KI und Investments:
Orakel oder Widersacher?

Ein Investment Committee kann heute mehr Informationen verarbeiten als jemals zuvor. In einigen Jahren könnte eine KI jeden Mietvertrag eines Immobilienportfolios gelesen, sämtliche Kündigungsrechte identifiziert, die Bonität der Mieter geprüft, vergleichbare Transaktionen ausgewertet und zehntausend Szenarien für Zinsen, Inflation, Leerstand und Exit Yield berechnet haben, bevor die eigentliche Sitzung beginnt.

Aber löst bessere Information auch das eigentliche Problem des Investierens? Die Geschichte der vergangenen Jahre spricht für eine kompliziertere Antwort.

Am 1. August 2012 spielte Knight Capital neue Software in sein Handelssystem ein. Dann begann die Maschine zu handeln.

Innerhalb von nur 45 Minuten schickte das System Millionen fehlerhafte Orders in den Markt. Knight Capital verlor mehr als 460 Millionen US-Dollar.

Besonders bemerkenswert: Interne Systeme hatten bereits Warnmeldungen produziert. Menschen erhielten Signale, erkannten deren Bedeutung aber nicht rechtzeitig.

Knight Capital war keine moderne künstliche Intelligenz. Der Fall zeigt jedoch ein Problem, das mit leistungsfähigeren Systemen noch wichtiger wird:

Maschinen automatisieren nicht nur richtige Entscheidungen. Sie automatisieren auch Fehler. Und sie tun beides mit einer Geschwindigkeit, die kein Mensch erreichen kann.

2017 startete der AI Powered Equity ETF AIEQ. Die Idee war bestechend: Eine Maschine kann Unternehmensdaten, Nachrichten und Marktinformationen in einem Umfang verarbeiten, den kein menschlicher Fondsmanager bewältigen könnte.

Mehr Information bedeutete jedoch nicht automatisch mehr Rendite. Für den Zeitraum Ende 2017 bis Mitte 2023 wurde für AIEQ eine annualisierte Rendite von rund 6,7 Prozent berichtet, gegenüber rund 11,2 Prozent für einen breiten US-Aktienmarktvergleich.

Auch andere frühe Versuche mit KI-gesteuerten Investmentstrategien blieben hinter den Erwartungen zurück. Sentient Technologies etwa setzte auf evolutionäre Algorithmen für Investmententscheidungen. Das Unternehmen hatte erhebliche Venture-Finanzierungen erhalten. Sein Fonds erzielte laut veröffentlichten Auswertungen 2017 rund vier Prozent und 2018 praktisch keine Rendite; anschließend wurde er liquidiert.

Neuere Forschung zeichnet allerdings ein differenzierteres Bild. Eine aktuelle Untersuchung AI-basierter Investmentstrategien zeigt, dass frühe Anwender teilweise tatsächlich Überrenditen gegenüber vergleichbaren nicht AI-basierten Strategien erzielen konnten. Mit zunehmender Verbreitung der Technologie nahm dieser Vorteil jedoch ab.

Das wäre ausgerechnet eine sehr alte Investmentgeschichte: Ein Informationsvorsprung kann Alpha erzeugen. Aber sobald ihn alle besitzen, ist er kein Informationsvorsprung mehr.

Besonders interessant wird es bei Immobilien. Zillow verfügte über enorme Datenmengen und eines der bekanntesten automatisierten Immobilienbewertungssysteme der Welt.

Mit Zillow Offers ging das Unternehmen einen entscheidenden Schritt weiter. Es verwendete seine Modelle nicht mehr nur, um Immobilien zu bewerten. Zillow begann selbst Häuser zu kaufen.

Im November 2021 wurde das Programm eingestellt. Allein im dritten Quartal musste Zillow rund 304 Millionen US-Dollar auf seinen Immobilienbestand abschreiben. CEO Rich Barton erklärte, die Unvorhersehbarkeit zukünftiger Immobilienpreise sei wesentlich größer gewesen als erwartet.

Das Problem war komplexer als ein „schlechter Algorithmus“. Wachstumsdruck, Einkaufspreise, Renovierungskosten, Arbeitskräfte- und Lieferkettenprobleme sowie ein sich verändernder Immobilienmarkt trafen auf Modelle, die aus der Vergangenheit gelernt hatten.

Darin liegt eine entscheidende Lektion: Ein Modell kann im Durchschnitt hervorragend sein und trotzdem genau dort falsch liegen, wo das Kapital eingesetzt wurde.

Kapital interessiert sich nicht für den durchschnittlichen Fehler eines Modells. Kapital interessiert sich dafür, wo der Fehler auftritt.

Es gibt auch die andere Seite. Der deutsche Vermögensverwalter LAIQON setzt seit mehreren Jahren künstliche Intelligenz im Investmentprozess ein.

Nach Unternehmensangaben erzielte der LAIQON AI Dynamic Multi Asset von Mai 2020 bis Mai 2026 eine kumulierte Performance von 66,41 Prozent und lag damit 28,20 Prozentpunkte über der angegebenen Vergleichsgruppe. Auch ein defensiverer AI-Fonds lag nach Angaben des Unternehmens über seiner Peergroup.

Diese Zahlen stammen aus der Unternehmenskommunikation und sind entsprechend einzuordnen. Sie beweisen nicht, dass KI grundsätzlich bessere Investmententscheidungen trifft. Sie zeigen aber etwas anderes: KI-gestützte Investmentprozesse können funktionieren.

Auch die europäische Wertpapieraufsicht ESMA beschäftigt sich inzwischen intensiv mit dem Einsatz von künstlicher Intelligenz im Asset Management. Noch ist die Zahl europäischer Fonds, die AI tatsächlich als wesentlichen Bestandteil ihrer Investmentstrategie einsetzen, relativ gering. Das Experiment hat also gerade erst begonnen.

Blackstone verfolgt einen anderen Ansatz. Der Investmentmanager beschreibt den Einsatz von künstlicher Intelligenz unter anderem beim Screening von Investmentmöglichkeiten und bei der Analyse großer Dokumentenmengen. KI hilft dabei, schneller zu fragen:

• Welche Deals verdienen Aufmerksamkeit?
• Welche Dokumente enthalten Auffälligkeiten?
• Welche Risiken könnten übersehen worden sein?
• Welche Muster sieht der Mensch möglicherweise nicht?

Aber die Maschine ersetzt nicht das Investment Committee. Das ist ein fundamentaler Unterschied. Die KI erweitert die menschliche Urteilskraft, anstatt vorzugeben, sie überflüssig zu machen. Und vielleicht liegt genau dort ihre größte Stärke.

Behavioral Finance dokumentiert seit Jahrzehnten Verlustaversion, Overconfidence, Anchoring, Herding, Confirmation Bias und den sogenannten Disposition Effect.

Besonders bemerkenswert ist eine Untersuchung professioneller institutioneller Investoren. Die untersuchten Fondsmanager verwalteten Portfolios von durchschnittlich 573 Millionen US-Dollar. Ihre Kaufentscheidungen zeigten Können. Bei ihren Verkaufsentscheidungen sah es anders aus: Diese schnitten sogar gegenüber zufälligen Verkaufsstrategien schlechter ab.

Die Forscher fanden Hinweise darauf, dass Aufmerksamkeit und Heuristiken einen erheblichen Teil dieser Diskrepanz erklären. Das Problem war also nicht fehlende Information. Es war menschliches Verhalten.

Die übliche Frage lautet: „Kann KI bessere Investmententscheidungen treffen als Menschen?“ Vielleicht ist eine andere Frage interessanter: „Kann KI Menschen dabei helfen, ihre eigenen schlechten Investmententscheidungen zu erkennen?“

Dann verändert sich die Rolle der Maschine. Sie wird vom Orakel zum Widersacher.

Ein Investmentteam, das von einem Asset überzeugt ist, sollte die KI nicht nur fragen: „Ist das ein gutes Investment?“ Sondern: „Baue den stärkstmöglichen Investment Case dagegen.“

• Welche Annahmen sind ungewöhnlich optimistisch?
• Welche Informationen widersprechen unserer These?
• Welche Risiken haben wir kleingeredet?
• Was passiert bei 20 Prozent weniger Miete?
• Was passiert bei einer Exit Yield von sieben statt fünf Prozent?
• Welche Annahmen würden wir anders beurteilen, wenn wir nicht bereits sechs Monate an dieser Transaktion gearbeitet hätten?

Und vielleicht die wichtigste Frage: Welche Information würde dazu führen, dass wir diesen Deal nicht mehr machen wollen?

Wenn die Antwort lautet: „Eigentlich keine.“ – haben wir möglicherweise kein Investmentmodell mehr. Wir haben uns verliebt.

Denn Menschen beginnen erstaunlich schnell zu urteilen. In einer bekannten Studie von Janine Willis und Alexander Todorov aus dem Jahr 2006 genügten bereits 100 Millisekunden, damit Versuchspersonen anhand eines unbekannten Gesichts Einschätzungen unter anderem zu Sympathie, Vertrauenswürdigkeit und Kompetenz bildeten.

Mehr Zeit änderte manche dieser ersten Urteile überraschend wenig. Sie konnte jedoch die Sicherheit erhöhen, mit der Menschen ihr Urteil vertraten.

Ein Investment ist natürlich kein Gesicht. Aber der psychologische Mechanismus dahinter sollte uns interessieren. Noch bevor die Due Diligence beginnt, existiert möglicherweise bereits eine Geschichte:

• Das ist ein außergewöhnliches Asset.
• Dieser Unternehmer weiß, was er tut.
• Diese Lage wird sich entwickeln.
• Diese Technologie wird alles verändern.

Oder umgekehrt: Das gefällt mir nicht. Danach beginnt die Analyse. Und hier entsteht eine neue Gefahr.

Künstliche Intelligenz kann Millionen Informationen analysieren. Aber auch sie muss zunächst eine Frage bekommen. Und diese Frage formuliert ein Mensch.

Ein Mensch, der möglicherweise längst mit dem Investment sympathisiert. Der bereits Monate daran gearbeitet hat. Der den Verkäufer mag. Der das Asset besichtigt hat. Der seinem Investment Committee den Deal vorgestellt hat. Der weiß, dass ein Konkurrent ebenfalls bietet. Der nicht sechs Monate Arbeit verlieren möchte. Und der vielleicht längst hofft, dass die Analyse zu einem bestimmten Ergebnis kommt.

Jetzt bekommt dieser Mensch ein Werkzeug von ungeheurer analytischer Leistungsfähigkeit. Das kann ihn rationaler machen. Es kann aber auch etwas anderes tun: Es kann ihm wesentlich bessere Argumente für das liefern, was er ohnehin glauben wollte.

Confirmation Bias mit künstlicher Intelligenz bleibt Confirmation Bias. Er bekommt lediglich einen leistungsfähigeren Rechner.

Während wir darüber diskutieren, ob künstliche Intelligenz Investoren rationaler machen wird, investieren Unternehmen und Investoren enorme Summen in künstliche Intelligenz selbst: Rechenzentren. Chips. Energie. Modelle. Start-ups. Infrastruktur.

Die Bank für Internationalen Zahlungsausgleich untersucht inzwischen sogar die Dynamik eines möglichen AI Investment Race. Wenn Unternehmen erwarten, dass wenige Gewinner einen großen Teil zukünftiger Märkte kontrollieren könnten, kann individuell nachvollziehbares Verhalten dazu führen, dass insgesamt außerordentlich viel Kapital investiert wird.

Und damit taucht mitten in der modernsten Technologie der Welt eine der ältesten menschlichen Investmentfragen wieder auf: Was passiert, wenn ich nicht dabei bin?

Neue Technologie. Alte Emotion.

KI wird das Investmentgeschäft verändern. Sie wird Datenräume schneller analysieren, Risiken entdecken, Transaktionen vergleichen und Szenarien berechnen. Sie wird möglicherweise Dinge sehen, die Menschen übersehen.

Aber gerade deshalb sollten wir vielleicht vorsichtig damit sein, sie zum Orakel zu machen. Ihre interessantere Rolle könnte die des Widersachers sein.

Nicht: Bestätige meine Investmentthese. Sondern: Zerstöre sie.
Nicht: Warum sollte ich kaufen? Sondern: Was übersehe ich, weil ich kaufen möchte?

Denn auch die beste künstliche Intelligenz hilft wenig, wenn wir bereits vor der ersten Fragestellung mit einem Investment sympathisieren und die Maschine anschließend hauptsächlich damit beschäftigen, Gründe für etwas zu finden, das unser Gehirn längst gerne glauben möchte.

Vielleicht brauchen wir künstliche Intelligenz im Investmentbereich deshalb nicht primär, um mehr Antworten zu bekommen. Vielleicht brauchen wir sie, um bessere Gegenfragen an unsere bereits halb getroffenen Entscheidungen zu stellen.

— Mag. Nevena Shotekova-Zöchling

• Willis, J. / Todorov, A. (2006): First Impressions: Making Up Your Mind After a 100-ms Exposure to a Face, Psychological Science, 17(7), 592–598.
• Akepanidtaworn, K. / Di Mascio, R. / Imas, A. / Schmidt, L. (2021): Selling Fast and Buying Slow: Heuristics and Trading Performance of Institutional Investors, NBER Working Paper 29076.
• Chen, S. / Sialm, C. / Xu, D. (2026): The Growth and Performance of Artificial Intelligence in Asset Management, NBER Working Paper 35273.
• U.S. Securities and Exchange Commission (2013): Knight Capital Americas LLC.
• Zillow Group (2021): Third Quarter 2021 Financial Results and Plan to Wind Down Zillow Offers Operations.
• ESMA (2025): Artificial Intelligence in EU Investment Funds: Adoption, Strategies and Portfolio Exposures.
• ESMA (2024): Public Statement on the Use of Artificial Intelligence in the Provision of Retail Investment Services.
• LAIQON AG / LAIC (2026): Veröffentlichte Angaben zum sechsjährigen Track Record der AI-basierten Multi-Asset-Strategien (Unternehmensangaben).
• Blackstone: Veröffentlichungen zum Einsatz künstlicher Intelligenz im Investmentprozess, insbesondere Deal Screening, Dokumentenanalyse und Portfolioarbeit.
• Bank for International Settlements, BIS (2026): Forschung zu den ökonomischen Auswirkungen eines AI Investment Race und zu möglichen Überinvestitionsdynamiken.