ODDO BHF “Insight Into” vom Oktober 2026
“Künstliche Intelligenz soll den Fondsmanager weder ersetzen noch an seiner Stelle entscheiden.”
Vom Spezialisten für europäische Aktien zur Multi-Expertise-Anlageplattform
In den vergangenen fünfzehn Jahren haben wir unseren Investmentansatz grundlegend weiterentwickelt. Ursprünglich auf überzeugungsbasierte, aktive Investitionen in europäische Aktien ausgerichtet, haben wir unser Spektrum durch mehrere strategische Akquisitionen und den Aufbau neuer Kompetenzen schrittweise erweitert.
Diese Transformation hat unsere Kompetenzen im Anleihen-, Quant-, Multi-Asset- und aktiven ETF-Management gestärkt und den Aufbau eines Angebots für Privatmarktanlagen vorangetrieben. Das Ziel ist dabei stets dasselbe geblieben: eine ausgewogenere Anlageplattform zu schaffen, die den zunehmend vielfältigen Anlagebedürfnissen gerecht werden kann.
Sie knüpft jedoch an unsere DNA an: Das aktive, überzeugungsgetriebene Management bleibt der rote Faden unserer Entwicklung.
Künstliche Intelligenz, eine neue Stufe des aktiven Managements
Vor diesem Hintergrund haben wir 2017 begonnen, künstliche Intelligenz in unsere Investmentprozesse zu integrieren. Dabei folgten wir keinem Modetrend, sondern reagierten auf den strukturellen Wandel des Fondsmanagerberufs und die rasanten Entwicklungen im Bereich der KI.
Die Investmentteams müssen heute eine enorme Informationsmenge auswerten. Zu den klassischen Finanzdaten kommen unstrukturierte Daten aus der Presse, aus Fachpublikationen, Webcasts, sozialen Netzwerken, Stellenanzeigen oder auch Satellitenbildern.
Gleichzeitig beeinflussen Makroökonomie, Geopolitik und wechselnde Marktregime Unternehmen und Portfolios stärker. Die fundamentale Finanzanalyse bleibt unverzichtbar, muss aber künftig durch neue Informationsquellen und eine differenziertere Risikosteuerung ergänzt werden.
Der „erweiterte Fondsmanager“: menschliche Expertise, Daten und Technologie verbinden
Künstliche Intelligenz soll den Fondsmanager weder ersetzen noch an seiner Stelle entscheiden.
Sie soll seine Analysefähigkeiten erweitern, indem sie ihm ermöglicht, größere Informationsmengen schneller zu verarbeiten und Signale zu erkennen, die mit herkömmlichen Methoden schwer zu identifizieren sind.
Dieses Modell beruht auf dem Zusammenspiel von drei sich ergänzenden Kompetenzfeldern:
- den Fondsmanagern und Fundamentalanalysten;
- den Quant-Spezialisten;
- den Data Scientists und KI-Experten.
Der Mehrwert entsteht dabei nicht allein durch die Technologie, sondern durch die Fähigkeit, die Ergebnisse der Modelle in nachvollziehbare Anlageentscheidungen zu übersetzen, die zur Anlagephilosophie passen und in einen kontrollierten Risikorahmen eingebettet sind.
Das ist das Prinzip des „erweiterten Fondsmanagers“: ein Experte, der die Verantwortung für seine Entscheidungen behält und sich dabei auf Daten und quantitative Instrumente stützt, um sein Analysefeld zu erweitern.
Fünf konkrete Anwendungen in unseren Investmentprozessen
1. Risiken besser verstehen und steuern
Quantitative Instrumente ermöglichen es, Risiken aus einzelnen Titeln, Sektoren oder Faktoren wie Wachstum, Bewertung und Momentum präziser zu analysieren.
Ziel ist es nicht, die Überzeugungen des Fondsmanagers zu relativieren, sondern zu überprüfen, ob die tatsächlich eingegangenen Risiken diesen Überzeugungen entsprechen, und unbeabsichtigte Konzentrationen zu vermeiden. Angesichts der anhaltenden Marktvolatilität gewinnt konsequentes Risikomanagement zunehmend an Bedeutung, um starke „Drawdowns“ zu vermeiden, die Kunden immer weniger akzeptieren.
2. Alternative Daten nutzen
Unsere Teams können verschiedene Datenquellen miteinander verknüpfen, um ihr Verständnis von Unternehmen oder Sektoren zu vertiefen.
Stellenanzeigen liefern Hinweise auf die Dynamik eines Unternehmens, Besucherzahlen auf Konsumtrends und Satellitenbilder auf das Niveau der wirtschaftlichen Aktivitäten. Unser internes Tool bündelt einen Teil dieser Informationen und stellt sie den Managementteams in unmittelbar nutzbarer Form zur Verfügung.
3. Komplexe Zusammenhänge mit Machine Learning erkennen
Machine Learning ermöglicht es, eine große Zahl von Variablen gleichzeitig zu analysieren und Wechselwirkungen zu erkennen, die mit klassischer Analyse nur schwer zugänglich sind.
Die Modelle können zusätzliche Wahrscheinlichkeiten oder Signale liefern, die der Fondsmanager mit seiner Fundamentalanalyse und seiner Marktkenntnis abgleicht. Das Management bleibt diskretionär: Die Maschine erweitert die Analyse, während die Verantwortung für die Anlageentscheidung beim Fondsmanager verbleibt.
4. Neue Trends erkennen
Instrumente zur Verarbeitung natürlicher Sprache (Natural Language Processing) analysieren Presseberichte und Finanzpublikationen, um neue Anlagethemen frühzeitig zu identifizieren.
Die neuesten Modelle stützen sich nicht mehr ausschließlich auf statische Schlagwortlisten. Sie sind vielmehr in der Lage, neue semantische Cluster zu erkennen und deren Entwicklung zu verfolgen, insbesondere zu Themen wie künstliche Intelligenz, Elektrifizierung, ökologischer Wandel oder die Raumfahrtökonomie.
5. Die Recherche mit KI-Agenten strukturieren
KI-Agenten eröffnen einen neuen Entwicklungsschritt. Sie können große Informationsmengen kontinuierlich analysieren, priorisieren und auf die Bedürfnisse der Teams zugeschnittene Zusammenfassungen erstellen.
Mittelfristig werden mehrere spezialisierte Agenten, etwa für Makroökonomie, Unternehmensanalyse oder Risikomanagement, koordiniert zusammenarbeiten können. Ihre Aufgabe wird darin bestehen, die Recherche zu strukturieren und Zeit für jene Aufgaben freizusetzen, bei denen menschliche Expertise weiterhin entscheidend ist: ein Szenario bewerten, eine Überzeugung formulieren und das Portfolio aufbauen.
Erfolgsbedingungen, die über Technologie hinausreichen
Das Potenzial künstlicher Intelligenz hängt in erster Linie von der Qualität der Daten und der Robustheit der verwendeten Infrastruktur ab.
Eine wirksame Governance der Modelle ist daher entscheidend: Sie umfasst die Kontrolle der Zuverlässigkeit und Nachvollziehbarkeit der Daten, die Messung der Stabilität der Ergebnisse, die Identifikation möglicher Verzerrungen (Biases) sowie die Sicherstellung menschlicher Kontrolle bei allen wesentlichen Schritten.
Die Entwicklung von KI-Agenten bringt zudem neue Herausforderungen mit sich: Mehrere Modelle müssen orchestriert, mitunter widersprüchliche Signale gegeneinander abgewogen, die Konsistenz der Ergebnisse gewährleistet und die Rechenkosten kontrolliert werden.
Technologie wird dann zu einem Wettbewerbsvorteil, wenn sie in eine robuste, transparente und auf die Investmentprozesse zugeschnittene Architektur eingebettet ist.
Fazit
Künstliche Intelligenz bedeutet nicht das Ende des aktiven Managements. Sie verändert dessen Methoden und erweitert das Spektrum an Informationen, auf die das Fondsmanagement zurückgreifen kann. In einem Umfeld, das von einer wachsenden Datenflut und zunehmenden Risiken geprägt ist, ergeben sich Vorteile nicht allein aus dem Zugang zu Informationen, sondern aus der Fähigkeit, relevante Daten auszuwählen, zu interpretieren und in einen stringenten Entscheidungsprozess zu integrieren.
Der „erweiterte Fondsmanager“ verkörpert diese Entwicklung: Die Technologie erlaubt es, Analysen schneller und umfassender durchzuführen, während menschliche Expertise unverzichtbar bleibt, um die Grenzen der Modelle zu verstehen, eine Überzeugung zu formulieren und Verantwortung für die Anlageentscheidung zu übernehmen.
