Nein, denn die Gestaltungsmöglichkeiten sind grenzenlos und prägen jeden Schritt des Prozesses.

Berücksichtigen Sie Anlagestil und -philosophie. Bei ACATIS bevorzugen wir Value-Unternehmen, während andere Investoren nach wachstumsstarken Möglichkeiten suchen. Einige konzentrieren sich bewusst auf kleine Unternehmen oder bestimmte Regionen, während andere auf kurzfristige Geschäfte oder langfristige Investitionen abzielen. Einige bevorzugen Aktien, andere Anleihen oder eine Mischung aus beidem in ausgewogenen Fonds. Diese verschiedenen Ansätze mit unterschiedlichen Zielen führen zu einer Vielzahl von Unterschieden. Hinzu kommt ein Meer von Datenquellen – von Bilanzkennzahlen über Satellitenbilder und Patentdaten bis hin zu sozialen Medien und Wirtschaftsindikatoren. Und schließlich bietet die KI selbst unzählige architektonische Möglichkeiten, die sicherstellen, dass keine zwei Ansätze das gleiche Ergebnis liefern. In der Welt der KI-gesteuerten Vermögensverwaltung beschreiten wir einen Nischenweg:

Unsere Strategie beruht auf dem Prinzip des Werts: Wir konzentrieren uns auf solide Unternehmensfundamentaldaten, eine langfristige Haltedauer und eine Long-only-Positionierung.

Die Erklärbarkeit ist immer noch ein Rätsel, und während die Forscher unermüdlich daran arbeiten, müssen wir unsere Erwartungen ändern. Wenn die Entscheidung nicht von einem Menschen getroffen wird, warum sollten wir dann eine menschenähnliche Erklärung erwarten? Nehmen wir zum Beispiel die Bilderkennung: Methoden wie SHAP-Werte schlüsseln auf, wie stark jedes Pixel eine Vorhersage beeinflusst. Dabei handelt es sich nicht um eine Erzählung, sondern um eine präzise Zahl, die mit jedem Pixel verbunden ist. Dennoch ist die Erkenntnis von Wert. Wenden Sie dies nun auf die Aktienauswahl an: Die Frage ist nun, welche Schlüsselmetrik das Modell für seine Vorhersage verwendet. Am Ende erhalten Sie keine nette Geschichte, wie sie ein Mensch anbieten würde, sondern eine klare Analyse der Faktoren, die die Entscheidung beeinflussen. Es geht nicht darum, eine Geschichte zu erzählen, sondern darum, die Bausteine zu verstehen, die die Entscheidungen beeinflussen.

Dies ist nicht der Beginn der Übernahme durch die KI; der überdurchschnittliche Fondsmanager wird nicht arbeitslos werden, weil die KI keine Wunderwaffe ist. In vielen Bereichen liegt die wahre Stärke in der Partnerschaft zwischen Mensch und KI. KI ist keine Universallösung. In Schwellenländern beispielsweise sind die Daten oft unzureichend – sie sind unvollständig, inkonsistent oder durch unterschiedliche Standards geprägt, die einen Vergleich erschweren. Aus diesem Grund vertrauen wir unserer KI nur in entwickelten, streng regulierten Märkten. Außerdem gibt es für Unternehmen, die gerade erst auf den Markt gekommen sind, in der Regel zu wenig Daten, um ihr Wachstum zu prognostizieren, oder sie haben noch nicht einmal ein Produkt, so dass alle grundlegenden Zahlen bedeutungslos sind. Unsere KI wird Unternehmen mit einer Historie von weniger als drei Jahren nicht anfassen. Und wenn es um den Finanzsektor geht, wo Kennzahlen wie Umsatz und Verschuldung eine andere Bedeutung haben, ziehen wir uns ganz zurück.

In diesen Szenarien ist die KI nicht die Lösung, sondern der menschliche Portfoliomanager. Derjenige, der sich mit den Unbekannten auskennt und das Potenzial einer Sache wie einem Börsengang einschätzen kann – ein Experte, der beurteilen kann, wohin die Zukunft führen könnte.

Fachwissen ist die Richtschnur für einen KI-Entwickler. Um einer Maschine das Verstehen und Analysieren von Unternehmen beizubringen, muss der Entwickler ein feines Gespür für die Unternehmensbewertung haben. Der springende Punkt ist, dass der menschliche Entwickler während der Erstellung des Modells Hunderte von subtilen Entscheidungen trifft, von denen jede die Richtung des Modells bestimmt.

Aus diesem Grund schlüpfen wir als Entwickler in die Rolle eines aktiven Investors. Wir besuchen Unternehmen, um die Erkenntnisse zu gewinnen, zu denen die KI noch keinen Zugang hat, wie z. B. die Besichtigung von Produktionsanlagen, Gespräche mit dem Management, das Erleben eines Produkts aus erster Hand und das Erfassen der langfristigen Vision und des Geschäftsmodells. Wir tauchen in die menschliche Seite der Gleichung ein, um aufzudecken, was das Modell nicht sehen kann. Wenn wir die Lücken in unserem Ansatz verstehen, können wir die richtigen Umgehungslösungen entwickeln und das Modell robuster machen.

Letztlich sind die Menschen die Architekten der Modellgrundlage. Sobald das Modell jedoch vollständig ist und anfängt, Unternehmen vorzuschlagen, kann der Mensch aus dem Entscheidungsprozess herausgenommen werden, so dass die Maschine selbständig navigieren kann.