FONDS professionell Deutschland, Ausgabe 3/2025

„Anlageentscheidungen basieren auf Erwartungen“, erläutert Sauer. Erwartun- gen würden gebildet, indem heute ver- fügbare Informationen („I“) mit einem Verfahren oder einer Funktion („F“) aus- gewertet würden. Portfoliomanager hät- ten sich lange darin gemessen, wie gut sie die Kennzahlen – das „I“ – verbessern und vergrößern könnten. KI-Methoden dagegen würden vor allem das „F“ revo- lutionieren, so Sauer: „Methoden aus dem Bereich des maschinellen Lernens ermög- lichen uns, aus den Informationen und Zusammenhängen der Vergangenheit direkt Signale zu entwickeln.“ Bei Ultramarin haben die Algorithmen etwa das Lernziel, die erwartete Rendite einer Aktie auf Basis eines holistischen Datensets zu bestimmen, erklärt Gründer und Geschäftsführer Daniel Willmann. Dazu könnten sie für einen großen Quer- schnitt an Aktien konsistent auf einer deutlich breiteren und heterogenen Daten- basis aufsetzen als traditionelle Quant- ansätze oder Portfoliomanager. Und KI könne auch die Dynamik, wie sich der Markt und Marktzusammenhänge über den Zeitraum ändern, besser erfassen. Aber warum ist KI noch nicht deutlich erfolgreicher? Zum einen geht es um insta- bile Zusammenhänge, die sich fortlaufend ändern. Und: Verglichen etwa mit Wetter-, Bild- oder Verkehrsdaten ist das Material extrem dünn und die Datenqualität oft mangelhaft. „Wir bewegen uns in einem Low-Signal-to-Noise-Umfeld“, sagt Will- mann. Bedeutet: wenig Signal und viel Marktrauschen. Das sei ganz anders als beispielsweise in der Bilderkennung. Ein Bild von Albert Einstein könne die KI zu nahezu 100 Prozent richtig zuordnen, da die Pixel ein hohes Signal liefern, erklärt Willmann. „Und auch die Historien im Aktienbereich sind nicht besonders lang.“ Tücken bei Social Media Die Integration von Social-Media-Posts bereitet ebenfalls Schwierigkeiten. Zum einen spielen in aller Regel nur große Fir- men wie Apple oder SAP eine relevante Rolle auf wichtigen Anlegerportalen. Ein Maschinenbauer aus dem S-Dax dürfte da seltener vorkommen. Zum anderen wür- den sich die tonangebenden Autoritäten zu rasch ändern, und die Trainingsmög- lichkeiten für die KI seien relativ gering, gibt Acatis-Chef Leber zu bedenken. Mit den Tücken der Social-Media-Signale haben Leber und seine Kollegen Erfah- rung: Der hauseigene „AI Buzz“-Fonds sollte die Tonalität aus Social Media in Anlageentscheidungen ummünzen. Nachdem er lange im untersten Bereich der Peergroup dümpelte, stellte man den Fonds als AI US Equities neu auf mit einer erweiterten Version des hauseigenen KI- Ansatzes, der seit Langem im größeren AI Global Equities eingesetzt wird. Für den 2017 aufgelegten Acatis AI Glo- bal Equities zapft die KI die Fundamen- taldaten der hauseigenen Unternehmens- datenbank an. Analysiert werden auch die Transkripte von Analystengesprächen, an die die KI jeweils 33 gezielte Fragen stellt. Der Ansatz soll vor allemdie Dynamik im Zeitablauf betrachten. Die KI verknüpft die Daten mit unterschiedlichen Gewich- tungen und integriert Aktienauswahl und Portfoliokonstruktion in einem Prozess. 400 Merkmale analysiert Anfang 2024 gab dann die Genfer Pri- vatbank Pictet ihr Debüt auf dem KI-Par- kett. Der Pictet Quest AI-Driven Global Equities soll als Enhanced-Indexstrategie eine jährliche Outperformance von ein bis 1,5 Prozent vor Gebühren gegenüber dem MSCI World erzielen, bei begrenz- tem Tracking Error. Dazu nutzt er das kurzfristige Anlegerverhalten. „Das Modell verwendet rund 400 Merkmale, darun- ter Preis- und Marktaktivität, Analysten- einschätzungen, Fundamentaldaten sowie 1.288,5 Mio. Euro verwaltet der erst imMärz 2024 aufgelegte KI-Fonds von Pictet. Quelle:Morningstar Daniel Willmann, Ultramarin: „KI kann die Dyna- mik, wie sich der Markt undMarktzusammenhänge über den Zeitraumändern, besser erfassen.“ David Wright , Pictet Group: „DasModell verwendet rund400Merkmale, umdie zukünftigenkurzfristigen Renditen für etwa 1.400 Aktien vorherzusagen.“ 134 fondsprofessionell.de 3/2025 MARKT & STRATEGIE Künstliche Intelligenz FOTO: © ULTRAMARIN, LOÏC HERIN | PICTET GROUP