KI vs. Fondsmanager: Das Duell um die bessere Anlagestrategie

Künstliche Intelligenz (KI) gilt heutzutage als ein Schlüsselbegriff für die Vermögensverwaltung. Immer mehr Asset-Manager setzen Algorithmen ein, um ihre Anlagestrategie zu steuern – in der Hoffnung, damit höhere Renditen als mit einem traditionellen Fondsmanager zu erzielen.

Doch für viele Vermögensverwalter bleibt die erfolgreiche Umsetzung dieser Strategie eine Herausforderung. Welche Produkte schneiden am besten ab? Das Handelsblatt hat die Performance von 17 von KI dominierten Anlageprodukten von 13 Anbietern im vergangenen Jahr im Vergleich zu aktiv gesteuerten Produkten ausgewertet.

Die Mehrheit der KI-gesteuerten Produkte erzielte unterdurchschnittliche Renditen, wodurch einige Anbieter bereits ausgestiegen sind. Dennoch gibt es Ausnahmen – mit teilweise deutlich zweistelligen Renditen. Zu den Anbietern gehören klassische Asset-Manager sowie Fintechs.

Die Produkte bestehen hauptsächlich aus Investmentfonds, aber auch ein Zertifikat ist darunter zu finden. Aktienstrategien dominieren, einige dieser Produkte setzen auch auf fallende Kurse. Einige Verwalter nutzen verschiedene Algorithmenmodelle gleichzeitig, die beispielsweise auch mit Anleihen, Währungen, Rohstoffen und speziellen Absicherungsmechanismen arbeiten.

Die Vielfalt der Modelle spiegelt sich auch in den eingesetzten Daten wider. Häufig werden numerische Daten wie Kurse, Bilanzzahlen oder makroökonomische Faktoren wie Inflation und Zinsen verwendet. Immer beliebter wird jedoch auch die Auswertung und maschinelle Analyse von unstrukturierten Texten, beispielsweise aus den sozialen Medien oder von Nachrichtenagenturen. Dazu gehören auch Unternehmensmeldungen und verschriftlichte Analystenfragerunden mit Firmenvertretern.

Um die Performance der Produkte zu messen, wurde die Endrendite im vergangenen Jahr sowie die Durchschnittsrendite für drei Jahre, sofern vorhanden, berechnet. Dennoch lässt sich die wirkliche Leistung eines Managers oder einer KI besser anhand eines Vergleichswerts beurteilen. Deshalb beinhaltet die Auswertung Angaben zur Mehrrendite im Vergleich zum Durchschnitt einer Vergleichsgruppe. Eine internationale KI-Aktienstrategie wird beispielsweise mit dem Durchschnittsergebnis aller Fonds dieser Ausrichtung verglichen.

Ein Produkt der Deutsche-Bank-Tochter DWS sticht besonders heraus.

Der „Xtrackers AI and Big Data Ucits ETF“ erzielte im vergangenen Jahr mit 61,7 Prozent die höchste absolute Rendite. Zusätzlich lieferte das Produkt 18,5 Prozentpunkte Mehrrendite im Vergleich zum durchschnittlichen Ergebnis aller Aktienfonds mit Fokus auf Technologiefirmen.

Die DWS entwickelte den Index gemeinsam mit der US-Technologiebörse Nasdaq und passt ihn halbjährlich an. Kern des Ansatzes ist die Auswertung von Patentdatenbanken mit KI zur Identifikation von Unternehmen mit vielversprechenden Geschäftsmodellen im Bereich von KI. Laut dem Analysten Timur Shaymardanov setzt die DWS auf Patente, da diese bessere Hinweise auf zukünftige Gewinne liefern als andere Daten.

Ein weiteres erfolgreiches Produkt ist der „Oddo BHF Artificial Intelligence“ für internationale Tech-Aktien, der im vergangenen Jahr eine Rendite von 40,7 Prozent erzielte. Allerdings lag die Rendite 2,5 Prozentpunkte unter dem Durchschnittsergebnis aller Tech-Fonds.

Eine Mehrrendite erzielte hingegen der „Dividend Select Aktien“ der österreichischen Kepler-Fonds, die nach eigenen Angaben KI unterstützend bei allen Aktienfonds einsetzen. Mit einer Mehrrendite von 5,3 Renditepunkten im Vergleich zum Durchschnitt aller Dividendenfonds relativiert sich das Plus jedoch.

Nur fünf der 17 Produkte zeigen eine relative Mehrrendite. Neben den bereits genannten Ansätzen gehören dazu zwei Fonds von First Private und einer des kleinen Anbieters Ansa. Andreas Vogel, Analyst bei Plexus Investments, einem auf dieses Thema spezialisierten Unternehmen aus Liechtenstein, zieht ein enttäuschendes Fazit: „Bessere Renditen sehen wir nur punktuell, aber nicht flächendeckend.“

Für viele Experten, die bereits seit langem mit KI arbeiten, ist das Ergebnis ernüchternd. Das gilt auch für den Anbieter Tungsten, der seit mehr als zwei Jahrzehnten auf diesem Gebiet tätig ist. Der „Tungsten Trycon AI Global Markets“, der mit vielen KI-gesteuerten Handelsmodellen arbeitet und auf Risikobegrenzung abzielt, erlitt im vergangenen Jahr einen Verlust von 1,9 Prozent.

Tungsten-Manager Michael Günther gibt zu, dass er unzufrieden mit dem Ergebnis ist: „KI ist keine Kristallkugel für garantierte Mehrrendite.“ Dennoch erzielte der Fonds in diesem Jahr bisher eine Rendite von über vier Prozent.

Auch Hendrik Leber, Gründer von Acatis und ebenfalls ein Pionier beim Einsatz von KI in der Vermögensverwaltung, zeigt sich enttäuscht. Seine Fonds „Acatis AI Global Equities“ für internationale Aktien und „Acatis AI US Equities“ für US-Titel erzielten Renditen von 10,8 Prozent bzw. 6,7 Prozent, blieben jedoch deutlich hinter dem Durchschnitt vergleichbarer Fonds zurück.

Leber sucht nach fundamental günstigen Unternehmen, doch im vergangenen Jahr waren die überbewerteten großen Tech-Konzerne gefragt, was die erfolgreichen Strategien von DWS und Oddo BHF zeigen. Laut Leber setzten sich seine Fonds vor allem aus mittelgroßen Unternehmen zusammen, die im letzten Jahr schlecht abschnitten. Er ist jedoch davon überzeugt, dass sich seine Suche nach günstigen Unternehmen langfristig auszahlt. Zudem setzt er auf ein neues KI-Modell zur Verarbeitung von Texten und Zahlen, dessen Erfolg jedoch noch abgewartet werden muss.

Andreas Sauer, Gründer des Anbieters Ansa, erkennt grundlegende Probleme beim Einsatz von KI. Sein kleiner und junger Aktienfonds „Ansa Global Q Equity Market Neutral“ nutzt KI, jedoch gibt es laut ihm nur wenige sinnvolle Daten für die Finanzmärkte, die zudem noch schwer von nutzlosen Informationen zu unterscheiden sind. Zudem gibt es nur Finanzmarktdaten für etwas mehr als drei Jahrzehnte, was die Analyse erschwert.

Sebastian Wenz vom Haus First Private sieht ein weiteres Problem beim KI-Einsatz. Der Fonds „First Private Wealth“ und „FP Artellium Evolution“, die im vergangenen Jahr eine Mehrrendite erzielten, basieren ebenfalls auf KI.