Die Finanzindustrie erlebt einen der prägendsten Technologieschübe ihrer Geschichte. Künstliche Intelligenz beginnt Einzug zu halten in die Wertschöpfung im Asset Management – wenn auch in sehr unterschiedlichem Reifegrad. Die Chancen sind erheblich: KI kann die Kernprozesse im Asset Management auf ein neues Qualitätsniveau heben.
Sie verarbeitet große, unstrukturierte Datenmengen umfassender, konsistenter und schneller als der Mensch – und das rund um die Uhr. Anlageentscheidungen können verbessert, aufwendige Überwachungsprozesse automatisiert, die Produktivität im Research vervielfacht werden. Mit agentischen KI-Systemen lassen sich vollständige Workflows orchestrieren: von der Produktentwicklung über Compliance-Prüfungen bis zur komplexen Portfolio-Optimierung.
Für Family Offices, Stiftungen und institutionelle Investoren stellt sich damit eine drängende Frage: Woran erkennt man, welche Asset Manager ihre Prozesse durch KI wirklich transformieren – und welche lediglich Narrative kommunizieren?
Schöpferische Zerstörung
Der intellektuelle Ursprung wissenschaftlicher Analysen technologischer Umbrüche geht zurück auf Josef A. Schumpeter, der bereits 1942 die „schöpferische Zerstörung" – wenn Innovation alte Strukturen verdrängt – als Wesenskern des Kapitalismus definierte. Unser heutiges Verständnis technologischer Transformationen wurde maßgeblich von der Innovationsökonomin Carlota Perez geprägt, die den Verlauf großer technologischer Revolutionen in zwei Hauptphasen unterteilt hat: eine Installation Phase, in der neue Technologie entsteht und Kapital spekulativ in neue Narrative strömt, gefolgt von einer Deployment Phase, in der echte wirtschaftliche Durchdringung und neuer Wohlstand entstehen.
Das Asset Management befindet sich hinsichtlich KI in einer fortgeschrittenen Installation Phase – mit branchenspezifischer Ausprägung. Die für diese Phase typischen Symptome wie Bewertungsblasen bei Startups und unkontrolliertes Wachstumskapital sind regulatorisch gedämpft. Doch das Muster ist erkennbar: Infrastrukturen entstehen, Budgets fließen, „KI-Strategien" werden verkündet – ohne fundamentale Änderung in den Arbeitsprozessen. Pilotprojekte existieren überall, dezidierte strukturelle Integration in Kernprozesse bleibt die Ausnahme.
Das eigentliche Hindernis ist organisatorisch
Das größte Transformationshindernis im Asset Management ist weder technologischer noch regulatorischer Natur – es ist organisatorisch. Etablierte Häuser haben ihre Abläufe, Systeme und Strukturen über Jahrzehnte auf bestehende Geschäftsmodelle optimiert. Das Ergebnis: hocheffiziente Prozesse – für das Geschäft von gestern.
KI-Integration erfordert nicht nur neue Technologie, sondern fundamentale Neugestaltung: von Datenarchitekturen über Entscheidungswege bis zu Kontrollstrukturen. Sie erfordert kulturellen Wandel in Organisationen, die Seniorität über Datenkompetenz stellen. Stattdessen dominieren inkrementelle Schritte: KI soll vorhandene Prozesse verbessern, ohne dass die Frage gestellt wird, ob diese Prozesse selbst noch sinnvoll sind.
Clayton Christensen hat dieses Muster als Innovator's Dilemma beschrieben – gut geführte Unternehmen scheitern in technologischen Transformationsprozessen nicht aus Inkompetenz, sondern weil ihre internen Strukturen an sich rationale Entscheidungen produzieren, die in der Summe strategisch falsch sein können. Asset Manager, die KI-Initiativen in bestehende Abteilungen integrieren, laufen genau in diese Falle: Die „Schwerkraft" des Status quo absorbiert den Wandel.
Was Investoren bei der Managerauswahl prüfen sollten
Da Track-Records KI-basierter Anlagestrategien noch jung sind, finden sich belastbare Anhaltspunkte für eine seriöse Nutzung der Technologie vor allem im Kompetenzprofil sowie in den Strukturen und Best Practices eines Hauses. Es kann nicht ausgeschlossen werden, dass in manchen Fällen „KI-Washing" betrieben wird. Bestehende Anlageprozesse werden neu gelabelt, ohne substanzielle methodische Änderung. Drei Prüfpunkte für eine angepasste Due Diligence:
1. Kompetenz: Verfügt ein Asset Manager über festangestellte Computer- und Datenwissenschaftler mit relevanter Erfahrung, die direkt mit den Portfolioverantwortlichen zusammenarbeiten – oder wurden lediglich KI-Tools eingekauft?
2. Daten- und Modellarchitektur: Existieren dokumentierte Validierungsprozesse für Daten, Modelle und Algorithmen? Wird erklärbare KI (Explainable AI) eingesetzt, sodass Anlageentscheidungen vollständig nachvollziehbar bleiben?
3. Governance der Trainingsprozesse: Ist die Auswahl von Daten und Methoden klar begründet? Sind Backtests protokolliert und reproduzierbar?
Darüber hinaus sollte gewährleistet sein, dass ein Anbieter über eine robuste Infrastruktur für den Livebetrieb KI-basierter Anlageprozesse verfügt – mit kontinuierlicher Performance-Überwachung und eingebauten Warnsystemen. Ist der Mensch als letzte Kontrollinstanz im Prozess vorgesehen, ist das ein weiteres Zeichen fachkundigen Umgangs mit der Transformation.
KI wird das Asset Management verändern – die Perspektive auf besser informierte Entscheidungen bei deutlich geringeren Kosten ist real. Entscheidend für Investoren ist, frühzeitig zu unterscheiden, wer diese Transformation substanziell gestaltet und wer sie nur kommuniziert.
Hinweis: Der Autor ist Chairman of the Board und Gesellschafter von Ultramarin, einer Investment-Boutique, das auf den Einsatz von Künstlicher Intelligenz im Asset Management spezialisiert ist. Das Unternehmen ist damit potenziell Wettbewerber zu oder Dienstleister für Asset Manager, die in diesem Beitrag als Zielgruppe einer KI-Transformation adressiert werden. Der Beitrag gibt die persönliche Einschätzung des Autors wieder.
Zudem ist Oertmann Honorarprofessor für Asset Management an der TUM School of Management der Technischen Universität München.