Künstliche Intelligenz soll Anlageentscheidungen verbessern

Die Forschung an Künstliche-Intelligenz-Systemen, die auf künstlichen neuronalen Netzen basieren, trägt in der Praxis zunehmend Früchte. Darauf weist die Nord/LB Asset Management (Nord/LB AM) in einer Pressemitteilung hin. „Mit der neuartigen Methode der regimebasierten Asset-Allokation haben wir bereits Pionierarbeit geleistet und Maschinenlernen zum Vorteil unserer Kunden in Investitionsentscheidungen eingebunden“, sagt Carsten Schmeding, Vorstandsvorsitzender der Nord/LB Asset Management AG. „Mit Sociovestix Labs bewegen wir uns von einem Maschinen-Lernen zu einer KI-Lösung. Wir stehen damit an der Spitze der Wissenschaft im Bereich Asset Management. Deswegen wollten wir mit den besten Leuten in der Forschung arbeiten.“ 

Sociovestix Labs hat sich der Big Data-Analyse mit Methoden des maschinellen Lernens im Bereich nachhaltiger Investments verschrieben. Gemeinsam wollen KI-Experten und Asset-Management-Spezialisten die Entwicklung von neuronalen Netzen vorantreiben, die bessere Investitionsentscheidungen ermöglichen, berichtet die Nord/LB AM. 

Dass Forschung und Praxis eng zusammenarbeiten, sei für beide Seiten von Vorteil: Die Nord/LB AM bekommt nach eigener Einschätzung das Fortschrittlichste, was in der KI-Forschung derzeit möglich ist, Sociovestix Labs bekomme echte, aktuelle Finanzmarktdaten und könne in vivo (lateinisch für „im Lebendigen“) testen. 

„Bei Sociovestix Labs arbeiten wir schon länger an Tiefen Neuronalen Netzen für die Finanzindustrie, das Spannende ist aber, diese Netzarchitekturen jetzt auch im Bereich von Investmententscheidungen in den Einsatz zu nehmen“, berichtet Dr. Damian Borth, Gründungsdirektor von Sociovestix Labs, der in seiner akademische Rolle das Deep Learning Competence Center am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) leitet. 

Die Nord/LB AM arbeitet schon länger an einem selbstlernenden Algorithmus, der Kapitalmarktmuster erkennt und Marktveränderungen antizipiert. Unter dem Namen Regimebasierte Asset Allokation oder RB(A)² entstand eine neue Strategie zum Umgang mit wachsender Marktunsicherheit. Die daraus entstandenen regelgebundenen Anlageentscheidungen zeigten positive Auswirkungen auf die Ertrags- und Risikorelationen, heißt es in der Pressemitteilung. „Auf dem Weg zum Asset Management 4.0 sind KI-basierte Systeme bei der Investmententscheidung der nächste logische Schritt“, fügt Carsten Schmeding hinzu. „Als mittelständisches Haus mit hoher Spezialisierung können wir neue Ansätze für unsere Kunden mit Zeit- und Qualitätsvorteilen nutzbar machen.“