IPE D.A.CH: Künstliche Intelligenz ist nicht nur Themeninvestment, sondern wird im Asset Management zunehmend auch direkt im Investmentprozess eingesetzt. Woran liegt es, dass die Nutzung noch nicht so breit ist, wie man es erwarten könnte?
Schnorrenberg: Innovationen brauchen im institutionellen Umfeld grundsätzlich Zeit – selbst dann, wenn ihr Mehrwert klar erkennbar ist. Das war bei anderen Entwicklungen nicht anders, etwa bei ETFs oder institutionellen Anteilsklassen von Publikumsfonds. Gleichzeitig sehen wir eine klare Öffnung. In der Praxis stehen viele Leiter Kapitalanlagen und Treasury-Abteilungen diesen Ansätzen sehr offen gegenüber. Die eigentliche Zurückhaltung entsteht häufig auf Gremienebene. Dort dreht sich die Diskussion noch zu stark um die Technologie an sich. KI-Modelle sind letztlich ein Ansatz, der in Konkurrenz zu anderen Ansätzen für eine oder mehrere Assetklassen steht. Entscheidend sollten daher konsistente Performance, sauberes Risikomanagement und Transparenz im Prozess sein – nicht die Frage, ob KI eingesetzt wird oder nicht.

IPE D.A.CH: Sie sind seit 20 Jahren mit GET Capital am Markt und waren einer der Pioniere bei der Nutzung moderner Machine-Learning-Methoden im Investmentprozess. Wie hat sich das Segment entwickelt – und wer waren die ersten Investoren, wer ist es heute?
Schnorrenberg: In der frühen Phase gab es im Wesentlichen zwei Investorengruppen, die KI gezielt eingesetzt haben. Zum einen Unternehmen aus dem Corporate-Umfeld, die die Leistungsfähigkeit von KI bereits aus ihrem operativen Geschäft kannten und daher kaum Berührungsängste hatten, KI auch in den Kapitalanlagen einzusetzen. Zum anderen institutionelle Investoren, deren primärer Treiber die Suche nach zusätzlicher Stil-Diversifikation war. Für sie war KI weniger ein Technologiethema als eine Möglichkeit, ihr Portfolio um einen strukturell anderen Entscheidungsansatz zu ergänzen. Über die Jahre sind belastbare Ergebnisse über verschiedene Marktphasen hinweg sichtbar geworden. Dadurch ist KI heute kein Nischenthema mehr, sondern erreicht zunehmend das gesamte Spektrum institutioneller Anleger. Die Wahrnehmung hat sich klar verschoben – weg vom Experiment, hin zu einem etablierten Instrument.

IPE D.A.CH: Welche Rolle spielt der Mensch heute noch konkret in einem weitgehend algorithmischen Investmentprozess?
Schnorrenberg: Eine sehr zentrale – aber eine andere als in klassischen, stark diskretionären Ansätzen. Der Mensch wird nicht durch Algorithmen ersetzt, sondern seine Rolle verschiebt sich. Die Ziele der Kapitalanlage, die strategische Allokation und die Definition der Rahmenbedingungen bleiben klar menschliche Aufgaben. Wenn dieser Rahmen steht, kommen KI-Modelle ins Spiel – nicht ein einzelnes Modell, sondern eine Modelllandschaft für unterschiedliche Fragestellungen. Anpassungen innerhalb der Asset Allocation oder innerhalb einer Assetklasse werden systematisch entwickelt und umgesetzt. Dabei sprechen wir ausdrücklich nicht über kurzfristiges Algo-Trading. Die Modelle überwachen die Nebenbedingungen so, wie sie zuvor in den Anlagerichtlinien definiert wurden. Verantwortung bleibt immer beim Menschen. KI ist sehr gut darin, Entscheidungen konsistent umzusetzen – sie trägt aber keine Verantwortung. In diesem Sinne ist sie kein Ersatz, sondern ein Instrument zur Disziplinierung und Professionalisierung von Investmententscheidungen.

IPE D.A.CH: Wie muss man sich einen KI-gesteuerten Investmentprozess konkret vorstellen?
Schnorrenberg: Der KI-gestützte Investmentprozess entspricht in seinen Kernelementen klassischen Ansätzen. Auch hier lassen sich die Prozessschritte klar unterscheiden: Marktanalyse, Portfolio-Konstruktion und Portfolio-Optimierung/ Risikosteuerung. Der wesentliche Unterschied liegt nicht in der Struktur, sondern in der Umsetzung. Bei KI-gesteuerten Ansätzen werden große Teile automatisiert. Bei uns erfolgt die Selektion von Märkten und Titeln modellbasiert. Ebenso werden Portfoliokonstruktion und Risikoexposures algorithmisch optimiert. Aber alle Handelsentscheidungen werden weiterhin manuell im Vier-Augen-Prinzip freigegeben. Dabei geht es nicht um eine subjektive Korrektur der Markteinschätzung, sondern um eine operationelle Plausibilitätsprüfung (z.B. Datenintegrität).

IPE D.A.CH: Künstliche Intelligenz ist derzeit überall präsent – trotzdem fühlen sich viele institutionelle Investoren eher verunsichert als informiert?
Schnorrenberg: Das ist gut nachvollziehbar. Das Thema ist komplex, und es ist nicht immer leicht, reale Substanz von Marketing, Überzeichnung oder übermäßiger Risikobetonung zu unterscheiden. Dabei gilt: Ob ein Investmentansatz schlüssig und erfolgsversprechend ist, erfordert keinen Abschluss in Data Science, sondern eine konsistente Prüfung – wie bei jedem anderen Ansatz auch. Gleichzeitig wird KI im Alltag sehr schnell selbstverständlich, etwa durch GPT-Anwendungen oder automatisierte Prozesse in Unternehmen. Im eigentlichen Investmentprozess bleibt sie für viele Investoren aber noch abstrakt. Auch wenn auf Gremienebene heute noch Skepsis besteht, werden diese früher oder später ganz nüchtern fragen: Wo stehen wir eigentlich beim Einsatz von KI in Investmententscheidungen – und ist das etwas für uns? Wer sich dann erst mit dem Thema beschäftigt, gerät unter Zeitdruck. Kompetenzaufbau braucht Zeit, und KI lässt sich nicht rein theoretisch verstehen – man muss Erfahrung sammeln, um sie richtig einordnen und verantworten zu können.

IPE D.A.CH: Für Investoren ist es aktuell schwer, den Überblick zu behalten. Auf der einen Seite viel Marketing, auf der anderen Seite Skepsis. Was sind Ihre wichtigsten Erkenntnisse aus 15 Jahren praktischer Erfahrung mit KI in den Kapitalanlagen?
Schnorrenberg: Wer nicht kurz vor dem Ruhestand steht, muss sich zwangsläufig mit dem Thema beschäftigen. In naher Zukunft wird es nahezu keinen Investmentprozess mehr geben, wo KI nicht in der ein oder anderen Art und Weise eine Rolle spielt. Die wichtigsten Prinzipien dabei sind:
1. KI ist kein Selbstzweck. Der Einsatz muss immer von einem klar definierten Problem im Investmentprozess ausgehen.
2. Kapitalmarktkompetenz und Data Science gehören zusammen. Erfolgreiche Ansätze entstehen aus der Verbindung beider Welten.
3. Governance ist entscheidend. Investoren müssen Modelle nicht im Detail verstehen, aber Prozesse müssen nachvollziehbar, kontrollierbar und replizierbar sein.
4. Konsistente Bewertungsmaßstäbe. Viele der typischen Kritikpunkte – etwa Black Box, schwierige Marktphasen oder Abhängigkeit von Modellen – sind keine KI-spezifischen Phänomene.
5. Nicht warten, sondern starten. Ein Investment, d.h. tatsächlich im Markt zu sein und Erfahrungen zu sammeln, bietet eine deutlich steilere Lernkurve als jedes theoretische Pilotprojekt.

IPE D.A.CH: Mit quantitativen Ansätzen haben Investoren in der Vergangenheit gemischte Erfahrungen gemacht. Warum sollte es bei KI-gestützten Ansätzen heute anders sein?
Schnorrenberg: Frühere quantitative Ansätze waren oft zu wenig darauf ausgelegt, mit veränderten Marktbedingungen umzugehen. Regimewechsel wurden häufig erst spät erkannt. Der Unterschied moderner KI-Ansätze liegt im Gesamtprozess. Ein einziges Modell kann die Komplexität der Kapitalmärkte nicht abbilden. Daher erfolgt die Analyse aus verschiedenen Blickwinkeln mit unterschiedlichen Modellen. Wichtig ist aber die Einordnung: Dieses Risiko ist nicht spezifisch für KI. Auch klassische, diskretionäre Ansätze scheitern in schwierigen Marktphasen – nur wird das dort seltener als Modellproblem beschrieben.

IPE D.A.CH: Viele Investoren befürchten, dass KI-Ansätze im Alltag zu komplex für Reporting, Risikomanagement und Gremienkommunikation werden. Wie realistisch ist diese Sorge, wird es tatsächlich statt einfacher doch komplizierter?
Schnorrenberg: Diese Sorge ist unbegründet. Wenn ein Investmentansatz grundsätzlich überzeugt, lässt er sich in bestehende Reporting- und Risikostrukturen integrieren – unabhängig davon, ob Entscheidungen diskretionär oder algorithmisch getroffen werden. Sauber strukturierte KI-Prozesse können die Kommunikation sogar erleichtern, weil Entscheidungen konsistent, regelbasiert und dokumentiert sind.

IPE D.A.CH: Wie können institutionelle Investoren konkret starten, wenn sie weder eigene Data-Science-Kompetenzen noch große IT-Budgets haben?
Schnorrenberg: Diese Frage stellt sich im Grunde bei jedem Investmentansatz. Auch bei klassischen Strategien bauen Investoren nicht in allen Bereichen eigene Expertise auf, sondern arbeiten mit spezialisierten Asset Managern. Ein sinnvoller Einstieg bedeutet daher nicht, Strukturen neu zu erfinden, sondern risikoarm und professionell vorzugehen. Entscheidend ist, dass der Ansatz in bestehende Governance-, Risiko- und Reportingstrukturen passt. Wenn das gegeben ist, unterscheidet sich der Einsatz von KI operativ kaum von anderen institutionellen Mandaten – mit dem Unterschied, dass Entscheidungen systematischer und konsistenter umgesetzt werden.

IPE D.A.CH: Welche Frage wünschen Sie sich, dass Investoren sich selbst – Ihnen oder ihren Asset Managern – häufiger stellen würden, wenn es um den Einsatz von KI geht?
Schnorrenberg: Dass Investoren häufiger fragen: „Ist das nicht ein ganz grundlegender Aspekt der Kapitalanlage oder gilt dies wirklich speziell nur für KI?“ würde ich mir wünschen. Denn Diskussionen über Black Box, schwierige Marktphasen oder Verantwortlichkeit begleiten unser Geschäft seit jeher. Sie sind nicht neu, nur weil KI eingesetzt wird. Der Unterschied ist, dass KI diese Fragen explizit macht und eine strukturierte Auseinandersetzung erzwingt. Auch diskretionäre Ansätze basieren häufig auf schwer überprüfbaren Entscheidungsprozessen. Die oft zitierte Intuition ist am Ende ebenfalls eine Black Box – KI macht diese Entscheidungslogik lediglich expliziter und überprüfbarer. Wir nutzen heute Methoden der „Explainable AI“ um die Treiber hinter jeder Entscheidung zu isolieren. Während ein Portfoliomanager oft nur ex-post begründen kann, liefert uns die KI exante die genauen Datenfaktoren, die zur Portfolioänderung geführt haben. Es geht nicht mehr um Technologie, sondern um Investmentprozesse, Governance und Risikokontrolle – also um genau die Themen, die im institutionellen Asset Management ohnehin Standard sind.

IPE D.A.CH: Wo Chancen sind, ergeben sich meist auch Risiken. Deckt sich die Angst bzw. der Respekt der Investoren vor Risiken mit denen, die bei KI-gestützten Ansätzen tatsächlich eine Rolle spielen?
Schnorrenberg: Dass Investoren neue Technologien kritisch hinterfragen, ist absolut notwendig. Oft wird dabei das Schlagwort ‚Black Box‘ sehr stark in den Fokus gerückt. Meiner Erfahrung nach liegen die eigentlichen operativen Risiken aber an anderer Stelle: in der Modell-Governance und der Datenqualität. Eine KI ist extrem präzise darin, historische Muster zu finden. Das eigentliche Risiko entsteht dann, wenn sich die Marktlogik fundamental ändert (ein klassischer Regime-Wechsel), und das System weiterhin nach Regeln sucht, die nicht mehr existieren. Daher setzen wir nicht auf ein statistisches Modell sondern auf eine dynamische Modell-Landschaft (Esemble-Ansatz). Ein professioneller Umgang mit KI bedeutet daher, nicht blind auf den Output zu vertrauen. Entscheidend ist, das System durch klare ökonomische Leitplanken abzusichern. Das Risiko liegt weniger in der Technologie selbst als vielmehr in einem Investmentprozess, dem die nötigen Kontroll- und Plausibilitätsprüfungen fehlen.

IPE D.A.CH: Man kann nicht immer alles selbst beeinflussen. Gibt es externe Faktoren im Zusammenhang mit KI im Asset Management, die Ihnen mitunter den Schlaf rauben? Schnorrenberg: Im Asset Management ist der Umgang mit Unsicherheit Teil unseres Kerngeschäfts. Sie ist schließlich die Voraussetzung für Rendite. Marktbewegungen sind also kein Grund für schlaflose Nächte. Was wir jedoch sehr genau analysieren, ist der regulatorische Rahmen. Wir begrüßen klare Spielregeln, denn sie schaffen die Standardisierung und Rechtssicherheit, die für institutionelle Anleger essenziell sind. Ein weiterer Faktor ist die Marktstruktur. Wenn KI-Systeme Marktanomalien immer schneller identifizieren, verändert das die Dynamik und die Geschwindigkeit der Märkte. Unser Fokus liegt darauf, dass unser System auch dann stabil bleibt, wenn das Umfeld durch die Technisierung aller Teilnehmer hektischer wird. Es geht darum, technologisch so aufgestellt zu sein, dass man die Reaktionsgeschwindigkeit als Schutzfaktor nutzt, statt von ihr getrieben zu werden.

IPE D.A.CH: Man hört immer wieder, dass es beim Einsatz von KI im Asset Management nicht allein um Technologie geht, sondern ebenso um Prozesse, Kultur und Mindset. Können Sie das bestätigen?
Schnorrenberg: Das lässt sich absolut bestätigen. Ein KI-gestützter Ansatz ist kein reines IT-Projekt, sondern eine Entscheidung für eine konsequent systematische Investmentkultur. Der Übergang von diskretionären Entscheidungen hin zu einem vollautomatisierten Prozess erfordert ein tiefes Vertrauen in die eigene Forschung und die Qualität der Daten. Kulturell bedeutet das weg von der Einzelleistung des Portfoliomanagers, hin zur kollektiven Intelligenz eines stabilen Prozesses. Man braucht die Disziplin, dem System auch in volatilen Phasen treu zu bleiben, weil man weiß, dass es auf objektiven Daten basiert und nicht auf kurzfristigen Impulsen. Diese Objektivierung ist für viele Häuser die größte Umstellung, aber gleichzeitig der wichtigste Hebel für eine verlässliche Performance.

IPE D.A.CH: Besten Dank für diese wertvollen Einblicke.