Künstliche Intelligenz hat in den vergangenen Monaten nicht nur ganze Arbeits- und Lebenswelten verändert, sondern sich auch als beliebtes Investmentthema etabliert. In einen disruptiven Trend zu investieren, der gerade so richtig Fahrt aufnimmt – das klingt nach einer verlockenden Ertragsquelle. Und tatsächlich haben KI-Aktien seit dem Start von ChatGPT-3.5 Ende 2022 den breiten Markt deutlich hinter sich gelassen.
Doch wer genau hinschaut, stößt auf eine Frage, die zunächst banal klingt, aber ein ganzes Feld schwammiger Zuordnung bloßlegt: Was macht eine Aktie eigentlich zur KI-Aktie – und einen Fonds zum KI-Fonds? Kenneth Lamont und Michael Field von Morningstar wollten diese Frage systematisch beantworten und haben dafür eine Analysemethode erarbeitet. Ihre Antwort dürfte manchen Investor überraschen.
Zwei Methoden, ein Rahmen
Um die Frage „KI-Wertpapier - ja oder nein?“ zu beantworten, entwickelten Lamont und Field zwei komplementäre Ansätze, die sie anschließend zu einem gemeinsamen Bewertungsrahmen zusammenführten.
Field nähert sich dem Thema von der fundamentalen Seite: Morningstar-Aktienspezialisten, dessen Analysen Field nutzt, schätzen für jedes von ihnen abgedeckte Unternehmen, welcher Anteil der Umsätze in fünf Jahren aus KI-bezogenen Aktivitäten stammen wird – und ob diese Exposition das Nettoergebnis positiv beeinflusst. Daraus ergibt sich ein Score zwischen 1 und 4. Eine 4 erhält, wer als Produzent von KI-Technologie mehr als die Hälfte seiner Umsätze direkt aus dem Thema generiert. Eine 1 steht für eine eher peripheres Exposition von zehn bis 25 Prozent.
Der Ansatz ist bewusst zukunftsgerichtet und finanziell greifbar ausgerichtet – es geht Morningstar nicht darum, ob ein Unternehmen das Wort „KI“ im Geschäftsbericht verwendet, sondern ob es tatsächlich davon profitiert.
Lamont ergänzt die Aktienanalyse um eine weitere Perspektive: Er besieht sich, welche Aktien spezialisierte KI-Fonds weltweit tatsächlich halten – und wie häufig diese Aktien in den Fonds zu finden sind. Je öfter eine Aktie in Portfolios mit KI-Label zu finden ist, desto höher ihr Konsens-Score. Dieser Ansatz bildet gewissermaßen den Marktdurchschnitt ab: Was der typische KI-Fondsmanager für eine KI-Aktie hält, fließt direkt in die Bewertung ein.
Im kombinierten Score gewichten Lamont und Field beide Methoden unterschiedlich: Der analytische Aktien-Research-Ansatz trägt zu 75 Prozent, der konsensbasierte Manager-Ansatz zu 25 Prozent zum Endergebnis bei. Die Idee: Die fundamentale Analyse soll den Hauptausschlag geben, während die Marktperspektive das Bild lediglich abrundet. Für Aktien, zu denen kein Equity-Research-Score vorliegt, liefert der Konsens-Score zumindest einen Anhaltspunkt.
Das Ergebnis der kombinierten Analyse ist ein einheitlicher Thematic Exposure Score. Dieser soll erstmals einen direkten Vergleich zwischen europäischen KI-Fonds ermöglichen.
Hidden Gems und False Friends
Die Morningstar-Analyse offenbart: Zwischen dem, was Fondsmanager für KI-Exposition halten, und dem, was Analysten tatsächlich als solche einordnen, klaffen zum Teil erhebliche Lücken. Lamont und Field haben die auffälligsten Fälle herausgepickt und unterscheiden dabei zwei Kategorien: verborgene Perlen („Hidden Gems“) auf der einen, trügerische alte Bekannte („False Friends“) auf der anderen Seite.
„False Friends“ sind Aktien, die massenhaft in KI-Portfolios auftauchen, aber gemäß Morningstar-Analyse kaum direkte KI-Exposition haben. Das prominenteste Beispiel ist ausgerechnet die hyperbeliebte Apple-Aktie: Der iPhone-Konzern steckt in mehr als 38 Prozent aller KI-Fonds – und erhält bei Morningstar dennoch einen Aktien-Research-Score von null.
Begründung: KI mache nur einen geringen Teil des Konzernumsatzes von Apple aus, begrenzt auf einen Teilaspekt der iPhone-Verkäufe, der wenig ins Gewicht fällt. Ähnliches gilt für die Tech-Firma Palo Alto Networks, die in mehr als einem Drittel der KI-Portfolios vertreten ist, und ebenso auch für Intel und Qualcomm. Eine direkte, umsatzrelevante KI-Exposition können die Morningstar-Analysten dort nicht erkennen. Alle genannten Titel erhalten einen Aktien-Research-Score von null.
Viele Fondsmanager halten sie offenbar dennoch für KI-Werte - denn immerhin sind sie im weiteren Technologieumfeld angesiedelt, leiten es sich Lamont und Field her.
Auf der anderen Seite stehen die „Hidden Gems“ – Unternehmen mit analytisch belegter KI-Exposition, die die Fondswelt weitgehend ignoriert. Entegris ist das Paradebeispiel: Der Zulieferer der Halbleiterindustrie erzielt 95 Prozent seines Umsatzes mit Chipherstellern, sein größter Kunde ist TSMC. Die Morningstar-Analysten sehen darin eine deutliche KI-Exposition und vergeben einen Score von 2. In den Portfolios spezialisierter KI-Fonds taucht Entegris dennoch in weniger als einem Prozent der Fälle auf.
Ähnlich verhält es sich mit dem kanadischen IT-Dienstleister CGI, der ebenfalls einen Score von 2 erhält, aber von weniger als zwei Prozent der KI-Fondsmanager gehalten wird.
Wie erklärt sich das? Lamont und Field verweisen auf eine Schwäche des konsensbasierten Ansatzes: Fondsmanager tendieren zu großen, liquiden Namen – was die Dominanz der „Magnificent Seven“, der größten US-Techwerte, in KI-Portfolios erklärt. Kleinere Unternehmen wie Entegris oder CGI fallen dabei durchs Raster – nicht weil ihre KI-Exposition geringer wäre, sondern weil sie im Marktdurchschnitt schlicht seltener auftauchen.
Günstig bewertet – aber für wie lange?
Unabhängig davon, welche Aktien man für echte KI-Werte hält: Die Marktturbulenzen zum Jahresstart 2026 haben insgesamt für günstigere Bewertungen bei KI-Aktien gesorgt. Morningstar verfolgt die Entwicklung anhand eines „Kurs-zu-fairem-Wert“-Rahmens – der aktuell bei 0,80 liege. Das bedeutet: Der Markt bewertet KI-Aktien im Schnitt mit einem Abschlag von 20 Prozent auf ihren von Morningstar ermittelten fairen Wert.
Interessante Erkenntnis: Gerade jene Aktien, denen Morningstar den höchsten KI-Score erteilt, sind auch besonders attraktiv bewertet. Wer also gezielt in die Kernzone des Themas investieren will, findet dort derzeit die günstigsten Einstiegspunkte.
So finden die Analysten auch auf die Frage, ob Investoren beim Thema KI bereits spät dran sind - weil die Kurse dem Potenzial schon enteilt sein könnten - eine eigene Antwort. Lamont und Field sehen weiterhin gute strukturelle Argumente für KI-Investments: Die Nachfrage nach Halbleitern ist nach wie vor sehr hoch, die Ausgaben für Rechenzentren wachsen rasant. Nichte zuletzt gilt KI mittlerweile auch als kritische nationale Infrastruktur – mit einem orchestrierten Mix aus öffentlichen und privaten Investitionen, die einen zyklischen Einbruch unwahrscheinlicher machen.
Von einer Blase wollen Lamont und Field somit nichts wissen. Die fundamentalen Treiber für den Bereich seien intakt.
Eine Einschränkung machen sie allerdings: Die spektakulärsten Renditen des KI-Booms hätten sich bislang nicht an der Börse abgespielt, sondern vor allem bei nicht gelisteten Unternehmen wie Anthropic, OpenAI oder xAI. Deren Wertsteigerungen blieben für die meisten Anleger unerreichbar.
Der Morningstar Pitchbook GenAI 20 Index, der solche privaten KI-Unternehmen abbildet, hat seit Ende 2024 um mehr als 1.100 Prozent zugelegt - während die öffentlichen KI-Indizes im gleichen Zeitraum bei rund 100 Prozent liegen, wie Lamont und Field bemerken. Wer also wirklich am Kern des KI-Booms partizipieren wolle, stoße an den Börsen an Grenzen.
Drei Spielarten für Fondsinvestoren
Was bedeutet das nun für Anleger, die über Fonds in das Thema einsteigen wollen? Lamont und Field unterscheiden drei verschiedene Fonds-Typen:
- Core AI-Fonds investieren in Unternehmen mit hohen bestehenden oder erwarteten KI-Umsätzen, vor allem im Infrastrukturbereich. Sie legen stabil und indexnah an – umgesetzt entweder als passive Strategie oder als eng definierter aktiver Fonds. Im Morningstar-Score erzielen diese Fonds erwartungsgemäß die höchsten Werte und eignen sich daher als strukturelles KI-Beta im Portfolio. Als Beispiel für einen solchen Fonds nennen Lamont und Field den First Trust Bloomberg AI ETF.
- Dynamic-AI-Fonds halten sowohl Kern- als auch periphere KI-Positionen und schichten aktiv entlang der Wertschöpfungskette um – weg von Verlierern, hin zu aufkommenden Gewinnern. Ihr Thematic Exposure Score schwankt entsprechend. Sie richten sich an renditeorientierte Investoren, die aktives Risiko in Kauf nehmen, erfordern aber laufende Beobachtung. Auch laufen diese Fonds Gefahr, mitunter den Markt zu verfehlen. Als Beispiel dient hier der CPR Invest Artificial Intelligence Fund.
- Peripheral-AI-Fonds wiederum setzen bewusst auf indirekte KI-Exposition – entweder über Unternehmen, die KI zur Effizienzsteigerung einsetzen, oder über Branchen wie Energie und Rechenzentren, die vom wachsenden KI-Bedarf profitieren. Sie erzielen im Morningstar-Score niedrigere Werte, bieten dafür aber Zugang zu weniger überfüllten Teilen des Ökosystems, oft fernab der großen Technologiekonzerne. Als Beispiel dient hier der iShares AI Adopters & Applications Ucits ETF.
Lamont und Field wollen mit ihrem Ansatz Durchblick in einem noch diffusen Markt schaffen – eine Idee, die an die EU-Initiative zu nachhaltigen Fondsnamen erinnert. Die Kernbotschaft der Analysten: Wer einen Fonds vor allem deshalb kauft, weil er „KI“ im Namen trägt, sollte bedenken, dass diese Zuschreibung oft wenig über unmittelbare KI-Investments im Portfolio aussagt. Es lohnt sich also – wie so oft – genauer hinzuschauen.
