FONDS professionell Deutschland, Ausgabe 2/2026

allem dann, wenn es zu einem abrupten Wechsel des Regimes an den Märkten kommt. Abgesehen davon zeigen unsere Simulationen und auch der echte Track Record, dass unsere Outperformance rela- tiv stabil ist. Egal ob die Märkte steigen oder fallen, die Volatilität hoch oder nied- rig ist, am Markt klare Trends vorherr- schen oder es seitwärts geht: Wir können in allen Umfeldern Alpha generieren. Bei einem echten Bruch, wenn plötzlich jede Stabilität abhandenkommt, kann es aber schwierig werden. KönnenSieBeispielenennen? In unseren Simulationen zeigten sich zwei Situationen mit drei bis vier Prozent Underperformance: zu Beginn der globa- len Finanzkrise 2008 und beimAusbruch der Covid-19-Pandemie 2020. Nach der Lehman-Pleite froren hochliquide Märkte plötzlich ein. Und 2020 fand etwas statt, was ich als denWechsel von einem „High Information“- zu einem „No Informa- tion“-Regime beschreiben würde. Keiner wusste mehr, was los ist. Da stieß die KI an ihre Grenzen, weil ein Umfeld vor- herrschte, in dem sie sich nicht zurecht- fand. Es dauerte in diesen Szenarien dann etwa neun bis zwölf Monate, bis sich die Performance erholt hatte. Mit einem erratischen US-Präsidenten wie Donald Trump kommt Ihre KI der jüngsten Performance nach zu urteilen offensicht- lichklar. Das ist ein gutes Beispiel. Ich würde behaupten, dass wir auch in den vergange- nen anderthalb Jahren unter Trump einen Regimewechsel erlebt haben: von einer globalisierten zu einer protektionistischen Welt. Unser Modell lieferte trotzdem her- vorragende Ergebnisse, weil es sich eher um einen schleichenden Prozess handelt, nicht um einen großen Knall. Dann kann das Modell sich anpassen. DieZinswende2022warauchkeinProblem? Dank der weit zurück reichenden Daten kennt das Modell sowohl niedrige als auch hohe Zinsen. Zudem kam auch die- ser Regimewechsel nicht völlig unvorher- gesehen. Die Notenbanken bereiten die Märkte mittlerweile ja über einen längeren Zeitraum auf entsprechende Schritte vor. IhrTeamhataktuell23Mitglieder.Wielange dauert es, bis eine dieser Stellen einer KI zumOpfer fällt? Ironischerweise ist das Team jüngst sogar gewachsen. Wenn wir keine KI-basierte Investmentstrategie anbieten würden, bräuchten wir nicht so viele Kollegen. Denn so wie wir KI nutzen, hat das ZHQLJ PLW (ȯ]LHQ]JHZLQQHQ RGHU HLQHP Sparprogramm zu tun. Um KI im Asset Management sinnvoll einzusetzen, benö- tigen Sie viele unterschiedliche Fähigkei- ten: Alexandra Nagy und Stéphane Daul, die die Quest-AI-Strategie verantworten, sind beispielsweise promovierte Physiker. Sie lernten in der Naturwissenschaft, mit großen Datenmengen zu arbeiten – kom- plett abseits der Finanzwelt. Beide arbei- ten heute eng zusammen mit Thibault Jaisson, einem promovierten Mathema- tiker, der einen eher klassischen Quant- und Finanzhintergrund hat und dabei geholfen hat, das ursprüngliche Modell zu entwickeln. Diese Machine-Learning- und Quant-Spezialisten haben wir bei Pictet dann mit Computerwissenschaft- lern zusammengebracht. Das zeigt viel- leicht, dass es für unseren Ansatz viele unterschiedliche Talente braucht. Wiewichtigistes,derKIständigneuenInput zugeben? Es spielt eine große Rolle, um das Trai- ning zu verbessern. Als das Modell live ging, haben wir etwa 250 verschiedene Signale eingesetzt, mittlerweile sind es rund 400. Das ist ein großer Unterschied zu klassischen Quant-Strategien: Dort stellen meist 50 bis 60 Signale die Ober- JUHQ]H GDU ZHLO GHU (LQijXVV HLQHV ]XVÌW]OL - chen Signals dann ziemlich klein wäre. Es » Wir können in allen Umfeldern Alpha generieren. Bei einem echten Bruch kann es aber schwierig werden. « David Wright, Pictet AM MARKT & STRATEGIE David Wright | Pictet Asset Management 118 fondsprofessionell.de 2/2026 FOTO: © CHRISTOPH HEMMERICH FÜR FONDS PROFESSIONELL