KI-Exposure im institutionellen Portfolio: Das unsichtbare Risiko

Eine Pensionskasse in Pasadena hat als einer der ersten institutionellen Anleger weltweit systematisch gemessen, wie stark sein Vermögen von Künstlicher Intelligenz abhängt. Das Ergebnis: zwischen 8 und 19 Prozent – je nachdem, wie man die Frage stellt. Diese Bandbreite ist kein Rechenfehler. Sie zeigt, dass die Branche das Problem noch nicht im Griff hat.

Es war eine unscheinbare Anfrage der Trustees: Man möge doch herausfinden, wie viel KI-Exposition das Portfolio eigentlich habe. Die Antwort, die das Anlageteam der Los Angeles County Employees Retirement Association (LACERA) zurückbrachte, hätte die Verwaltungsräte kaum überraschen können – und war dennoch aufschlussreich. LACERA, der grösste County-Pensionsfonds der USA mit einem Vermögen von 93,9 Milliarden US-Dollar, schätzte die potenzielle KI-Exposition des Portfolios auf 8 bis 19 Prozent – eine Arbeit, die nun ihrerseits dabei hilft, noch in Entwicklung befindliche Branchenklassifikationsstandards zu informieren.

Die Spannbreite von gut elf Prozentpunkten ist dabei symptomatisch: Sie entsteht nicht durch methodische Nachlässigkeit, sondern weil es bis heute keine einheitliche Antwort auf die Frage gibt, was überhaupt als «KI-exponiert» zählt. Ist es das Halbleiterunternehmen, das Chips für KI-Rechenzentren produziert? Die Versicherung, die KI für die Risikoprüfung einsetzt? Das Immobilienunternehmen, das Datenzentren vermietet? Oder der Privatkreditfonds, der einen SaaS-Konzern finanziert, dessen Geschäftsmodell gerade durch Generative AI unter Druck gerät?

Je nach Antwort ergibt sich ein völlig anderes Bild – und damit ein anderes Verständnis davon, welche Risiken und Chancen im Portfolio stecken.

Das Klassifikationsproblem: GICS unter Reformdruck

Hinter der Messunsicherheit steckt ein handfester Strukturkonflikt in der globalen Finanzarchitektur. MSCI und S&P Dow Jones Indices – die Hüter des Global Industry Classification Standard (GICS), des meistgenutzten Branchen-Klassifikationssystems der institutionellen Welt – haben am 17. Juli 2026 eine Konsultation eröffnet, die bis Ende Oktober 2026 läuft.

Im Zentrum steht das Bekenntnis, dass KI und High-Performance Computing die Technologielandschaft so tiefgreifend umgeformt haben, dass das bestehende GICS-Rahmenwerk einer Überprüfung bedarf. Vier KI-relevante Domänen stehen im Fokus: Compute- und KI-Logik-Halbleiter, HPC-as-a-Service, KI-Daten-Lebenszyklusdienstleistungen sowie Foundation-Model-Entwickler wie OpenAI und Anthropic.

Konkret diskutiert werden mehrere strukturelle Anpassungen. Die Sub-Industrie «Semiconductors» soll nach Geschäftsmodell aufgespalten werden – in Chip-Designer und integrierte Gerätehersteller, in Auftragsfertiger sowie in Solarkomponenten-Hersteller, die in den Industrials-Sektor wechseln würden. Für Foundation-Model-Entwickler wird vorgeschlagen, diese unter «Systems Software» zu klassieren und zu beobachten, ob eine eigenständige Sub-Industrie «Foundation Models & Platforms» gerechtfertigt wird, sobald der Markt reift. Zudem soll die Application-Software-Sub-Industrie bereinigt werden: Fintech-Unternehmen werden in den Financials-Sektor verlagert, Bitcoin- und Krypto-Miner wandern zu Internet Services & Infrastructure.

Der Grundsatz, der alle diese Entscheide verankert, klingt simpel, ist aber folgenreich: «GICS klassifiziert Unternehmen nach dem, was sie tun – nicht nach der Technologie, die sie einsetzen, den Inputs, die sie verbrauchen, oder den Innovationstrends, die sie repräsentieren.» Das bedeutet: Ein Pharmaunternehmen, das KI für die Wirkstoffentdeckung einsetzt, bleibt im Health-Care-Sektor. Ein Industriebetrieb, der KI zur Qualitätskontrolle nutzt, bleibt in Industrials. Die indirekten KI-Treiber – und das sind viele – bleiben in keiner Klassifikation sichtbar.

Dies erklärt die Bandbreite bei LACERA. Je nach Klassifikationstiefe – ob man nur direkte KI-Anbieter zählt oder auch KI-Nutzer und KI-finanzierte Infrastruktur einbezieht – kommt man auf grundlegend verschiedene Zahlen.

Das verborgene Exposure: Was Indizes verschweigen

Das Messproblem hat eine praktische Dimension, die Pensionskassen unmittelbar betrifft. Vor zehn Jahren machten Nvidia, Microsoft, Amazon, Meta, Broadcom, Alphabet und Oracle zusammen rund 9,7 Prozent des Morningstar US Target Market Exposure Index aus. Heute ist dieser Anteil auf 28,7 Prozent gestiegen – fast eine Verdreifachung. Das bedeutet: Wer über breit diversifizierte US-Aktienindizes investiert ist, hat bereits eine substanzielle KI-Exposition, ohne je einen spezifischen KI-Wert ausgewählt zu haben.

Diese Konzentration hat sich in einem Tempo beschleunigt, das viele Anlagekomitees noch nicht vollständig verarbeitet haben. JP Morgan Global Research hat Anfang 2026 gewarnt, dass die 20 grössten Titel im S&P 500 inzwischen über 50 Prozent der Gesamtmarktkapitalisierung des Index ausmachen – ein historischer Rekord. Diese «Winner-takes-all»-Dynamik, gespeist von der Nachfrage nach KI-Infrastruktur, hat die Diversifikationswirkung von Indexmandaten faktisch ausgehöhlt.

Morningstar hat in seinem Global Outlook 2026 explizit davor gewarnt, dass die meisten US-Anleger bereits stark im KI-Thema investiert sind – ob sie es wollen oder nicht. KI-exponierte Titel dominieren die grossen Benchmarks, und Morningstars eigene thematische Indexarbeit zeigt, dass Unternehmen mit Bezug zur nächsten Generation von KI einen grossen und wachsenden Anteil breiter US-Aktienindizes ausmachen.

Konkret: Ein klassisches 60-Prozent-US-Aktienportfolio enthält durch die Konzentration der Magnificent Seven bereits eine erhebliche KI-Exposition. Wer darüber hinaus noch einen KI-ETF mit einer Gewichtung von 10 Prozent hinzunimmt, kommt rasch auf eine effektive KI-Gesamtexposition von 25 bis 35 Prozent – nicht als bewusste Entscheidung, sondern als unbeabsichtigtes Resultat überlagernder Positionen.

Zur Messung dieses impliziten Exposures fehlt dem institutionellen Anleger heute oft das analytische Werkzeug. Einen methodischen Ansatz hat Paul E. Soto von der US Federal Reserve entwickelt: Der sogenannte AIR Index misst die Intensität von KI-Forschungs- und Entwicklungsaktivitäten auf Unternehmensebene, indem er Earnings-Call-Transkripte semantisch mit führenden KI-Forschungspublikationen vergleicht. Der AIR Index variiert stark zwischen Branchen und korreliert mit Kapitalwachstum sowie kurzfristiger Marktbewertung – zeigt aber keine messbaren Effekte auf Produktivität oder Beschäftigung.

Dieses Forschungsergebnis ist für Pensionskassen doppelt relevant: Einerseits deutet es darauf hin, dass «AI-Talk» in Earnings Calls die Bewertung kurzfristig stützt, auch wenn die fundamentalen Grundlagen noch fehlen. Andererseits zeigt es, dass die Messung von KI-Exposition über Fundamentaldaten – Umsatzanteile, Capex-Ströme, Textanalyse – machbar ist, aber erhebliche Datenarbeit erfordert.

Die unsichtbare Schuldenexposition: Private Märkte und KI

Was Aktienindizes an KI-Konzentration sichtbar machen, bleibt im Anleihen- und Privatmarktbereich noch weitgehend verborgen – und hier akkumuliert sich gerade ein erhebliches Risiko.

Im Investment-Grade-Anleihenmarkt ist die Entwicklung bereits deutlich messbar: KI-bezogene Emissionen machten 2025 rund 30 Prozent des gesamten Nettoemissionsvolumens in US-Dollar im Investment-Grade-Segment aus. Meta, Alphabet, Amazon und Oracle haben ihr kombiniertes Gewicht im Bloomberg US Corporate Investment Grade Index innerhalb von zwölf Monaten von 2,2 auf 4,1 Prozent fast verdoppelt – mit der Folge, dass jede Pensionskasse, die diesen Benchmark passiv abbildet, automatisch deutlich mehr Exposition gegenüber diesen fünf Emittenten erhielt, ohne eine aktive Kaufentscheidung getroffen zu haben.

Im Privatmarktbereich ist die Transparenz noch geringer. Die Bank für Internationalen Zahlungsausgleich (BIZ) hat in ihrem jüngsten Bulletin dokumentiert: Private-Credit-Darlehen an KI-bezogene Unternehmen sind von rund 3 Milliarden US-Dollar im Jahr 2010 auf über 40 Milliarden US-Dollar im Jahr 2025 gestiegen. Zirkuläre Transaktionen, die Eigenkapital, Schulden und Lieferantenverträge vermischen, tragen Vermögenswerte, die möglicherweise mehrfach verpfändet sind.

Ausstehende KI-bezogene Private-Credit-Kredite haben Anfang 2026 bereits 200 Milliarden US-Dollar überschritten. In den nächsten zwei Jahren werden weitere 800 Milliarden US-Dollar erwartet – ein Billionen-Dollar-Pipeline, der zunehmend in Renten- und Fondsstrukturen sickert, ohne dass Empfänger dies immer sehen.

Besonders heikel ist die Exposition über SaaS-Kredite im Private-Credit-Segment. Ausstehende Kredite an SaaS-Unternehmen sind von knapp 8 Milliarden US-Dollar im Jahr 2015 auf über 500 Milliarden US-Dollar – entsprechend 19 Prozent aller direkten Kredite – bis Ende 2025 gestiegen. Ein Drittel aller Private-Credit-Fonds hat Kredite an SaaS-Unternehmen vergeben, zusätzlich zu ihrer wachsenden Exposition gegenüber grossen US-Technologieunternehmen. Software-Aktien brachen zwischen Oktober 2025 und Februar 2026 um fast 30 Prozent ein.

Beim britischen Local Pensions Partnership Investments (LPPI) zeigt sich die Spannung in der Praxis: Im Private-Credit-Portfolio identifizierte die Investmentdirektorin für Credit und Fixed Income, Andrew John, die Software-Exposition als einen der wenigen Bereiche mit Stresspotenzial.

BIZ und IWF schlagen Alarm: Systemische Risiken nehmen zu

Die Warnsignale aus der Regulierungswelt verdichten sich. Die BIZ hat in einer Rede vom Januar 2026 die systemischen Implikationen explizit benannt: Mit zunehmender Verbreitung von KI könnten Expositionen und Abhängigkeiten stärker konzentriert werden. Die Abhängigkeit von gemeinsam genutzten Plattformen, gemeinsamen Datenquellen, ähnlichen Modellen oder wichtigen Dienstleistern erhöhe das Systemrisiko.

Im BIZ-Jahresbericht 2026 werden drei ineinandergreifende Druckpunkte identifiziert: ein möglicher KI-Capex-Einbruch, ein Zusammenbruch zirkulärer Finanzierungsstrukturen sowie Staatsschuldenrisiken – die sich gegenseitig verstärken könnten.

Die BIZ hält fest: «Wenn sich das geplante Ausmass der fremdfinanzierten KI- und zugehörigen Energieinfrastrukturinvestitionen in diesem Jahrzehnt materialisiert, werden die Risiken für die Finanzstabilität voraussichtlich zunehmen.» Konkret beobachtet die BIZ, dass die Ausgaben der Hyperscaler für Rechenzentren und zugehörige Technologieinfrastruktur einen erheblichen Anteil an den Investitionen in fortgeschrittenen Volkswirtschaften ausmachen. Die grossen US-Technologiekonzerne haben ihre Kapitalausgaben so stark beschleunigt, dass ein wachsender Teil der Ausgaben fremdfinanziert werden muss.

Der IWF hat seinerseits auf eine neue Dimension des Systemrisikos hingewiesen: KI beschleunige den Zyklus von Cyberangriffen, während die Governance-Strukturen zur Abwehr dieser Risiken in Zeitlupe operieren. Die konzentrierte Abhängigkeit des Finanzsystems von einer Handvoll Cloud-Anbietern und Zahlungsnetzwerken schaffe eine strukturelle Vulnerabilität.

Das Forschungspapier «Artificial Intelligence and Systemic Risk» fasst die Mechanik zusammen: Algorithmische Systeme machen heute schätzungsweise 60 bis 80 Prozent des Aktienhandelsvolumens aus. Die Bank of England, die EZB, das FSB und der IWF haben KI-getriebene Konvergenz als aufkommendes Systemrisiko identifiziert – Episoden wie der Nikkei-Einbruch vom August 2024, bei dem der Index an einem Tag um 12,4 Prozent fiel, illustrieren, wie korrelierte algorithmische Reaktionen kleine Schocks in grosse Kursverschiebungen verwandeln können.

Die Schweizer Perspektive: Konzentration als blinder Fleck

Schweizer Pensionskassen stehen vor denselben Herausforderungen – haben die Frage der KI-Exposition jedoch noch kaum systematisch zu stellen begonnen.

Laut dem Pensionskassen-Jahrbuch 2025 des Beratungsunternehmens PPCmetrics stehen Schweizer Vorsorgeeinrichtungen vor steigenden Konzentrationsrisiken in inländischen und globalen Aktien, Anleihen und regionalen Expositionen, insbesondere gegenüber den USA. Rund zwei Drittel – genau 67,5 Prozent – der gesamten Pensionsvermögen in Höhe von 859 Milliarden Franken sind in Anleihen und Aktien investiert.

Die Konzentration in globalen Aktienportfolios ist in Schweizer Pensionskassen klar sichtbar: Die fünf grössten Positionen – Nvidia, Apple, Alphabet, Microsoft und Amazon – machen rund 10 Prozent des globalen Aktienportfolios aus. Wie gross der implizite KI-Anteil insgesamt ist – über Anleihen, Private Credit, Infrastruktur und indirekte Wirkungsketten hinweg – hat in der Schweiz noch kaum eine Einrichtung systematisch zu messen versucht.

Die Swisscanto-Pensionskassenstudie 2026 zeigt, dass Aktien Ende 2025 mit 34,5 Prozent zur grössten Anlageklasse in Schweizer Pensionsfonds-Portfolios geworden sind – ein historisches Hoch. Private-Sector-Pensionskassen erreichten eine Deckungsquote von 119,6 Prozent, dem zweithöchsten Wert der vergangenen 25 Jahre. Diese solide Ausgangslage sollte nicht darüber hinwegtäuschen, dass ein erheblicher Teil dieser Rendite aus KI-getriebenen Aktiengewinnen stammt – und damit eben genau jener Exposition, die noch nicht systematisch gemessen wird. Als Reaktion auf die wachsende Konzentration zeichnen sich bei Schweizer Vorsorgeeinrichtungen erste Kurskorrekturen ab.

Mercer, einer der grössten britischen Pensionsberater, hat in einer Analyse explizit Parallelen zur TMT-Blase der frühen 2000er Jahre gezogen und verweist auf JP-Morgan-Schätzungen, wonach KI-exponierte Unternehmen 2026 bereits 14 Prozent des US-Investment-Grade-Index ausmachen – ein Anteil, der bei passiver Abbildung automatisch in jeden Bond-Benchmark-Fonds fliesst.

Was «Thoughtful AI Exposure» heute bedeutet

Die wachsende Komplexität der KI-Exposition hat die institutionelle Fachwelt zu einer methodischen Gegenbewegung veranlasst. Cambridge Associates hat in seinem Outlook für 2026 eine klare Warnung formuliert: «Der Sektor verspricht viel, aber das aktuelle Investitionsumfeld ist geprägt von Überschwang, mit beispiellosem Kapitalfluss in KI-Infrastruktur und -Anwendungen. Anleger müssen Optimismus mit Vorsicht ausbalancieren und Expositionen suchen, die sowohl strategisch als auch diszipliniert sind.» Durchdachte KI-Exposition erfordere eine Diversifikation über die grössten KI-exponierten Namen hinaus.

Morgan Stanley formuliert es als Imperativ für aktives Management: «GenAI erhöht den Wert aktiver Portfoliopositionierung. Portfoliodiversifikation zu erreichen ist zunehmend schwierig, angesichts der Korrelation so vieler Sektorthemen mit der Skalierung und dem Umfang des Rechenzentrum-Infrastrukturausbaus – aber notwendiger denn je, angesichts wie schnell sich die Dinge verändern. Verfolgen Sie nicht nur breite Tech-Exposition. Unterscheiden Sie die echten KI-Gewinner.»

BlackRock rechnet damit, dass die Capex-Ausgaben der Hyperscaler 2026 rund 610 Milliarden US-Dollar erreichen werden – nach 360 Milliarden US-Dollar im Vorjahr. Für Anleger bedeutet das eine historisch einmalige Situation: Die grössten Kapitalinvestitionen der Unternehmensgeschichte werden gleichzeitig über Aktien, Anleihen, Private Credit und Infrastrukturfonds finanziert – und fliessen damit in Portfolios, die auf unterschiedliche Rendite- und Risikoprofile ausgelegt sind.

Der Total Portfolio Approach als Antwort

Die Frage der KI-Exposition ist nicht zuletzt ein Impuls für eine grundlegendere Veränderung in der Portfoliosteuerung. Der Total Portfolio Approach (TPA) – der themenübergreifend über Asset-Klassen hinweg denkt statt jede Klasse separat zu optimieren – ermöglicht erst die Sichtbarkeit von Querschnittsthemen wie KI.

Das Thinking Ahead Institute hat dokumentiert, dass 26 grosse Fonds, die TPA einsetzen, über einen Zeitraum von zehn Jahren ihre Investitionen um 1,3 Prozent pro Jahr besser verzinst haben als Fonds mit strategischer Asset-Allokation (SAA).

CalPERS, mit einem Vermögen von rund 600 Milliarden US-Dollar der grösste US-Pensionsfonds, hat den Total Portfolio Approach unter CIO Stephen Gilmore eingeführt – der zuvor beim australischen Future Fund und dem New Zealand Superannuation Fund tätig war. Die LACERA-Analyse zur KI-Exposition zeigt, wohin solche ganzheitlichen Betrachtungen führen können: zu einer Sichtbarkeit von Risiken, die in der silo-artigen Asset-Klassen-Logik schlicht nicht existieren.

Bloomberg hat in einem Kommentar die Voraussetzung klar benannt: «Ein Total Portfolio View erfordert die Fähigkeit, das Portfolio als Ganzes zu sehen: konsistent, dynamisch und in nahezu Echtzeit.» Das ist kein technisches Wunschdenken, sondern eine Governance-Anforderung, die durch die KI-Exposition eine neue Dringlichkeit erhält.

Governance-Implikationen: Die richtigen Fragen stellen

Das LACERA-Beispiel hat eine Dimension, die über die Portfolioanalyse hinausgeht: Es zeigt, dass es die Trustees waren – das Board –, die die entscheidende Frage gestellt haben. Die Anlageteams hatten offenbar bisher keine Veranlassung, diese Analyse durchzuführen.

Für Verwaltungsräte und Anlagekommissionen von Pensionskassen ergeben sich daraus mehrere konkrete Fragen, die sich heute stellen lassen:

• Erstens die Bestandsaufnahme: Wie gross ist unsere direkte KI-Exposition – über Aktien, Anleihen, Private Equity, Private Credit, Infrastruktur? Und wie gross ist die indirekte Exposition – durch Indexkonzentration, durch KI-finanzierte Strukturen, durch KI-disrupted Geschäftsmodelle in unseren Kreditportfolios?
• Zweitens die Methodik: Welche Definition von «KI-exponiert» wenden wir an? Schliessen wir nur direkte KI-Anbieter ein oder auch Nutzer? Zählen wir die Exposition auf Unternehmens- oder auf Cash-Flow-Ebene?
• Drittens die Aggregation: Haben wir eine konsolidierte Sicht über alle Asset-Klassen hinweg – oder ist unsere Exposition auf verschiedene Silos verteilt, die sich der Messung entziehen?
• Viertens das Benchmarking: Worin liegt der Unterschied zwischen unserer KI-Exposition und der impliziten Exposition im Benchmark? Und ist diese Abweichung eine bewusste Entscheidung oder ein Zufallsprodukt?
• Fünftens die Szenarioanalyse: Was passiert mit unserem Portfolio, wenn der KI-Capex-Boom schneller als erwartet endet? Wer trägt die Risiken der zirkulären Finanzierungsstrukturen, vor denen die BIZ warnt?

Die ehrliche Antwort auf viele dieser Fragen lautet heute: Man weiss es nicht. Das LACERA-Beispiel zeigt, dass das Stellen der Frage ein Erkenntnisgewinn ist – auch wenn die Antwort noch unscharf bleibt. Und es zeigt, dass Trustees und Verwaltungsräte eine aktive Rolle in dieser Messung spielen können und sollen.

Fazit: Ein blinder Fleck mit wachsendem Gewicht

Die KI-Exposition im institutionellen Portfolio ist ein neues Phänomen mit einer alten Wurzel: das Konzentrationsrisiko, das sich unbemerkt aufbaut, weil es sich quer durch Sektoren, Anlageklassen und Strukturen zieht.

Die GICS-Konsultation von MSCI und S&P wird bis Ende November 2026 erste Antworten auf die Klassifikationsfrage liefern – aber keine vollständige Lösung. Denn die eigentliche Herausforderung ist nicht die Klassifikation einzelner Titel, sondern die konsolidierte Messung über ein gesamtes Portfolio mit Aktien, Anleihen, Private Markets und Derivaten.

LACERA hat vorgemacht, wie man diese Frage stellt. Viele institutionelle Anleger – in den USA und in der Schweiz – haben die Frage noch nicht gestellt. Die BIZ, der IWF und die Bank of England haben deutlich gemacht, warum die Zeit drängt.