AI (Artificial Intelligence oder KI für künstliche Intelligenz) kann theoretisch helfen, mehr, bessere, aktuellere und kostengünstigere Informationen für nachhaltige Investments zu generieren. Die Frage ist, wie das erreicht werden kann. Hier sind meine Ideen:

………. ….. Hinweise: Ich nutze Daten von Clarity.ai und ESGBook und berate Allindex, die auch Search4Stocks anbieten. Der Text basiert auf einem Beitrag für GitexIMpact (siehe How can sustainable investors benefit from artificial intelligence? – GITEX Impact – Leading ESG Event 2023), der mit Hilfe von Deepl übersetzt wurde und auf LinkedIn als Artikel veröffentlicht wurde. Das Foto des zugehörigen Blogbeitrags stammt von Pixabay. …………………………………..……

KI ist nicht klar definiert. In diesem Artikel unterscheide ich nicht zwischen maschinellem Lernen, Deep Learning und KI. Vereinfachend unterscheide ich auch nicht zwischen Umwelt-, Sozial- und Governance-Investitionen (ESG) sowie Impact Investing oder anderen nachhaltigen Investitionsansätzen.

Gleiche Renditen mit geringeren Risiken durch AI?

Die wichtigste Frage aus AnlegerInnensicht ist meistens, ob KI dazu beitragen kann, die Renditen zu verbessern. In der Vergangenheit wurden enorme Mengen an Gehirn- und Computerleistung und Geld investiert, um höhere Renditen als die Märkte zu erzielen. Viele quantitative traditionelle Investoren mit teilweise tiefen Taschen haben meistens vergeblich versucht, passive Benchmarks zu übertreffen (vgl. Kapitalanlage – Kann man den Markt schlagen? Teil 5 (roboadvisor-portal.com)). Ich erwarte nicht, dass die KI daran etwas ändern wird.

Aber KI kann dazu beitragen, Geldanlagerisiken zu verringern, insbesondere Nachhaltigkeitsrisiken. Diese Risiken können zum Beispiel mit Umwelt-, Sozial- und Governance-Ratings gemessen werden. ESG-Ratings beruhen oft auf einer Vielzahl von Daten und unstrukturierten Informationen aus allen möglichen Formaten, wie z. B. Videokonferenzen von Unternehmen mit Aktienanalysten. Mit KI ist es einfacher, mehr Emittenten von Anlageprodukten und mehr ratingrelevante Daten pro Emittent zu erfassen sowie die Ratings häufiger zu aktualisieren. ESG Book und Clarity.ai sind frühe Anbieter solcher KI-basierten ESG-Ratings.

Wenn KI dazu beiträgt, Anlagerisiken zu verringern, können die risikobereinigten Anlegerrenditen besser werden. Ich bezweifle jedoch, dass das (Overlay-)Risikomanagement von Portfolios durch KI wesentlich verbessert werden kann. In der Vergangenheit haben häufigere oder komplexere Risikosignale zur Änderung von Portfolios in der Regel nicht zu einer höheren Portfolioperformance geführt (vgl. Abschnitt Risiko-Overlay in Asset Allocation, Risiko-Overlay und Manager-Selektion: Das Diversifikationsbuch | SpringerLink).

AI ermöglicht andere Portfolios und zielgerichteteres Marketing

Durch die Nutzung der KI-basierten ESG-Daten von Clarity kann ich mein Portfolio aus etwa zwanzigtausend Aktien mit umfassenden ESG-Daten zusammenstellen (vgl. Noch eine Fondsboutique? – Responsible Investment Research Blog (prof-soehnholz.com)). So kann ich Portfolios aus Aktien mit geringen Kapitalisierungen (Small Caps) zusammenstellen, für die traditionelle ESG-Rater typischerweise keine Daten liefern. Durch die KI-basierte häufige Aktualisierung der ESG-Daten kann ich zudem schneller reagieren als es bei traditionellen ESG-Ratings mit jährlichen Aktualisierungen der Fall ist. KI kann natürlich auch mit nicht-Nachhaltigkeitsinformationen helfen.

Mehr Auswahlmöglichkeiten bedeutet auch mehr Individualisierungsmöglichkeiten. Es ist bekannt, dass Kunden länger in maßgeschneiderte Anlagen investiert bleiben als in Standard-Anlagen. Insgesamt kann deshalb eine auf KI basierende individuelle Portfolioanpassung für Anleger und Anbieter gleichermaßen attraktiv.

Es liegt auf der Hand, dass KI dazu beitragen kann, Marketingaktivitäten besser auf individuelle Bedürfnisse, auch die von nachhaltigen Investoren, abzustimmen. Maßgeschneidertes Marketing könnte durch KI so billiger und inhaltlich besser und damit überzeugender werden.

KI kann wahrscheinlich auch dazu beitragen, die Finanzbildung und Anlageberatung zu verbessern. Mit Hilfe von KI sollte es für AnlegerInnen einfacher werden, die vielen verschiedenen Facetten nachhaltiger Anlagen besser zu verstehen. Dies könnte zum Beispiel durch KI-basierte Antworten auf Anlegerfragen erreicht werden. Large Language Modelle (LLM) wie Bing, ChatGPT oder Google Bard sollten für solche Themen gut geeignet sein. Einfachen Fragen wie „Kann man mit ESG-Investments Outperformance erreichen“ können mit Standard-Antworten auf häufig geäußerte Fragen (FAQ) beantwortet werden. AI kann aber helfen, wenn es darum geht, zum Beispiel SRI- mit ESG- oder SDG-Fonds zu vergleichen.

Außerdem kann KI dazu beitragen, häufigere und detailliertere Berichte über nachhaltige Anlagen für Kunden zu erstellen. Auch das könnte dazu beitragen, den Umsatz zu steigern und Kunden zu binden. Aber mehr und häufigere Informationen können auch ein Verkaufsrisiko darstellen. In der Regel gibt es zu jeder Anlage auch negative Informationen. Wenn Anleger zusätzliche (KI-basierte) Negativinformationen über mehrere Portfoliobestandteile erhalten, werden sie möglicherweise ganz auf den Versuch verzichten, nachhaltig zu investieren. Meine Empfehlung für solche Fälle ist: Versuchen Sie, so nachhaltig zu investieren, wie Sie können. Auch wenn dies nicht perfekt ist, so ist es doch nachhaltiger als traditionelles Investieren.

Direkte AI-basierte ESG-Indexierung und Portfolio-Selbstanpassung

Meiner Meinung nach gibt es ein noch attraktiveres Angebot als die anbieterbasierte Portfolioindividualisierung, nämlich Portfolioanpassungen durch Anleger selbst. Ich plädiere für die Selbstanpassung besonders für nachhaltige Geldanlagen (vgl. „Custom ESG Indexing Can Challenge Popularity Of ETFs”).

Portfolios auf der grünen Wiese zu erstellen, dürfte für die meisten Anleger schwierig sein. Doch auch dafür gibt es schon KI-Angebote. Search4Stocks von Allindex.com ist ein Beispiel für ein entsprechendes kostenloses KI-basiertes Tool. Alternativ können Standard-Portfolios als Ausgangsbasis für Individualisierungen genutzt werden.

Direkte bzw. benutzerdefinierte ESG-Indizierung ermöglicht es Anlegern, ein regelbasiertes nachhaltiges Startportfolio („Index“) individuell anzupassen. Man könnte zwar auch mit nicht-regelbasierten Portfolios starten, aber die sind für Anleger meistens schwieriger nachvollziehbar. Auch eine starke Vorselektion der Ausgangsportfolios ist sinnvoll, damit Anleger ihre Anpassungen auf Basis von wenigen Dutzend und nicht einigen hundert Investments starten.

Für die Selbstanpassung können Nachhaltigkeitsinformationen genutzt werden. Portfolioanbieter können (KI-basierte) aktuelle Informationen zu ESG-Ratings oder Kontroversen in Bezug auf Portfoliobestandteile zur Verfügung stellen. Basierend auf solchen Informationen sollte es auch ohne detaillierte Finanzbildung einfach sein, Aktien aus den Startportfolio auszuschließen. KI kann auch eingesetzt werden, um Stimmrechtsausübungen und individuelle Engagements von Anlegern oder Aktionären bei Zielunternehmen zu unterstützen.

Selbst-angepasste nachhaltige Portfolios können wahrscheinlich sogar noch „klebriger“ sein als maßgeschneiderte Angebote von Anbietern und deshalb trotz des zusätzlichen Aufwands auch für Anbieter attraktiv sein.

Künstliche Intelligenz mit Nachteilen, aber positive Aspekte überwiegen

Da es nicht genügend gut ausgebildete ExpertInnen für nachhaltiges Investieren gibt, kann KI helfen, Lücken zu füllen und so zu mehr nachhaltigen Investments führen. Arbeitsplätze bei traditionellen Finanzunternehmen könnten durch KI jedoch gefährdet sein. Negativ sind auch Daten- und Knowhow-Sicherheitsprobleme und dass KI-Anwendungen viel Energie verbrauchen können, insbesondere wenn sie Bilder und Videos erstellen. Aber insgesamt könnte KI für nachhaltige Investitionen mehr Vorteile als Nachteile bringen.