Künstliche Intelligenz verbessert Investment-Expertise

Ein weiterer Vorteil von KI ist ihr Potenzial zur Förderung der Kreativität. Im Bereich des Research können beispielsweise große Sprachmodelle wie ChatGPT dazu beitragen, neue Datenquellen zu erschließen, Erkenntnisse zu gewinnen und neue Forschungsarbeiten in Bereichen wie Geopolitik, Konjunkturzyklen und verantwortungsbewusstes Investieren anzuregen. Letztendlich kann KI die gesamte Investment-Expertise verbessern und den Weg für fundiertere Anlageentscheidungen ebnen.

Im Bereich des Investment-Research strukturiert KI nicht nur die Datenflut, sondern unterstützt auch die Analyse von zuvor unzugänglichen unstrukturierten Datenquellen wie Nachrichtenmeldungen, sozialen Medien und Satellitenbildern. Dies hilft in Bereichen wie Geopolitik, Makroökonomie, Vermögensallokation und verantwortungsbewusste Investitionen.

Direkter Austausch ist unersetzbar

Die Integration von KI ist jedoch mit Herausforderungen verbunden. Historische Muster lassen  keine verlässlichen Vorhersagen über das zukünftige Marktverhalten zu, Algorithmen können wichtige Faktoren übersehen, und Maschinen könnten falsche Zusammenhänge erkennen, die lediglich Abweichungen sind. Daher ist die Kontrolle durch den Menschen unerlässlich. Außerdem liefert der direkte Austausch mit Unternehmen, Kunden und Analysten Erkenntnisse, die KI nicht erfassen kann, sodass eine konstruktive Rückkopplungsschleife zwischen Mensch und Maschine für das Management von Ergebnisverzerrungen und die Bewältigung der Grenzen der KI entscheidend ist.

Die neue Situation erfordert von Vermögensverwaltern die Entwicklung einer klaren KI-Identität. Sie sollten das Engagement innerhalb ihrer Organisationen fördern, um ein umfassendes Verständnis der Möglichkeiten der KI-Technologie und ihres Potenzials zur Verbesserung sowohl bei  Anlageentscheidungen als unter dem Aspekt des Kundennutzens sicherzustellen.

Die fünf wichtigsten zu erwartenden Vorteile der KI:

1. Verbesserung des Datenmanagements: Erschließung bisher nicht verwendbarer Daten und Reduzierung von Störsignalen
2. Pflege der KI-Identität: Ein intensives Engagement aller Teams kann einen Wettbewerbsvorteil bringen
3. Verbesserung der Investment-Expertise: Diese ermöglicht eine schnellere Reaktion auf sich verändernde Märkte
4. Wissensaustausch: Zusammenführung von Erfahrungen und Förderung der Zusammenarbeit zwischen den Teams
5. Transformation des Research und der Ergebnisse: KI inspiriert neue Analyseprozesse und Erkenntnisse

Beim Einsatz von KI ist natürlich auch Vorsicht geboten, denn eine Integration erfordert viel Aufmerksamkeit hinsichtlich der Datenqualität, potenzieller Manipulationen und dem sogenannten Herdenverhalten. Wenn viele Marktteilnehmer die gleichen Ansätze und Daten verwenden, kann dies zu systemischen Risiken führen. Daher ist es sowohl unwahrscheinlich als auch unerwünscht, dass KI die von Menschen getroffenen endgültigen Anlageentscheidungen ersetzt.

Datenanalyse mit Hilfe von KI

Ein Bereich, in dem KI einen Mehrwert schaffen kann, ist die Datenanalyse. Das Amundi Investment Institute und die Amundi Technology Teams entwickeln gemeinsam Tools, die diese in Bezug auf Risikofaktoren und makroökonomische Variablen verbessern und Investoren dabei unterstützen, Risiken ihrer Portfolios besser zu verstehen. Um die relevantesten Faktoren zu identifizieren und in ein Risikomodell zu integrieren, haben die Teams ein maschinelles Lernmodell zur Multifaktorkorrelation für die Daten-Sensitivitäsanalyse innerhalb von Portfolios entwickelt. Dieses Modell berechnet die Sensitivität eines Portfolios gegenüber einer Reihe verschiedener Faktoren. Die Berechnung erfolgt auf Aktienebene. Das Hauptziel besteht darin, zu verstehen, welche unter den mehr als 100 Faktoren für das Risiko und die Performance eines Portfolios relevant sind.

Rohdaten: Die Erstellung eines Data Warehouse, also einem digitales, zentrales System zur Analyse von Daten verschiedener Quellen, beginnt mit der Aggregation von Datenquellen innerhalb des Unternehmens. Der Algorithmus hilft dabei, die Datenflut zu reduzieren und die Datenstruktur aus historischen Daten zu bestimmen.

Initiale Faktorenanalyse: Die Sensitivität auf Aktien- und Portfolioebene gegenüber verschiedenen Faktoren wird im Voraus anhand der Rohdaten berechnet. Amundi leitet die Sensitivität gegenüber jedem Faktor auf Aktienebene ab, aus der die Portfoliosensitivität gegenüber diesem Faktor berechnet wird. In diesem Teil des Prozesses wird keine KI verwendet. Die Cluster-Technik in der nächsten Phase wird unter Verwendung dieser Sensitivitätszahlen durchgeführt.

Daten-Cluster und Faktor-Ranking: Mithilfe von Cluster-Techniken werden die Ähnlichkeiten zwischen den Faktoren quantifiziert und die Datenpunkte entsprechend ihrer Ähnlichkeit untereinander in Clustern gruppiert. Die Gruppierung der Faktoren in Clustern hilft dabei, die wichtigsten Risikotreiber innerhalb eines Portfolios hervorzuheben. Das Modell ermöglicht es, jeden Cluster zu untersuchen und die Sensitivität des Portfolios gegenüber den darin enthaltenen Faktoren zu erkennen. Die Faktoren werden vom Modell anhand ihrer Relevanz für die Performance gereiht. Das Modell hebt hervor, worauf sich die Portfoliomanager konzentrieren müssen.

Portfoliobewertung: Dank der Cluster-Technik sind die wichtigsten Sensitivitätsfaktoren auf Aktien-, Sektor- und Portfolioebene zu erkennen. Mit Hilfe dieser kann man bestimmen, ob ein Engagement tatsächlich gewünscht ist. Im Wesentlichen hilft der Einsatz von KI bei der Datenanalyse, Fehler bei der Entscheidungsfindung zu reduzieren.

KI verbessert die Verwendbarkeit von Daten auf verschiedene Weise:

Umfänglichere Datenbeschaffung: Mehrere Datensätze werden aggregiert, um ein Modell zu erstellen, das eine „variantenreiche Perspektive” auf jedes Wertpapier oder Portfolio generieren kann. So kann beispielsweise die Sensitivität der Rendite eines Sektors gegenüber einer Veränderung eines Faktors gemessen werden.

Verbesserte Datenqualität: Bevor die Daten in einem erstellten Modell verwendet werden können, müssen sie überarbeitet werden. Ausreißer und/ oder zu hohe Volatilität können den Gesamttrend verzerren. Zunächst werden maschinelle Lernverfahren eingesetzt, um die Rohdaten zu überprüfen und sicherzustellen, dass Störsignale reduziert werden und die Daten für bestimmte Portfolios relevant sind.

Insgesamt glauben wir, dass die KI-Integration eine große Chance darstellt, das Wissensmanagement zu verbessern und umsetzbare Erkenntnisse zu gewinnen, sodass Investoren mit zunehmenden KI-Fähigkeiten effektiver durch die Komplexität der Finanzmärkte navigieren können.

Quelleninformationen und weitere Angaben finden Sie im Research Paper „AI in investment research“ sowie im Amundi Research Center.

Rechtliche Hinweise: Sofern nicht anders angegeben, stammen alle Informationen in diesem Dokument von dem Amundi Asset Management und sind Stand 3. Oktober 2025 (Veröffentlichung des Researchs). Die in diesem Dokument vertretenen Einschätzungen der Entwicklung von Wirtschaft und Märkten sind die gegenwärtige Meinung des Amundi Asset Management. Diese Einschätzungen können sich jederzeit aufgrund von Marktentwicklungen oder anderer Faktoren ändern. Es ist nicht gewährleistet, dass sich Länder, Märkte oder Sektoren so entwickeln wie erwartet. Diese Einschätzungen sind nicht als Anlageberatung, Empfehlungen für bestimmte Wertpapiere oder Indikation zum Handel im Auftrag bestimmter Produkte des Amundi Asset Management zu sehen. Es besteht keine Garantie, dass die erörterten Prognosen tatsächlich eintreten oder dass sich diese Entwicklungen fortsetzen.