Der folgende Artikel wurde freundlicherweise zur Verfügung gestellt von

Wenn KI Anlageentscheidungen trifft

KI-Agenten analysieren Unternehmenspublikationen, vergleichen Peers und können eigenständig Orders auslösen. Damit verändert sich nicht nur das Assetmanagement. Auch das CFO-Office muss sich darauf einstellen.

von Michael Diegelmann und Ariane Hofstetter

Sie ist längst Realität: Agentic Finance. BlackRock hat mit „Asimov“ einen hauseigenen KI-Analysten entwickelt, Norwegens Staatsfonds nutzt KI im Portfoliomanagement und Robinhood rollt KI-Agenten aus, die eigenständig handeln.

Anders als ein Chatbot verfolgt ein Agent ein Ziel innerhalb definierter Leitplanken: Er sammelt Daten, zieht Schlüsse und handelt danach – vom Scoring bis zur Orderausführung. Für Emittenten heißt das: Ihre Daten werden schneller verarbeitet, mit Folgen für Aktienkurs und Kapitalkosten.

Wie arbeitet die moderne Buy-Side?

Ein Agentic-Finance-System wie der synthetische Investor Warren Wise wertet Unternehmensberichte über Jahre systematisch aus, zieht Peer-, Branchen- und Makrodaten heran und gleicht Strategieteil, Risikobericht und Vergütungssystem ab. Es deckt Inkonsistenzen auf und macht jede Bewertung bis zu ihrer Quelle rückverfolgbar. Die Analyse ist reproduzierbar und misst jedes Unternehmen an seinen Peers. Und KI hat keine Vorstandsbeziehungen zu pflegen: Sie schwächt kein Urteil ab, um ein Mandat zu sichern.

Ein Beispiel eines DAX-Unternehmens: Restrukturierungsaufwand wird als einmalig ausgewiesen. Der Agent erkennt in der Segmentberichterstattung, dass ein ähnlich hoher Aufwand Jahr für Jahr wiederkehrt, und wertet ihn als laufende Kosten. Die Lücke zwischen bereinigtem und berichtetem Ergebnis wird zum Warnsignal. Solche Signale bilden einen Score als Grundlage für Kaufentscheidungen.

Warum der Wandel nicht aufzuhalten ist

Umfragen zeigen, dass die Mehrheit der Wealth- und Assetmanager bereits generative KI in unterschiedlichen Anwendungsfeldern einsetzt. Seit MiFID II ist die Coverage bei Small und Mid Caps geschrumpft. Aktien-Research, das von Emittenten bezahlt wird, sagt in der Regel „Kaufen“, auch wenn eklatante Risiken offensichtlich sind. Automatisierte KI-Analysen füllen das Vakuum. Zudem bündelt ab 2027 der European Single Access Point Unternehmensdaten zentral und strukturiert. Diese Datenmassen fordern den Einsatz von KI geradezu heraus. Aber es gibt Probleme!

ESEF und XBRL stellen sicher, dass eine Zahl gelesen wird – nicht, wie die Maschine sie interpretiert. Auch eine technisch einwandfrei lesbare Zahl kann eine wenig schmeichelhafte Schlussfolgerung nahelegen, wenn sie mit den Vorjahreszahlen, der eigenen Equity Story und den Peers abgeglichen wird. Da sich die Substanz zum Berichtszeitpunkt nicht mehr ändern lässt, zählen Darstellung und Kontext. Unternehmen sollten ihre Berichterstattung so gestalten, dass KI sie richtig versteht.

Was das für CFOs bedeutet

Wenn Schwachstellen in Echtzeit sichtbar sind, sinkt der Wert der Erzählung und steigt der Wert der Substanz. Fragen der Buy-Side werden seltener oder schärfer, Entscheidungen über Platzierungen und Kreditlinien fallen schneller.

Wer sich dieser Entwicklung verweigert, verschwindet nicht aus der Analyse – er verzichtet nur auf die eigene Stimme. Die gute Nachricht: Ein kohärentes, überprüfbares Gesamtbild kann die Kapitalkosten auf beiden Seiten der Bilanz senken. CFOs sollten daher vor jeder Veröffentlichung prüfen, wo Narrativ und Substanz auseinanderklaffen, und ihre Equity Story einem Stresstest unterziehen.

Agentic Finance ersetzt weder Investoren noch Banker. Doch bevor ein Portfoliomanager ein Unternehmen prüft, hat das agentische System bereits ein Urteil vorgeprägt. Wer versteht, wie die agentische Buy-Side arbeitet, bleibt am Steuer. Für alle anderen heißt es: Game Over.