KI ist kein Allheilmittel: Chancen und Risiken im Asset Management
Künstliche Intelligenz (KI) ist in vielen Branchen nicht mehr wegzudenken. Sie ist die kommende Technologie, die durch den Entwicklungssprung gerade bei generativer künstlicher Intelligenz, neben vielen praktischen Einsatzmöglichkeiten, auch zu einem Wachstumstreiber an der Börse geworden ist. Denn seit der Veröffentlichung des Textroboters ChatGPT Ende 2022 haben Technologieunternehmen, und darunter vor allem die als „Magnificent Seven“ bezeichneten großen Technologiewerte, die Börse gestürmt und dafür gesorgt, dass führende US-Indizes, wie der Nasdaq100-Index, ein Rekordhoch nach dem anderen erreicht haben.
Gedämpfte KI-Euphorie
In diesem Jahr scheint sich aber im zweiten Halbjahr die KI-Euphorie etwas gelegt zu haben. Bereits im Juli 2024 erfuhren die „Magnificent Seven“ signifikante Bewertungsverluste – so wie am 11. Juli, als diese, getriggert durch sinkende US-Konjunkturdaten, mit einem summierten Börsenwert-Rückgang um 623 Mrd. US-Dollar den größten Tagesverlust aller Zeiten verzeichneten. Auch im August verringerte sich der Börsenwert einiger Tech-Werte erheblich. Auch wenn dadurch vielleicht noch kein längerer Abwärtstrend bei den Tech-Werten ausgelöst wurde, treten nun vermehrt Stimmen auf den Plan, die vor dem Platzen einer möglichen KI-Blase warnen. So bemängelte kürzlich ein Analyst von Goldman Sachs, dass die KI noch nicht ausgereift sei, um die übertrieben hohen Bewertungen der Technologieunternehmen zu rechtfertigen.
KI im Asset Management
Angesichts des aktuell hohen Entwicklungstempos bei der generativen künstlichen Intelligenz stellt sich die Frage, wie KI im Asset Management genutzt werden kann und welche Chancen und Risiken daraus entstehen. Die Finanzbranche als stark datenorientierte Branche verfügt bereits über Erfahrungswerte im Einsatz von computergestützter Datenanalyse und prädiktiver KI-Nutzung, d.h. der Prognose von Trends auf Basis der Analyse vorhandener Daten. Die Chancen generativer künstlicher Intelligenz liegen prinzipiell darin, dass diese neue Inhalte, meist Texte oder Bilder, kreieren und stetig hinzulernen kann. Dies dürfte im Asset Management genauso wie in anderen Bereichen, vor allem in administrativen Aufgabenbereichen wie im Kundenservice – zur Erstellung maßgeschneiderter Angebote – oder in der Finanzanalyse zur automatischen Erstellung von Marktberichten und Reports relevant sein.
Vorteile durch den Einsatz künstlicher Intelligenz
Im eigentlichen Investmentmanagement-Prozess besteht die Herausforderung darin, KI gezielt einzusetzen und von deren Stärken zu profitieren, ohne KI zu einem unkontrollierbaren Risikofaktor werden zu lassen. So bietet KI die Möglichkeit, in Sekundenschnelle und rund um die Uhr Milliarden Daten zu analysieren und mithilfe von Algorithmen darin Muster zu erkennen. Asset Manager müssen dabei eine möglichst große und qualitativ hochwertige Datenbasis gewährleisten, um die KI nicht die falschen Schlüsse ziehen zu lassen. Der Einsatz von künstlicher Intelligenz im Investmentprozess bietet zudem den Vorteil, dass menschliche Fehler, kognitive Verzerrungen und Emotionen, die die Anlageentscheidung ebenso negativ beeinflussen können, systematisch ausgeschlossen werden können.
Risiken der Anwendung von KI
Auf der anderen Seite ist eine selbstlernende künstliche Intelligenz ein hochkomplexes System, das oft noch einer Blackbox gleichkommt, weil man nicht genau weiß, wie und warum Entscheidungen getroffen werden. Viele KI-Begeisterte erwarten, dass künstliche Intelligenz irgendwann in der Lage sein wird, komplett autonom zu arbeiten und damit den Menschen in gewissen Bereichen überflüssig zu machen. Dies würde im Investmentprozess jedoch das Risiko bergen, dass Anlageentscheidungen nicht mehr nachvollzogen werden können. Das aber würde das Ziel der Kundenorientierung mehr als konterkarieren, denn gegenüber dem Kunden sollte zu jedem Zeitpunkt erläutert werden können, auf welcher Basis Anlageentscheidungen getroffen wurden. Auch die stetige Selbstoptimierung der generativen KI kann sich im Anlageprozess als nachteilig erweisen. Eine Optimierung mag zwar kurzfristig von Vorteil sein, aber kann mittel- und langfristig sich negativ auf das Risiko und somit auf die Performance auswirken.
Der Investmentprozess bei ARTS Asset Management
ARTS Asset Management und deren regelbasiertes Handelssystem kann zwar als KI der ersten Stunde betrachtet werden. Aber es werden zur Entscheidungsfindung im Investmentprozess nur Algorithmen eingesetzt, die im Vorfeld getestet und festgelegt wurden. Somit werden ausschließlich bewusst ausgewählte Parameter verwendet, die die Analyse sowie den Auswahlprozess der geeigneten Portfoliobestandteile nachvollziehbar gestalten lassen. Mit Hilfe des Computers werden rund um die Uhr Millionen von Fondsdaten analysiert und diejenigen Fonds und ETFs identifiziert, die das stärkste Momentum aufweisen. Gemäß der wissenschaftlich belegten Momentum-Strategie haben eben Wertpapiere mit dem größten Kurszuwachs eine statistisch höhere Wahrscheinlichkeit, ihr Kurswachstum kurz- bis mittelfristig fortzusetzen. ARTS geht dabei nach klar nachvollziehbaren, quantitativen Regeln und vollständig prognosefrei vor. Emotionen und menschliche Fehlschlüsse können dadurch im Anlageprozess ausgeklammert werden. Ein weiterer Baustein im Anlageprozess ist das Risikomanagement: schwächt sich das Momentum ab, vollzieht das technische Handelssystem automatisch, nach festgelegten Regeln, den Ausstieg aus dem Fonds. Stop-Loss-Orders verhindern zusätzlich größere Verluste. Der Faktor Mensch wurde bei ARTS aber nicht abgeschafft: Der menschliche Fondsmanager zeichnet sich für die Überwachung im Rahmen einer „Supervisor-Funktion“ des technischen Handelssystems verantwortlich. Denn auch eine Maschine kann Fehler machen und diese bei mangelnder Kontrolle stetig fortsetzen und damit den Schaden immer weiter vergrößern.
KI im Asset Management ist kein Allheilmittel
Auch wenn die Erwartungen an die weitere Entwicklung der generativen künstlichen Intelligenz sehr hoch sind, sollte der KI im Asset Management nicht blind vertraut werden. Um im Sinne des Kunden das Risiko beim Investieren im Auge zu behalten, sollten sich selbstlernende KI-Systeme nicht autonom weiterentwickeln, um nicht am Ende nicht nachvollziehbare Ergebnisse zu erhalten. Die Konstanz im System sowie eine menschliche Kontrollfunktion sind daher unabdingbar, um für den Kunden das bestmögliche Ergebnis zu erzielen.