Digitalisierung in der Finanzbranche Entscheiden Algorithmen künftig im Asset Management mit?

Google-Chef Eric Schmidt in einem fahrerlosen Auto des US-Technologiekonzerns Alphabet: Würden sich KI-Modelle im Asset Management am Verhalten von Investoren orientieren, würden sie auch die typischen Anlegerfehler von ihren Vorbildern „erlernen“.  | © Getty Images

Google-Chef Eric Schmidt in einem fahrerlosen Auto des US-Technologiekonzerns Alphabet: Würden sich KI-Modelle im Asset Management am Verhalten von Investoren orientieren, würden sie auch die typischen Anlegerfehler von ihren Vorbildern „erlernen“. Foto: Getty Images

ARTIKEL-INHALT 

Welche Rolle spielt künstliche Intelligenz derzeit und zukünftig im Asset Management? Das erklärt Jochen Werne, Direktor beim Münchner Bankhaus August Lenz & Co., in einem exklusiven Gastbeitrag für DAS INVESTMENT. In seiner dreiteiligen Analyse geht es um Chancen und Grenzen der neuen technischen Möglichkeiten sowie den Faktor Mensch.

In manchen Bereichen des Asset Managements werden KI-basierte Systeme bereits erfolgreich eingesetzt, meist allerdings nur, um Trends aufzudecken. Sie nutzen Data Mining und Mustererkennung, um die Wahrscheinlichkeit von Marktbewegungen aufzuzeigen oder hervorzuheben, die der menschliche Investor nur schwerlich erkennen und somit berücksichtigen würde.

Jochen Werne, Bankhaus August Lenz

Der Vorteil beim Einsatz künstlicher Intelligenz basiert auf der Nutzung heutiger Rechenleistungen, um Muster zu erkennen und Möglichkeiten für eine schnelle Entscheidungsfindung und Durchführung von Investitionen zu identifizieren. Größer und schneller ist jedoch nicht immer besser. In der Automobilindustrie versucht man das komplexe Thema des autonomen Fahrens mitunter damit zu lösen, dass man relevante Daten für selbstlernende Systeme sammelt, indem man die Reaktionen eines realen Fahrers in der Praxis beobachtet und auswertet.

Wenn man es in einer vereinfachten Analogie darstellen möchte, macht man die KI zum Beifahrer, die vom Fahrer direkt lernt. Dieses Setup auf den Asset Manager angewandt, könnte jedoch dazu führen, dass manche Fehler menschlicher Anleger nachgeahmt werden. Das bekannte Problem der Behavioral Finance, der emotionsgetriebenen, situativ falschen Entscheidung, würde dann ironischerweise von der Maschine übernommen werden. Dies würde wiederum dazu führen, dass eine der besten und einzigartigen Eigenschaften des Menschen, nämlich seine Fähigkeit zu emotionalem Handeln, in diesem Fall gegen ihn spielen würde.

Systeme bereits an ihrer Grenze

Auch wenn die Branche von Lernenden Systemen und Künstlicher Intelligenz schwärmt und hier wohl dem technischen Fortschritt kaum Grenzen gesetzt zu sein scheint: Im Asset Management kommen die Systeme heute noch schneller als gedacht an ihre Grenzen. Denn letztlich gilt es, die Frage zu beantworten: Welche Teile der Prozesskette sollen und können optimiert werden? Wenn es um Investmententscheidungen unter Unsicherheit geht, sind klare psychologische Barrieren zu erkennen, vermeintlich einer Blackbox, vollautomatische Orderausführungen ohne menschliche Kontrolle zu überlassen.

Gerade im digitalen Asset Management gibt es eine enorm große Anzahl an potenziell auswertbaren Daten – Daten, die jedoch bei falscher Aufbereitung von keinem selbstlernenden System in einen hilfreichen Zusammenhang gebracht werden können. Um die 90 Prozent der Arbeit besteht darin, valide Daten auszuwählen und zu verarbeiten. KI-Systeme werden dazu genutzt, komplexe Muster zu analysieren. Asset Manager nutzen die Erkenntnisse dann als Entscheidungshilfe, um im letzten Schritt, etwa die Investition in ein Portfolio, zu tätigen. Übertragen bedeutet dies, dass die Investitionsentscheidung beim Menschen und nicht bei der Maschine liegt.