Die Debatte zwischen KI und menschlichen Fondsmanagern muss kein Entweder-oder-Vorschlag sein – und eigentlich sollte sie das auch nicht sein.

KI kann das nicht allein schaffen – aber sie kann Folgendes. Sie kann das Leben einfacher machen, und die Investmentbranche nutzt sie schon seit Jahrzehnten, um ihre Portfolios zu verbessern. Allerdings nicht unbedingt auf die Art und Weise, die Sie erwarten.

Ich habe mit Thomas Rice von Minotaur Capital und Benjamin Leung von Macquarie Asset Management gesprochen, um zu verstehen, wie sie KI als Teil ihrer unterschiedlichen Anlageprozesse einsetzen. Zum Kontext: Leung von Macquarie verfolgt systematische/quantitative Strategien, während Rice von Minotaur eine fundamentale globale Aktienstrategie verfolgt. Sie diskutieren auch einige der Möglichkeiten, die sie dadurch entdeckt haben, und finden heraus, wie Anleger KI auf einfache Weise in ihre eigenen Forschungsprozesse integrieren können.

Was ist KI beim Investieren?
KI ist heutzutage ein weit gefasster Begriff. Man vergisst leicht, dass es ältere und traditionellere Prozesse wie quantitatives Screening schon seit Jahrzehnten gibt und dass es sogar große Sprachmodelle (LLMs) in irgendeiner Form und Verwendung gibt.

Schließlich könnte man Ihren Basis-ETF als eine Form des KI-Investierens bezeichnen, bei dem der Handel automatisch auf der Grundlage festgelegter Algorithmen erfolgt (sei es eine direkte Indexreplikation oder Smart Beta) mit dem Ziel, anhand bestimmter Kennzahlen wie Qualität oder Rendite eine bessere Performance zu erzielen.

Es dürfte schwierig sein, einen Fondsmanager zu finden, der nicht auf eine Form von quantitativem Screening zurückgreift, um einzugrenzen, was einer weiteren Untersuchung lohnenswert sein könnte. LLMs sind aufgrund ihrer umfassenden Verarbeitungs- und Interpretationsfähigkeiten noch einen Schritt weiter gegangen.

Leung betont, dass Tokenisierung, neuronale Netzwerke und maschinelles Lernen, die großen Sprachmodellen zugrunde liegen, schon seit langem existieren. Er verwendet für Investitionsentscheidungen ein komplexes Rahmenwerk aus Kriterien und Informationen.

„Für uns waren technologie- und datengesteuerte Entscheidungsfindung schon immer ein allgegenwärtiger Teil des Anlageprozesses und haben uns in vielen Bereichen unterstützt, beispielsweise bei der Datenerfassung, Modellierung, dem Risikomanagement und der Ausführung.
Beispielsweise haben wir Techniken des maschinellen Lernens eingesetzt, um Momentum-Signale zu verfeinern, die relative Gewichtung von Signalen zu bestimmen und den Handel zu optimieren“, sagt Leung.
Für den Fundamentalinvestor Rice geht es bei seinem eigenen komplexen Daten- und Informationsrahmen darum, die Aussicht auf falsch bewertete Gelegenheiten aufzudecken.

„Ich habe die Erfahrung gemacht, dass sich die besten Gelegenheiten oft dann ergeben, wenn die aktuellen Zahlen nicht besonders attraktiv erscheinen – und genau deshalb könnten sie falsch bewertet sein“, sagt Rice.

Mit KI riesige Informationsquellen zusammenführen
Rice hat ein System namens Taurient entwickelt, das in jeder Hinsicht hilft, von der Ideenfindung bis zur Portfoliozusammenstellung.

„Wir haben sogenannte „Ideenpipelines“ aufgebaut, die Informationen verarbeiten und Situationen kennzeichnen, die einer Untersuchung wert sind. Eine unserer wichtigsten Pipelines konzentriert sich auf die Erkennung von Veränderungen – strategische Veränderungen, Markteinführungen neuer Produkte, Führungswechsel – im Grunde jede Situation, in der die Wahrscheinlichkeit höher ist, dass der Markt etwas falsch interpretiert“, sagt Rice und fügt hinzu, dass die Pipeline wöchentlich 35.000 Artikel verarbeitet.

„Wir suchen nach qualitativen Signalen, die auf eine zukünftige Wertschöpfung hinweisen könnten, statt nur nach aktuellen Kennzahlen zu filtern“, sagt er.
Leungs Rahmenwerk blickt auch über aktuelle Maßstäbe hinaus.

„Wir berücksichtigen über 70 verschiedene Kriterien bei der Aktienauswahl und weitere 100+ für das Risikomanagement bei Tausenden von Aktien. Zu diesen Faktoren gehören Kennzahlen, die häufig bei fundamentalen Ansätzen verwendet werden, aber auch viele weitere“, sagt Leung.

„Diese Erkenntnisse werden dann je nach Sektor, Land und Marktkapitalisierung des Wertpapiers sehr präzise kombiniert.“
Der Einsatz von KI ist alles andere als eine statische Aktivität; man muss die Technologie und die Kriterien ständig weiterentwickeln. Rice erwähnt, dass er allein im letzten Jahr rund 1.700 Aktualisierungen an der Codebasis von Taurient vorgenommen hat, und einige davon waren sehr aktienspezifisch.

So baute er beispielsweise für eine seiner größten Positionen, Cover Corp (TYO:5253) , das YouTube-Streamer verwaltet, eine benutzerdefinierte Verfolgung für Abonnentenzahlen und Aufrufe über alle Kanäle hinweg auf und erklärte, dass dies ein entscheidender Zukunftsindikator für die Aktie sei.

Unerwartete Möglichkeiten, die KI aufdeckt
Die Fähigkeit, Informationen in großem Umfang zu analysieren, kann Unternehmen dabei helfen, frühzeitig Chancen oder Entwicklungen zu erkennen.

Als Beispiel nennt Leung die starke Rotation von Growth zu Value Ende 2020, die viele überrascht habe, von der Macquarie jedoch frühzeitig profitieren konnte.

„Unser Anlageprozess hat einen subtilen Anstieg der Korrelation zwischen den vorherrschenden gängigen Ansätzen festgestellt – Wachstum, Trendfolge und Qualitätsinvestitionen. Als Reaktion darauf begünstigte der Prozess zunehmend bewertungsorientierte Anlageideen“, sagt Leung und betont, dass das Portfolio für seine frühere Rotation belohnt wurde.
Für Rice, der nach falsch bewerteten Gelegenheiten sucht, bot sich die Möglichkeit, Unternehmen zu recherchieren, die er sonst nicht in Betracht gezogen hätte. Er nennt die Beispiele Chugai Pharmaceutical (TYO:4519) und CyberArk ( NYSE: CYBR ) .

„Unser System hat einen japanischsprachigen Artikel in Nikkei Business markiert, in dem ihre Arbeit an der Umwidmung von GLP-1-Therapien zur Behandlung von Fettleibigkeit diskutiert wurde. Das veranlasste uns, ihre Pipeline genauer zu untersuchen, und wir entdeckten einen vielversprechenden GLP-1-Kandidaten, der nicht viel Aufmerksamkeit erhielt“, sagt Rice und merkt an, dass die Position in Chugai Pharmaceuticals einen der größten Beiträge zu seinem Portfolio darstellte.

Ebenso hat sein System einen TechCrunch-Artikel über die 1,54 Milliarden Dollar teure Übernahme von Venafi durch CyberArk markiert, bei dem es um die Sicherheit von Maschinenidentitäten ging – eine Maßnahme, die seiner Ansicht nach einen Wendepunkt für das Geschäft darstellte.

„Dies ist ein schnell wachsendes Segment, das durch Cloud-Dienste und die Einführung künstlicher Intelligenz vorangetrieben wird. Ohne die Fähigkeit unseres Systems, riesige Mengen an Inhalten zu filtern und diese subtilen Veränderungen zu erkennen, hätten wir diesen Wendepunkt möglicherweise verpasst“, sagt er.
Kein Ersatz für menschliches Urteilsvermögen
Sowohl Leung als auch Rice weisen darauf hin, dass es beim Einsatz von KI darum geht, Ihre Aktivitäten zu verbessern; Sie müssen dennoch Ihre eigene Sichtweise und Forschung anwenden. KI ist nur so gut wie Ihre Eingaben und Ihre technische Ausstattung.

Leung betont, dass Experten die Algorithmen interpretieren und Einblicke in die Gründe für bestimmte Entscheidungen geben müssen, während Rice eine übergreifende Anlagephilosophie und -anwendung als entscheidend ansieht. Rice glaubt nicht, dass sich dies ändern wird, sondern dass KI weiterhin als unterstützendes Tool im Prozess hinzukommt.

„Ich denke, die Zukunft der KI beim Investieren besteht darin, [Ihre Anlagephilosophie] und Erkenntnisse mit der Fähigkeit der KI zu verbinden, riesige Mengen an Informationen zu verarbeiten. Hohe Anlagerenditen resultieren immer noch aus differenzierten Erkenntnissen – KI hilft Ihnen nur dabei, diese Erkenntnisse effizienter zutage zu fördern und zu validieren“, sagt Rice.

Wie Investoren KI in ihre eigenen Prozesse integrieren können
Heutzutage haben Investoren mehr Möglichkeiten denn je, KI in ihren eigenen Forschungsprozess zu integrieren. Und das muss nicht unbedingt Geld kosten.

Wer beispielsweise mit einigen quantitativen Bildschirmen beginnen möchte, könnte sich Marktindex-Scans als Ausgangspunkt für die Recherche für eine Reihe von Handelssignalen wie ein niedriges KGV ansehen.

Einige Handelsplattformen integrieren zudem zunehmend Screening und Daten in ihre Plattformen. Die in Perth ansässige Handelsplattform Marketech hat sich beispielsweise mit Bridgewise für KI-gestützte Fundamentalanalysen zusammengetan. Sie bewertet Unternehmen an der ASX auf der Grundlage von Fundamentaldaten, die als „zukünftige Leistungsindikatoren“ bezeichnet werden.

Leung schlägt außerdem vor, dass Anleger generative KI-Tools wie Gemini oder ChatGPT als Forschungsassistenten nutzen können.

„Investoren können die Gründe für ihre Anlagethese oder Vermögensallokation darlegen und verlangen, dass ihre Annahmen und Schlussfolgerungen hinterfragt werden. Dies kann Erkenntnisse liefern, die sonst übersehen worden wären“, sagt Leung.
Er gibt zu bedenken, dass KI manchmal Informationen generieren kann, die nicht ganz genau oder relevant sind. Anleger sollten sie daher eher als hilfreichen Ausgangspunkt für ihre Recherchen betrachten und nicht als endgültigen Entscheidungsträger.

Rice empfiehlt Googles NotebookLM, mit dem Sie mehrere Dokumente hochladen und Fragen stellen können. Es ist ein kostenloser Dienst.

„Es eignet sich besonders gut zum Erstellen von Zusammenfassungen und zum Verstehen der Beziehungen zwischen verschiedenen Informationen“, sagt er.

Für diejenigen mit größerem Budget bietet ChatGPT Pro Zugriff auf Deep Research.

„Der Schlüssel bei all diesen Tools ist, dass Sie Ihre Fragen präzise formulieren. Anstatt nach einem „langen Bericht über Unternehmen X“ zu fragen, erzielen Sie bessere Ergebnisse, wenn Sie ihn in gezielte Fragen zu bestimmten Aspekten des Unternehmens aufteilen“, empfiehlt Rice.
Unabhängig davon, welchen Ansatz Sie wählen, erinnern Rice und Leung die Anleger daran, dass es keinen Ersatz für Ihre eigene gründlichere Analyse gibt – bei KI geht es darum, Forschungsmöglichkeiten aufzudecken und Ihre Reichweite zu erweitern. Die endgültige Aktienauswahl und Portfoliozusammenstellung sollte auf Ihrer Anlagephilosophie und -analyse beruhen.

experten intelligenz internet KI künstliche news Rendite

Last modified: März 4, 2025