KI: Erfolgs- oder Risikofaktor im Fondsmanagement?

Das Wertpapierhaus der Sparkassen-Finanzgruppe DekaBank setzt schon seit einigen Jahren mit Erfolg auf Künstliche Intelligenz (KI) im Management seiner Kundeneinlangen. Dennoch bleibt menschliches Urteilsvermögen unersetzlich, sagen Prof. Dr. Dominik Wolff, Sachgebietsleiter Quantitative Kundenindividuelle Strategien, und Dr. Michael Wegener, Abteilungsleiter Quantitative Produkte. Zudem erklären sie, wie die richtige Balance zwischen aktivem Fondsmanagement und KI aussieht.

Wie hat die Künstliche Intelligenz bislang die Geldanlage verändert – und welche Vorteile bietet sie im Fondsmanagement im Vergleich zu traditionellen Methoden?

Portfolio-Management ist sehr komplex. KI-Methoden haben den Vorteil, dass sie mit sehr viel größeren Datensätzen trainiert werden und so Zusammenhänge in den Daten besser lernen können. Mit den Methoden des Natural Language Processing (NLP) können wir zudem Textdaten systematisch verarbeiten und daraus Signale für Anlageentscheidungen generieren. Das gilt zum Beispiel für die Auswertung von Textdaten wie Ad-hoc-Meldungen, Earnings Calls, also die Bekanntgabe von Unternehmensergebnissen wie Gewinn- oder Verlustmeldungen, und Nachrichten.

Wichtig ist aber, dass am Ende immer noch ein Portfoliomanager oder eine -managerin die Verantwortung trägt. Daher gibt es bei uns keine vollautomatisierten Handelssignale. Wir bekommen von der KI Portfoliovorschläge, eine Kollegin oder ein Kollege übernimmt dann die Übersetzung und bringt das Portfolio an den Markt.

Was bedeutet Quantitatives Fondsmanagement in diesem Zusammenhang? Also welche Prozesse finden in Ihren Abteilungen statt?

Wir sind im Quant-Team seit jeher mit Modellen unterwegs. Das heißt, Computer erstellen für uns Prognosen. Bereits seit 2017 haben wir unsere Forschungsaktivitäten im Umfeld der Künstlichen Intelligenz verstärkt und eine KI-basierte Marktprognose für die Aktienmärkte sowie später auch für Rentenmärkte entwickelt. Diese Prognosen finden in Monatszyklen statt. Schnell haben wir gemerkt, dass wir für komplexe Machine-Learning-Modelle größere Datensätze benötigen und eher kurzfristige Daten einfließen lassen sollten.

Entstanden ist ein Modell, das kurzfristige Marktchancen identifiziert. Es erstellt Tag für Tag eine Prognose und zeigt an, in welchen Marktsegmenten die Chancen für eine Outperformance am höchsten sind. Outperformance bedeutet, dass eine Investition oder ein Finanzprodukt eine bessere Rendite oder Wertentwicklung erzielt als ein festgelegter Vergleichsmaßstab über einen bestimmten Zeitraum, wie etwa ein Marktindex.

Können sich Privatanlegerinnen und -anleger allein auf KI-Algorithmen verlassen, wenn es um ihr Geld geht?

Das ist keine gute Idee. KI-Modelle werden auf historischen Daten trainiert. Die Finanzmärkte ändern sich jedoch ständig. So können neue Marktgegebenheiten nicht in KI-Modellen enthalten sein und zu Fehlentscheidungen führen. Zudem können Datenfehler zu Fehlentscheidungen führen. Frei verfügbare Modelle wie ChatGPT sind zudem nicht darauf trainiert, Anlageentscheidungen zu treffen und sind dafür auch nicht geeignet.

Investmenthäuser wie die Deka trainieren eigene Modelle, um Marktprognosen zu erstellen oder attraktive Aktien vorzuselektieren. Die Ergebnisse, die uns diese Modelle liefern, werden jedoch nicht blind umgesetzt, sondern durch erfahrene Portfoliomanager geprüft und plausibilisiert.

In welchen Bereichen bleibt das menschliche Urteilsvermögen im Fondsmanagement trotz KI-Technologie unverzichtbar?

Besondere Situationen, wie etwa die Corona-Krise, waren zum jeweiligen Zeitpunkt, als die Ereignisse eintraten, in den Trainingsdaten der KI-Modelle nicht enthalten. Daher sind in solch besonderen Situationen KI-Modelle nur bedingt nutzbar und menschliches Urteilsvermögen unerlässlich.

Wie können Fondsmanager und -managerinnen die Stärken von KI und menschlichem Urteilsvermögen optimal kombinieren, um die besten Ergebnisse zu erzielen?

Für uns hat es sich als ideale Kombination erwiesen, KI-Modelle zur Entscheidungsunterstützung einzusetzen. Denn sie sind in der Lage, riesige Datenmengen in kürzester Zeit systematisch auszuwerten und daraus Signale zu generieren.

Menschliche Intuition und Erfahrung sind aber unentbehrlich, um flexibel auf unvorhersehbare Ereignisse zu reagieren und nachhaltige Aspekte zu berücksichtigen, die über eine reine Datenanalyse hinausgehen. Außerdem brauchen wir das menschliche Urteilsvermögen für die Beurteilung von Führungskompetenzen, Unternehmenskultur und Governance-Strukturen, die sich schwer in Daten fassen lassen.

Auf diese Weise verbindet aktives Fondsmanagement die Effizienz und Datenverarbeitungsfähigkeiten der KI mit dem tieferen menschlichen Verständnis für Marktdynamiken und kontextuelle Faktoren. Auf dieser Basis können wir bessere und nachhaltigere Anlageentscheidungen treffen.