Künstliche Intelligenz: So profitieren Asset Manager von der KI-Revolution

Generative künstliche Intelligenz (KI) hat Investoren und Manager elektrisiert. Rund um den Erdball prüfen Unternehmen, wie sich die neue Technologie gewinnbringend einsetzen lässt. Die Finanzbranche ist keine Ausnahme. „Generative KI ist eine Revolution, die bereits voll im Gang ist. Die KI wird grundlegend verändern, wie wir leben und arbeiten. Das gilt mit Sicherheit auch für das Asset- und Wealth-Management“, befinden die Unternehmensberater von Oliver Wyman in ihrer gerade veröffentlichten Studie „The AI Tipping Point“, die sie in Zusammenarbeit mit Morgan Stanley erstellt haben. Führende Asset-Manager würden heute KI in zahlreichen Feldern einsetzen und „greifbare Vorteile“ daraus ziehen.

Meist liege der Schwerpunkt der Vermögensverwalter auf der Steigerung von Effizienz und Kosteneinsparungen in Front-Office-Aktivitäten – eine Strategie, die sich schnell bezahlt mache. Bei Vertriebsunterstützung und Kundenservice seien durch KI-Einsatz Einsparungen von 40 bis 60 Prozent erreichbar, schätzen die Unternehmensberater. Im Marketing sowie bei Produktentwicklung und -verwaltung könnten ebenfalls Einsparungen von 30 bis 60 Prozent erzielt werden.

KI revolutioniert den Investmentprozess

Weniger verbreitet ist nach den Erkenntnissen von Oliver Wyman bislang der Einsatz generativer KI in „Anwendungen, die direkt darauf abzielen, neue Einnahmequellen zu erschließen oder das Alpha zu erhöhen“. Doch schon in wenigen Jahren werde das ganz anders aussehen, prognostizieren die Forscher. Zwei aktuelle Untersuchungen untermauern diese Einschätzung. So zeigt eine Umfrage des amerikanischen Asset-Managers Invesco sowie eine Erhebung der Münchner FondsConsult, dass die KI-Revolution auch im Investmentprozess schon begonnen hat.

Invesco befragte weltweit 130 institutionelle Anleger und Wholesale-Investoren, die systematische Strategien verfolgen. Die Hälfte dieser Investoren nutzt bereits künstliche Intelligenz im Investmentprozess. Drei Viertel gehen davon aus, dass KI innerhalb eines Jahrzehnts genauso wichtig wird wie traditionelle Investmentanalyse – oder sogar noch wichtiger. Sie verwenden KI-Tools häufig, um das Marktumfeld zu analysieren und Wendepunkte zu erkennen: Etwa die Hälfte der Befragten nutzen KI, um Muster im Marktverhalten auszumachen. 38 Prozent verwenden KI für die Portfolioallokation und das Risikomanagement. Ein knappes Drittel der Befragten nutzt KI bereits für die Entwicklung und das Testen von Anlagestrategien, drei Viertel wollen dies in Zukunft tun. Einige Investoren verwenden KI auch zur Echtzeitüberwachung und zur Anpassung von Anlagepositionen. Mehr als die Hälfte plant dies.

Wertvolle Vorteile

Die befragten Wholesale-Investoren ­sehen als Hauptvorteile der KI besseres Risiko­management und mehr Flexibilität bei der Anpassung an veränderte Marktbedingungen. Aus Sicht der institutionellen Investoren sind genaue und zeitnahe Einblicke der größte Vorteil von KI-Tools, ebenso wie besseres Risikomanagement. Sorgen bereitet dagegen fast allen befragten Institutionellen die Komplexität der Modelle. Ungefähr die Hälfte bezweifelt auch Datenqualität und -vollständigkeit.

„Die größte Herausforderung für institutionelle Investoren ist das Stakeholder-Management“, kommentiert Bernhard Langer, CIO Quantitative Strategies bei Invesco. Die Investoren müssten in der Lage sein, den Einsatz von KI-Modellen zu erklären und zu rechtfertigen, da ihre Stakeholder keine „Blackbox-Lösungen“ mögen. Auch die rechtlichen Rahmenbedingungen für den Einsatz von KI und die diesbezüglichen Rechenschaftspflichten seien weiterhin unklar.

Besonders häufig nutzen Asset-Manager KI-Anwendungen zur Sprachverarbeitung, Natural Language Processing (NLP) genannt. NLP hilft oft bei Marketing und Kundenbetreuung, beispielsweise bei der Aufbereitung von Whitepapers oder der Umwandlung von Empfehlungen in verständliche Sprache.

Durchmarsch der NLP-Tools

Auch im Investmentprozess kommen NLP-Modelle oft zum Einsatz. Viele befragte Investoren nutzen diese Tools für die Stimmungsanalyse. Mehrere berichten, dass sie mithilfe dieser Tools soziale Medien durchsuchen, um die Marktmeinung über Unternehmen zu ermitteln und die Häufigkeit von Erwähnungen sowie den zugehörigen Kontext zu messen. Davon versprechen sie sich Erkenntnisse für die Bewertung von Risiken und für kurzfristige Handelsentscheidungen.

Wie das in der Praxis aussehen kann, erklärt Ulrich Neugebauer, Sprecher der Geschäftsführung bei Deka Investment: „Wir lassen die Maschine unter anderem Ad-hoc-Meldungen auswerten, wobei das dahinterliegende Modell ganz einfach ist: Siege verkündet man kurz, Niederlagen wortreich.“ Je länger also eine Ad-hoc-Meldung ist, je mehr Worte und je weniger Zahlen darin vorkommen, umso skeptischer wird die Deka-KI. „Wir lassen die Maschine Listen erstellen, die wir uns dann genauer in Hinblick auf einen Verkauf ansehen“, verrät Neugebauer.

Auch das Quant-Team von Invesco setzt NLP schon seit einigen Jahren ein, unter anderem um den Momentum-Faktor zu verbessern. „Wir bewerten mit Language Processing die Aussagen der Unternehmensvorstände auf Analystenkonferenzen, um herauszufinden, ob die Manager tatsächlich so in die Zukunft blicken, wie sie es auf der Konferenz öffentlich kundtun“, berichtet Invesco-Portfoliomanager Georg Elsässer.

Beim Berenberg Sentiment Fund spielt NLP seit einem Jahr sogar die Hauptrolle. Der Fonds investiert in Währungen und Rohstoffe. Für den Investmentprozess werden täglich mehrere hunderttausend unstrukturierte Echtzeitnachrichten vollautomatisch analysiert, mittels NLP interpretiert und in Stimmungswerte übersetzt. Anschließend identifiziert ein Algorithmus zugrunde liegende Muster und leitet daraus Kauf- und Verkaufssignale ab, die wiederum in Investitionsentscheidungen umgesetzt werden. Die gleiche Herangehensweise und zugrunde liegende Technik nutzt Berenberg bereits seit zwei Jahren im Währungsmanagement.

„Künstliche Intelligenz ist dem Menschen bei der Handhabung und Verarbeitung sehr komplexer und großer Datenmengen überlegen, aber der Mensch ist flexibler und kreativer. Die Kombination beider Seiten kann Ergebnisse liefern, die sonst nicht möglich wären“, erklärt Berenberg-Fondsmanager Nico Baum.

Skeptische Europäer

Die Invesco-Befragung zeigt auch bemerkenswerte geografische Unterschiede in der Einstellung zu KI: So stehen Investoren in Europa der KI-Revolution deutlich skeptischer gegenüber als Anlageprofis in ­Asien und Nordamerika. In Europa erwartet die Mehrheit, dass KI traditionellen Analysemethoden in den kommenden zehn Jahren nicht den Rang ablaufen kann. In Nordamerika waren nur zehn Prozent der Befragten dieser Meinung. Auch beim Einsatz von KI-Tools sind Amerikaner und Asiaten den Europäern voraus.

Dennoch sind auch hierzulande Fonds verfügbar, bei denen KI-Methoden zum Einsatz kommen. Dominik Wagner und Maximilian Wellner von FondsConsult haben untersucht, wie diese Fonds KI-Methoden einsetzen. Ein Ergebnis ihre Studie: Bisher sind es vor allem kleinere Fondsgesellschaften, die mit einem veritablen KI-gestützten Investment-Track-Record von mehreren Jahren aufwarten können. „Das Angebot KI-basierter Strategien bei den großen Gesellschaften hingegen befindet sich oft noch in der Aufbauphase“, berichtet FondsConsult-Analyst Wagner.

Hilfreiche Datenknechte

Die FondsConsult-Analyse bestätigt auch, dass KI derzeit noch vorwiegend in der Datenauswertung und zur Generierung von Handelssignalen eingesetzt wird. In den nachfolgenden Prozessschritten kämen dagegen vor allem traditionelle Quant-Strategien zum Einsatz oder es würde „eine menschliche Steuerung hinzugezogen“.

NLP gehört bei den von ­FondsConsult betrachteten Fonds ebenfalls zu den am häufigsten genutzten Modellen. NLP werde vornehmlich bei der Analyse von Texten wie Finanzberichten, Nachrichten oder transkribierten Managergesprächen verwendet. Im Rahmen des NLP würden häufig Machine-Learning-Modelle als Grundlage genutzt, zu denen etwa das BERT-Modell oder GPT gehören. Diese sogenannten Transformer-Modelle würden unter anderem helfen, die Relevanz von Nachrichten zu prüfen, indem sie etwa die „Ähnlichkeit“ zwischen Geschäftsberichten und den Inhalten aus Nachrichten oder Social-Media-Posts checkten. NLP werde beispielsweise dazu verwendet, „Unternehmen oder Themen zu identifizieren, die von Anlegern positiv assoziiert werden und somit potenzielle Outperformance-Kandidaten darstellen“.

Europäische KI-Pioniere

Einige Fonds mit hoher KI-Integration

Quelle: Fondsconsult Kurzstudie KI

Deutsche Pioniere

Einige Investoren arbeiten auch schon mit komplexeren Modellen. So hat die Frankfurter Fondsboutique Acatis seit einigen Jahren den Fonds ACATIS AI Global Equities im Angebot. Die theoretischen Grundlagen für das Fondsmodell schufen vor fast 30 Jahren die Professoren Sepp Hochreiter und Jürgen Schmidhuber, der Doyen der KI in Deutschland, Miterfinder der Long-Short-Term-Memory-Neuronen und Pionier des Deep Learning.

„Die eingesetzten Deep-Learning-Modelle können in der Vergangenheit gelernte Muster und Ereignisse speichern und wieder erinnern. Das selbstlernende Modell passt sich in der Zeit voranschreitend dem Marktumfeld an und hat einen langfristigen Horizont“, erläutert Acatis-Chef Hendrik Leber. Sein Ansatz ziele jedoch nicht darauf, die Handlungen der übrigen Marktteilnehmer zu antizipieren, sondern fußt auf der Überlegung, dass ein ertragsstarkes, zukunftsfähiges Unternehmen früher oder später an der Börse korrekt bewertet wird.

„Unsere Modelle basieren auf Fundamentaldaten wie Umsatz, Gewinn und Buchwert“, erläutert Leber. Das maschinelle Lernen führe dazu, dass „diese Art der KI mit einem erfahrenen Analysten vergleichbar ist, der über die Jahre ein Gespür für Muster in den Bilanzen von Unternehmen entwickelt hat und aufgrund dieser Erfahrung neue Sachverhalte schnell einordnen kann“. Das Deep-Learning-Modell scheint zu funktionieren: In den vergangenen Jahren konnte der Fonds häufig den MSCI World Index schlagen.

Nur wenige gehen so weit wie Acatis. Bei den meisten Fonds kommt laut Fonds­Consult eine Kombination aus KI und traditionellen quantitativen Optimierungsprozessen zum Einsatz. „Oft werden die von einer KI-Strategie erzeugten Handelssigna­le mit numerischen Filtern kombiniert, um das Portfolio zu konstruieren. Dies geschieht oft benchmarkorientiert, sodass die Out- oder Underperformance hauptsächlich auf die von der KI selektierten Titel zurückzuführen ist“, berichtet Wagner. Insgesamt zeige sich, dass der Übergang von herkömmlichen Quant-Strategien zu KI oft (noch) fließend sei.

KI-Einsatz etabliert sich

Erwähnenswert sei auch, dass nicht überall, wo mit „KI-gestützten“ oder „KI-basierten“ Strategien geworben wird, der Integrationsgrad entsprechend hoch ausfällt. Die Gefahr von „AI-Washing“ sei „durchaus existent“. Insgesamt scheine sich jedoch der Einsatz von KI im Asset Management zu etablieren, bilanziert FondsConsult. Und: „Wir gehen davon aus, dass sich die Qualität und Autonomie der KI in den nächsten Jahren stetig verbessern wird.“ Ob es für eine Revolution in der Finanzbranche reiche, bleibe jedoch abzuwarten.

Auch der Deka-Investment-Chef bleibt zurückhaltend: „Wir setzen KI ein. Aber es ist nicht so, dass Maschinen das Fondsmanagement übernommen haben. Die Maschine nimmt einem nicht das Denken ab, nur Teile der Arbeit. Man muss halt immer noch eine intelligente Fragestellung haben“, sagt Neugebauer.