Top-KI-Fonds, Teil III: Künstliche Intelligenz im Fondsmanagement

Datenanalyse gehört zu modernem Fondsmanagement dazu. Es ist eine Selbstverständlichkeit für Fondsmanager, aus Tausenden von Wertpapieren die jeweils passenden für ihr Portfolio herauszufiltern. Sogenannte Quant-Fonds gehen sogar so weit, dass die Algorithmen die Hauptarbeit übernehmen und die Portfoliomanager nur noch die Entscheidungen der Software absegnen und freigeben müssen – falls überhaupt. Und dies schon seit vielen Jahren. Spezielle Software zu nutzen, um bessere Anlageergebnisse erzielen zu wollen, ist also kein neues Phänomen.

Eine neue Stufe der automatisierten Datenanalyse ist nun der Einsatz von KI-Software. Wobei der Unterschied von Künstlicher Intelligenz zu klassischer, softwarebasierter Datenanalyse erklärungsbedürftig ist: KI rechnet nicht. KI arbeitet keine statischen Programmierzeilen ab. Stattdessen erkennt sie und vergleicht diese mit riesigen Datenbanken, mit denen sie im Hintergrund gefüttert wurden. Aus möglichen Übereinstimmungen zwischen den Prompts der Nutzer und den Inhalten der Datenbanken leitet die KI die gewünschten Ergebnisse ab. Sie liefert niemals exakte, genauso wiederholbare Ergebnisse. Diese sind deshalb immer nur mit einer gewissen Wahrscheinlichkeit korrekt. Wobei gilt: Je größer die Datenbank ist und je besser die Ergebnisse wieder und wieder getestet und gute Ergebnisse als solche markiert wurden, desto größer ist die Wahrscheinlichkeit, dass eine KI das liefert, was die Anwender sich jeweils erhoffen.

Das kann KI im Fondsmanagement leisten

Ein wesentlicher Vorteil von KI liegt in der Fähigkeit, strukturierte und unstrukturierte Datenquellen gleichzeitig zu verarbeiten. Datenintegration und Vorverarbeitung, sogenanntes Data Wrangling, ist deshalb eine der Standardanwendungen für KI. Hier werden etwa Fundamentaldaten, Finanzkennzahlen, Makrodaten, aber auch Textdaten wie Unternehmens-Nachrichten, Analystenberichte, Earnings Calls, Social-Media-Feeds und geopolitische Ereignisse untersucht. KI-Systeme übernehmen die automatische Aggregation, Filterung, Kategorisierung und Gewichtung dieser heterogenen Inputs. Weitere Anwendungsfelder sind Prognose und Mustererkennung durch maschinelles Lernen: Solche KI-Modelle lernen aus historischen Daten, welche Faktoren typischerweise zu einer Outperformance einer Aktie führen. Sie können Zusammenhänge identifizieren und zum Beispiel einschätzen, wie sich die Reaktion eines bestimmten Sektors auf einen Zinsentscheid verändert, abhängig von der vorherigen Marktvolatilität oder einem Ereignis in einem anderen Markt. Auch für Sentimentanalyse und Echtzeitmonitoring wird KI schon vielfach eingesetzt. Durch das Scannen von Nachrichtenquellen, Finanzblogs oder Twitter kann ein Modell eine aggregierte Markteinschätzung ("Market Sentiment") erzeugen und diese in Portfoliopositionen einfließen lassen. Dies ermöglicht eine frühzeitige Identifikation von Trendwechseln, Reputationsrisiken oder überkauften Märkten.

Fonds, die KI gezielt einsetzen

Fonds wie etwa der Acatis AI US Equities (ISIN DE000A2JF691) nutzen solche Stimmungsdaten, wie oben beschrieben, in Kombination mit fundamentalen Indikatoren, um ihre US-Aktienselektion zu verfeinern. Die Positionen im Portfolio sind streng begrenzt, um Konzentrationsrisiken zu reduzieren. Auch der aktiv gemanagte AI-Enhanced Eurozone Equities UCITS ETF (ISIN IE000979OT00) nutzt ein ganzheitliches KI-basiertes Prognosemodell, um monatlich Aktien mit überdurchschnittlicher Renditeerwartung zu identifizieren. Gleichzeitig werden systematische Risikofaktoren modelliert. Die Gewichtung je Wertpapier erfolgt anhand von erwarteter Performance und Risiko. Wie lernfähig diese KI ist, lässt sich zwar nur erahnen. Fakt ist jedoch immerhin: Der ETF wurde vor rund einem Jahr aufgelegt und konnte seine Performance im Vergleich zum EuroStoxx 50 im Laufe der vergangenen sechs Monate sukzessive steigern.

Film im Film: KI-Algorithmen, die KI-Firmen suchen

Eine Reihe von Fonds nutzt nicht nur KI bei der Fondsselektion, sondern sucht damit auch gezielt nach Aktien von Unternehmen, die im Bereich Künstliche Intelligenz aussichtsreiche Perspektiven bieten. Zu diesen Fonds zählt der französische Echiquier Artificial Intelligence B Fonds (ISIN LU1819480192). Mithilfe einer deutlich aktiven KI-Komponente werden reife KI-Unternehmen und sogenannte „Enabler“, wie etwa Halbleiterfirmen, identifiziert. Der Ansatz kombiniert Maschine und Mensch auf hohem Niveau. Auch der Pictet Robotics Fund (ISIN LU1279334483) nutzt datengetriebene Analysen, um in global führende Unternehmen aus Robotik, Automatisierung und KI zu investieren und misst damit Performance und Innovationspotenzial algorithmisch. Im Unterschied zu klassischen quantitativen Strategien, die in der Regel eine kleine Anzahl von Faktoren für ihre Anlageentscheidungen zugrunde legen, untersucht die Pictet-KI mehr als 250 verschiedene Merkmale und ihre Interaktionen miteinander. Seit 1. April 2025 gibt es zudem mit dem Pictet TR-Quest AI (U2957443596) eine markt-neutrale, weltweit anlegende Equity Long Short-Strategie, die ebenfalls die Alpha-Signale für ein attraktives Rendite-Risiko-Profil ausnutzt – allerdings ohne Aktienbeta.

In die Liste der Fonds, die nicht nur KI bei der Portfolioselektion einsetzen, sondern gleichzeitig auch in den KI-Sektor investieren, reiht sich der ODDO BHF Artificial Intelligence (ISIN LU1919842267) nahtlos ein. Ebenso wie der Allianz Global Artificial Intelligence Fund (ISIN LU1677195205). Die KI wählt für den Allianz-Fonds aussichtsreiche Firmen entlang der gesamten KI-Wertschöpfungskette aus. Das Management nutzt hierbei Big-Data-Analysen und maschinelles Lernen, um Sektoren mit überdurchschnittlichem Wachstumspotenzial zu identifizieren und gezielt zu gewichten.

(Noch) kleines Marktsegment mit großem Potenzial

Insgesamt sind in Deutschland derzeit rund 20 Fonds zum Vertrieb zugelassen, die aktiv KI im Management einsetzen, darunter auch ein paar ETFs, die KI-Indexstrategien nutzen. Das Fondssegment ist also noch gut überschaubar. Gleichzeitig wächst das Interesse – und das Knowhow, wie sich KI bei der Wertpapierselektion sinnvoll einsetzen lässt. Insgesamt ist die Anwendung von KI in der Fondsbranche ein spannendes Feld mit viel Potenzial.

Top-KI-Fonds im Check, Teil I: Alles und Nichts – der Kampf um die richtige Strategie

Top-KI-Fonds, Teil II: ETFs im Strategie-Check