Künstliche Intelligenz im Investmentprozess
Wer den Begriff „Künstliche Intelligenz“ (KI) liest oder hört, denkt vorrangig an den Umgang mit einer Flut an Daten und die Frage, wie damit umzugehen ist. Ein Beitrag von Daniel Andemeskel, Head of Innovation Management, CEO und Co-Founder UI Enlyte, und Robert Bluhm, Sustainability Officer/Head of ESG-Office, Head of Product Management Alternative Investments & Structuring, Universal Insvestment in Ausgabe 07 von EXXECNEWS INSTITUTIONAL gibt einen Einblick.
Schnelligkeit und Effizienz in der Datenanalyse sind ein signifikanter Teil von KI, aber nicht nur. KI bedeutet, auch Algorithmen zu entwickeln, die sich durch neue Informationen ständig selbst verbessern und so lernen, immer komplexere Daten zu entschlüsseln und daraus selbstständig immer neue Problemlösungen anzubieten. KI ist somit maschinelles Lernen aus maschineller Erfahrung und daher weit mehr als das Sammeln, Verwalten und Clustern von Daten.
Besonders Investoren, die ESG-konforme Investments tätigen möchten, sind mit einer Flut von oft unstrukturierten Daten konfrontiert. Oftmals müssen diese manuell auf sich daraus ergebende potenzielle Risiken und Chancen geprüft werden. Anlageentscheider wie Asset Manager, Fondsinitiatoren oder institutionelle Investoren stützen ihre Entscheidungen deshalb häufig auf ESG-Ratings, die von den etablierten Rating-Datenanbietern angeboten werden. Diese Ratings sind allerdings meist nur für große, börsennotierte Unternehmen verfügbar. Die Bewertung von Nachhaltigkeitsindikatoren, etwa im Rahmen eines Micro-Finance-Projekts, sind deshalb nur schwer möglich, da strukturierte Daten zu Kleinst- oder Einzelunternehmern über etablierte Datenprovider meist nicht verfügbar sind. Andere Optionen, wie die direkte Erhebung von Informationen vor Ort, sind entweder logistisch nicht umzusetzen oder wirtschaftlich nicht darstellbar.
Eine weitere Herausforderung: Viele ESG-Indikatoren werden nur monatlich, vierteljährlich oder gar jährlich aktualisiert. Während Investoren Börsenkurse schon seit langem in Echtzeit verfolgen können, werden Nachhaltigkeitsaspekte und -risiken meist mit Verzögerung bewertet. Anlageentscheidungen müssen nicht selten auf Basis veralteter Daten getroffen werden. ESG-Rating-Anbieter sind dabei ebenso wie die Investoren selbst zu einem großen Teil auf die von den bewerteten Unternehmen selbst veröffentlichten Informationen angewiesen. Auch wenn einige Rating-Agenturen vor diesem Hintergrund zunehmend selbst Analysen erstellen, ist die nötige Auswertung von qualitativen Daten manuell nicht beherrschbar. Ziel ist es aber, Investoren einen aktuellen Überblick über ESG-konforme Investments zu geben, und das nahezu in Echtzeit.