KI im Asset Management: Breit im Einsatz, selten in der Entscheidung

Viel KI im Einsatz, wenig KI in der Entscheidung

Über KI im Asset Management wird gern als Renditefrage gesprochen. Die Praxis sieht anders aus: Asset Manager setzen KI heute vor allem ein, um Analyse und Abläufe zu beschleunigen, und kaum, um Anlageentscheidungen zu treffen.

Die Beratung Mercer hat dazu im Februar und März 2026 weltweit 131 Asset Manager befragt (Mercer, „Moving Beyond the AI Pitch: Asset Managers' use of AI“, 2026). 55 Prozent geben an, KI in mindestens einen Investmentprozess ihrer Strategie integriert zu haben. Für die Anlageentscheidung selbst nutzen sie nur 6 Prozent. 74 Prozent setzen KI für Automatisierung und Effizienz ein, 69 Prozent als Assistenz für die Analyse.

Warum KI-gesteuerte Fonds eine Nische bleiben

KI als Kern der Anlagestrategie ist in Europa die Ausnahme. Die europäische Wertpapieraufsicht ESMA hat dafür rund 825.000 Dokumente von 44.000 EU-Fonds ausgewertet: 145 Fonds geben an, KI oder maschinelles Lernen in der Anlagestrategie zu nutzen. Die davon noch aktiven Fonds verwalten gut 13 Milliarden Euro, rund 0,1 Prozent des OGAW-Vermögens (ESMA, „Artificial intelligence in EU investment funds: adoption, strategies and portfolio exposures“, 2025). Renditen und Alphas dieser Fonds unterscheiden sich laut ESMA nicht signifikant von denen anderer Fonds.

Auch die Asset Manager selbst sehen die Wirkung an anderer Stelle. In der Mercer-Umfrage nennen 69 Prozent eine höhere operative Effizienz als Ergebnis des KI-Einsatzes, bessere Renditen und geringere Risiken jeweils nur 8 Prozent.

Wo liegt der eigentliche Engpass beim KI-Einsatz?

Der Engpass liegt in den Daten, nicht im Modell. 69 Prozent der von Mercer befragten Asset Manager nennen Datenbeschränkungen als wesentliche Hürde für den weiteren KI-Einsatz im Investmentprozess.

McKinsey kommt aus anderer Richtung zum selben Befund. In einer Analyse großer Asset Manager in Nordamerika und Europa fand die Beratung praktisch keinen Zusammenhang zwischen Technologieausgaben und Produktivität. Als Gründe nennt McKinsey Datensilos ohne durchgängige Plattform und vereinzelte Pilotprojekte statt grundlegend neu gedachter Prozesse (McKinsey, „How AI could reshape the economics of the asset management industry“, 2025). Warum genau dort der wirtschaftliche Hebel liegt, zeigt unsere Analyse zum Margendruck im Asset Management.

Wie weit sind KI-Agenten im Asset Management?

KI-Agenten, also Systeme, die Arbeitsschritte selbstständig über mehrere Anwendungen hinweg erledigen, werden breit erkundet und selten genutzt. In einer Umfrage von EY unter 50 Asset Managern und 50 Wealth Managern, überwiegend aus den USA, haben 78 Prozent Anwendungsfälle dafür identifiziert oder suchen danach. Tatsächlich nutzen agentische KI derzeit nur 7 Prozent (EY, „GenAI in wealth and asset management survey“, 2025).

Wer trägt die Verantwortung, wenn KI mitarbeitet?

Die Verantwortung bleibt beim Management. Die ESMA hat im Mai 2024 in einem Public Statement zum KI-Einsatz bei Wertpapierdienstleistungen für Privatkunden klargestellt, dass Entscheidungen in der Verantwortung der Leitungsorgane bleiben. Sie erwartet Transparenz über die Rolle der KI in Anlageentscheidungen, ein auf KI zugeschnittenes Risikomanagement und eine umfassende Dokumentation des KI-Einsatzes. Das schließt KI-Werkzeuge ein, die Mitarbeitende ohne ausdrückliche Freigabe der Geschäftsleitung nutzen.

Was Asset Manager daraus ableiten können

• Mit den Abläufen beginnen, in denen heute die meiste Zeit verloren geht: Reporting, Abstimmungen, Research-Zusammenfassungen, Anfragen von Mandanten.

• Die Datenbasis vor dem nächsten Werkzeug ordnen: Quellen, Verantwortliche und Qualitätsregeln je Datenbereich festlegen.

• Abläufe als Ganzes neu zuschneiden, statt einzelne Schritte zu automatisieren.

• Die Rolle der KI je Prozess dokumentieren und Freigaben klar regeln.

Wie viel Zeit im eigenen Unternehmen zwischen Datenabzug und fertigem Mandantenbericht vergeht, ist ein guter erster Gradmesser. Wir freuen uns über ein erstes Gespräch zu diesem Thema.