Eine Schlagzeile bei CNN lau-tete: «Chat GPT findet die Aktien, die besser sind als jene, die Ihr Fondsmanager empfiehlt.» Fachleute des Finanzvergleichsdienstes Finder hatten festgestellt, dass ein von Chat GPT zusammengestelltes Aktienportfolio im Frühling 2023 innert sechs Wochen einen Gewinn von 4,9 Prozent einbrachte, während der Gesamtmarkt ein knappes Prozent verlor. Nach und nach werden jetzt KI-unterstützte Dienste für Kleinanlegende zugänglich, die damit ihr Stock-Picking perfektionieren möchten.
Wie beispielsweise die Plattform von Danelfin: Diese untersucht US- und europäische Aktien anhand 900 fundamentaler, markttechnischer Sentimentdaten und berechnet daraus einen Score zwischen eins und zehn. Je höher dieser Score, desto grösser ist laut dem Unternehmen die Wahrscheinlichkeit, dass die Aktie den Gesamtmarkt hinter sich lässt.
Das wäre ein grosser Fortschritt, denn bisher ist die Erfolgsbilanz der KI an den Aktienmärkten gemischt. Vergleiche zeigen regelmässig, dass mit KI zusammengesetzte Fonds und Anlageprodukte ihre Vergleichsindizes mal schlagen und dann wieder verfehlen. Die generative KI, wie sie Chat GPT und weiteren vergleichbaren Systemen zugrunde liegt, hat laut dem deutschen Digitalexperten Jürgen Geuter das Problem, dass sie lediglich mit vergangenheitsbezogenen Daten arbeitet – und damit werde es schwierig, in einer Welt, die sich verändert, korrekte Prognosen zu machen, wie Geuter kürzlich am Swiss Innovation Forum erklärte.
Es gebe indes andere Bereiche, in denen generative-KI-Systeme sinnvoll bei Finanzdienstleistern eingesetzt werden könnten, befanden kürzlich die Analysten und Analystinnen der UBS, die in Zusammenarbeit mit Fachleuten vom MIT die Potenziale dieser Technologien im Banking ermittelt hatten. So beispielsweise in der Kundeninteraktion, bei der Betrugsprävention, im Risikomanagement, für die Zusammenfassung und Analyse grosser Text- und Datenbestände sowie in der Computerprogrammierung. Hierfür waren Systeme wie Chat GPT ursprünglich gedacht gewesen.
Unterbrochener Erfahrungsaufbau
Gegenwärtig wird viel experimentiert – und wer die KI geschickt einsetzt, zählt laut den Analysten und Analystinnen von Morgan Stanley zu den möglichen Gewinnern. KI spiele seine Stärke dort aus, wo menschliche Stärken mit der Maschine kombiniert werden. Nach und nach finden solche Kombinationen ihren Weg in die Anlageberatung. Die wird weiterhin zwischen Menschen besprochen – aber um die Vorbereitung einer Besprechung, um die Auswahl möglicher Produkte und um Erklärungen kümmert sich dann die KI.
Laut den Analystinnen und Analysten der UBS ist das kein Selbstläufer – es mangelt auch hier an Talenten, und die Finanzdienstleister würden eher ihr bereits eingestelltes Personal aus- und weiterbilden, statt aus einem kleinen Pool von Fachleuten die Allerbesten für viel Geld herauszufischen.
Längerfristig könnte sich laut Geuter das Fachkräfteproblem noch weiter verschärfen. Denn wenn KI die einfachen Routineaufgaben in Unternehmen übernimmt, besetzt diese die Bereiche, in denen jüngere Menschen ihre Erfahrungen sammeln und Routine aufbauen, die sie dann später benötigen. KI würde damit eine Lücke reissen – und zur Unterbrechung der Qualifikationspipeline und des Aufbaus des Erfahrungsschatzes führen.
Danelfin hat die Aktien von McKesson, Hershey und W. W. Grainger aus dem grossen Pool herausgepickt. Diese werden auch von menschlichen Analysten und Analystinnen wärmstens zum Kauf empfohlen.
Effizienzgewinn Assetmanager stehen heute vor der Herausforderung, Wünsche von Kundinnen und Kunden nach personalisierten Investmentprodukten zu erfüllen. Gleichzeitig müssen sie schnell wachsende Datenmengen bewältigen, um bei der Performance mithalten zu können. Mit herkömmlichen Ansätzen lassen sich diese Herausforderungen nur bedingt bewältigen. Hier bieten heute Systeme, die auf künstlicher Intelligenz (KI) beruhen, effiziente Lösungen. KI-Systeme können grosse Datenmengen in Echtzeit verarbeiten, was schnelle und präzise Investmententscheidungen ermöglicht. Die Vorhersage einzelner Aktienkurse bleibt zwar herausfordernd, aber KI-basierte Bemühungen zur Performanceverbesserung liefern heute vielversprechende Ergebnisse. Neben der Performancesteigerung kann KI den zeitlichen und finanziellen Aufwand erheblich reduzieren, da Anlagestrategien schneller entworfen, validiert und angepasst werden können.
Transparenz Trotz offensichtlicher Vorteile gibt es Herausforderungen, darunter zum Beispiel die Abhängigkeit von qualitativ hochwertigen Daten und die mangelnde Erklärbarkeit von KI-Anwendungen. Um KI-Anwendungen für Portfolios zu etablieren, sind deshalb transparente und verständliche Systeme erforderlich. Insgesamt bieten KI-Anwendungen im Assetmanagement erhebliche Chancen, die Effizienz zu steigern, fundiertere Entscheidungen zu treffen und das Risikomanagement zu verbessern. Es ist jedoch wichtig, Herausforderungen anzuerkennen und an Lösungen zu arbeiten, um das volle Potenzial von KI auszuschöpfen.
Von Stefan Klauser, CEO von Aisot Technologies AG, Zürich. Aisot, ein Spin-off der ETH Zürich, hat die Lancierung ihrer auf KI basierenden Lösung zur Erstellung personalisierter Portfolios im grossen Massstab bekannt gegeben.