Digitalisierung in der Finanzbranche: Entscheiden Algorithmen künftig im Asset Management mit?

Künstliche Intelligenz (KI) kann im Asset Management dazu eingesetzt werden, um Muster an den Finanzmärkten zu erkennen. Doch die Systeme sind bereits an ihrer Grenze, sagt Jochen Werne vom Bankhaus Lenz. Im zweiten Teil seiner Analyse erklärt er, wie KI bei der Investment-Auswahl helfen können.
Welche Rolle spielt künstliche Intelligenz derzeit und zukünftig im Asset Management? Das erklärt Jochen Werne, Direktor beim Münchner Bankhaus August Lenz & Co., in einem exklusiven Gastbeitrag für DAS INVESTMENT. In seiner dreiteiligen Analyse geht es um Chancen und Grenzen der neuen technischen Möglichkeiten sowie den Faktor Mensch.

In manchen Bereichen des Asset Managements werden KI-basierte Systeme bereits erfolgreich eingesetzt, meist allerdings nur, um Trends aufzudecken. Sie nutzen Data Mining und Mustererkennung, um die Wahrscheinlichkeit von Marktbewegungen aufzuzeigen oder hervorzuheben, die der menschliche Investor nur schwerlich erkennen und somit berücksichtigen würde.

Jochen Werne, Bankhaus August Lenz

Der Vorteil beim Einsatz künstlicher Intelligenz basiert auf der Nutzung heutiger Rechenleistungen, um Muster zu erkennen und Möglichkeiten für eine schnelle Entscheidungsfindung und Durchführung von Investitionen zu identifizieren. Größer und schneller ist jedoch nicht immer besser. In der Automobilindustrie versucht man das komplexe Thema des autonomen Fahrens mitunter damit zu lösen, dass man relevante Daten für selbstlernende Systeme sammelt, indem man die Reaktionen eines realen Fahrers in der Praxis beobachtet und auswertet.
Wenn man es in einer vereinfachten Analogie darstellen möchte, macht man die KI zum Beifahrer, die vom Fahrer direkt lernt. Dieses Setup auf den Asset Manager angewandt, könnte jedoch dazu führen, dass manche Fehler menschlicher Anleger nachgeahmt werden. Das bekannte Problem der Behavioral Finance, der emotionsgetriebenen, situativ falschen Entscheidung, würde dann ironischerweise von der Maschine übernommen werden. Dies würde wiederum dazu führen, dass eine der besten und einzigartigen Eigenschaften des Menschen, nämlich seine Fähigkeit zu emotionalem Handeln, in diesem Fall gegen ihn spielen würde.
Systeme bereits an ihrer Grenze
Auch wenn die Branche von Lernenden Systemen und Künstlicher Intelligenz schwärmt und hier wohl dem technischen Fortschritt kaum Grenzen gesetzt zu sein scheint: Im Asset Management kommen die Systeme heute noch schneller als gedacht an ihre Grenzen. Denn letztlich gilt es, die Frage zu beantworten: Welche Teile der Prozesskette sollen und können optimiert werden? Wenn es um Investmententscheidungen unter Unsicherheit geht, sind klare psychologische Barrieren zu erkennen, vermeintlich einer Blackbox, vollautomatische Orderausführungen ohne menschliche Kontrolle zu überlassen.


Gerade im digitalen Asset Management gibt es eine enorm große Anzahl an potenziell auswertbaren Daten – Daten, die jedoch bei falscher Aufbereitung von keinem selbstlernenden System in einen hilfreichen Zusammenhang gebracht werden können. Um die 90 Prozent der Arbeit besteht darin, valide Daten auszuwählen und zu verarbeiten. KI-Systeme werden dazu genutzt, komplexe Muster zu analysieren. Asset Manager nutzen die Erkenntnisse dann als Entscheidungshilfe, um im letzten Schritt, etwa die Investition in ein Portfolio, zu tätigen. Übertragen bedeutet dies, dass die Investitionsentscheidung beim Menschen und nicht bei der Maschine liegt.

Verantwortung des Asset Managers
Systeme könnten relativ schnell und preisgünstig so programmiert werden, dass sie diese Entscheidung, respektive diesen Prozessschritt zur Anlage selbstständig fällen. Doch liegt es in der Verantwortung des Asset Managers, die Basis der Anlageentscheidung jederzeit nachvollziehen zu können – und zwar vorab. Hier stehen wir wieder am Eingangsproblem: Der Markt ist volatil und kann nicht vorhergesagt werden, weder von Menschen, noch von Maschinen.
Selbst die ausgereifteste KI heute kann hier nur Hochrechnungen ausführen und somit eine Tendenz zur Entscheidungshilfe beisteuern. Und dies auch nur in einem begrenzten, vorab definierten Fenster. In diesem Zusammenhang wird oftmals die Frage aufgeworfen, ob in Zukunft und mit effizienteren KI-Systemen überhaupt noch Asset Manager benötigt werden.


Eine Antwort kann man vielleicht aus der Aussage von Professor Ajay Agrawal der kanadischen Rotman School of Managment in seinem Essay mit dem Namen "The economics of artifical intelligence ableiten": "So as the value of human prediction falls, the value of human judgment goes up because AI doesn't do judgment – it can only make predictions and then hand them off to a human to use his or her judgment to determine what to do with those predictions."
Künstliche Intelligenz in der Praxis
Im praktischen Einsatz können – neben den beschriebenen Einsatzfeldern von AI im Asset Management – lernende Systeme besonders helfen, rechtlich notwendige Prozesse und Erkenntnisse rund um das Thema Know-Your-Customer, Risikomanagement und Fraud Detection/Prevention zu unterstützen.
Compliance-Richtlinien und Regulierungsvorgaben könnten somit effizienter eingehalten werden. Eine systematische Netzwerkanalyse über das gesamte Transaktionsnetzwerk fördert schnell und effizient Anomalien, Ausreißer und Besonderheiten, somit potenziell kriminelle Handlungen zum Beispiel in Bezug auf Betrug und Geldwäsche, zu Tage.

Mehr Infos über den Autor:
Der diplomierte Marketing-Spezialist Jochen Werne verantwortet bei der Bankhaus August Lenz & Co. AG in München die Bereiche Business Development, Marketing, Treasury & Payment Services. Außerdem ist er Mitglied der vom Bundesministerium für Bildung und Forschung initiierten KI-Plattform "Lernende Systeme". Lesen Sie in den weiteren Teilen dieser Artikelserie auch: Teil 1: KI im Investment-Management Teil 2: Entscheiden Algorithmen mit? Teil 3: Grenzen der KI-Technologie


Weiterlesen auf www.dasinvestment.com