KI als Anlageberater: Schlaue Maschine, blinder Fleck oder echte Ergänzung?

Der Anlagenachmittag des Vorsorge-Symposiums 2026 war ein Lehrstück über den realen Stand der künstlichen Intelligenz im Investmentprozess: zwischen akademischer Ernüchterung und konkreter Outperformance aus Zürich. Der Nachmittag endete mit Erkenntnissen und einer klaren Warnung.

«Menschliche und künstliche Intelligenz» stand diesmal über dem zweitägigen Klassentreffen der Schweizer 2. Säule – und der Anlagenachmittag vom 10. Juni zeigte, warum dieses Thema gerade jetzt für institutionelle Investoren brennt. Sieben Referate, ein Podium, eine Frage: Was kann KI im Anlageentscheidungsprozess wirklich leisten?

Thorsten Hens eröffnet mit einer Gegenfrage

Den Auftakt machte Prof. Thorsten Hens von der Universität Zürich mit einem Vortrag, der die Erwartungen des Publikums bewusst auf den Prüfstand stellte: «Was sagt die Wissenschaft?» Seine Antwort war differenziert, aber nicht ausweichend. Hens, einer der führenden Behavioral-Finance-Forscher im deutschsprachigen Raum, verwies auf ein Trading-Experiment mit ChatGPT, in dem KI-Entscheidungen mit typischen Verhaltensverzerrungen menschlicher Anleger verglichen wurden. Das Ergebnis: KI reduziert zwar bekannte Biases wie Verlustangst, Home Bias oder Herdenverhalten – doch sie schafft im Gegenzug neue Risiken: Modellrisiko, Overfitting, Versagen in unbekannten Marktregimes.

Besonders aufschlussreich ist in diesem Zusammenhang eine aktuelle Studie der Harvard Business School («Mimicking Finance», NBER Working Paper, 2026). Ein neuronales Netz, trainiert auf Daten von 1990 bis 2023, konnte rund 71 Prozent aller Handelsentscheidungen aktiver Fondsmanager korrekt vorhersagen. Die eigentliche Pointe liegt im Umkehrschluss: Die 29 Prozent nicht vorhersagbaren Trades waren es, die im Schnitt mit Outperformance verbunden waren. Für Hens ist das kein Zufall: Echter Mehrwert entsteht dort, wo Portfoliomanager sich nicht wie ein Algorithmus verhalten – wo unkonventionelles, schwer modellierbares Urteil gefragt ist.

De Nard zeigt, wie Swisscanto KI in die Praxis überführt

Auf die akademische Grundierung folgte die konkreteste Praxisdemonstration des Nachmittags. Gianluca De Nard, Quantitative Researcher bei Swisscanto, präsentierte den «Systematic AI»-Ansatz seines Hauses – und damit eine der wenigen Schweizer Live-Implementierungen, die sich am Markt messen lassen kann.

Konzeptuell verortete De Nard den aktuellen Stand der KI-Durchdringung im Investmentprozess auf einer Skala von 0 bis 5: von «keine KI» über «KI-unterstützt» und «KI-augmentiert» bis hin zu «KI-kuratiert» (Stufe 3), «KI-automatisiert» (Stufe 4) und «vollautonom» (Stufe 5). Der Schweizer Markt befinde sich heute mehrheitlich auf Stufe 3 – KI generiert Portfolio- und Allokationsvorschläge, der Mensch überwacht, greift selektiv ein und verantwortet die Parameter. Vollautonomie, bei der kein Mensch mehr in der Schleife ist, bezeichnet De Nard als regulatorisch wie praktisch noch nicht reif.

Der Swisscanto-Prozess selbst ist auf vier Stufen aufgebaut: Aus einem globalen Aktienuniversum scannt ein Machine-Learning-Modell auf Basis von über 400 Sub-Faktoren die attraktivsten Titel. Ein Nachhaltigkeitsfilter – unter anderem CO₂-Reduktion von mindestens 4 Prozent pro Jahr und ESG-Rating über Benchmark – schränkt das Universum weiter ein. Daraus wird ein Portfolio konstruiert, das auf systematische Risikokontrolle und kostenneutralen Turnover (10–15% pro Monat) ausgelegt ist. Laufendes Monitoring durch interne und externe Fachstellen schliesst den Kreislauf.

Die Resultate des zugehörigen Fonds sprechen eine klare Sprache: Seit Launch erzielte der Fonds gegenüber dem MSCI World Small Cap (Net, TR, USD) eine kumulierte Outperformance von 5,4 Prozent (per Ende 09/2025). Das ist kein Backtest, sondern gelebte Praxis. De Nards Fazit: Der aktuelle Mehrwert von KI liegt klar in der Signalgenerierung – mit grossem Potenzial für zukünftige Anwendungen in der Portfoliokonstruktion und -optimierung. Sein abschliessendes Bild: «Mensch + Maschine.»

Epp, Ganz, Becker, von Meyerinck: Das breitere Bild

Weitere Referate ergänzten das Panorama. Jonas Epp von SIX plädierte für «AI Ready statt AI Hype» – eine Mahnung, dass die operative Infrastruktur (Datenqualität, Governance, Schnittstellenstandards) oft hinter dem Marketingversprechen zurückbleibt. Jonas Ganz von Mesirow beleuchtete Währungsrisiken im KI-gestützten Portfoliokontext. Peter Becker von Capital Group zeigte Chancen in Fixed Income auf, wo maschinelles Text-Mining von Zentralbankprotokollen und Unternehmensberichten echte Informationsvorteile schafft. Sarah von Meyerinck von BlackRock analysierte schliesslich das Makrobild: Führt der KI-Investitionsboom zu einer sanften oder harten Landung?

Den Abschluss machte ein Einblick aus der Pensionskassenpraxis: Roman Denkinger von comPlan – der Pensionskasse der Swisscom – zeigte, wie ein Schweizer Vorsorgeträger KI-Tools operativ in den Anlage- und Risikoprozess integriert, ohne dabei die treuhänderischen Pflichten zu vernachlässigen.

Klare Warnung für den Privatanleger

Das Bild, das sich aus der Forschung ergibt, ist komplex, aber nicht widersprüchlich. KI ist kein Wundermittel, aber auch keine Bedrohung – sie ist ein Werkzeug, das falsch eingesetzt zu schlechten Ergebnissen führt und richtig eingesetzt echten Mehrwert schafft. Echte Wertschöpfung entsteht nur dann, wenn menschliches Urteilsvermögen und technologische Fähigkeiten Hand in Hand gehen. KI ist demnach selten eine eigenständige Lösung – Wert entsteht durch die enge Verzahnung von Mensch und Maschine. Gleichzeitig ist sie kein Hype mehr, sondern – wie De Nards Live-Performance eindrücklich belegt – ein realer Renditebeitrag, wenn sie diszipliniert, transparent und eingebettet in menschliche Governance eingesetzt wird. Für die Schweizer Pensionskassen ist die Folgefrage nicht mehr «ob KI», sondern «auf welcher Stufe» – und welche Governance-Strukturen, regulatorischen Anforderungen und Datenfundamente dafür bereit sein müssen.

Für Privatanleger zeichnet die Forschung – wie Thorsten Hens auch – ein deutlich nüchterneres Bild. Eine Studie der Universität St. Gallen untersuchte Portfolioempfehlungen grosser Sprachmodelle wie ChatGPT für Privatanleger und verglich die vorgeschlagenen Portfolios mit einem globalen Indexfonds. Das Ergebnis: Die von der KI konstruierten Portfolios waren durchgängig riskanter als der Benchmark, jagten «heissen» Aktien nach, bevorzugten aktive Produkte und trugen höhere Kosten – bei unklarem Mehrertrag.