Künstliche Intelligenz, kurz KI, findet immer mehr Anwendungsgebiete. Dazu gehört inzwischen auch das Fondsmanagement, das Verwalten von Vermögen. „Künstliche Intelligenz und neuronale Netze sind kein neues Thema, allerdings ist die Anwendung auf die Finanzmärkte früher an den Rechnerkapazitäten gescheitert“, erläutert Christian Sievers, Geschäftsführer der Laiqon-KI-Tochter Laic, im Gespräch mit der Börsen-Zeitung. „Denn gerade Finanzmärkte sind äußerst komplexe Systeme.“

Laic ist übrigens eine Tochter der börsennotierten Laiqon AG, die vormals als Lloyd Fonds AG firmierte. Dabei ist Laic für die Entwicklung der künstlichen Intelligenz im Laiqon-Konzern zuständig. Der studierte Betriebswirt Sievers trainiert und implementiert mit einem Team von aktuell rund 30 KI- und Machine-Learning-Experten die künstliche Intelligenz, den sogenannten Laic-Advisor.

Finanzmärkte zu prognostizieren sei nicht leicht. „Schach ist einfacher, so ist es 1997 dem Computer Big Blue gelungen, den Schachweltmeister Gari Kasparow zu schlagen“, erläutert Sievers. Die Fortschritte bei KI seien immens. „Aufgrund der Kapazität der Rechnerleistung sind seit 2011 immer mehr KI-Anwendungen im Einsatz.“

Bei vielen Modellen im Assetmanagement seien die Muster fest definiert. Anders bei KI. „Das Besondere am Einsatz von künstlicher Intelligenz ist, dass kein Muster vorgegeben ist, sondern dass das neuronale Netz aufgrund von den vorgefundenen Daten Antworten liefert“, erklärt der KI-Fachmann.

Sievers und sein Team sind aber keine Trockenschwimmer. „Wir haben 2018 begonnen, unsere Modelle zu entwickeln, im Mai 2020 sind wir dann mit einer BaFin-Lizenz live gegangen und haben den ersten Ucits-Fonds aufgelegt“, sagt Sievers. Heute manage die Laic-KI bereits rund 150 Mill. Euro in den drei Mischfonds LF-AI Defensive Multi Asset, LF-AI Balanced Multi Asset und LF-AI Dynamic Multi-Asset, den beiden Aktienfonds LF – AI Impact Equity US und LF – AI Impact Equity EU sowie in privaten und institutionellen Mandaten.

Das soll aber nur der Anfang sein. Derzeit würden mehrere Joint Ventures mit institutionellen Partnern aufgebaut, die sich Zugriff auf den Laic-Advisor gesichert hätten. Die Laiqon-Produkte und Services seien voll digital verfügbar und könnten Dritten auch als White-Label-Partner zur Verfügung gestellt werden. Dadurch soll insbesondere das von Laic verwaltete Vermögen deutlich ansteigen.

Doch wie bei aktiven Managern, so gebe es auch bei KI-Anwendungen erhebliche Unterschiede. „KI-Modelle sind nicht alle gleich, sie sind höchst unterschiedlich, das macht es nicht einfach, die Qualität eines KI-Modells zu beurteilen“, erläutert Sievers. „Hinter einem KI-Modell stehen immer Menschen, die dieses Modell entwickeln.“ Insofern kommt es wohl immer auf das KI-Modell und die Entwickler an. Und vor diesem Hintergrund dürften unterschiedliche KI-Modelle zu unterschiedlichen Ergebnissen führen. Somit heißt es auch bei KI genau hinzuschauen.

„KI funktioniert immer dort gut, wo große Datenmengen zur Verfügung stehen“, erklärt Sievers. Insofern seien Small-Cap-Investments nicht unbedingt der Sektor für den Einsatz von KI, denn hier sei die Datenbasis in der Regel eher relativ gering. Auf Makroebene oder bei Large Caps, wo viele Daten zur Verfügung stünden, biete es sich hingegen an, KI zu verwenden. „Der Hauptteil unserer Daten bei unseren Mischfonds sind makroökonomische Daten und entsprechen somit einem Top-down-Ansatz. Der zweite Faktor sind dann Preisdaten wie Kurse“, sagt Sievers. „Unsere Datenbasis reicht bis 1993 zurück.“

Im Gespräch mit der Börsen-Zeitung rückt Sievers auch manche Vorurteile zurecht. „Der Aufbau einer KI im Assetmanagement ist relativ teuer“, sagt der Experte. Sobald eine erfolgreiche KI einmal aufgebaut sei, würden sich Skalenvorteile ergeben, je mehr Gelder von der KI verwaltet werden. Insofern geht Sievers davon aus, dass die laufenden Kosten von KI-gesteuerten Fonds niedriger als die von herkömmlichen aktiven Fonds sein dürften, aber höher als die von rein passiven, Indizes abbildeten ETFs.

Darüber hinaus stelle sich die Frage, auf welche Weise und mit welchen Ansätzen man KI-Modelle implementiere. „Bei unserer KI verwenden wir einen bayesianischen Ansatz, der auf einen Mathematiker namens Bayes zurückgeht“, erklärt Sievers. „Wir arbeiten dabei nicht mit Punktprognosen, sondern wir weisen unterschiedlichen Prognosen eine bestimmte Wahrscheinlichkeit zu.“

In der Praxis habe sich die von ihm und seinem Team aufgebaute KI in durchaus schwierigen Zeiten bewährt. „Unsere KI hat in den vergangenen Jahren beim deutlichen Zinsanstieg an den Anleihemärkten gut funktioniert“, betont Sievers. „Als die Inflationsdaten anstiegen, hat sich die KI am Anleihemarkt vor allem am kurzen Ende positioniert.“ Dadurch habe der durch KI gesteuerte defensive Mischfonds deutlich besser abgeschnitten als die entsprechende Peergroup.