Ich habe bereits argumentiert, dass künstliche Intelligenz für Asset Manager in erster Linie kein Tooling-Problem ist, sondern ein Problem des operativen Modells. Die eigentliche Bedeutung von KI liegt in ihrem Einfluss darauf, wie Organisationen lernen, Entscheidungen skalieren und Verantwortung verankern.

Dieser Artikel ist der erste Teil einer kurzen Reihe zu Künstlicher Intelligenz und Operating Models im Asset Management. Er ordnet die aktuellen KI-Welle ein und analysiert deren Auswirkungen auf die Branche. Der zweite Artikel widmet sich der Daten und KI-Strategie, während der abschließende Beitrag die Umsetzung aus der Perspektive eines etablierten Asset Managers beleuchtet.

Die Entwicklung Europas im Bereich ESG-Investitionen (Environmental, Social and Governance) war geradezu transformativ. Anfang der 2020er Jahre erfasste eine Welle nachhaltiger Finanzierungen den Kontinent: Investoren, Institutionen und politische Entscheidungsträger schlossen sich ehrgeizigen Netto-Null-Zielen an, klimafokussierte Fonds boomten und regulatorische Rahmenbedingungen wie die EU-Verordnung über nachhaltigkeitsbezogene Angaben im Finanzbereich (SFDR) gaben das Tempo für die globalen Märkte vor. Doch die Landschaft verändert sich. Die anfängliche Begeisterung weicht einer pragmatischeren Herangehensweise. Angesichts zunehmender Belastungen wie Klimaschocks ist die Einbeziehung von ESG-Kriterien in Investitionsentscheidungen jedoch umso dringlicher geworden, um Risiken zu managen und die Wettbewerbsfähigkeit und Zukunftsfähigkeit zu erhalten.