Agentenbasierte KI im Asset Management

KI unterstützt seit langem das Systematic Investing durch maschinelles Lernen, Verarbeitung natürlicher Sprache (NLP) und Mustererkennung. Agentenbasierte KI könnte dies noch weiter vorantreiben, indem sie Investmentteams dabei hilft, Ideen zu prüfen, Signale zu überwachen, Hypothesen zu testen und das Portfolio-Monitoring zu unterstützen.

Alpha ergibt sich jedoch nicht allein aus dem Modellzugang. Der eigentliche Unterschied liegt möglicherweise im Arbeitsablauf rund um das Modell: Datenqualität, Validierungsverlauf, Portfoliobeschränkungen, Mandatsgrenzen und menschliche Freigabe.

Die erste Generation generativer KI half Einzelpersonen dabei, Entwürfe zu erstellen, Zusammenfassungen zu verfassen, Research durchzuführen und zu programmieren. Agentenbasierte KI deutet auf einen umfassenderen Wandel hin: KI, die in wiederholbare Arbeitsabläufe in den Bereichen Research, Überwachung, Berichterstattung, Kundenanfragen, Betrieb, Compliance und Dokumentation integriert ist.

Die Frage bei der Konzeption lautet, wie diese Arbeitsabläufe sicher, überprüfbar und reversibel gestaltet werden können und wie sie in bestehende Kontrollmechanismen integriert werden können, anstatt ein Paralleluniversum zu schaffen.

Da sich der KI-Einsatz zunehmend von der Beantwortung von Fragen hin zur Unterstützung von Arbeitsabläufen verlagert, gewinnt das Thema Governance an Bedeutung. Anleger müssen wissen, wo KI zum Einsatz kommt, auf welche Daten sie zugreift, welche Entscheidungen sie beeinflusst und wer die Verantwortung trägt, wenn etwas schiefgeht.

Die praktischen Fragen sind klar: Woher stammt die Antwort, ist sie auch dann noch stichhaltig, wenn sich die Annahmen ändern, was darf das System tun, und wer gibt die Freigabe?