Lange Zeit war die Rollenverteilung im Asset Management klar: Passive Exchange Traded Funds (ETFs) bildeten einen Index nach, während aktive Fondsmanager versuchten, durch gezielte Anlageentscheidungen eine Mehrrendite zu erzielen. Diese Trennung verliert zunehmend an Bedeutung.

Eine neue Generation von ETFs kombiniert aktive Anlagestrategien mit künstlicher Intelligenz (KI): Algorithmen analysieren Unternehmensdaten, erkennen Muster in Finanzmärkten und unterstützen die Auswahl und Gewichtung einzelner Wertpapiere. Was bisher vor allem spezialisierten quantitativen Hedgefonds vorbehalten war, erreicht damit zunehmend den breiten ETF-Markt.

Ein Wachstumsmarkt mit erheblichem Potenzial

Die Entwicklung fällt in eine Phase, in der aktive ETFs ohnehin stark an Bedeutung gewinnen. In Europa erreichte das verwaltete Vermögen aktiver ETFs im August 2026 laut Morningstar rund 123 Milliarden Euro. Das entspricht einem Wachstum von etwa 42 Prozent seit Jahresbeginn.

Gemessen am gesamten europäischen ETF-Vermögen ist das Segment mit einem Anteil von knapp vier Prozent allerdings weiterhin vergleichsweise klein. Gerade darin sehen zunehmend mehr Anbieter beträchtliches Wachstumspotenzial.

Die Entwicklung hat eine strategische Dimension: Traditionelle Asset Manager können ihre aktiven Anlagestrategien zunehmend in einer börsengehandelten Struktur anbieten. Gleichzeitig eröffnet die Verbindung mit KI neue Möglichkeiten, Investmentprozesse zu automatisieren, grosse Datenmengen auszuwerten und Portfolios systematisch anzupassen.

Novum an der Schweizer Börse

Ein Beispiel für diese Entwicklung liefert Pictet Asset Management. Der Genfer Vermögensverwalter lancierte im September 2026 KI-gestützte Aktien-ETFs, die an der Schweizer Börse SIX gehandelt werden.

Die Produkte stehen exemplarisch für einen Wandel, der weit über die Digitalisierung traditioneller Anlageprozesse hinausgeht: Während klassische quantitative Strategien mit vorab definierten Faktoren und Regeln arbeiten, können moderne Machine-Learning-Verfahren komplexere Zusammenhänge zwischen Unternehmenskennzahlen, Bewertungen und Marktbewegungen identifizieren.

Allerdings bedeutet der Einsatz von KI nicht zwangsläufig, dass ein Algorithmus sämtliche Anlageentscheidungen autonom trifft. In vielen Strategien unterstützt künstliche Intelligenz die Signalgenerierung, während Portfoliokonstruktion, Risikolimiten und Überwachung weiterhin durch Menschen oder regelbasierte Systeme bestimmt werden.

Letztlich dürfte aber genau dies für professionelle Anleger interessant werden.

Suche nach dem Informationsvorsprung

KI-gestützte Anlagestrategien versprechen, mehr Informationen schneller auszuwerten als herkömmliche Investmentprozesse.

Neben Geschäftsberichten, Bilanzkennzahlen und Kursdaten können solche Systeme auch unstrukturierte Informationen berücksichtigen wie etwa Unternehmensmitteilungen, Analystenkonferenzen oder News.

Der Vorteil liegt dabei weniger bei der Bewältigung der immensen Datenmenge, sondern darin, die entscheidenden Signale zu identifizieren. Allerdings: Ein statistisch auffälliges Muster ist noch lange kein dauerhaft nutzbarer Renditevorteil.

Das Problem des Herdeneffekts

Je stärker KI im Asset Management eingesetzt wird, desto drängender stellt sich die Frage, ob sich daraus tatsächlich ein nachhaltiger Wettbewerbsvorteil erzielen lässt.

Denn viele Anbieter greifen auf vergleichbare Datenquellen, Rechenkapazitäten und Technologien zurück. 

Hinzu kommen bekannte Probleme: KI kann historische Zusammenhänge falsch einordnen, auf veränderte Marktbedingungen falsch reagieren oder Muster erkennen, die  nicht genügend gut funktionieren.

Für Anleger sind deshalb nicht nur die ausgewiesenen Renditen entscheidend, sondern auch die Verlässlichkeit der Modelle, ihre Transparenz und die Qualität des Risikomanagements.

Der Kostenvorteil muss sich erst beweisen

Ein anderes Kapital sind die Gebühren: ETFs gelten traditionell als besonders kostengünstige Anlageinstrumente. Aktive KI-Strategien benötigen jedoch Dateninfrastruktur, spezialisierte Fachkräfte und erhebliche Rechenkapazitäten.

Diese Kosten müssen letztlich durch die erzielte Anlageperformance gerechtfertigt werden.

Für professionelle Investoren ist daher entscheidend, ob ein KI-gestützter ETF nach Verwaltungsgebühren, Transaktionskosten und Handels-Spreads eine bessere risikoadjustierte Rendite erzielt als ein vergleichbarer traditioneller ETF.

Dabei dürfte sich die Diskussion zunehmend von der reinen Performance zur Frage verschieben, wie robust eine Strategie in unterschiedlichen Marktphasen funktioniert.

Auch für Privatbanken verändert sich das Geschäft

Die zunehmende Verbreitung KI-gestützter ETFs hat nicht nur Konsequenzen für Asset Manager, sondern auch für Banken, unabhängige Vermögensverwalter und institutionelle Investoren.

Sie müssen künftig beurteilen, welche Rolle solche Produkte innerhalb einer strategischen Vermögensallokation übernehmen können. Dabei geht es insbesondere um die Frage, ob KI-gestützte ETFs traditionelle aktive Aktienfonds ersetzen oder bestehende passive Positionen ergänzen sollen.

Hierbei spielen auch die Gebühren eine Rolle. Darüber hinaus gilt es, die Stabilität der Modelle und die Verantwortlichkeiten innerhalb des Investmentprozesses zu prüfen. Denn nicht immer ist nachvollziehbar, weshalb ein Algorithmus bestimmte Titel bevorzugt beziehungsweise meidet.

Die nächste Bewährungsprobe 

Der Einsatz künstlicher Intelligenz wird also zunehmen. Dies dürfte den Wettbewerb im Asset Management, das bereits heute stark unter (Kosten-) Druck steht, zusätzlich beeinflussen. 

Vorderhand ist eine differenzierte Betrachtungsweise angesagt. Denn lassen die Daten keine Aussage über ihre langfristige Überlegenheit zu.

Die Grenzen zwischen passivem Investieren, quantitativem Management und aktiver Titelauswahl werden jedoch durchlässiger.

Die entscheidende Frage ist deshalb nicht mehr, ob künstliche Intelligenz im ETF-Markt eingesetzt wird. Sondern ob sie nach Kosten und über verschiedene Marktzyklen hinweg einen messbaren Mehrwert schafft.

Die oben genannten Marktdaten beziehen sich auf den europäischen Markt aktiver ETFs insgesamt und nicht ausschliesslich auf KI-gestützte Produkte. Eine nachgewiesene langfristige Überrendite von KI-ETFs lässt sich daraus nicht ableiten.