner bösen Zunge, dass jene, die gut sind, es auch ohne das schaffen können. Also, das ist meine persönliche Meinung. Vielleicht auch bisschen durch meinen Werdegang begründet.

KH: Die Banken haben ja 3000 Leute KV-Lehrlinge. Wo ich mir denke: Das sind doch die ersten Stellen, die dann irgendwie redundant gemacht werden. Oder?

SE: Ja, tendenziell. Ein gewisses Risiko gibt es. Obwohl, das ist noch interessant. Wenn Du Dir die Kundenberater anschaust, sind das meistens nicht die highest educated Leute. Ich rede jetzt nicht, wenn Du von einem Ultra High Net Worth-Betreuer redest. So lange Du Relationship Business hast und einen Vertreter brauchst – und ein Schreiner aus dem Dorf interagiert doch lieber mit seinesgleichen als irgendjemand, der in Harvard Whatever gemacht hat. Als Extrembeispiel. Aber für die ist das natürlich schwieriger, weil die tendenziell auch die einfacheren Aufgaben haben im rückgelagerten Bereich. Und teilweise dann at risk sind. Und, ich glaube jetzt kommt der andere Aspekt, und da rede ich jetzt von den Grossbanken: Skalierung heisst Spezialisierung und Spezialisierung heisst Tiefgang, aber keine Breite. Sprich: Dich nachher im breiten Umfeld wieder einzusetzen, nachdem du zehn Jahre tief gegangen bist, ist brutal schwierig. Ich habe die Frage schon wieder nicht richtig beantwortet, ich glaube die Fragen sind wirklich die Richtigen. Das Interessante ist, wenn man sie aus verschiedenen Perspektiven beleuchtet. Es gibt eben nicht ein Ja oder ein Nein. Ich habe jetzt einfach mal ein Off-load gemacht. Du merkst: Ich brenne auch für die Themen. Und deswegen ist es mir eben auch wichtig, dass man versucht, die richtig zu verstehen. Also, falsch: Die Bereitschaft signalisiert, darüber zu diskutieren. Weil das finde ich dann das Interessante. Weil nur so löst du oder adressierst du die Herausforderungen richtig. Ich kann da oberflächlich sagen: eine Digitalisierung? Ja, komm, machen wir FinTech Solutions. Paymit? Ja, easy. Dann funktioniert das. Aber das ist eben nicht so.

 

Interview III: Ursula Brunner

UB: Vielleicht zu Anfang kurz etwas zu meiner Person. Ich bin jetzt seit 3 Jahren bei Notenstein La Roche, in dieser Zeit haben wir bereits sehr viel verändert innerhalb von der Bank. Wir haben einerseits verschiedene Bereiche outgesourced and Raiffeisen, insbesondere das Back Office und die IT, und wir haben andererseits eine Bank akquiriert, die La Roche, die ja jetzt auch neu in unserem Namen drin ist. Moment sind wir gerade dabei intern ein grosses IT-Projekt zu machen. Dabei werden wir neu auf die Bankensoftware „Avaloq“ wechseln, was sicher viel zur Thematik der Digitalisierung/Automatisierung beitragen wird. Wir gehen davon aus, dass dort sicher gewisse Prozesse und Arbeitsgänge, die jetzt noch eher händisch ausgeführt werden, über die Bankensoftware abgewickelt werden und wir planen sicherlich auch noch weiter Schritte im Bereich der Digitalisierung. Im Zusammenhang mit der Verbesserung durch die Bankensoftware. Was hat dies nun einen Einfluss auf Arbeitsplätze: es ist sicher so, dass gewisse Aufgaben schlichtweg nicht mehr existieren, also vor allem im Bereich Back – und Mid-Office hat es Aufgaben, die bisher von Personen wahrgenommen wurden, die jetzt automatisiert werden und die es nicht mehr braucht. Natürlich muss das Ganze noch überwacht und kontrolliert werden, aber die rein ausführenden Tätigkeiten werden sicher wegfallen. Wo wir nach wie vor überzeugt sind, dass es weiterhin Menschen brauchen wird, ist im ganzen Beratungs-Business, also da wo man mit dem Kunden direkt zu tun hat, wo es darum geht das Vertrauen zu schaffen, dass der Kunde seine Gelder auch anlegt bei uns. Da ist es nach wie vor wichtig und entscheidend, dass einem ein Mensch gegenübersitzt und den Kontakt herstellt, mit dem Kunden redet und die Dienstleistung anbietet, die auf Vertrauen basiert. Was wir uns aber natürlich sehr gut vorstellen können ist, dass gewisse Prozesse wie Anlagevorschläge, die Anlagen selber, die ganzen Transaktionen, noch mehr digitalisiert und automatisiert werden, so dass der Kunde viel mehr Möglichkeiten hat ohne dass er ins Haus kommt und mit dem Berater redet, das elektronisch abzuwickeln und auch sehr viel mehr Möglichkeiten hat auf Informationen zuzugreifen. Dort wird es sicher eine Veränderung geben. Und die ganze Thematik IT, wenn man sie so als Oberbegriff nimmt, wird sicher zunehmend wichtiger und muss weiterentwickelt werden, damit diese Angebote möglich sind.

KH: Was beinhaltet dieses IT-Projekt genau? Sind das eher administrative Aufgaben oder ist das eher auch schon begleitend zu der Beratertätigkeit?

UB: Es ist ein bisschen beides. Also es ist einerseits ein Ablösung vom bestehenden System, das einfach schon älter ist und die ganze Administration abwickelt, aber es beinhaltet natürlich auch sehr viel mehr Möglichkeiten, die nachher im Beratungsprozess wichtig sind. Es beinhaltet ein CRM, wo die ganzen Informationen über den Kunden hinterlegt werden, es soll ihnen natürlich aber auch in ihren ganzen Abwicklungs- und Arbeitsschritten Möglichkeiten geben die zu überwachen und Informationen rauszuholen. Und auf der anderen Seite den Kunden auch viel mehr Möglichkeiten auf Zugriff und Informationen gibt.

KH: Wie denken Sie stehen Sie im Vergleich zu anderen Privatbanken da in diesem Digitalisierungs- bzw. Automatisierungsprozess?

UB: Das ist noch schwierig abzuschätzen. Ich glaube die Privatbanken sind sehr unterschiedlich unterwegs. Es gibt sicher solche, die weiter sind. Ich habe gerade kürzlich einen Artikel gelesen über die Julius Bär, die ihren Kunden jetzt einen artifiziellen Berater zur Verfügung stellt, über den gewisse Sachen abgewickelt werden. Da sind sie sicher einen Schritt weiter. Es gibt aber sicher, vor allem bei kleineren Privatbanken, noch welche die noch gar nicht so weit sind und vielleicht noch mit alten Systemen arbeiten und noch viel mehr mit Manpower abwickeln.

KH: Denken Sie es ist schwierig das als Traditionsbank kulturell umzusetzen im Unternehmen und bei den Mitarbeitern?

UB: Ja, es braucht schon eine Veränderung. Man sieht das allein schon an dieser neuen Bankensoftware, die wir einführen. Es bietet sehr viel mehr Möglichkeiten und man muss überlegen, wie man die Prozesse jetzt anders macht. Und das sind natürlich Prozesse, die über lange Jahre immer gleich gemacht wurden. Die Menschen mögen Veränderungen, aber sie verändern sich nicht gerne selber. Also wenn man von Veränderungen redet, ist es eher so bisschen Abwechslung, aber wenn man sich natürlich gewohnt ist, Arbeitsschritte über Jahre gleich zu machen und sich denkt, das ist gut so, ist es dann schwierig, wenn man sich durch äussere Einflüsse verändern muss und etwas anders machen muss. Aber ich finde, es ist auch eine Chance. Man muss den Mitarbeitern einfach den Nutzen aufzeigen von dem Ganzen, was ihnen vielleicht wieder mehr Möglichkeiten gibt und gewisse Arbeitsabläufe auch erleichtert.

KH: Wie managen Sie das? Haben Sie Weiterbildungen, Infoveranstaltungen o.ä.?

UB: Ja, wir müssen die Leute natürlich schulen im Zusammenhang mit diesem neuen System. Man versucht sie positive auf das neue System einzustimmen, ihnen die Vorteile aufzuzeigen. Wir müssen natürlich aber auch realistisch bleiben, es wird vielleicht nicht alles von Anfang an so sein, wie man sich das wünscht. Also es ist mit der Einführung Mitte Jahr der Prozess sicher noch nicht abgeschlossen, sondern wir werden weiter daran arbeiten müssen. Da haben wir uns überlegt, dass wir dann eine Art Prozessgruppe bzw. Qualitätszirkel bilden werden, wo man weiter daran arbeitet was man verbessern könnte, wo man noch effizienter und effektiver werden kann und was es sonst für Möglichkeiten gibt.

KH: Es gibt ja Studien, die sagen, dass potenziell fast 50% der Arbeitsplätze automatisierbar wären. Was denken Sie wie bei Ihnen da die Prozentzahl ausfällt?

UB: Ich denke er ist auf jeden Fall niedriger. Die meisten Leute bei uns sind ja im Beratungs-Business tätig, das sind über 50% und die werden wir sicher nicht automatisieren könne. Aber ich kann mir auf jeden Fall vorstellen, dass es in den unterstützenden Bereichen definitiv noch gewisse Möglichkeiten gibt, um Automatisierung voranzubringen. Also es gibt ja in allen Bereichen, sei es im HR, wo ich jetzt tätig bin, im Legal & Compliance, der ja bei Banken einen grossen Bereich ausmacht, dass man dort sicher noch mehr Automatisierung reinbringen kann.

KH: Denken Sie total wird dies zu einer Reduktion an Arbeitsplätzen führen oder werden die Arbeitsplätze einfach verschoben auf Leute, die z.B. die Software managen oder eben diese Schnittstelle zwischen Mensch und Maschine bilden?

UB: Es wird wahrscheinlich beides sein. Auf der einen Seite wird es weniger Arbeitsplätze geben, aber es wird auch neue Arbeitsplätze geben mit neuen Aufgaben.

KH: Also ungefähr gleichbleibend mit Tendenz abnehmend?

UB: Ja, genau.

KH: Sie haben erwähnt, dass ca. 50% Ihrer Mitarbeiter im Beratungsgeschäft tätig sind, wie ist die Aufteilung auf Funktionen der anderen Hälfte?

UB: Also es sind weit mehr als 50% der Mitarbeiter, die im Beratungsbereich tätig sind und da zähle ich jetzt natürlich auch Assistenzfunktionen dazu. Wir haben auch einen ziemlich grossen Bereich Legal & Compliance, und dann gibt es so Abteilungen wie die Finanzabteilung, da drin hat es die Kreditabteilung, dann haben wir noch das HR, wir haben Logistik, wobei das ist ein kleiner Teil und natürlich was ich jetzt nicht direkt zum Beratungsteil dazu gezählt habe, was auch sehr frontorientiert ist, ist der ganze Bereich Investment Solutions. Das ist der Bereich mit Research und Advisory, all diese Themen. Das ist natürlich auch noch ein sehr grosser und umfassender Bereich.

KH: Dort wird aber sicher auch viel automatisiert werden können.

UB: Ja, aber dort kauft man z.T. natürlich auch Dienstleistungen ein.

KH: Von FinTechs?

UB: Zum Beispiel.

KH: Ich habe gesehen, Sie arbeiten unter anderem auch mit Crealogix zusammen. Wie sehen Sie das: Sehen Sie FinTechs als Bedrohung oder sehen Sie da eher Synergien die man nutzen kann?

UB: Ich glaube nicht, dass wir es als Bedrohung sehen. Wir sehen es eher als mögliche Erweiterung von unserem Geschäft respektive auch als zusäzliche Dienstleistung, die man mit diesen Anbietern zusammen erarbeiten kann. Ich kann mir nicht vorstellen, dass man es als Bedrohung anschaut. Es ist eine Veränderung, das ist klar, aber ich glaube, man muss es auf jeden Fall Ernst nehmen. Der Hype ist sicher auch bisschen zurückgegangen, eine Zeit lang hat man ja nur noch von FinTech Unternehmen geredet, aber ich glaube das hat sich ein bisschen relativiert. Aber auf der anderen Seite natürlich auch relativiert in einer Art und Weise, dass man gesehen hat, dass da ein gewisser Nutzen ist, also man kann eine Zusammenarbeit anstreben, die dann beidseitig weiterhilft.

KH: Wie digital-affin sind Ihre Kunden?

UB: Das ist noch schwierig zum Sagen. Wir haben durschnittlich ein eher älteres Kundensegment. Ich denke – und da darf man auch nicht immer so pauschalisieren, weil es gibt auch viele ältere Leute, die sehr affin sind was Technologie betrifft – aber so grundsätzlich ist es eher weniger ein Thema. Was eine Herausforderung sein wird, ist den Wechsel von unserer älteren auf die jüngere Kundschaft sicherzustellen, seine das beispielsweise Erben von bestehenden Kunden oder auch neue jüngere Kunden, die dann sicher eher in diesen Themen drin sind und dann sicher auch andere Anforderungen an unsere Dienstleistungen stellen werden.

Due to a technical malfunction, the rest of the interview was not recorded. Here are some of the key discussion points:

  • Wichtige Fähigkeiten in der Zukunft: Veränderungsbereitschaft, Flexibilität, Mobilität im Denken, Resilienz/Robustheit, Sozialkompetenz
  • Lebenslanges Lernen wird immer wichtiger
  • Notenstein La Roche investiert auch viel in Weiterbildungen, sowohl intern als auch extern z.B. gibt es intern regelmässig spezifische Trainings
  • Die IT-Plattformen der Notenstein La Roche und Raiffeisen unterscheiden sich, da sie auch unterschiedliche Aufgaben erfüllen müssen.
  • Unterschied zu Raiffeisen: Notenstein La Roche bleibt weiterhin positioniert als Bank für High Networth Individuen, auch mit teilweiser Automatisierung. Somit werden die Einstiegsvermögen nicht signifikant sinken.
  • Entwicklung ist auf jeden Fall enorm schnell und es bleibt zu sehen was für einen Einfluss Verbesserungen in AI etc. haben werden.

Interview IV: Costantino Lanni

KH: Was mich von Ihnen spezifisch interessieren würde, ist wie Sie diese Veränderung sehen. Also, was sich von der Ausbildung verändern muss und ob sich die jungen jetzt schon in dem Bereich weiterbilden wollen. Also wie Sie mit diesen Herausforderungen umgehen und Ihr Angebot dementsprechend verändern.

CL: Also, grundsätzlich sieht man ja, dass in der Industrie, insbesondere der Finanzindustrie, die Digitalisierung Einzug gehalten hat, in den letzten 18, 24 Monaten. Das ist bei vielen Banken ein Thema geworden, obwohl es immer noch nach wie vor sehr schwammig ist, in welche Richtung es geht. Weil darum sieht man da gerade auf der Ausbildungsseite eine sehr hohe Nachfrage nach Ausbildungen im Digitalisierungsbereich. Das erfasst eigentlich sämtliche Wertschöpfungsketten innerhalb einer Bank. Das beginnt bei den Prozessoptimierungen an bis hin zu: Wie stellt man sowas auf einem Handy dar? Und da merkt man, dass das diese Industrie jetzt auch erfasst hat. Das ist ein bisschen eine Nachzügler-Industrie. Viele Industrien sind vorher schon viel mehr davon erfasst worden. Medien, Musik, zum Beispiel, die ganze Reisebranche ist auch heute ganz anders aufgebaut, als noch vor zehn Jahren. Und jetzt kommt das langsam auch in die Finanzwelt rein. Und da merkt man jetzt, dass die Banken in einem Suchprozess sind. Was heisst das für uns konkret? Was heisst das auch für unsere Leute? Für unsere Geschäftsmodelle? Das ist etwas, das uns im Moment sehr stark beschäftigt. Das merken wir auch auf der Angebotsseite des Ausbildungsangebots her. Also, das sind so Themen wie: Geschäftsprozesse zu optimieren, Schnittstellen zum Kunden zu optimieren, Kosten zu reduzieren probieren, innerhalb einer Bank. Und all das führt eigentlich dazu, dass das Geschäftsmodell einer Bank in vielen Bereichen neu angepasst wird.

KH: Also, es gibt ja Reports, die aussagen, dass fast 50 Prozent der Arbeitsplätze in dem Sektor potentiell automatisierbar sind. Wie stehen Sie dem gegenüber?

CL: Ja, also, ich würde einmal sagen: Die einfacheren, repetitive Aufgaben, die werden wahrscheinlich – ich will nicht sagen wegrationalisiert, aber digitalisiert. Es gibt zum Beispiel keinen Grund, wieso heute jede Bank noch eigenständig Börsenabrechnungen machen muss. Das könnte man ja heute zentral machen, das könnte man für alle Banken zentralisieren. Aber es ist natürlich immer noch so ein geschützter Bereich gewesen bis anhin. Und die Digitalisierung führt dazu, dass die Systeme offener werden müssen. Also, Routinearbeiten, Arbeiten, die man eh schon mit IT bewältigt, das wird noch weiter digitalisiert. Was bleiben wird, ist nach wie vor die Schnittstelle Kunde-Bank. Wenn es um komplexere Beratungen geht, braucht es einen Kundenberater. Das können Sie nicht digitalisieren. Aber ich sage einmal: Die einfachen Börsenaufträge oder einfache Anlageberatungen – es gibt keinen Grund, wieso man da noch mit teuren Vermögensverwaltern arbeiten muss.

KH: Denken Sie, dass es da auch einen Unterschied zwischen Private Banking und Retail Banking gibt?

CL: Also, auf jeden Fall. Retail Banking wird sich massiv verändern. Der Bankschalter der Zukunft wird sicher ganz anders aussehen als heute. Man wird möglichst viel automatisieren. Vor allem die einfachen Sachen: Zahlungsverkehr, kleine Börsenaufträge. Private Banking, die beratungsintensiver sind, wenn es um Nachlassplanung geht, wenn es um Steueroptimierung geht, wenn es um Nachfolgeregelungen geht – das können Sie nicht outsourcen. Das wird entsprechend bleiben. Für die Ausbildungen heisst das: Wir müssen auch in diese Richtung gehen. Wo kann ich einem Kunden einen Mehrwert generieren? Weil der Job ist dann sicher und wird nicht wegdigitalisiert. Wir haben so zwei Schienen in der Ausbildung. Auf der einen Seite die Spezialisierung der Mitarbeiter.Damit sie eben den Job nicht verlieren. Auf der anderen Seite aus der Sicht der Bank: Was kann man digitalisieren? Oder? Was braucht eigentlich nicht mehr so viele Arbeitskräfte? Also, das ist so ein bisschen zweigleisig.

KH: Sie haben jetzt auch zum Beispiel das Diplom in Digital Finance, dieses Certificate – sehen Sie da eine grosse Nachfrage.

CL: Sehr, ja. Genau aus dem Grund, weil die Banken sich je länger je mehr, ob sie das wollen oder nicht, sich Gedanken machen müssen: Wie sieht ihr Geschäftsmodell im Zeitalter der Digitalisierung aus? Oder was wird digitalisiert? Und eine Gefahr, die die Banken natürlich haben ist: Es gibt keinen globalen digitalen Finanzleader auf der Welt. Aber es gibt sehr viele kleine, dynamische Anbieter. Und da verliert man einmal fünf Prozent Marktanteil und über Hypotheken verliert man vielleicht fünf Prozent. Und am Schluss blutet man überall Marktanteil und wird überall angegriffen. Und das gibt dann so ein Sprichwort, wo man sagt: Das ist der Tod der tausend Bisse. Man wird überall ein bisschen im Geschäftsmodell angeknabbert und man sieht: Es ist nach wie vor alles sehr stark fragmentiert. Wie reagiert die Bank darauf? Was für Geschäftsmodelle sind zukunftstauglich? Da sehen wir eine grosse Nachfrage in der Ausbildung. Wie kann sich eine Bank eben als schwerfälliger Tanker in dem Ozean von kleinen agilen Anbietern eigentlich behaupten?

KH: Aber denken Sie, dass die Banken diesen Wechsel managen werden?

CL: Sie werden es müssen. Weil sonst werden sie, wie gesagt, wegdigitalisiert. Bis zu einem gewissen Grad. Also, man sieht schon auch, dass die Banken eingesehen haben, dass sie nicht alles selber machen können. Sie suchen sehr oft Kooperationen mit kleinen Start-Ups, mit FinTech-Unternehmen, die ihnen dann Mehrwert bringen können. Also, von dem her denke ich, dass die Banken doch langsam die Zeichen der Zeit erkannt haben und sich auch öffnen, was ja eigentlich bis vor ein paar Jahren völlig undenkbar war.

KH: Denken Sie, dass die FinTechs eher Potenzial für Synergien bieten oder sind sie eher eine Gefahr für die Banken?

CL: Sowohl als auch. Weil sie sehen dann, dass da neue Geschäftsmodelle von kleinen Anbietern kommen. Eben, nochmals: Es sind nicht die 10, 20 Prozent Marktanteil, die sie dann gewinnen werden. Aber wenn sie überall ein paar Prozent verlieren, das ist eine Gefahr. Auf der anderen Seite heisst es: Die Banken setzen auf die kleinen FinTech Unternehmen, die binden sie mit ein. Also, wenn sie eine gute Idee haben, sind die Banken sehr gerne bereit, das auch mitzufinanzieren und mitzuunterstützen um nachher letztlich diese Technologie auch für sich einsetzen zu können.

KH: Wie sehen Sie das in der Schweiz? Haben Sie ein paar Beispiele von Banken, die vielleicht besonders gut sind in der Digitalisierung? Oder ein paar Banken, die vielleicht noch nicht so weit sind?

CL: Also, man sieht zum Beispiel von den grossen, dass die UBS ziemlich stark den Digitalisierungszug pusht. Also, auch national und international. Die UBS unterstütz z.B. auch in London sehr viele Unternehmungen & Start Ups. Dann haben wir immer so kleine Banken wie eine Glarner KB, die plötzlich einen Teil im Bereich Hypotheken digitalisiert. Wir haben eine VZ, die zum Beispiel relativ stark auf Roboadvisory setzt. Aber es ist jetzt noch nicht, ich würde mal sagen, ganz oben auf der Agenda von vielen Banken. Jeder probiert im Moment so ein bisschen eine Nische zu finden. Aber so richtig, ich sage jetzt einmal, dass man das als Geschäftsstrategie weiterentwickeln würde? Man ist nach wie vor noch ein bisschen zurückhaltend.

KH: Interessant, dass Sie gerade das VZ erwähnen. Ich habe gerade auch jemanden interviewt von dort. Und war eher skeptisch und meinte, bei Roboadvisory wird alles im kleinen Rahmen bleiben und es braucht den Kundenberater. Das sei sehr wichtig. Ich habe das sehr interessant gefunden. Weil ich bin eigentlich in der Erwartung ins Gespräch gegangen, dass jetzt kommt: Ja, Roboadvisory!

CL: Es kommt natürlich darauf an, mit wem Sie dort reden. Weil die haben immer noch das zweistufige Modell. Sie haben das klassische Beratungsmodell plus noch den Roboadvisor. Aber das muss sich ja nicht beissen. Wie ich das vorher gesagt habe: Wenn es um Beratung geht und wenn es Kunden hat, welche diese Beratung suchen, dann wird der Kundenberater nach wie vor da sein. Aber mit den neuen Generation wird ein immer digital affineres Publikum heranwachsen in diese Bereiche. Und die sagen sich: Ich traue eigentlich einem Algorithmus im Hintergrund. Für eine Asset Allocation brauche ich keinen Berater. Also, es wird beides geben. Die Frage ist einfach: Wie viel Marktanteil wird dieser Automatisierungsteil übernehmen? Da ist man noch sehr bescheiden. Wenn man die True Wells anschaut als eine der grösseren Roboadvisory Plattformen, da reden wir von null Komma irgendwas Marktanteil. Und das braucht sehr viel Kapital, um das überhaupt im Markt zu entwickeln. Und vielleicht ist man halt in der Schweiz noch ein bisschen zurückhaltender, dass man gerade, wenn es ums Geld geht, dass man immer noch das persönliche Beratungsgespräch sucht. Aber ich denke, das wird sich in Zukunft ändern.

KH: Wie sehen Sie da so den Zeithorizont? Also, denken Sie, in zehn Jahren wird die Bankenindustrie transformiert sein? Oder wird das noch ein bisschen länger dauern?

CL: Ja, das ist noch schwierig zu sagen. Im Moment stehen wir erst am Anfang und ich sehe im Moment noch nicht genau in welche Richtung der Trend geht. Aber es wird eine Veränderung geben. Ob das zehn Jahre dauert? Das kann ich Ihnen nicht sagen. Das kann schneller gehen, aber es kann auch deutlich länger gehen. Aber es wird nicht so einen Big Bang geben, wo dann plötzlich alles digital sein wird. Das ist  weniger eine Revolution als vielmehr ein evolutionärer Schritt, Schritt für Schritt.

KH: Was für ein Problem ist es, dass die Architekturen der Banken IT-mässig oftmals sehr alt sind? Ist das ein grosses Hindernis?

CL: Das ist ein sehr grosses Problem, weil viele dieser eigenständigen IT-Architekturen noch aus den 80er oder 90er Jahren stammen. Und die hat man aus bankenrechtlichen oder Bankgeheimnisgründen sehr proprietär ausgestaltet hat. Das heisst, es sind sehr schwerfällige Schnittstellen, auch zu Drittanbietern. Und da sind ja über Jahrzehnte Millionen von Stunden investiert. Und die Banken tun sich natürlich schwer damit, das einfach aufzugeben. Zum Beispiel ist es heute noch sehr schwierig – suche immer noch nach einer App, die das kann. Ich habe zum Beispiel fünf Bankbeziehungen mit drei Depots und ich möchte auf einer App sehen: Was ist mein Gesamtvermögen über fünf Banken, drei Depots? Das können Sie nicht machen, weil erstens einmal: Rechtlich haben wir noch die Hürde. Das muss ja auch irgendwo noch reguliert werden. Und die Banken haben eigenständig ihre Host Systeme, nach wie vor, die fast nicht durchdringbar sind. Und das zeigt eben, wie schwerfällig eigentlich auch diese Banken in der Vergangenheit gewesen sind, wie wenig offen und wie geschützt diese Ökosysteme eigentlich gewesen sind.

KH: Wie stehen Sie sowas wie Block Chain gegenüber? Das würde ja eigentlich eine Bank mehr oder weniger obsolet machen.

CL: Eben, das ist auch etwas, was wahrscheinlich irgendwann einmal kommen könnte. Aber ich sage einmal: Die Technologie ist im Moment noch zu komplex. Wahrscheinlich dauert das noch ein paar Jahre. Ich sehe die Möglichkeiten jetzt im Moment viel mehr darin, wie man Finanzierungen macht. Aber auch alles, das mit Crowd-Funding zu tun hat, im Immobilienbereich. Dort könnte es durchaus auch Interesse von Seiten der Kunden geben, die Banken umgehen zu können. Aber Block Chain selber, denke ich, ist noch in den Anfangsschuhen.

KH: Es gibt ja jene, die sagen, es gebe einen Substitutionseffekt, also, Arbeitsplätze würden abgebaut. Und es gibt Leute, die sagen: Nein, der Komplementäreffekt wird überwiegen und dadurch, dass sich die Produktivität steigert, wird es eher zunehmen. Was denken Sie zu dem?

CL: Ja, bei Industrie 4.0, wenn Sie die einzelnen Schritte anschauen, hat es immer einen Bereich gegeben, der verschwunden ist. Und dann hat man gesagt: Ja, was passiert jetzt mit den Arbeitsplätzen? Aber irgendwo sind die wieder aufgebaut worden. Und da ist jetzt etwas Ähnliches. Und um jetzt auf die Angebote zurückzukommen: Viele Leute sehen, dass eigentlich ihre Job Position nicht mehr so gesichert ist. Also suchen sie etwas, das ihnen in diesem digitalen Aufbau in Anführungszeichen eine Jobgarantie geben kann. Also sieht man eine Verlagerung von gewissen Fähigkeiten aus einem Bereich hin als Nachfrage, sich neue Fähigkeiten im Digitalisierungsbereich anzueignen. Was es aber nicht geben wird, denke ich einmal, ist eine komplette Verlagerung ins Ausland. Gewisse Sachen werden ins Ausland gehen. Aber mit der Digitalisierung wird auch ein Teil wieder zurückgeholt. Weil man gesehen hat, viele gehen eben z.B. gerade nach Polen mit diesen Sachen. Und dann haben sie trotzdem relativ grosse Probleme, auch Sprachprobleme. Und die Löhne werden dort ja relativ zu uns gesehen nicht günstiger. Durch die Digitalisierung kann man die Arbeitsplätze dann schlussendlich auch bei uns behalten. Weil der Humanfaktor, also, der Mensch Kostenfaktor wird eigentlich ersetzt durch den Digitalisierungsfaktor Kosten. Und deshalb lohnt es sich dann unter Umständen gar nicht mehr gross, ins Ausland Call Centers oder Abrechnungscenter zu machen.

KH: Was für Fähigkeiten, denken Sie, werden konkret wichtiger werden in der Zukunft?

CL: Also, ich denke, was absolut wichtig ist, ist es, sich nicht zu verschliessen. Das heisst, offen zu sein und die Fähigkeit zu besitzen, neue Tendenzen aufzunehmen und zu spüren: Was will der Kunde eigentlich? Weil letztendlich funktioniert es nur, wenn eine Akzeptanz der Kundenseite da ist. Ich weiss, sehr viele IT-Menschen und Ingenieure sind, ich sage jetzt einmal selbstverliebt. Die finden das App super. Und die Programmieren und machen. Aber wo ist letztlich der Kundennutzen? Also, das muss letztlich auch immer auf den Kunden ausgerichtet sein. Und eine Fähigkeit ist es eben, diese Tendenz aufspüren zu können und auch weiterentwickeln zu können. Eine weitere Fähigkeit ist, dass man Teamfähigkeiten ausbauen können muss. Die hierarchischen, klassischen Bankstrukturen mit weiss nicht wie vielen Stellen vom Direktor über den Stellvertreter zum Prokuristen, das wird verschwinden, oder? Die Digitalisierung funktioniert nur über flache Hierarchiestrukturen. Und Networking. Also, die einzelnen Abteilungen müssen zusammenarbeiten können. Und das sind neue Fähigkeiten, die vielleicht in der jetzigen Bandenstruktur noch nicht so gelebt werden. Aber ansonsten kann man alles lernen. Als wir unsere Lehrgänge gemacht haben, haben wir uns gefragt: Ja, braucht es überhaupt Programmierfähigkeiten? Und wir sind zum Schluss gekommen: Nein, es braucht eigentlich mehr, ich sage jetzt einmal strategische Überlegungen. Und Programmieren ist dann nicht mehr so eine Hexerei. Das ist eigentlich erstaunlich. Programmieren können Sie – es gibt ja diese Wettbewerbe, diese Hackathons. 48 Stunden, dann können sie eine App kreieren. Weil Sie müssen wissen: Was ist überhaupt gefragt? Also, das sind schon neue Fähigkeiten, die da auch innerhalb einer Bank gefördert werden müssen.

KH: Das ist eigentlich sehr interessant, weil an der HSG haben sie erst kürzlich/ also, seit diesem Semester jetzt Programmierkurse und so, die man machen kann.

CL: Bei uns gibt es das auch. Also, bei uns können Sie einen CAS für App Creation buchen. Also, wie kreiere ich meine eigene App. Das braucht es auch. Aber das ist jetzt nicht ein vierjähriges Studium, das Sie da machen müssen wie früher. Aber das braucht es auch. Sie brauchen auch jemanden, der das regulatorische Umfeld kennt. Es muss einen Programmierer haben. Sie müssen einen Marketing Menschen haben und Sie müssen jemanden haben, der von der Materie etwas verstehen. Und die Collaborative Teams werden viel stärker miteinander arbeiten müssen, als dies heute noch der Fall ist.

KH: Wie ist die Industriezusammensetzung bei Ihren Abgängern? Wo die so hingehen?

CL: Bei uns ist es ja so, die kommen ja aus der Bank. Etwa 80 Prozent. Vermehrter Zuwachs und Interesse kommen aus der Versicherungsbranche. InsureTech könnte in den nächsten Jahren auch ein grosses Thema werden. Es sind meistens Leute, die innerhalb einer Bank im Projektmanagement arbeiten, im Innovationsmanagement, im Marketing, wir haben praktisch keine Programmierer. Also, wir haben nicht nur reine IT-Leute, sondern der grösste Teil kommt wirklich aus der Kundenfront. Und viele Banken schicken ihre Leute ja hier hin und sagen: Ja, du musst halt einmal ein bisschen aufnehmen, was ein bisschen die Tendenzen in der Industrie sind, in welche Richtung das geht. Was verlangen überhaupt unsere Kunden? Wie sieht eben die Bankfiliale der Zukunft aus, zum Beispiel? Das sind alles Fragen, die diese Leute beschäftigen. Das ist eigentlich querbeet über die ganze Bankenlandschaft.

KH: Und Sie machen sich keine Sorgen, dass einzelne Leute dann abgebaut werden könnten? Sondern, das ist dann eher ein Wandel zu anderen Tätigkeiten?

CL: Genau. Und jene, die Angst haben, dass ihr traditioneller Job abgebaut wird, machen dann vielleicht genau sowas. Und die sind dann fit für die Zukunft. Weil es ist tatsächlich so: Die klassischen Bankjobs, ich rede jetzt aus Sicht von Vermögensverwaltung oder Anlageberatung. Dort gibt es zu viele Leute, dort wird tendenziell abgebaut. Da gibt es auch andere Gründe mit Margen, mit regulatorischen Sachen. Aber die Leute, die dort frei werden, überlegen sich dann: Ja, was mache ich jetzt als Nächstes? Also, das kann durchaus ein Wandel sein, damit man auch jobfähig bleibt.

KH: Nehmen wir den Digital Finance Studiengang als Beispiel. Das sind ja 24 Leute, die den aufs Mal machen können. Werden Sie den noch weiter ausbauen? Wenn man jetzt diesen 1000 Leuten gegenübersteht, die redundant gemacht werden und dann hat man 24 Plätze?

CL: Gut, wir machen das zwei Mal, oder? Wir sind ja leider nicht die einzigen, die das anbieten. Also, ich denke mal, es gibt pro Jahr vielleicht 150 bis 200, die das machen. Und das wird einmal eine erste Welle geben und dann wird sich das schon normalisieren. Die Frage ist dann nachher, das ist jetzt für uns noch eine wichtige Frage: Was könnte man sonst noch anbieten? Und was kommt nachher? diese Lehrgänge sind ja 18 Schulungstage. Das ist jetzt weiss nicht eine grosse Vertiefung in einem Fach. Aber gibt es Möglichkeiten, wie man darauf noch aufbauen könnte? Was macht die Leute nachher noch fitter für den Berufsmarkt? Also, man darf das nicht überschätzen. Es gibt immer noch X-tausende Mitarbeiter, die in einer Bank sind, die nie mit der Digitalisierung je etwas zu tun haben werden. Also, wir reden hier von einer ganz kleinen Schicht.

KH: In welchen Bereichen sind denn die Leute konkret, die jetzt eben mit dem zu tun haben?

CL: Das ist sehr unterschiedlich. Es kommen Leute aus dem Marketing, es kommen Leute aus Innovationsworkshops, es kommen interne Entwicklungsleute. Also, auch Projektmanagement. Aber es sind auch Frontleute, die sich überlegen, so einen Roboadvisor, wie kann ich den überhaupt einsetzen? Ich muss das ja nicht als Gefahr anschauen. In der Beratung kann mir das ja helfen, wenn ich ein Tablet habe, das hier gewisse Sachen aufzeigen kann. Es ist, wie gesagt, sehr querbeet, sehr heterogen. Und was erfreulich ist: Auch sehr viele Frauen. Obwohl die Banken ja traditionell eher männerdominiert sind. Wir haben fast 50-50. Was eigentlich erfreulich ist. Und vom Alter her: Es sind nicht nur die 20, 22-jährigen. Sondern im Schnitt ist das 30 und aufwärts. Also, das sind Leute, die bereits mehrere Jahre Berufserfahrung haben.

KH: Wie wäre es zum Beispiel mit jemandem, der in einer Back-Office Funktion arbeitet, was jetzt eher Routine ist? Der vielleicht potentiell sehr bald automatisierbar ist? Was hat die Person für Möglichkeiten?

CL: Auf jeden Fall. Weil ich denke, alles, was Back-Office ist – wenn man sich überlegt: Was bringt den Mehrwert für den Kunden und die Bank. Das ist die Front. Ich sage es überspitzt: Als Frontmann muss ich schauen, dass der Kunde bei mir bleibt, erstens. Und zweitens, dass er seine Assets, seine Vermögenswerte, bei mir konzentriert. Und so kann ich einen Mehrwert generieren. Im Back-Office ist halt sehr viel repetitiv. Und das wird über kurz oder lang massiv abgebaut werden müssen. Einfach von den Kostenstrukturen her ist das für viele nicht mehr tragbar. Also, diese hohen Personal- und administrativen Kosten essen einen grossen Teil des Gewinns auf. Und das muss gesenkt werden. Darum ist es gerade für die Leute, die diese Kundenerfahrung ja nicht haben an der Front vorne, dass die schauen: Wie sichere ich eigentlich meine Jobfähigkeit. Für die ist das eigentlich ein möglicher Weg. Oder man spezialisiert sich in einem anderen Bereich. Aber ich denke jetzt einmal: Digitalisierung ist für viele eine Ausbildung, die andere noch nicht haben. Und sie können sich somit auch einen Vorteil verschaffen, um eben, wie man so schön sagt, employable zu bleiben.

KH: Denken Sie, langfristig wird die Anzahl der Leute, die in der Finanzindustrie arbeiten, eher zu oder abnehmen?

CL: Sie wird wahrscheinlich weiterhin drastisch abnehmen. Nochmals: Im traditionellen Bereich wird es massiv heruntergehen. Das Filialnetz wird sehr wahrscheinlich massiv gekürzt werden. Nicht nur von den Grossen. Die haben ja schon als Erstes angefangen. Aber auch die anderen. Man wird natürlich probieren, möglichst viel auf solche digitalen Plattformen aufzulagern. Und ich denke auch, da wird auch ein Teil des Personals nicht mehr gebraucht werden. Also, diese Boomjahre, die 80er, 90er Jahre sind definitiv vorbei. Das Volumen geht insgesamt zurück, die Verwaltung des Vermögens stagniert mehr oder weniger. Ich denke auch, dass der Kuchen verteilt ist. Und dass in der Zukunft Jobs zu finden im Bankenbereich nicht einfacher wird. Deshalb ist es wichtig, eine Spezialisierung auf gewisse Kernkompetenzen zu haben oder allgemein sich einfach vermehrt Fachwissen anzueignen.

KH: Man liest ja viel was in der Zukunft wichtig sein wird. Und dann ist das Flexibilität, sich umzuschulen, weiterzubilden, etc. Denken Sie, dass wenn man sich zu sehr fokussiert, das vielleicht ein Hindernis werden kann?

CL: Wie gesagt: Das ist wirklich etwas, das sich jeder überlegen muss. Wie sieht mein Job in fünf Jahren noch auf der Bank aus. Gibt es den überhaupt noch? Wenn ja, wie sieht er aus? Und wenn nein, was kann ich machen? Wir haben aber ein bisschen ein Dilemma, dass dieser Wandel relativ zügig vorwärts geht und Aus- und Weiterbildung eigentlich Mut verlangt. Aber wir sehen auch gleichzeitig, dass die Finanzinstitute relativ zurückhaltend sind, wenn es darum geht, sowas finanziell auch zu unterstützen. Sowohl finanziell wie auch von der Zeit her. Also, man sagt zwar: Ja, die Leute müssen sich weiterbilden und immer auf dem neuesten Stand sein. Aber wenn es dann darum geht, so eine Ausbildung zu finanzieren, ist man eher ein bisschen zurückhaltend. Das ist ein bisschen eine zweischneidige Sache. Aber die Banken sagen sich auch: Also, wir können auswählen. Wir sind gar nicht gezwungen, dass wir diese Leute ausbilden müssen. Wir haben so viele Leute, die auf der Strasse sind. Da sagen wir: Wir nehmen uns die Besten, welche diese Ausbildung schon haben. Also muss vielleicht auch vom Einzelnen eine gewisse Eigeninitiative kommen. Also, das Umfeld wird nicht einfacher und die Anforderungen steigen und schlussendlich muss sich jeder selber den Antrieb geben, dass er da am Ball bleibt.

KH: Sie haben vorher die UBS erwähnt. Also, dass die sehr innovativ sind. Wie sieht es mit der Credit Suisse aus?

CL: Die CS hat auch probiert, so ein FinTech Lab aufzubauen, in-house. Aber es kam so nie wirklich zum Fliegen. Es hat sehr viele Personalwechsel gehabt, der Leiter ist jetzt kürzlich wieder gegangen. Es ist zu wenig offensichtlich, wie halt so vieles bei der CS. Es ist eine Strategiefrage, wo nicht ganz klar ist, was man eigentlich genau will. Die UBS hat ein Commitment gegeben. Wir haben das mit dem Andreas Kubli, der dort Leiter ist. Der führt dort ein Team und die pushen das auch voll. Das ist zwar eine kleine Einheit, aber Digitalisierung ist etwas, das innerhalb einer solchen Grossinsitutiton wie der UBS von innen wächst. Und die sind da eigentlich recht weit fortgeschritten, gegenüber den anderen Grossen. Der CS oder

KH: Wer sind denn im Private Banking die Vorreiter?

CL: Private Banking ist natürlich nach wie vor sehr zurückhaltend. Wie gesagt, ich kenne dort nur die VZ, welche gezielt jetzt das auch einsetzt vermehrt. Aber die grossen Private Banking Häuser, das wäre da jetzt vielleicht auch einmal Gegenstand einer Forschung. Da müsste man einmal schauen, wie weit die sind. Es ist absolut möglich, dass die sagen: Unser Geschäftsmodell sieht die Digitalisierung höchstens im Hintergrund und als Begleit- oder als Hilfsmittel vor. Aber es ist nicht ein eigenständiges Business Model und dass man sagt, man wolle Kunden spezifisch auf digitale Plattformen migrieren. Das sehe ich dort weniger.

KH: Ich habe auch mit jemandem bei der Notenstein La Roche geredet und es scheint jetzt nicht und das scheint dort tatsächlich nicht so das grosse Thema zu sein.

CL: Nein, sicher nicht. Weil auch von der Kundenstruktur her, das ist eine ganz andere. Und wie gesagt: Wenn der Kunde komplexere Fragestellungen hat, dann wird die Digitalisierung schwierig. Aber ich sage einmal: Wenn Sie ein Massengeschäft haben, wenn Sie sehr viel selber machen können. Beispielsweise eine Swissquote, die eigentlich schon eine Technologiebank ist. Da haben Sie ein Kundensegment, das sagt: Ich will Kosten sparen, ich brauche keinen Berater, ich kann das selber machen. Und dann will ich es möglichst effizient und kostengünstig umsetzen. Und das wird in der Zukunft sicher noch wachsen. Aber ob das ins Private Banking reingeht? Das denke ich eher nicht. Das ist wie, wenn Sie eine Reise buchen, einen Flug nach London. Das können Sie unterwegs zum Flughafen noch schnell machen. Aber wenn Sie irgendwie nach Galapagos Wanderferien machen wollen, müssen Sie wahrscheinlich über ein Reisebüro gehen. Weil es dann zu komplex wird.

KH: Ich habe das vorher gesehen auf Ihrer Website: Banking is essential, banks are not. Denken Sie, die Banken werden wirklich an Wichtigkeit verlieren?

CL: Ja. Also, Banken wird es auch in 50 oder 100 Jahren noch geben. Das ist kein Thema. Aber, eben wie das Quote sagt: Banking, also die Dienstleistungen, die man unter Banking versteht, werden bleiben. Aber vielleicht wird die Bank nicht mehr die zentrale Rolle einnehmen. Also, wenn es zum Beispiel darum geht: Wie kann ich einen Kredit aufnehmen? Bis jetzt ist es klar. Ich gehe zu einer Bank. Dann bekomme ich ihn oder nicht. Aber über eine Plattform kann ich zum Beispiel ein Crowd Funding machen. Zahlungsverkehr? Muss ich wirklich noch alles über die Bank mit Einzahlungsscheinen machen? Wie sieht das in der Zukunft aus? Was für Apps gibt es da? Börsenhandel. Zum Beispiel die Börse ist eine ganz interessante Sache. Wir kennen die Schweizer Börse, wir kennen die Amerikanische und Deutsche Börse. Das ist aber nicht in Stein gemeisselt, dass das so bleiben wird. Es gibt durchaus Ansätze, wo man sagt: Wir bauen uns alternative Börsenplätze auf. Nicht mehr über die zentrale Börse. Also, da gibt es ganz neue Modelle. Aber eben, wie gesagt: Da wieder ein paar Prozent Marktanteil verlieren, dort wieder ein paar Prozent. Und die Bedeutung der Banken wird zurückgehen müssen. Weil das wird letztendlich zu wie man so schön sagt Disintermediation führen. Banken braucht es nicht mehr an jeder Ecke und jedem Ende. Man kann sie auch umgehen. Und das empfinden die Banken als Gefahr und da möchten sie sich eben auch positionieren.

Declaration of authorship

“I hereby declare

  • that  I  have  written  this  thesis  without  any  help  from  others  and  without  the  use  of documents and aids other than those stated above;
  • that  I  have  mentioned  all  the  sources  used  and  that  I  have  cited  them  correctly  according to established academic citation rules;
  • that  the  topic  or  parts  of  it  are  not  already  the  object  of  any  work  or  examination  of another course  unless  this  has  been  explicitly  agreed  on  with the faculty member in advance and is referred to in the thesis;
  • that I will not pass on copies of this work to third parties or publish them without the University’s  written  consent  if  a  direct  connection  can  be  established  with  the  University of St.Gallen or its faculty members;
  • that I am aware that my work can be electronically checked for plagiarism and that I hereby grant the University of St.Gallen copyright in accordance with the Examination Regulations in so far as this is required for administrative action;
  • that I am aware that the University will prosecute any infringement of this declaration of authorship and, in particular, the employment of a ghostwriter, and that any such infringement may result in disciplinary and criminal consequences which may result in my expulsion from the University or my being stripped of my degree.”

Date and signature

………………………………………………

(22, p. 24)

Authors Carl Benedikt Frey and Michale A. Osborne OECD World Economic Forum McKinsey Global Institute David Autor Citi Deloitte
Date
Scope
Approach
Key Findings

And no more shall my day start

with a blast of cold

to snatch my breath

as the shower wakes for morning

or a desperate stretch

for a toilet roll that is not there.

For everything is just so,

optimized

into tyrannical perfection,

a thousand decisions and revisions,

all the humdrumness of life

outsourced

to things far smarter than I.

And, in its place,

an absence

and this stretching of the hours.

https://www.weforum.org/agenda/2016/06/a-life-sentience


[1] Uber is an app that allows customers to request a ride by tapping a button and connecting them to drivers in the vicinity (Uber.com/about). Etsy is a service that allows individuals to sell their mostly unique and artisan goods in global and local markets (Etsy.com/about). TaskRabbit connects skilled taskers with people that need help with chores such as running errands, moving furniture, and even standing in line (Taskrabbit.com/about).

[2] With UBS, Credit Suisse, and pure online banks not being considered.

Cite This Work

To export a reference to this article please select a referencing stye below:

Reference Copied to Clipboard.
Reference Copied to Clipboard.
Reference Copied to Clipboard.
Reference Copied to Clipboard.
Reference Copied to Clipboard.
Reference Copied to Clipboard.
Reference Copied to Clipboard.

Related Services

View all

DMCA / Removal Request

If you are the original writer of this dissertation and no longer wish to have your work published on the UKDiss.com website then please: