Deutsch 
07.05.2024 - Kommentare
Die künstliche Intelligenz (KI) hat begonnen, am Stuhl der Kundenberater, Analysten und Portfoliomanager zu sägen. Der einstige Glaube, dass Computer niemals eigenständig Analysen erstellen, Empfehlungen aussprechen oder mit Kunden kommunizieren können, ist verflogen.
Einschätzungen des IT-Beratungshauses Accenture zufolge lassen sich 39 Prozent der Arbeitszeit bei Finanzdienstleistern zukünftig durch KI-Systeme automatisieren. Bei weiteren 34 Prozent könnte KI unterstützend zum Einsatz kommen, sodass lediglich 27 Prozent der Arbeitszeit verbleiben, der vor dem Einsatz von KI geschützt wäre und ausschließlich dem Menschen vorbehalten bliebe.1
So wundert es nicht, dass in einer Umfrage des Beratungshauses Boston Consulting Group 40 Prozent der Angestellten angeben zu befürchten, zukünftig ihren Job an ein KI-System zu verlieren.2
Wie erfolgreich ist bislang der KI-Einsatz in der Finanzbranche?
Während KI noch vor nicht allzu langer Zeit ein Thema für Spezialisten war, hat der Hype um ChatGPT bewirkt, dass es bis in die Führungsetagen der Finanzhäuser vorgedrungen ist. In einer Umfrage des Beratungshauses EY Ende des Jahres 2023 gaben 99 Prozent der Führungskräfte von Finanzdienstleistern an, dass sie generative KI bereits einsetzen oder zumindest in der Planungs- oder Entwicklungsphase seien.3 Ein Jahr zuvor hätte man mit dieser Antwort nicht rechnen können.
Etliche IT-Häuser erfreuen sich der Nachfrage und sind bereits umtriebig, KI-Konzepte für Finanzdienstleiter zu entwickeln und zu vertreiben. Der „digitale Kollege“, der einen Anwender in seiner Arbeit vielseitig und individuell unterstützen kann, steht dabei hoch im Kurs. Durch ein sogenanntes Retrieval-Augmented Generation Modell (RAG)4 werden unternehmensinterne Datenbanken mit Sprachmodellen verknüpft. Dies ermöglicht Anwendern, präzise Antworten auf Anfragen zu bekommen, ohne dass das Sprachmodell einem kostenintensiven Training unterzogen werden muss.
Mit einem RAG-Modell lassen sich Informationen schneller sammeln, zusammenfassen, und nach individuellen Wünschen aufbereiten. So ist es denkbar, dass Kundenberater zukünftig auf Knopfdruck alle relevanten Informationen über bevorstehende Kundengespräche in gewünschter Form präsentiert bekommen. E-Mail Ansprachen können individuell erstellt werden, ohne dass der Kundenberater lange an der Formulierung feilen muss, weil das System alle verfügbaren Informationen einbeziehen kann. Selbst personalisierte Anlagestrategien können RAG-Modell basierend auf den Kundeninformationen erstellen.
Auch für Finanzanalysten und Portfoliomanager bieten solche KI-Systeme einen großen Mehrwert. Eine der größten Herausforderungen für Analysten und Portfoliomanager ist die
gigantische Informationsflut, der sie ausgesetzt sind. Weit mehr als die Hälfte der eigenen Arbeitszeit verbringt man damit, Informationen zu suchen, zu aggregieren und zu interpretieren. Während konventionelle Suchalgorithmen lediglich die Fundorte aufzeigen, können RAG-Modelle die Informationen auswerten und aufbereitet präsentieren. Das zeitliche Einsparpotential ist enorm.
Sollte die Geldanlage vollständig den Systemen überlassen werden?
Während in der Kundenberatung KI-Systeme weitestgehend noch Neuland sind, aber in der Analyse immer häufiger zum Einsatz kommen, haben sie schon seit Jahren oder gar Jahrzehnten einen festen Platz in der Portfoliosteuerung inne. Der vorzuweisende Erfolg ist jedoch gemäß dem von Sven Ebert und mir dokumentierten Status-Quo des letzten Frühjahres eher mäßig und hat sich unserer Einschätzung nach nicht grundlegend geändert.5
Diverse Hedgefonds und Handelshäuser vertrauen bei kurzfristig ausgerichteten Transaktionen auf Machine Learning, einer Unterform der KI. Meist erfolgt dies jedoch nur in einem sehr begrenzten Umfang bezogen auf Zeitspanne und eingesetztes Kapital profitabel. Durch den übermäßigen kurzfristigen Einsatz von Machine Learning Systemen an Kapitalmärkten kann es sogar zu systemischen Risiken kommen, wie ich bereits im Sommer letzten Jahres aufgezeigt habe.6 In der langfristigen Portfoliosteuerung werden KI-Systeme gerne beworben, der Nachweis eines langfristig wirtschaftlich nachhaltigem Erfolg bleibt bislang aus.7
Wird KI den Kundenberater zukünftig ersetzen?
Zwar ist für einige Bürgerinnen und Bürger der Klick beim Onlinebroker auf das gewünschte Produkt selbstverständlich. Bezogen auf alle deutschen Haushalte sind sie jedoch in der Minderheit. Nach Angaben der Deutschen Bundesbank (2023) besitzen über 35 Prozent der privaten deutschen Haushalte ein liquides Geldvermögen von mehr als 10.000 Euro, welches unverzinst auf Spar- oder Girokonten geparkt wird. Lediglich 21 Prozent aller Haushalte besitzen Fondsprodukte und somit eine Chance zum Inflationsausgleich oder Vermögensaufbau.8
Die Geldanlage ist ein Vertrauensgut
Die Unsicherheit in der Geldanlage ist nach wie vor für viele Deutsche der größte Hemmschuh. Die Qualität und Sicherheit einer Anlage sind oft erst nach langer Zeit erkennbar und schwer vorab zu beurteilen. Ohne ein notwendiges Maß an Vertrauen kommt für die Mehrheit der Bevölkerung eine Finanzanlage nicht in Frage.
Erst durch Aufklärung, Vertrauensbildung und Beistand, wenn es einmal nicht so gut läuft wie erhofft, wird in vielen Haushalten die Entscheidung für eine Geldanlage getroffen. Das hat mein Kollege Marius Kleinheyer (2020) in seinem Beitrag „der ehrbare Finanzkaufmann“ anschaulich gezeigt.9 Eine KI kann zwar hierbei den Menschen unterstützen, sie kann ihn aber nicht ersetzen.
Wie steht es schlussendlich um die Jobs in der Finanzbranche?
Derzeit sieht es nicht danach aus, als ob die künstliche Intelligenz das Ruder in der Geldanlage übernehmen wird. Jedoch gibt es ein hohes Potenzial für Effizienzgewinne und somit weniger Nachfrage nach Personal. So sägt schließlich nicht die künstliche Intelligenz selbst, sondern jemand, der erfolgreich KI einsetzt, am Stuhl der Kundenberater, Analysten und Portfoliomanager.
1 Accenture: “Top 10 Banking Trends”, 2024
2 BCG: “AI at Work: What People are Saying”, Juni 2023,
3 EY: „ EY Survey: AI adoption among financial services leaders universal, amid mixed signals of readiness“, Dezember 2023.
4 Retrieval-Augmented Generation bezeichnet die Kombination von Wissensdatenbanken und KI-basierten Sprachmodellen, um ein System zu erhalten, das spezifische Aufgaben besser als ein allgemeines Sprachmodell lösen kann. Der Vorteil liegt darin, dass ein Sprachmodell mit unternehmensinternen Datenbanken angereichert werden kann, ohne dass das Modell erneut einem kostenintensiven Training unterzogen werden muss.
5 Ebert, Sven und Immenkötter, Philipp: „Maschinelles Lernen an Finanzmärkten: gekommen, um zu bleiben“ Flossbach von Storch Research Institute, Februar 2023.
6 Immenkötter, Philipp: „Die Risiken der künstlichen Intelligenz für die Finanzwelt“, Corporate Finance, Nr. 07-08, 2023.
7 Ebert & Immenkötter 2023, ebenda.
8 Deutsche Bundesbank (2023): „Private Haushalte und ihre Finanzen“ (PHF-Studie).
9 Kleinheyer (2020): „Der ehrbare Finanzkaufmann“, Flossbach von Storch Research Institute.
Rechtliche Hinweise
Die in diesem Dokument enthaltenen Informationen und zum Ausdruck gebrachten Meinungen geben die Einschätzungen des Verfassers zum Zeitpunkt der Veröffentlichung wieder und können sich jederzeit ohne vorherige Ankündigung ändern. Angaben zu in die Zukunft gerichteten Aussagen spiegeln die Ansicht und die Zukunftserwartung des Verfassers wider. Die Meinungen und Erwartungen können von Einschätzungen abweichen, die in anderen Dokumenten der Flossbach von Storch AG dargestellt werden. Die Beiträge werden nur zu Informationszwecken und ohne vertragliche oder sonstige Verpflichtung zur Verfügung gestellt. (Mit diesem Dokument wird kein Angebot zum Verkauf, Kauf oder zur Zeichnung von Wertpapieren oder sonstigen Titeln unterbreitet). Die enthaltenen Informationen und Einschätzungen stellen keine Anlageberatung oder sonstige Empfehlung dar. Eine Haftung für die Vollständigkeit, Aktualität und Richtigkeit der gemachten Angaben und Einschätzungen ist ausgeschlossen. Die historische Entwicklung ist kein verlässlicher Indikator für die zukünftige Entwicklung. Sämtliche Urheberrechte und sonstige Rechte, Titel und Ansprüche (einschließlich Copyrights, Marken, Patente und anderer Rechte an geistigem Eigentum sowie sonstiger Rechte) an, für und aus allen Informationen dieser Veröffentlichung unterliegen uneingeschränkt den jeweils gültigen Bestimmungen und den Besitzrechten der jeweiligen eingetragenen Eigentümer. Sie erlangen keine Rechte an dem Inhalt. Das Copyright für veröffentlichte, von der Flossbach von Storch AG selbst erstellte Inhalte bleibt allein bei der Flossbach von Storch AG. Eine Vervielfältigung oder Verwendung solcher Inhalte, ganz oder in Teilen, ist ohne schriftliche Zustimmung der Flossbach von Storch AG nicht gestattet.
Nachdrucke dieser Veröffentlichung sowie öffentliches Zugänglichmachen – insbesondere durch Aufnahme in fremde Internetauftritte – und Vervielfältigungen auf Datenträger aller Art bedürfen der vorherigen schriftlichen Zustimmung durch die Flossbach von Storch AG.
© 2024 Flossbach von Storch. Alle Rechte vorbehalten.
