Das Haus Pictet wurde gegründet, als Napoleon noch Kaiser war. Seitdem hat der Genfer Vermögensverwalter zwei Jahrhunderte Finanzgeschichte überstanden, ohne je sonderlich laut aufzutreten. Nun aber rüstet sich das 1805 gegründete Institut für eine Offensive, die dem ETF-Markt in Europa eine neue Facette hinzufügen soll – mit Künstlicher Intelligenz als Herzstück.

Pictet plant die Auflage von fünf aktiv gemanagten Ucits-ETFs, die in europäische, amerikanische, globale und Schwellenländer-Aktien investieren sollen. Die neuen Produkte sollen hauseigene KI-Modellierung mit aktivem Portfoliomanagement verbinden – mit dem erklärten Ziel der Alpha-Generierung.

Billionenmarkt als Kulisse

Der europäische ETF-Markt hat inzwischen ein Volumen von 3,3 Billionen US-Dollar erreicht und zieht seit Jahren immer neue Anbieter an. Pictet verwaltet weltweit rund 955 Milliarden Dollar und hat sich über die Jahre auf Strategien entlang technologischer, gesellschaftlicher und ökologischer Megatrends spezialisiert. Das ETF-Geschäft ist für das Haus jedoch vergleichsweise neu: Den Einstieg vollzog Pictet erst im Oktober 2025 – mit drei aktiv gemanagten, in den USA gelisteten Produkten.

Nun folgt der Sprung nach Europa. Die fünf geplanten, in Irland domizilierten ETFs tragen die Namen:

  • Pictet AI Enhanced US Equity UCITS ETF (PQUS)
  • Pictet AI Enhanced World Equity UCITS ETF (PQWD)
  • Pictet AI Enhanced Emerging Equity UCITS ETF (PQEM)
  • Pictet AI Enhanced European Equity UCITS ETF (PQEU)
  • Pictet AI Enhanced World-ex US Equity UCITS ETF (PQWX)

Als operativen Partner hat Pictet den in Dublin ansässigen Dienstleister Waystone verpflichtet, der ETF-Expertise und Kapitalmarktunterstützung beisteuert. Konkrete Details zu Gebühren oder Auflagedatum sollen folgen.

Blick in den KI-Maschinenraum

Was steckt hinter dem KI-Ansatz, den Pictet nun in ETF-Form verpacken will? Simon Frank, Senior Investment Experte bei Pictet AM, hat die Investmentlogik kürzlich in einem Gespräch mit DAS INVESTMENT offengelegt.

Grundlage ist das sogenannte Quest-Team – eine Einheit, die bereits seit 1999 existiert und aus mehr als 20 Investment-Experten besteht. Ihr Ansatz ist keine klassische Stockpicking-Strategie à la Warren Buffett, sondern eine Index-Enhancement-Strategie. Das Ziel: nicht durch wenige große Wetten, sondern durch eine Vielzahl kleiner, statistisch leicht vorteilhafter Entscheidungen eine kontinuierliche Outperformance zu erzielen.

Konkret läuft es so: Der MSCI World etwa umfasst rund 1.400 Titel. Pictet schließt aus Nachhaltigkeitsgründen etwa 200 aus. Für die verbleibenden 1.200 Werte berechnet die KI monatlich einen sogenannten Alpha-Score. Ein positiver Score führt zu einem leichten Übergewicht im Portfolio, ein negativer zu einem Untergewicht. „So haben wir zu jedem Zeitpunkt etwa 500 kleine Wetten im Portfolio“, erläutert Frank.

Die eigentliche Stärke liegt in der Rechenkapazität: Während ein Mensch bei drei oder vier Faktoren gleichzeitig an seine kognitive Grenze stößt, verarbeitet das Modell 400 verschiedene Unternehmensmerkmale auf einmal. Das Herzstück sind sogenannte Entscheidungsbäume – für eine einzelne Aktie wie Microsoft baut die KI 50.000 davon auf. Das Ergebnis wird gemittelt und ergibt so ein stabiles Alpha-Signal. „Dadurch wird das Alpha im Portfolio sehr, sehr konstant“, so Frank.

Der Effekt auf die Trefferquote klingt zunächst marginal: „Was die KI macht am Ende des Tages: Sie verschiebt die Wahrscheinlichkeit, dass wir richtig oder falsch liegen in unserer Wette, von 50-50 auf – sagen wir mal – 52-48“, erklärt Frank. Multipliziert man diesen Vorteil jedoch über 500 gleichzeitige Positionen, entsteht ein messbarer und nach Franks Aussage stabiler Renditevorsprung.

Modell mit Verfallsdatum – und Gegenmittel

Was heute funktioniert, kann morgen überholt sein. Pictet begegnet diesem Problem mit quartalsweisem Retraining: Alle drei Monate werden neue Daten eingespeist, wobei das Modell nur Zeiträume mit mindestens zehn Jahren guter Datenqualität berücksichtigt. Das Modell wird dabei komplett neu kalibriert – kein einmaliger Trainingsabschluss, sondern ein kontinuierlicher Lernprozess. Das soll relative Agilität gegenüber wechselnden Marktumfeldern sicherstellen.

Völlig autonom agiert die KI dabei nicht. Der menschliche Einfluss zeigt sich auf zwei Ebenen: bei der Modellentwicklung und der Auswahl der Trainingsdaten – das Prinzip „garbage in, garbage out“ gilt auch hier – sowie bei der Plausibilitätsprüfung des Outputs. „Es ist nicht so, dass die KI da vollkommen autonom ihre Entscheidung trifft und wild Aktien hin- und herhandelt“, betont Frank. „Den menschlichen Oversight gibt es schon noch.“ Ob dieses Prinzip auch bei den jüngst angemeldeten ETFs gilt, wird sich zeigen.