KI-Automatisierung von Investmentprozessen – Was funktioniert, was nicht

Die meisten Gespräche über KI im Asset Management bewegen sich zwischen zwei Polen: einerseits der naiven Überzeugung, dass Sprachmodelle in Kürze den Analysten ersetzen werden; andererseits der reflexartigen Abwehrhaltung, dass menschliches Urteilsvermögen durch keine Technologie ersetzbar sei. Beides verfehlt den Punkt. Wer in der Praxis mit diesen Werkzeugen arbeitet, entwickelt schnell ein differenzierteres Bild davon, wo KI echten Mehrwert schafft – und wo sie schlicht den falschen Werkzeugkasten darstellt.

Dieser Beitrag ist kein Überblick über die neuesten Modelle. Er ist ein Erfahrungsbericht aus der praktischen Arbeit mit KI-Tools in institutionellen Investmentprozessen – mit dem Ziel, die relevanten Fragen für Asset Manager und Family Offices zu beantworten: Was lässt sich sinnvoll automatisieren? Was bleibt Handarbeit? Und was kostet die Unterschätzung dieser Frage?

Wo KI tatsächlich Zeit spart

Der größte, sofort realisierbare Hebel liegt in der Informationsverarbeitung. Ein Großteil des Arbeitsaufwands im Investmentprozess entfällt auf das Zusammentragen, Strukturieren und Zusammenfassen von Informationen – Quartalsergebnisse, Transkripte von Earnings Calls, ESG-Berichte, Regulierungsdokumente. Hierfür sind aktuelle Sprachmodelle in einem Maße geeignet, das viele m.E. noch unterschätzen.

Ein konkretes Beispiel: Die händiche Analyse eines Earnings-Call-Transkripts dauert in der Praxis 30 bis 90 Minuten, wenn man Tonalität, Managementkommentare zu Guidance und operative Kennzahlen systematisch erfassen will. Ein gut konfiguriertes KI-Tool erledigt diesen ersten Schritt in unter zwei Minuten – mit einer Strukturierungstiefe, die für die interne Weiterverarbeitung unmittelbar verwertbar ist. Über eine Earnings-Saison mit 20 bis 30 relevanten Positionen summiert sich das auf mehrere Arbeitstage. Bei Family Offices mit kleinen Teams ist das keine marginale Verbesserung.

Ähnliches gilt für ESG-Dokumentation. SFDR-Artikel-8- und Artikel-9-Fonds müssen umfangreiche Nachhaltigkeitsinformationen strukturiert aufbereiten. Das Herausarbeiten relevanter KPIs aus Nachhaltigkeitsberichten, das Befüllen von Reporting-Templates, das Identifizieren von Lücken in der Datenlage – all das lässt sich erheblich beschleunigen. Nicht durch blindes Delegieren, sondern durch eine klare Arbeitsteilung: Die KI übernimmt den ersten Entwurf und die Strukturierung, der Analyst übernimmt die Bewertung, den Feinschliff und die Verantwortung.

Die unterschätzte Rolle der Prozessarchitektur

Der Irrtum, den ich in der Praxis am häufigsten beobachte, ist folgender: KI-Tools werden als Einzelwerkzeug eingesetzt, ohne dass der umliegende Prozess angepasst wird. Man gibt einem Modell ein Dokument und erwartet eine fertige Analyse. Das Ergebnis ist erwartungsgemäß enttäuschend, und das Fazit lautet: „KI funktioniert bei uns nicht." Das ist in etwa so, als würde man Bloomberg-Terminal ohne Schulung kaufen und nach einer Woche festhalten, die Plattform sei überschätzt.

Der Mehrwert von KI-Automatisierung entsteht nicht durch das Tool selbst, sondern durch den Aufbau eines strukturierten Workflows drumherum. Das bedeutet: klar definierte Inputs, standardisierte Prompts, festgelegte Output-Formate und ein klares Bild davon, welche Schritte des Prozesses menschliches Urteilsvermögen erfordern und welche nicht. Wer diesen Aufwand scheut, wird von den Ergebnissen enttäuscht sein – zurecht.

In der Praxis bedeutet das i.d.R. eine initiale Investition von einigen Wochen, um den Prozess zu analysieren, geeignete Automatisierungsschritte zu identifizieren und die entsprechenden Workflows aufzubauen. Der Return auf diese Investition ist bei kleineren Teams in der Regel schnell positiv – vorausgesetzt, die Automatisierung greift an den richtigen Stellen.

Was KI nicht kann – und warum das entscheidend ist

Sprachmodelle sind noch keine Analysten. Sie haben kein Urteilsvermögen im eigentlichen Sinne, keine Erfahrung mit Managementteams, noch keine Intuition für die Frage, ob ein CFO nervös wirkt, wenn er über die Guidance spricht. Sie können Muster in Texten erkennen und strukturieren, aber sie können nicht einschätzen, ob die Strategie eines Unternehmens in fünf Jahren noch trägt. Wer KI für diese Fragen einsetzt, macht einen grundlegenden Kategorienfehler.

Besonders kritisch ist das im Bereich der Portfoliokonstruktion und der Investitionsentscheidung selbst. KI kann zuarbeiten – Szenarien strukturieren, historische Vergleiche aufbereiten, Bewertungsparameter zusammenstellen. Die eigentliche Entscheidung, welche Wette man eingeht und mit welcher Überzeugung, bleibt Handarbeit. Wer das an ein Modell delegiert, hat nicht automatisiert – er hat Verantwortung abgegeben.

Ähnliches gilt für Kundenbeziehungen. Ein Family Office lebt von Vertrauen, Diskretion und der Qualität der persönlichen Interaktion. KI kann interne Prozesse beschleunigen. Sie ersetzt nicht das Gespräch mit dem Kunden, der verstehen will, ob sein Berater die Situation wirklich durchdrungen hat.

Praktische Einschätzung für Asset Manager und Family Offices

Wer heute noch keinen KI-Workflow im Investmentprozess hat, verliert nicht sofort Wettbewerbsfähigkeit – aber der Abstand zu denen, die systematisch automatisieren, wächst. Die Technologie ist ausgereift genug, um sofort sinnvoll eingesetzt zu werden. Die Hürde liegt nicht mehr bei den Modellen, sondern bei der Prozessgestaltung.

Meines Erachtens sind die drei vielversprechendsten Einstiegspunkte für die meisten institutionellen Häuser die folgenden: erstens die Automatisierung der Ergebnisaufbereitung in der Earnings-Saison, zweitens die Beschleunigung von ESG-Datenaufbereitung und Reporting, und drittens die Standardisierung interner Research-Formate durch KI-gestützte Templates. Keiner dieser Schritte erfordert eine große Infrastrukturinvestition. Was er erfordert, ist eine klare Vorstellung davon, was man erreichen will – und die Bereitschaft, den eigenen Prozess kritisch zu betrachten.

In drei Jahren wird die Frage nicht mehr lauten, ob KI im Investmentprozess sinnvoll ist. Sie wird lauten, wie konsequent man sie einsetzt – und wer dabei den Vorsprung bereits aufgebaut hat.