Kein Bauchgefühl, kein Bias – was KI-gestützte Allokation leisten kann
Die Aktienmärkte haben sich in diesem Jahr bemerkenswert positiv entwickelt. Betrachtet man allein die Nachrichtenlage, ist das kaum nachvollziehbar: Iran-Konflikt, hartnäckige Inflation, ein Führungswechsel an der Spitze der US-Notenbank – das klingt nicht nach einem Umfeld, in dem die Kurse steigen. Und doch tun sie es. Der Grund dafür liegt auf der anderen Seite des Spannungsfelds, in dem sich die Märkte derzeit bewegen: auf Ebene der Unternehmen. US-Unternehmen haben im vergangenen Quartal in Summe mehr als 30 Prozent Gewinnwachstum gegenüber dem Vorjahr verbucht – ein Niveau, das es so seit den Neunzigerjahren nicht mehr gegeben hat, wenn es zuvor keine Rezession gab. Angetrieben wird das vor allem vom KI-Boom und dem Aufbau der dafür notwendigen Infrastruktur. Die Nachfrage nach Rechenleistung übersteigt derzeit das Angebot, das treibt die Gewinne von Chipherstellern, Cloud-Anbietern und Softwarekonzernen in die Höhe. Ebenfalls zu den Profiteuren des aktuellen Umfelds gehören vor allem in Europa Finanzwerte, denen die gestiegenen Zinsen und die damit verbundenen Margenausweitungen zugutekommen.
Auf der einen Seite gibt es also reale geopolitische Risiken und geldpolitische Unsicherheit, auf der anderen Seite starke Unternehmensgewinne und strukturelle Investitionstrends – und das zur gleichen Zeit. Anleger stehen somit vor einer echten Herausforderung: Welchen Signalen sollen sie folgen?
Subjektive Wahrnehmung kann ein Anlagerisiko sein
Anleger informieren sich über die Weltlage, analysieren Konjunktur- und Unternehmensdaten und greifen auf ihren Erfahrungsschatz und ihre Intuition zurück. Gerade in Phasen wie der aktuellen, in der sich eine herausfordernde geopolitische Lage und sehr gute Unternehmensdaten überlagern, ist das jedoch leichter gesagt als getan. Ein Beispiel: Wer sich im März, kurz nach Ausbruch des Iran-Kriegs, zu stark von den negativen Schlagzeilen hat leiten lassen, hat vielleicht überhastet verkauft – und möglicherweise genau den Moment zum Wiedereinstieg verpasst, in dem sich die Märkte stabilisierten und die Fundamentaldaten wieder in den Vordergrund rückten.
Dies ist eine strukturelle Schwäche der menschlichen Entscheidungsfindung unter Unsicherheit. Und genau an diesem Punkt kann algorithmische Allokation helfen. Ein entsprechend programmiertes KI-Modell liest keine Nachrichten. Es kennt keine Meinungen, keine Analystenschätzungen und keine Unternehmenskommentare: Es verarbeitet ausschließlich Kursdaten aus einem definierten Anlageuniversum und leitet daraus Trends, Korrelationen und Turbulenzmuster ab. Die Schlussfolgerung daraus klingt zunächst simpel, ist in der Praxis jedoch entscheidend: Das Modell bewertet objektiv, was die Kurse aussagen, und nicht, was die Nachrichten nahelegen.
Was moderne Allokation leisten muss
Wer ein ausgewogenes Portfolio selbst zusammenstellt, merkt schnell: Die eigentliche Herausforderung liegt nicht nur in der Auswahl der Anlageklassen, sondern in ihrer Gewichtung und deren flexibler Anpassung an veränderte Marktbedingungen. Denn je nach Marktphase ändern Aktien, Anleihen, Gold und Rohstoffe ihren Wertbeitrag.
Auch diese Aufgabe kann ein algorithmischer Ansatz übernehmen. So trifft das Modell unseres NORD/LB Smart Faktor Fonds täglich auf Basis aktueller Kursdaten eine neue Allokationsentscheidung. Die Bandbreiten sind dabei bewusst weit gefasst. Aktien, Anleihen und Liquidität können zwischen 0 und 100 Prozent gewichtet werden, Gold und Rohstoffe können bis zu 30 Prozent ausmachen. Starre Quoten gibt es nicht. Dabei steuert ein interner Turbulenz-Index die Grundausrichtung: Er misst, wie schnell sich Trends und Korrelationen im Anlageuniversum verändern. In turbulenten Phasen kann dies zu täglichen Anpassungen führen. In ruhigeren Phasen bleibt das Portfolio hingegen über einen längeren Zeitraum unverändert. Das Modell liefert die Anlageempfehlung, die Umsetzung übernimmt am Ende das Portfoliomanagement.
So allokiert der Algorithmus
Ein konkretes Beispiel: Seit Jahresbeginn waren Rohstoffe – darunter Öl und Gas – mit einem nennenswerten Anteil im Portfolio vertreten. In der ersten Jahreshälfte handelte es sich zeitweise um die größte Einzelposition. Der Wertbeitrag war entsprechend spürbar. Als die Attraktivität dieser Anlageklasse aus Sicht des Modells nachließ, wurde die Position wieder vollständig abgebaut und in Aktien umgeschichtet. Diese Flexibilität – rein datengetrieben und ohne manuellen Eingriff – ist genau das, wofür der Ansatz konzipiert wurde.
Ebenfalls bemerkenswert: die Gewichtung europäischer und US-amerikanischer Small Caps. Nach klassischer Portfoliolehre gelten kleinere Unternehmen in einem Umfeld mit hohen Zinsen, hartnäckiger Inflation und geopolitischer Unsicherheit als weniger interessant. Das KI-Modell sah das anders – und behielt Recht. Die Small-Cap-Position hat im laufenden Jahr ausgesprochen positive Beiträge zum Gesamtportfolio geliefert.
Einen besonderen Moment stellten die Zoll-Ankündigungen von US-Präsident Donald Trump am von ihm sogenannten Liberation Day im April 2025 dar: Die Märkte fielen an einem Tag um rund acht Prozent, in der Nacht drehten die Futures wieder um rund zehn Prozent ins Plus – ausgelöst durch die kurzfristige Aussetzung der Zölle. Da das Modell die Kursdaten jedoch in der Regel nur einmal täglich analysiert, hätte es am Folgetag auf Basis veralteter Daten entschieden. Das Portfoliomanagement veranlasste daher eine Aktualisierung der Kursdaten und eine erneute Allokationsentscheidung. Dies war das einzige Mal, dass manuell in den Prozess eingegriffen wurde. Das zeigt sowohl die Verlässlichkeit des Modells im Normalbetrieb als auch die Rolle des Teams als letzte Kontrollinstanz in außergewöhnlichen Situationen.
Denn eines ist entscheidend: Das Modell kennt Donald Trump nicht. Es kennt weder Krieg noch Zentralbankentscheidungen oder Gewinnwarnungen. Es kennt nur die Kurse und die Informationen, die sie über Trends, Korrelationen und Turbulenzen verraten. Das ist seine Stärke und der Grund, warum solche Ansätze in Phasen widersprüchlicher Signale strukturell im Vorteil sein können.