„Nur 27 % der EAM halten ihre Daten für ausreichend strukturiert für den Einsatz von KI.“

KI bietet unabhängigen Schweizer Vermögensverwaltern strategische Chancen, doch ihre Einführung befindet sich noch weitgehend im Versuchsstadium. Eine von der Fachhochschule Luzern bei den EAM durchgeführte Studie beleuchtet die wichtigsten Hindernisse für deren Einsatz, von der Datenqualität bis zum Datenschutz. Tatiana Agnesens und Manfred Stüttgen betonen hier die entscheidende Rolle einer klaren Strategie, um den Schritt von ersten Anwendungsfällen hin zu einer echten Integration der KI in die Vermögensverwaltung zu vollziehen.

Die Hälfte der von Ihnen befragten EAM nutzt bereits KI, doch nur 11 % der Anwendungsfälle haben die Phase der gross angelegten Implementierung erreicht. Was hindert all diese Manager daran, über die reine Experimentierphase hinauszugehen?

Die EAMs zeigen grosses Interesse an den potenziellen Anwendungsfällen der KI. Sie haben jedoch weiterhin Bedenken hinsichtlich des Datenschutzes und der Vertraulichkeit, wenn es darum geht, KI in ihre internen Prozesse zu integrieren.

Zudem sind sie nach wie vor recht skeptisch, was die Zuverlässigkeit und Genauigkeit der von der KI gelieferten Ergebnisse angeht. Das grösste Hindernis für eine gross angelegte Implementierung ist jedoch nach wie vor das Fehlen einer umfassenderen KI-Strategie. Wenn ein EAM beschliesst, KI zu einer Priorität zu machen und deren Potenzial voll auszuschöpfen, lassen sich diese verschiedenen Hindernisse überwinden.

Nur 27 % der EAMs halten ihre Daten für ausreichend strukturiert für den Einsatz von KI. Demgegenüber sehen 83 % von ihnen in der KI eine strategische Chance. Inwieweit könnte die Datenaufbereitung zu einem Hemmnis werden?

Tatsächlich wird die Datenaufbereitung derzeit als das grösste Hindernis für die Einführung von KI bei EAMs angesehen. Sie sind der Ansicht, dass ihre Daten weder ausreichend strukturiert noch zuverlässig genug sind, um die erwarteten Ergebnisse zu erzielen. Die Behebung dieser Probleme bildet daher die Grundlage für eine sinnvolle Einführung von KI. Einige EAMs haben diese Arbeit bereits in Angriff genommen, andere sind gerade dabei, und wir gehen davon aus, dass in Kürze weitere diesem Weg folgen werden.

Die Anlageforschung ist heute einer der Bereiche, in denen die KI die grössten Fortschritte macht, während das Onboarding und die Datenabgleichung trotz vergleichbaren Potenzials noch hinterherhinken. Wie erklären Sie sich diese Diskrepanz zwischen textlastigen Prozessen und solchen, die stärker mit Arbeitsabläufen verbunden sind?

Die Anlageforschung gehört zu den stark textbasierten Prozessen, bei denen KI grosse Mengen externer Daten auswerten kann. Auch generische und vertraute Tools wie ChatGPT können dabei zum Einsatz kommen. Das Screening von Aktien sowie qualitative oder quantitative Analysen lassen sich sehr effizient durchführen, ohne dass dabei besondere Probleme hinsichtlich der Daten oder des Datenschutzes auftreten.

Das Onboarding und die Datenabgleichung folgen einer anderen Logik. Sie erfordern den Einsatz spezifischer Tools, die auf internen Projekten und einem eigens dafür vorgesehenen Budget basieren, idealerweise im Rahmen einer unternehmensweiten KI-Strategie. Eine solche Strategie fehlt jedoch oft noch.

Datenschutzbedenken wurden von 85 % der Befragten genannt, während die regulatorische Unsicherheit mit zunehmender Erfahrung deutlich abnimmt. Bedeutet dies, dass die Empfehlungen der FINMA zur KI schneller als erwartet umgesetzt werden?

Zu unserer Überraschung haben wir festgestellt, dass die FINMA-Empfehlungen zur KI nicht als wesentliches Hindernis für deren Umsetzung angesehen werden. Die EAMs müssen diese natürlich berücksichtigen, sehen sich jedoch als erfahrene und risikobewusste Akteure, die in der Lage sind, solche Empfehlungen einzuhalten.

Sie betrachten die Einführung von KI wie die jeder anderen neuen Technologie, bei der eine Reihe von Vorgaben zu beachten sind, darunter eine angemessene Governance, Kontrollen zur Gewährleistung der Datenqualität und eine adäquate Dokumentation. Der Datenschutz ist ein wichtiger Bestandteil dieses Konzepts, entspricht jedoch weniger den Anforderungen der FINMA als vielmehr dem Bestreben der Vermögensverwalter, die Vertraulichkeit ihrer Kunden zu wahren.

Sie sagen, dass die EAM „eher nach einer Strategie und einem Fahrplan als nach weiteren Tools“ suchen. Wie könnte ein realistischer Fahrplan für einen mittelgrossen EAM heute aussehen?

Sie könnte insbesondere in Form eines praktischen Leitfadens zum Thema KI für EAMs gestaltet sein, ergänzt durch einen Überblick über potenzielle Anwendungsfälle, deren Umsetzungsmodalitäten und die damit verbundenen Kosten. Es wäre ebenfalls sinnvoll, eine quantitative und qualitative Bewertung der Risiken und Vorteile darin aufzunehmen. Die EAMs hätten so einen konkreteren Überblick über die Kosten, Vorteile und Möglichkeiten, die KI bietet.

Wenn man die gesamte Wertschöpfungskette betrachtet: Bei welchen Prozessen besteht heute die grösste Diskrepanz zwischen ihrem KI-Potenzial und dem Grad ihrer Einführung?

Die Datenqualität und -abgleichung sowie das Onboarding und die Kontoeröffnung gehören zu den Prozessen, bei denen das KI-Potenzial hoch ist, die Nutzung der KI jedoch noch relativ gering ist. Hier ist die Kluft derzeit am grössten.

Umgekehrt haben viele EAMs bei der Anlagerecherche, der Erstellung von Angeboten sowie der Kommunikation mit den Kunden Fortschritte erzielt. Sie haben die Lücke zwischen dem KI-Potenzial und dessen Umsetzung bereits verringert.

Sollten Schweizer EAM in den nächsten zwei Jahren eher auf die interne Rekrutierung von KI-Fachkräften oder auf den Einsatz externer Berater setzen?

Wir gehen davon aus, dass immer mehr EAM auf externe Berater zurückgreifen werden. Dies ist ein einfacher Weg, um schnell die erforderlichen Kompetenzen zu erwerben. Um KI nachhaltig in die Organisation zu integrieren und die internen Kapazitäten zu stärken, wäre es jedoch wünschenswert, auch intern Kompetenzen aufzubauen. Eine vertiefte KI-Ausbildung könnte zu diesem Ziel beitragen. Viele EAMs haben diesen Bedarf übrigens bereits geäussert.

Die detaillierten Ergebnisse der Studie

AI Use Cases in External Asset Management (EAM) — Finup Research