private banking magazin: Herr Wenz, Sie leiten das Portfoliomanagement für die Merger-Arbitrage-Strategie bei First Private. Was genau versteht man unter Merger Arbitrage?

Sebastian Wenz: Das wesentliche Ziel der Merger-Arbitrage-Strategie ist es, an erfolgreichen Unternehmensübernahmen beteiligt zu sein. Typischerweise verhält es sich so: Sagen wir, die Aktie von Firma A handelt aktuell bei 50 Euro, dann kündigt ein anderes Unternehmen eine Übernahme von A für 100 Euro pro Aktie an. Der Aktienkurs des Übernahmekandidaten steigt daraufhin, erreicht jedoch in den meisten Fällen den Übernahmepreis nicht vollständig, da eine Firmenübernahme mit Unsicherheiten einhergeht. In unserem Beispiel steigt die Aktie bis auf etwa 90 Euro. Die verbleibenden 10 Euro sind der sogenannte Deal-Spread – genau diese Risikoprämie nutzen wir.

Wie unterscheidet sich Ihr quantitativer Ansatz von anderen Merger-Arbitrage-Fonds?

Wenz: Ein großer Vorteil dieser Strategie für den Einsatz von Machine Learning ist die binäre Klassifikation: Entweder wird der Deal genehmigt und der Investor erhält die Abfindung, oder er wird abgesagt. Solche Klassifizierungsprobleme lassen sich besonders gut mit KI-Algorithmen bearbeiten.

Während klassische Merger-Arbitrage-Manager häufig sehr konzentrierte Portfolios mit hoher Überzeugung auswählen, können wir mit Hilfe von Machine Learning ein deutlich breiteres Spektrum abdecken. Wir haben in der Regel zwischen 40 und 80 Deals gleichzeitig im Portfolio. Das ermöglicht eine viel bessere Diversifikation.

Welche Daten fließen in Ihre Modelle ein?

Wenz: Für das Training der Modelle werden verschiedene Datensätze kombiniert. Dazu gehören dealspezifische Daten, also Informationen, die direkt mit der Übernahme in Verbindung stehen, wie etwa der Übernahmepreis oder die geschätzte Dauer des Deals. Darüber hinaus werden auch aktienspezifische Daten eingesetzt, also Kennzahlen zur finanziellen Situation und Geschäftsentwicklung des Unternehmens.

Wir überprüfen nach Möglichkeit auch die finanzielle Situation des Käufers, um abzuschätzen, ob das Unternehmen sich die Übernahme problemlos leisten kann. Zuletzt fließen regulatorische Variablen in die Modelle ein: Zum Beispiel welche Behörden ihre Zustimmung erteilen müssen oder in welchen Ländern die Unternehmen ihre Umsätze erzielen.

Hat sich Ihr KI-Ansatz in der Praxis bereits bewährt?

Wenz: Definitiv. Ein anschauliches Beispiel ist der Fall Capri Holdings, der Muttergesellschaft von Michael Kors. Als die US-Regierung im Oktober 2024 die geplante Übernahme durch Tapestry blockierte, brach der Aktienkurs um fast 50 Prozent ein. Viele Wettbewerber erlitten dadurch schwere Verluste in ihren Portfolios.

Unsere Algorithmen hatten von Anfang an eine sehr niedrige Erfolgswahrscheinlichkeit für diesen Deal berechnet. Der Attraktivitätsscore war so niedrig, dass wir nicht investiert haben und diesen massiven Verlust vermeiden konnten. Das ist genau die Art von Mehrwert, die unser KI-Ansatz liefern kann.

Wie steht es aktuell um den Markt für Merger Arbitrage?

Wenz: Das Marktumfeld für M&A zeigt aktuell eine positive Entwicklung. Besonders außerhalb der USA – etwa in Japan oder Europa – beobachten wir eine zunehmende Aktivität. In den USA führten zuletzt die Zollstreitigkeiten nochmals zu einem Aufschieben einiger Deals. Trotzdem erwarten wir auch für den US-Markt mittelfristig eine spürbare Verbesserung. Unter der Biden-Regierung wurden überdurchschnittlich viele Deals blockierte, was die Merger Arbitrage Märkte belastet hat. Seit Trumps Wiederwahl ist jedoch eine regulatorische Entspannung spürbar. Private-Equity-Unternehmen, die in den letzten Jahren aufgrund der hohen Zinsen zurückhaltender waren, verfügen nun über große Kapitalreserven – rund 4 Billionen US-Dollar an sogenanntem „Dry Powder" warten darauf, endlich gewinnbringend eingesetzt zu werden.

Welche Faktoren könnten die M&A-Aktivität in den kommenden Jahren weiter antreiben?

Wenz: Mit Trumps Wiederwahl zeichnet sich eine fundamentale Wende ab. Die Ernennung von Andrew Ferguson zum FTC-Vorsitzenden und Gail Slater zur Leiterin der Antitrust-Abteilung signalisiert eine Rückkehr zu traditionelleren, berechenbareren Bewertungsmaßstäben für Übernahmen. Die erste Amtszeit von Trump war für unsere Strategie deutlich attraktiver als die Jahre danach. Das wurde auch in der Performance sichtbar.

Dazu kommt das verbesserte Zinsumfeld. Selbst ein oder zwei weitere Zinssenkungen um je 0,25 Prozentpunkte, wie sie für 2025 vom Markt erwartet werden, würden eine kumulative geldpolitische Lockerung von 1,5 Prozentpunkten seit September 2024 bedeuten, damals lag der Leitzins bei 4,75 bis 5,00 Prozent Diese Entwicklung verbessert die Finanzierungskonditionen für Übernahmen erheblich.

Und was macht Merger Arbitrage zu einer attraktiven Beimischung für ein Portfolio?

Wenz: Die Strategie bietet eine bemerkenswert geringe Korrelation zu traditionellen Anlageklassen wie Aktien und Anleihen. Seit wir diese Strategie vor knapp acht Jahren eingeführt haben, konnten wir beobachten, wie sie eine echte Diversifikation in verschiedenen Marktphasen bietet.

Merger Arbitrage hat als Strategie eine sehr kurze Duration – im Durchschnitt wird ein Deal nach etwa vier Monaten abgeschlossen. Das macht sie zu einer der wenigen einkommensorientierten Strategien, die nicht negativ auf Zinserhöhungen reagieren. Besonders in den letzten vier Jahren wurde dies im Vergleich zu klassischen Anleihestrategien deutlich.

Über Sebastian Wenz und First Private

Sebastian Wenz ist Senior Portfolio Manager und Partner bei First Private Investment Management in Frankfurt/Main. Nach seinem Studium der Wirtschaftsmathematik an der TU Darmstadt kam er 2017 zu First Private, wo er zusammen mit Christian Schuster den First Private Systematic Merger Opportunities Fonds (ISIN: DE000A0Q95G3) managt, der einen quantitativen, KI-gestützten Investmentansatz verfolgt.

First Private ist ein unabhängiger, quantitativer Asset Manager mit Sitz in Frankfurt, der seit den frühen 1990er-Jahren Benchmarks bei der Entwicklung und Umsetzung quantitativer Investmentstrategien für Aktien und liquide Alternativen setzt. Als Pionier im Bereich KI/ML-gesteuertes Asset Management in Deutschland verwaltet die eigentümergeführte Boutique seit 16 Jahren erfolgreich liquide alternative Strategien.

Stellen Sie sich vor: Die Meldung einer großen Firmenübernahme geht über die Ticker. Die Aktie des Übernahmeziels springt nach oben – bleibt aber noch unter dem gebotenen Preis. In dieser Lücke liegt eine Rendite-Chance.

Doch wie wahrscheinlich ist es, dass der Deal tatsächlich zustande kommt? Hier kommt der First Private Systematic Merger Opportunities (ISIN: DE000A0Q95G3) ins Spiel – mit einem Trick, den sonst kaum jemand auf dem Schirm hat: hochentwickelte künstliche Intelligenz, die mit erstaunlicher Trefferquote vorhersagen kann, welche Deals zustandekommen und welche scheitern.

Der Spalt zwischen Ankündigung und Vollzug

Wenn ein Unternehmen ein anderes kaufen will, bietet es typischerweise mehr als den aktuellen Börsenkurs. Trotzdem notiert die Aktie des Übernahmeziels nach der Ankündigung meist unter diesem Angebotspreis.

Nach der Ankündigung einer M&A-Transaktion wird das Zielunternehmen mit einem Abschlag zum Angebotspreis gehandelt – dem sogenannten Merger Arbitrage Spread", erklärt Sebastian Wenz, Portfoliomanager bei First Private. "Dieser Abschlag entsteht durch das wahrgenommene Risiko eines möglichen Scheiterns der Transaktion."

In dieser Preislücke steckt die Chance für Anleger. Geht der Deal durch, winkt die zusätzliche Rendite. Scheitert er, drohen Verluste. Der Clou des First Private Systematic Merger Opportunities: Der Fonds nutzt fortschrittliche Technologie, um bessere Vorhersagen zu treffen als der Markt.

Wenn KI auf Unternehmensdeals trifft

Die Magie des Fonds, der derzeit rund 25 Millionen Euro verwaltet (Stand: 30.04.2025), liegt in seinem systematischen, KI-basierten Ansatz. "Merger Arbitrage eignet sich hervorragend für die Analyse mit KI", erläutert Wenz mit spürbarer Begeisterung. "Unternehmensübernahmen sind klassische Klassifizierungsprobleme – entweder der Deal geht durch oder er scheitert. Und genau bei solchen Ja-oder-Nein-Entscheidungen können Algorithmen Trefferwahrscheinlichkeiten von über 90 Prozent erreichen."

First Private sitzt auf einem Datenschatz, den kaum jemand sonst hat: eine proprietäre Datenbank mit Informationen zu mehr als 20.000 Übernahmen, die bis in die 1990er-Jahre zurückreicht. Diese Goldgrube an Daten wird mit cleveren Machine-Learning-Methoden durchforstet, um Muster in erfolgreichen und gescheiterten Deals zu erkennen.

Das Ergebnis: ein "Attraktivitäts-Score", der für jeden Deal das Verhältnis von Chance und Risiko bewertet.

Wie die KI einen Übernahme-Flop vorhersagte

Die Stärke dieses Ansatzes zeigte sich deutlich bei der Übernahme von Capri Holdings (Michael Kors) – ein Deal, der von der US-Regierung blockiert wurde und bei dem viele Wettbewerber schwere Verluste erlitten.

"Unsere Algorithmen hatten von Anfang an eine sehr niedrige Erfolgswahrscheinlichkeit für diesen Deal berechnet," erklärt Wenz. "Der Attraktivitäts-Score war so niedrig, dass wir nicht investiert haben."

Während andere Manager einen Verlust von 50 Prozent auf dieser Position verbuchten, blieb der First Private Systematic Merger Opportunities verschont.

Der Vorteil: Menge statt Mut

Während viele traditionelle Merger-Arbitrage-Manager nur eine Handvoll Deals mit hoher Überzeugung auswählen, kann First Private dank seiner KI-Algorithmen ein viel breiteres Spektrum abdecken.

"Die meisten Wettbewerber konzentrieren sich auf 10 bis 15 Deals und gewichten diese hoch", sagt Wenz. "Wir können mit Hilfe von Machine Learning viel mehr Deals schneller analysieren. Wir haben in der Regel zwischen 40 und 80 Deals gleichzeitig im Portfolio."

Diese Streuung zahlt sich aus – besonders bei der geografischen Diversifikation. Während viele Wettbewerber stark auf den US-Markt fokussiert sind, hat First Private etwa 45 Prozent in Nordamerika und 55 Prozent in anderen Regionen investiert. Als die Biden-Administration viele US-Deals blockierte, lieferten Übernahmen aus Europa, Japan und anderen Märkten stabile Erträge.

Die Zahlen: Solide Rendite, geringe Korrelation

 Der First Private Systematic Merger Opportunities (SMO) zielt nicht auf spektakuläre Kursfeuerwerke ab – sondern auf stetige, verlässliche Erträge bei überschaubarem Risiko. Das Fondsmanagement strebt eine jährliche Überrendite von 4 bis 6 Prozent an – bei einer moderaten Volatilität von 5 bis 7 Prozent.

Dass der Ansatz aufgeht, zeigt ein Blick auf die jüngste Marktphase: Zwischen Ende Februar und Mitte April 2025, als der MSCI World in Euro um mehr als 20 Prozent einbrach, verlor der SMO lediglich rund 2 Prozent – und markierte bereits Ende April ein neues Allzeithoch. Im Vergleich zur Peergroup kann sich das Ergebnis sehen lassen.

Nach einigen schwierigeren Jahren sieht es jetzt wieder richtig gut aus für Merger Arbitrage. "Die globale M&A-Aktivität steigt seit Ende 2023 stark an", berichtet Wenz. "Es wird erwartet, dass die Trump-Präsidentschaft die Übernahmeaktivitäten weiter befeuern wird. Seine erste Amtszeit war für unsere Strategie deutlich attraktiver."

Die Macher hinter den Maschinen

Hinter den cleveren Algorithmen stehen echte Menschen: Sebastian Wenz, promovierter Mathematiker mit Schwerpunkt Kapitalmarktforschung, und Christian Schuster, CFA. "Es ist nicht nur die KI allein", betont Wenz. "Es ist die Kombination aus menschlichem Know-how, bewährten systematischen Prozessen und modernsten Machine-Learning-Ansätzen, die uns auszeichnet."

Für Anleger, die nach einer wirklich unkorrelierten Alternative suchen und dabei auf die Kraft künstlicher Intelligenz setzen wollen, bietet der First Private Systematic Merger Opportunities einen innovativen Zugang zu einer der ältesten Hedge-Fonds-Strategien – mit moderner Technologie neu interpretiert.

Als unabhängige, technologieaffine Investment-Boutique fokussiert sich First Private auf das regelbasierte, quantitative Management von Aktien und Liquid Alternatives auf Basis modernster Methoden wie etwa Künstlicher Intelligenz. Ihre innovativen Strategien bietet der Manager über Publikums- und Spezialfonds an. Die FP Gruppe mit Standorten in Frankfurt am Main und Zug (Schweiz) bietet unter den Marken First Private Investment Management und re:cap global investors ag spezialisierte Asset Management Leistungen in den Segmenten Aktien, Multi Asset & Alternatives. Die Gruppe verwaltet schwerpunktmäßig in der DACH-Region ein Volumen von 3,3 Milliarden Euro (Stand 30. Dezember 2024) für institutionelle und private Anleger.

Mehr Informationen finden Sie hier.