„Ich habe einen KI-Agenten, der mir jeden Morgen drei Szenarien liefert.“

Herr Nicolodi, die Aktienmärkte laufen und laufen. Wie viel Luft ist da noch nach oben?

Die Bewertungen sind schon hoch, aber nicht extrem. Die Extremwerte haben wir eher Ende 2025 gesehen. Heute liegen wir im historischen Zehnjahresvergleich leicht über dem Durchschnitt, aber nicht in einem Bereich, in dem ich sagen würde: Jetzt ist es völlig überzogen. Gleichzeitig sieht die Gewinnentwicklung für die USA, Europa und die Emerging Markets weiterhin ordentlich aus. Das sehr hohe KI-Wachstum wird sich normalisieren. Kein Unternehmen kann jedes Jahr um 50, 60 oder 70 Prozent wachsen, selbst bei starken strukturellen Wachstumstreibern. Auf Sicht von zwölf Monaten bleiben wir deshalb durchaus konstruktiv.

Was könnte die Stimmung kippen?

Vor allem die Zinsentwicklung. Wenn die Realrenditen weiter steigen, werden Anleihen im Verhältnis zu Aktien zunehmend interessanter. Irgendwann führt das zu Reallokationen. Und wo nimmt man dann zuerst Geld heraus? Normalerweise dort, wo die Kurse besonders gut gelaufen und die Bewertungen vergleichsweise hoch sind. Dann landet man ziemlich schnell bei Tech und KI. Dazu kommt: Die KI-Investitionen wurden zunächst stark aus operativen Cashflows finanziert. Mittlerweile spielt Verschuldung eine immer größere Rolle. Steigende Zinsen und steigende Verschuldung sind keine besonders gute Kombination.

Trauen Sie denn den hohen Gewinnerwartungen rund um KI?

Auf zwölf Monate haben wir noch eine gewisse Visibilität. Danach wird es schwieriger. Wie viel Rechenleistung, bzw. Tokens brauchen wir in zwei oder drei Jahren? Was kosten sie dann und welche Gesamtkosten sind zu tragen? Kommt neuer Wettbewerb, etwa aus China, der die Margen bei sehr hohen Kapitalausgaben unter Druck setzt? Das kann heute keiner genau beantworten. Deshalb bin ich vorsichtiger, je weiter der Blick nach vorne geht. Positiv ist allerdings, dass wir inzwischen eine breitere Gewinnentwicklung sehen, also nicht mehr nur bei den Hyperscalern.

Wo investieren Sie selbst innerhalb des KI-Booms?

Wir bleiben bei dem Ansatz, den wir schon in den vergangenen zwölf Monaten verfolgt haben: Infrastruktur. KI treibt die Stromnachfrage. Also sind Elektrifizierung, Speicher, Rechenzentren, Stromnetze, Komponenten, Kühlung und Kabel zentrale Elemente. Vereinfacht gesagt: Uns gefällt aktuell die Schaufel und die Hacke des KI-Booms. Dort fühlen wir uns wohler. Denn diese Infrastruktur wird benötigt, damit KI überhaupt funktionieren kann. Und sollte sich die KI-Geschichte weniger euphorisch entwickeln als erwartet, bleiben viele dieser Unternehmen trotzdem interessant. Elektrifizierung, Energiewende und Energieunabhängigkeit sind langfristige Wachstumstreiber, völlig unabhängig von KI.

Und wo suchen Sie das Gegengewicht zum KI-Boom?

Zum Beispiel im Healthcare-Bereich, selektiv bei Pharmaunternehmen oder Gesundheitsversicherern. Healthcare hat sich an der Börse nicht besonders gut entwickelt, kann aber gerade deshalb ein defensives Gegengewicht zur KI-Positionierung sein und ist noch günstiger als der Gesamtmarkt. Interessant finden wir auch Financials. Wenn die Wirtschaft wächst und gleichzeitig die Zinsen höher sind, haben Banken eigentlich eine gute Ausgangslage. Das gilt insbesondere auch für europäische Banken.

KI soll auch klassische Industrieunternehmen produktiver machen. Ist das schon eine Investmentstory oder noch Hoffnung?

Die These stimmt grundsätzlich, und zwar eigentlich für jede Branche. Die entscheidende Frage ist nur, wie schnell Unternehmen KI tatsächlich in die entsprechenden Wertschöpfungsketten erfolgreich integrieren können. Da habe ich manchmal das Gefühl, dass der Markt glaubt, es gehe schneller, als es am Ende in der Realität geht. Meistens ist es auch mit hohen Ausgaben verbunden.

Weshalb?

Besonders bei großen, internationalen Unternehmen gibt es komplexe Legacy-Systeme, veraltete Datenarchitekturen, offene Sicherheitsfragen und vieles mehr. Das macht man nicht von heute auf morgen und es kostet zunächst einmal viel Geld. Beim Internet war es ähnlich: Es war da und hat die Geschäftsmodelle radikal verändert. Aber die volle Integration hat eine gewisse Zeit gebraucht. Und die Gewinner waren am Ende nicht zwingend diejenigen, an die man ganz am Anfang gedacht hatte.

Welche Branchen sind bei KI schon weiter?

Der Gesundheitsbereich liegt nahe. Prävention, Diagnostik, Analyse oder Innovationsprozesse lassen sich mit KI beschleunigen und verbessern. Auch Consulting und andere Dienstleistungen mit großen Informations- und Datenprozessen dürften schneller profitieren. Spannend wird es, je näher KI an das Herzstück eines Geschäftsmodells kommt. Dort wird es komplexer. Beispielsweise kann man in der Asset Management Branche relativ schnell mit KI Daten analysieren, Reports und Marketingunterlagen erstellen oder Schritte einer Unternehmensanalyse automatisieren. Bei der eigentlichen Anlageentscheidung wird es schwieriger.

Wie stark nutzen Sie KI denn heute bei der Zürcher Kantonalbank im Asset Management?

Wir setzen KI-Modelle ein und sind beispielsweise bei der Produktion von Unterlagen mit den gleichen Ressourcen viel schneller. Auch in der Unternehmensanalyse nutzen wir KI zunehmend. Die gleiche Zahl von Analysten kann dadurch mehr Titel abdecken und erste Schritte des Analyseprozesses effizient automatisieren. Dazu kommen regelbasierte Strategien, bei denen Algorithmen ohnehin eine große Rolle spielen. Dort funktioniert KI aus unserer Erfahrung sehr gut.

Aber bei der Aktienauswahl bleibt der Mensch entscheidend?

Bei fundamentalen Portfolios ganz klar. Dort soll ein sehr großer Teil des Alphas aus der Auswahl einzelner Aktien kommen. Unsere Portfolios sind entsprechend konzentrierter und ich möchte die einzelnen Risikopositionen sehr gut kennen. Mir reicht es nicht, eine KI-Beschreibung der Zahlen und des Geschäftsmodells zu bekommen. Es braucht eine fundamentale Sicht auf das Unternehmen und den gesamten Sektor. Beides setzt eine gewisse Erfahrung und Expertise voraus. KI kann uns dabei heute sehr gut unterstützen. Dass sie diese Art der Entscheidung vollständig ersetzt, sehe ich noch nicht.

Kann KI zumindest als eine Art Gegenanwalt für den Fondsmanager funktionieren?

Ja, das nutze ich selbst. Ich habe mir einen einfachen Agenten programmiert, der täglich zu ausgewählten Marktindikatoren drei Szenarien liefert: ein extrem bullishes, ein extrem bearishes und ein neutrales. Mir geht es nicht darum, dass er mir sagt, was ich tun soll. Ich will, dass er die breite Vogelperspektive konsolidiert und mir bewusst die Extrempositionen zeigt. Darin kann ich mich dann selbst bewegen. Das hilft mir bei der Gedankenbildung. Und ich bekomme den Input jeden Morgen automatisiert, ohne erst alles zusammensuchen zu müssen.

Macht das den klassischen Aktienanalysten irgendwann überflüssig?

Nein, aber seine Arbeit verändert sich. Ich habe vor 25 Jahren selbst als Analyst begonnen. Damals hatte man seine Company-Screens und musste sehr viel selbst überwachen. Heute kann ich Agents einsetzen, die permanent durch die Daten laufen und mich informieren, wenn sich relevante Stellschrauben bewegen. Der Analyst hat dadurch mehr Zeit für die Dinge, die qualitativer Natur sind, bei denen Forecasting-Fähigkeiten und Erfahrung gefragt sind. Genau dort sollte er seine Zeit investieren.

Bleibt noch ein Widerspruch: KI verschlingt enorme Mengen Strom. Wie nachhaltig kann sie sein?

Aus Nachhaltigkeitssicht würde ich KI kurzfristig tatsächlich als eine Art notwendiges Übel betrachten. Wir verbrauchen mit KI unglaublich viel Energie, teilweise für Dinge, deren Nutzen überschaubar ist. Auf der anderen Seite beschleunigt diese enorme Nachfrage den Aufbau der Infrastruktur. Wir brauchen zusätzliche Energiequellen, Speicher und vor allem leistungsfähigere Netze. Genau diese Investitionen brauchen wir aber ohnehin für die Energiewende. Insofern ist KI kurzfristig ein zusätzlicher Energieverbraucher, kann aber als Katalysator mittelfristig dabei helfen, schneller in eine stärker elektrifizierte und energiesicherere Welt zu kommen.

Wie beurteilen Sie konkret, ob ein Unternehmen nachhaltig investierbar ist?

Vereinfacht arbeiten wir mit zwei Dimensionen: dem „Was“ und dem „Wie“. Beim „Was“ betrachten wir, welche Produkte ein Unternehmen herstellt und welche ökonomische, gesellschaftliche und ökologische Wirkung sie entfalten. Beim „Wie“ geht es darum, wie ein Unternehmen produziert, wie effizient es arbeitet, wie die Governance aussieht oder ob Kontroversen bestehen. Im Idealfall finden wir Unternehmen mit Produkten, die eine positive Wirkung erzeugen und zugleich bei klassischen ESG-Kriterien gegenüber ihren Wettbewerbern gut abschneiden. Dafür verwenden wir eigene quantitative Modelle, ergänzt durch die qualitative Einschätzung unserer Analysten.