Algorithmus-AlphaDie Börse entzaubert den vermeintlichen KI-Vorsprung

Mehrere Fonds, die Aktien mithilfe künstlicher Intelligenz auswählen, bleiben hinter dem S&P 500 zurück. Bei jüngeren Strategien fällt das Bild gemischter aus, aber ein verlässlicher Vorsprung ist bislang aber nicht erkennbar.

Langzeittest fällt für KI ernüchternd aus

Zu den länger laufenden Beispielen zählt der 2017 gestartete Amplify AI Powered Equity ETF (AIEQ), ein börsengehandelter Fonds für US-Aktien. Von seiner Auflegung bis Januar 2024 wurde der Fonds aktiv gemanagt. Schon damals beruhte die Aktienauswahl auf einem von EquBot entwickelten KI-Modell, das auf der IBM-Plattform Watson läuft. Seit dem 29. Januar 2024 verfolgt AIEQ eine passive Strategie und bildet den AI Powered Equity Index nach, einen regelbasierten Aktienindex, dessen Zusammensetzung ebenfalls mithilfe des EquBot-Modells bestimmt wird. Das System nutzt maschinelles Lernen, Stimmungsanalyse und automatische Textauswertung. Verarbeitet werden unter anderem Nachrichten, soziale Medien, Analystenberichte, Unternehmenszahlen sowie Kurs- und Wirtschaftsdaten.

Zum 31. Juli 2026 kam AIEQ über fünf Jahre auf eine durchschnittliche Jahresrendite von 4,55 %. Der S&P 500 erreichte im selben Zeitraum einschließlich reinvestierter Dividenden 12,86 % pro Jahr. Die Angaben beziehen sich beim AIEQ auf die Wertentwicklung zum Nettoinventarwert. Seine Fünfjahresrendite umfasst dabei auch den Zeitraum, in dem der Fonds noch aktiv gemanagt wurde.

Einzelne jüngere KI-ETFs haben den Markt über kürzere Zeiträume geschlagen, darunter der QRAFT AI-Enhanced U.S. Large Cap Momentum ETF (AMOM). Das US-Finanzmedium MarketWatch verglich mehrere solcher Fonds bis zum 24. August 2026 – die meisten blieben hinter dem Markt zurück. Die Ergebnisse zeigen damit weder ein grundsätzliches Scheitern von KI noch einen verlässlichen Vorsprung gegenüber klassischer Analyse.

Wettbewerb holt bessere Modelle schnell ein

An der Börse reicht ein gutes Modell allein nicht. Es muss relevante Informationen früher oder besser auswerten als die Konkurrenz. Nutzen viele Investoren ähnlich leistungsfähige Systeme, fließen dieselben Signale schneller in Kauf- und Verkaufsentscheidungen ein. Ein anfänglicher Vorteil kann schrumpfen, wenn andere Modelle erfolgreiche Ansätze nachbilden oder aufholen.

Ein Modell kann seine Prognosen auch verbessern, ohne deshalb eine höhere Rendite als der Markt zu erzielen. Erkennen viele Investoren dieselben Fehlbewertungen, konkurrieren sie um dieselben Chancen. Dadurch können Preisunterschiede, von denen eine Strategie profitieren kann, schneller kleiner werden. Ein Renditevorsprung entsteht für Anleger erst, wenn das eigene System die Konkurrenz dauerhaft übertrifft.

Kosten verschärfen den Nachteil aktiver Strategien

Wer den Markt schlagen will, muss einen Vorsprung erzielen, der auch nach den zusätzlichen Aufwendungen bestehen bleibt. Forschung, Daten und häufigeres Handeln verteuern aktive Strategien gegenüber einfachen Indexanlagen. Einzelne Fonds können diese Hürde überwinden.

Bei den von MarketWatch betrachteten Fonds mit KI-gestützter Aktienauswahl lag die durchschnittliche Kostenquote bei 0,66 %. AIEQ selbst weist 0,75 % aus. Der Vanguard Total Stock Market ETF (VTI), der den breiten US-Aktienmarkt passiv abbildet, verlangt lediglich 0,03 %. Zur Veranschaulichung: Bei einem konstanten Anlagewert von 10.000 USD entsprächen 0,75 % rechnerisch 75 USD pro Jahr. Bei 0,03 % wären es 3 USD. Allein um diesen Gebührenabstand auszugleichen, müsste die teurere Strategie je 10.000 USD rund 72 USD zusätzliche Rendite erwirtschaften.

KI kann große Datenmengen auswerten und die Analyse beschleunigen. Entscheidend für Anleger ist jedoch das Ergebnis nach Kosten. Bei den betrachteten Fonds ist – bislang –kein verlässlicher Vorsprung gegenüber passiven Marktanlagen zu erkennen.