Digitalisierung Wie sich Künstliche Intelligenz auf die Geldanlage auswirkt

Künstliche Intelligenz wird in der Finanzindustrie zukünftig vermutlich eine größere Rolle spielen.
Künstliche Intelligenz wird in der Finanzindustrie zukünftig vermutlich eine größere Rolle spielen.
© Simon Landrein
Kann Künstliche Intelligenz den Markt schlagen? Die Finanzbranche setzt große Hoffnungen in die neue Technologie – obwohl die Erfolgsaussichten vage sind

Der Ort, an dem Hendrik Leber von der Zukunft erzählt, ist voller Erinnerungen an die Vergangenheit. In der kleinen Bibliothek des Frankfurter Vermögensverwalters stehen die Klassiker, säuberlich aufgereiht: Peter Lynch, Benjamin Graham und, stapelweise, die Aktionärsbriefe Warren Buffetts.

An den Vordenkern der sogenannten Value-Strategie hat Leber jahrelang die Investmentphilosophie seines 1994 gegründeten Asset-Managers Acatis ausgerichtet: „Es kommt darauf an, Firmen zu finden, die langfristig Wert schaffen“, so lautete sein Investmentmantra. Zu den Hauptversammlungen der Buffett-Holding Berkshire Hathaway reiste Leber oft persönlich an: „Ich war ein Buffett-Jünger.“

Zuletzt aber hat die Beziehung zu seinem Idol Risse bekommen. „Auf der Hauptversammlung 2017 redete Buffett vor allem über verpasste Chancen“, erzählt Leber. Dem legendären Investor waren hohe Renditen entgangen, weil Techfirmen wie Amazon oder Google nicht in sein Investmentschema passten. „Ich sagte mir: ,Junge, das passiert dir nicht‘“, so Leber. „Ich muss noch einmal neu lernen: Um was geht es eigentlich beim Investieren?“

Leber begann, seinen Anlagestil zu überdenken – mithilfe einer Technologie. Künstliche Intelligenz (KI) hilft ihm nun bei der Suche nach vielversprechenden Aktien und dem Zusammenstellen aussichtsreicher Portfolios. Selbstlernende Algorithmen analysieren dafür in Sekundenschnelle enorme Datenmengen und stoßen im Idealfall auf bislang unerkannte Muster. Drei Acatis-Fonds nutzen bereits KI – damit ist die Firma ein Vorreiter. „Das ist meine neue Welt“, sagt Leber.

Wenige sind so weit wie Acatis, doch allein ist Lebers Asset-Manager nicht. Das KI-Fieber hat die gesamte Finanzwelt erfasst. In einer Branche, die ein Faible für einfache Antworten hat, verfängt die neue Technologie mit zwei kernigen Versprechen: Mit KI lässt sich viel Geld sparen – und viel mehr Geld verdienen. Die Unternehmensberatung BCG schätzt, dass allein die zehn größten Banken mit KI ihre Erträge um 120 bis 180 Mrd. Dollar steigern und zugleich die Kosten um 90 bis 130 Mrd. Dollar senken könnten.

Siegeszug der Bots

Vom großflächigen Einsatz selbstlernender Algorithmen ist die Branche zwar noch weit entfernt. „Aber KI ist ohne Frage ein sehr heißes Thema“, sagt Peter Roßbach von der Frankfurt School of Finance. „Die Banken nehmen das sehr ernst.“ Die intelligenten Maschinen können teure Verwaltungsprozesse automatisieren, schwierige Kreditentscheidungen übernehmen oder renditeträchtige Investments finden. Das Potenzial liegt auf der Hand: Beim zweitgrößten US-Institut Bank of America verwenden Sales-Mitarbeiter laut Insidern ein Drittel ihrer Zeit auf das Planen von Terminen.

Iris und Debbie zeigen schon heute ganz konkret, was möglich ist. Beide arbeiten für das Global Transaction Banking der Deutschen Bank, und beide sind keine menschlichen Mitarbeiter, sondern Bots, gesteuert durch KI. Der Unternehmensbereich, in dem das Geschäft mit Zahlungsabwicklung, Handelsfinanzierung oder Wertpapierverwahrung betrieben wird, ist notorisch verwaltungsintensiv – und damit ein idealer Einsatzort für KI.

Iris tut ihren Dienst seit einem Jahr im Cash-Operations-Team und hilft während dieser Pilotphase bei der Zahlungsabwicklung für deutsche Großunternehmen. Sie kann auf E-Mails antworten, Anwendungen Befehle geben oder ­selbstständig Suchabfragen starten.

Die Bots steuern Software wie menschliche Mitarbeiter

Iris ist ein Ergebnis sogenannter robotergesteuerter Prozessautomatisierung, bei der Bots lernen, Routineaufgaben von Sachbearbeitern zu übernehmen. An der Automatisierung von Standardaufgaben wird seit Jahren gearbeitet. Das Neue und Charmante an den KI-Agenten ist nun, dass für sie keine Kernsysteme umprogrammiert werden müssen. Die Bots sitzen außerhalb und steuern Software unabhängig – wie menschliche Mitarbeiter.

Debbie ist ebenfalls eine Roboterkollegin – aber eine, mit der man sich unterhalten kann. Chatbots sind inzwischen weitverbreitet, nicht nur in der Bankbranche. Debbie gibt an der Hongkonger Aktienbörse Kunden Auskunft über den Stand ihrer Wertpapierabwicklungen. Antworten, für die menschliche Mitarbeiter früher bis zu drei Minuten brauchten, liefert Debbie quasi in Echtzeit.

Auch bei der Commerzbank werden erste Anwendungen erprobt. Bis 2020 sollen etwa bestimmte Compliance-Vorabprüfungen bei Handelsfinanzierungen mit KI automatisiert werden. Statt auf eigene Entwicklungen setzt die Bank hierbei auf ein Produkt des Fintechs Conpend. Das ergibt Sinn, weil die Umsetzung neuer Ideen innerhalb der eigenen Strukturen oft zäh verlaufen kann. Immer geht das aber nicht: Für die Auslagerung von Prozessen setzt die Aufsicht enge Grenzen. Es ist einer der Gründe, aus denen Banken beim KI-Einsatz zwar neugierig, aber bisher nicht sehr mutig sind.

Verschlankt werden sollen durch KI derzeit vor allem Prozesse im Backoffice, etwa Risikomanagement und Geldwäscheprävention. Mit der Technik neue Geschäftsmodelle zu erschließen ist eher Zukunftsmusik – obwohl darüber nachgedacht wird. Michael Spitz, Chef der Forschungs- und Entwicklungseinheit der Commerzbank, skizziert eine Lösung für den Geschäftskundenbereich: Statt die Rückzahlung eines Darlehens für eine Maschine wie bisher nach einer bestimmten Zeit zu vereinbaren, könnte die Bank sie in Zukunft an das Erreichen eines bestimmten Nutzungsumfangs koppeln. Die Daten dazu kämen über vernetzte Sensoren – verarbeitet, analysiert und gesteuert durch KI.

Finanzdaten statt Katzen

Eigentlich sieht die Finanzbranche nach dem idealen Schauplatz für die nächste KI-Revolution aus: Jeden Tag werden massenhaft neue Daten produziert, und wer daraus die richtigen Schlüsse zieht, kann viel Geld verdienen. Große Hedgefonds arbeiten daher bereits seit Jahren mit quantitativen Methoden und komplexen statistischen Modellen. Inzwischen setzen sie auch KI ein. Luke Ellis, CEO des quantitativen Investors Man Group, erwartet, dass Machine-Learning in 25 Jahren für 99 Prozent des Investmentmanagements verantwortlich sein wird.

Und heute? Wie und wo KI aktuell eingesetzt wird, ist schwer zu durchschauen – die Hedgefonds sind naturgemäß verschwiegen. Der Branchenkenner Fred Sage gibt sich überzeugt, dass KI bei den großen Quants nur „ein Werkzeug unter vielen“ ist: „Das sind keine puren KI-Fonds.“ Die Zahl von Anlagevehikeln, bei denen selbstlernende Algorithmen den Investmentprozess steuern, schätzt Sage auf nur „20 bis 25 auf der gesamten Welt“.

Zu ihnen zählt Acatis, die kleine Fondsfirma in Frankfurt. Hendrik Leber erlaubt einen Blick in den Maschinenraum: Er führt zu zwei jüngeren Kollegen in mäßig gut sitzenden Anzügen. Kevin Endler, gelernter Mathematiker, und Eric Endress, promoviert in theoretischer Physik, werkeln hier an der neuen Technologie. Endler erklärt: „Wir haben die gleichen Aufgaben wie früher: ein Portfolio von Aktien zu finden, das über einen längeren Zeitraum outperformt.“ Neu ist: Die Regeln dafür geben die Fondsmanager nicht mehr vor – die Maschine findet sie alleine.

Es geht darum, Muster zu finden

Als Endler 2013 zu Acatis kam, war die KI-Revolution zwar schon im Gange, aber Fortschritte waren vor allem beim Erkennen von Katzenbildern oder beim Schachspielen zu verzeichnen. Ein großer Teil seiner Arbeit besteht daher darin, die KI-Durchbrüche für das Investmentgeschäft nutzbar zu machen. Der Katzen-Algorithmus kann mit Geschäftsberichten erst einmal nichts anfangen. Aber vielleicht findet er trotzdem ein Muster?

Endler wandelte dafür die Zahlenreihen zu Umsatz, Ergebnis oder Dividende mithilfe von Farbcodes in Bilder um. „Wir haben die Rohdaten so transformiert, dass sie dem neuronalen Netzwerk möglichst bekömmlich serviert werden können“, sagt er. Ein Mensch sieht auf den Bildern nur grobe, unterschiedlich stark gefärbte Pixel. Eine Maschine kann darin einen Trend, ein aussagekräftiges Muster entdecken.

Damit eine KI loslegen kann, ist erstaunlich viel manuelle Vor­arbeit nötig. „95 Prozent unserer Zeit fließen in Datenarbeit“, sagt Endress. Die Finanzwelt hält viele Daten bereit – aber selbst in standardisierten Geschäftsberichten werden oft gänzlich unterschiedliche Indikatoren verwendet oder wiederkehrende Kennzahlen bei jeder Firma anders bezeichnet. Ohne saubere Aufbereitung solcher Daten entdecken Algorithmen Zusammenhänge, die keine sind.

Es ist viel Rauschen im Datenraum der Finanzwelt. Schach und die Erkennung von Katzen sind Disziplinen mit festen Regeln – da ist eine KI stark. Doch in der realen Welt werden Regeln beständig geändert und gebrochen.

„Es ist ein stetiger Kampf“, sagt Leber. Die Perfomance seiner drei KI-Fonds ist bislang durchwachsen. Ihn ficht das nicht an – es seien schließlich erst die Anfangstage der Revolution, er denke langfristiger. „Ich will mir den Werkzeugkasten aufbauen, mit dem ich die Welt begreifen kann.“

Dieser Beitrag ist erstmals in Capital 12/2018 erschienen. Interesse an Capital? Hier geht es zum Abo-Shop , wo Sie die Print-Ausgabe bestellen können. Unsere Digital-Ausgabe gibt es bei iTunes und GooglePlay

Mehr zum Thema

Neueste Artikel