GastbeitragWie Künstliche Intelligenz der Rendite helfen kann

Ein Roboterhand hält Stapel von Münzen
Künstliche Intelligenz kann helfen, die Rendite zu steigernGetty Images

Künstliche Intelligenz (KI) ist ein Sammelbegriff, der im öffentlichen Diskurs zuweilen inflationär und nicht selten undifferenziert verwendet wird. Dass sich etwa der Einsatz leistungsfähiger Algorithmen in einer Wertpapierstrategie unterscheidet von der Nutzung bei der Automatisierung von Fertigungsprozessen, dürfte klar sein. KI in der Industrie ist ungleich der KI in der Finanzbranche. Aber auch innerhalb des Finanzsektors ist die Erforschung und Anwendung von Zukunftstechnologien für Anlageentscheidungen ein eigenes Feld. Die oftmals mit KI verbundenen Ziele – insbesondere Rationalisierung und Effizienzsteigerung wie beispielsweise bei Robo-Advisors – spielen dabei eine untergeordnete Rolle. Für Investmentstrategien steht vielmehr die Frage im Vordergrund, inwieweit ein in Rendite oder Diversifikation ausgedrückter Mehrwert für den Anleger in hochkomplexen Finanzmärkten erwirtschaftet werden kann.

Künstliche Intelligenz unterstützt Anlagestrategien

Was muss Künstliche Intelligenz zu leisten imstande sein, um dem Portfoliomanager und Anleger bei Anlageentscheidungen zu helfen? Vorbedingungen sind die Verfügbarkeit auswertbarer Daten sowie eine entsprechende Geschwindigkeit und Rechenleistung der IT-Hardware. Mit den Verfahren und der zugrundeliegenden Mathematik zur Auswertung der Daten sind vornehmlich zwei Herausforderungen verbunden.

Erstens: Während in (branchenmäßig) anderen Anwendungsbereichen – als Beispiel sei hier die Spracherkennung für Textnachrichten auf Smartphones genannt – klar abgrenzbare Muster angesetzt und Erkenntnisse weitgehend fehlerfrei abgeleitet werden können, müssen für die Kapitalmärkte stets verschiedentliche Eintrittswahrscheinlichkeiten und Szenarien berücksichtigt werden. Der Computer soll den Anleger also darin unterstützen, Zusammenhänge aus vielen Einflussfaktoren zu erkennen, um bessere Prognosen zu treffen.

Zweitens bedarf es dafür der Identifikation relevanter und hochwertiger Daten. Vielerorts kursieren die Begriffe „maschinelles Lernen“, „Big Data“, „Datenstrategien“ und „Artificial Intelligence“. Dabei besteht die Gefahr, dass diese zu Hülsen verkommen, unter denen sich letztlich fast alles subsumieren lässt. Zwar mangelt es sicherlich nicht an Daten, und täglich kommt die nicht greifbare Menge von 2,5 Trillionen Bytes hinzu. Dies entspricht einem Stapel von DVDs mit der vierfachen Höhe des Eiffelturms. Jedoch ergeben sich im Kontext der Finanzmärkte gerade für unstrukturierte Daten, beispielsweise aus Social Media zusammengetragen, teils erhebliche Hürden, um sie nutzbar zu machen.

Anwendung in Investmentfonds

Zahlreiche Portfoliomanager bei Banken, Versicherungsgesellschaften und Fondshäusern beschäftigt die Frage, wie sie aus Vergangenheitsdaten produktive Schlüsse für die Zukunft ziehen können. Einige Fondsgesellschaften haben hier einen Wissensvorsprung gegenüber ihren Wettbewerbern. Ihre Strategien beruhen von jeher auf sogenannten quantitativen, in vielen Fällen trendfolgenden Ansätzen. Darunter versteht man Anlagestrategien, die sich mathematisch-computerbasierte Modelle zunutze machen und systematische Handelsentscheidungen auf Basis bestehender beziehungsweise bereits erkennbarer Kurstrends treffen. Mit derartigen quantitativen Portfoliostrategien werden heute bereits mehr als 340 Mrd. US-Dollar an Geldern verwaltet.

Aus unserer Sicht kann heute mit einer auf Künstlicher Intelligenz basierten Datenanalyse ein Mehrwert gegenüber der reinen Trendfolge erzielt werden. Künstliche Intelligenz im Portfoliomanagement muss dazu in der Lage sein, viele 1000 Kriterien auszuwerten, um Kauf- oder Verkaufssignale beziehungsweise Kursprognosen zu erstellen. KI kann auf diesem Weg Handelsgelegenheiten identifizieren, die der Mensch allein oder auch eine herkömmliche quantitative Portfoliostrategie nicht erkennt. Der konkrete Nutzen für den Anleger: Die Ergebnisse unserer eigenen Forschungsarbeiten mit circa 20.000 Börsentransaktionen legen nahe, dass die Unterstützung einer Portfoliostrategie durch moderne KI-Technologien nachweislich Mehrwerte zu erwirtschaften vermag. Etwa über attraktivere Renditen im Verhältnis zum eingegangen Risiko („Sharpe Ratio“ = risikoadjustierte Rendite) oder durch Zusatzerträge, die auf der Wertpapierauswahl und auf Timing durch den Fondsmanager beruhen („Alpha“) und nicht auf der allgemeinen Marktentwicklung (“Beta“).

Hohes Potenzial für KI – auch in Deutschland

Trotz aller technologischen Fortschritte sind wir davon überzeugt, dass der Mensch im Investment Management auch in Zukunft der Entwickler, Manager und Kontrolleur bleiben wird. Die Unterstützung durch Künstliche Intelligenz kann ihm jedoch erhebliche Vorteile bieten, denn sie ist leistungsfähig in der Verknüpfung von Daten, kann komplexe Zusammenhänge erkennen und ist frei von emotionalen Einflüssen (sogenannter „Behavioral Bias“). Die Vorteile von KI finden in immer mehr Branchen den Weg in die Praxis. Insofern erscheint es wichtig, breitere Anlegerkreise in Deutschland darüber aufzuklären, wie Künstliche Intelligenz in Finanzprodukten zur Anwendung kommt. Zumal das Thema auch für die internationale technologische Wettbewerbsfähigkeit des Finanzplatzes Deutschland künftig an Bedeutung gewinnen dürfte.


Die in Frankfurt am Main ansässige Tungsten Capital Management GmbH ist eine BaFin-regulierte, unabhängige Asset Management Gesellschaft mit einem verwalteten Vermögen von etwa 550 Mio. Euro. Die beiden Portfoliomanager Pablo Hess und Michael Günther forschen seit dem Jahr 2000 am Themenfeld „Künstliche Intelligenz“ sowie an deren Anwendung auf die Finanzmärkte.