Die Anwendungsgebiete von KI im Finanzbereich sind bereits heute ausgesprochen vielfältig. Entsprechend des wachsenden Leistungsvermögens von Hard- und Software kann man davon ausgehen, dass künftig immer leistungsfähigere und komplexere bankspezifische KI-Lösungen zum Einsatz kommen.
Das Subsegment der digitalen Vermögensverwalter bzw. Robo Advisor, deren verwaltetes Vermögen in den letzten Jahren stark gewachsen ist, ist dabei eine interessante KI-Anwendungsdomäne.
In Deutschland haben Robo-Berater Ende 2019 ein Fondsvermögen von 7,5 Milliarden Euro (BVI 2019) verwaltet. Deutsche Privatanleger haben somit gut ein Prozent ihres Fondsvermögens automatisiert angelegt.
Die meisten Anbieter der Internet-basierten Vermögensverwaltung unterstützen keine persönliche Beratung. Im Regelfall führt der Anleger die Kundenprozesse ausschließlich über eine Smartphone-App oder eine Website aus.
Aus den grundlegenden Antworten der Fragen zu seiner Person wie Alter, Renditeziel und verfügbarem Einkommen bekommt er entsprechend seiner Risikofreude ein Standardportfolio mit meist passiven, börsengehandelten Indexfonds (ETFs) empfohlen.
Mithilfe von assistierenden KI-Technologien lassen sich umfangreiche Datenbestände analysieren, die aktuellen Risiken auf dem Finanzmarkt bewerten oder Online-Finanzplaner entwickeln, die Kunden bei Finanzentscheidungen unterstützen.
Generative Technologien ermöglichen die Transformation „intelligenter“ Verknüpfungen aus der Daten-Analyse in verwertbare Prognosen zur Entwicklung von Märkten, Unternehmenssektoren oder Anlageklassen.
Robo Advisor entwickeln sich ständig weiter
Die Entwicklung der am Markt verfügbaren Robo Advisor zeigt sich an folgenden Entwicklungsstufen:
- In der ersten Ausbaustufe konnten die Kunden über eine Web-Anwendung oder eine App Einzelproduktvorschläge oder Portfolio-Allokationen basierend auf börsennotierten Anlageprodukten abbilden, nachdem sie einen Fragebogen zum Filtern geeigneter Optionen ausgefüllt hatten.
- Die zweite Generation von Robo Advisor unterstützt eine expertengestützte Umsetzung von Portfolio-Allokationen.
- Eine Weiterentwicklung ist der Einsatz von Algorithmen in Form automatisierter Entscheidungsbäume. Damit können Portfolios auf Grundlage der zuvor definierten Investitionsstrategien ausgerichtet werden.
Kennzeichnend für alle Robo Advisor mit KI sind selbstlernende Algorithmen. Diese neue 4. Generation von Robo Advisorn wechseln zwischen verschiedenen Anlageklassen aufgrund sich ändernder Marktbedingungen und individuelle in Echtzeit, um die gewählte Anlagestrategie umzusetzen. Ein Beispiel ist der Robo Advisor Smavesto – eine 100-prozentige Tochter der Sparkasse Bremen (Smavesto 2020).
Die Robo-Advisor von Betterment und Wealthfront können mittels Algorithmen Transaktionen, Portfolio-Management oder sogenanntes Tax Loss Harvesting automatisieren und damit Aufgaben lösen, für die sonst menschliche Intervention und Expertise benötigt würden (Betterment 2020, Wealthfront 2020).
Maschinelles Lernen hilft bei Automatisierung
Genau wie bei einem menschlichen Finanzberater lassen durch den Einsatz maschinellen Lernens (ML) automatisierte Finanzberatungen und intelligente Werkzeuge zum Finanzmanagement entwickeln.
Auf der Grundlage der Eingaben des Kunden zu seiner finanziellen Lage und seinen Anlagezielen generieren die Algorithmen Lösungsvorschläge und können dabei komplexe, verborgene Strukturen aufdecken, die menschliche Experten möglicherweise nicht entdecken würden.
Im Hinblick auf die Zielallokation zur Abbildung eines optimalen Portfolios können Algorithmen die Auswahl der Investitionen dynamisch anpassen. Andererseits könnten Handelsalgorithmen, die auf maschinellem Lernen basieren, weniger vorhersehbar sein als regelbasierte Anwendungen und auf unerwartete Weise interagieren.
Intelligente Robo Advisor haben auch einen positiven Effekt auf die Kundenerfahrung, vor allem für solche Kunden, die digitale Interaktionen und einen „Do-it-yourself“-Ansatz bevorzugen. Dabei bieten Algorithmen kontextualisierte Produkte und Erfahrungen sowie gezielte Finanzberatung an. Das senkt letztlich die Kosten für die Verbraucher.
Indem Komplexität und Kosten, die mit einigen Dienstleistungen verbunden sind (z. B. Beratungsdienste) reduziert werden, liefert KI einen indirekten Beitrag zu einem leichteren Zugang zu Finanzdienstleistungen für Kundengruppen, die dazu bisher keinen hatten. Darüber hinaus verbessert sich die Allgegenwärtigkeit/geografische Reichweite der über Robo Advisor angebotenen Finanzdienstleistungen.
Anlageprozesse und Nutzung vereinfachen
Intelligente Robo Advisor vereinfachen die Benutzererfahrung der Kunden. Online-Plattformen zur Anlageberatung und Online-Fragebögen zur Ermittlung der Risikopräferenzen und Anlagehorizonte erleichtern den Anlageprozess aus Kundensicht erheblich.
Kontinuierliches Monitoring und automatisiertes Rebalancing sowie die 24/7-Erreichbarkeit der Robo-Advisors unterscheiden sie von der traditionellen Anlageberatung.
Kunden können über benutzerfreundliche Smartphone-Applikationen
oder über die Website auf ihre Konten zugreifen und zu jeder Tageszeit Anpassungen in ihren Portfolios vornehmen und die Anlagen neu kalibrieren. Darüber hinaus enthalten die intelligenten Robo Advisor Chatbots, über die Kunden bei Bedarf Unterstützung (s. dazu auch KI-Corner 02/20).
Bestes Investment herausfiltern
Investitionsentscheidungen empfinden die meisten Kunden in der Regel als kompliziert und schwierig. Darüber hinaus werden diese Entscheidungen häufig durch emotionale und kognitive Voreingenommenheit wie übermäßiges Selbstvertrauen oder begrenzte kognitive Fähigkeiten beeinflusst.
Um die Kundenerfahrung zu verbessern, bieten intelligente Robo Advisor einfachere und weniger emotionale Entscheidungsprozesse und zusätzlich eine breitere Palette von Dienstleistungen wie Chancen- und Risikowarnungen, Push-Notifications für Marktaktualisierungen sowie periodische Portfolioüberprüfungen und Dashboards.
Daher kann die private und nicht-persönliche Kommunikation zwischen Nutzer und Robo Advisor als „sichere“ Plattform für den Kunden dienen, um seinen Wissensstand in Finanzfragen realistisch zu verstehen, ohne die Angst und Verlegenheit, dies einem menschlichen Berater zu zeigen. In diesem Sinne leisten intelligente Robo Avisor einen positiven Beitrag, die Transparenz im Anlageprozess zu erhöhen und eine neutralere Beratung anzubieten.
Der Kunde hat, eher das Gefühl, dass das empfohlene Portfolio das Ergebnis einer logischen Argumentation ist, die nicht so sehr auf Empfehlung eines Dritten beruht.
Robo Advisor gewinnen zunehmend Marktanteile in der Vermögensverwaltungsbranche und sie haben das Potenzial, die Anlageberatungsprozesse zu revolutionieren. Dieser sich abzeichnende Trend treibt traditionelle Finanzdienstleister dazu, ihre Dienstleistungen und Plattformen weiterzuentwickeln, um mit der Konkurrenz Schritt zu halten.
In den folgenden Abschnitten werden Vorteile und bestehende Herausforderungen des Einsatzes künstlicher Intelligenz in Anlageberatungsprozessen aus der Sicht der Dienstleistungsanbieter diskutiert.
Künftige Herausforderungen für den KI-Einsatz
Robo-Advisory-Systeme basieren derzeit hauptsächlich auf Produkten, die kein oder nur wenig aktives Portfoliomanagement erfordern wie ETFs. Robo Advisor reduzieren die Verwaltungs-, Personal- und Anlagekosten und ermöglichen es gleichzeitig, eine größere Kundengruppe aufgrund der niedrigeren Preise der Dienstleistung zu bedienen.
Auf diese Weise können die Unternehmen ein breiteres Marktsegment erreichen. Robo Advisor investieren unabhängig vom aktuellem Marktumfeld und sichern somit den Unternehmen ein stetiges Einkommen.
Darüber hinaus sind die Online-Fragebögen, die für das Screening der Investoren verwendet werden, relativ unkompliziert und auch weniger zeitaufwändig als traditionelle persönliche Gespräche von Angesicht zu Angesicht.
Konventionelle Beratungsprozesse sind in der Regel sehr administrativ und erfordern wiederholte Dateneingaben. Ein auf Robo Advisor basierendes Geschäftsmodell ist zudem leicht skalierbar.
Durch den Einsatz automatisierter Anlageberatungssysteme ist gewährleistet, dass Kunden Zugang zu Informationen haben, die in Echtzeit aktualisiert werden. Intelligente Robo-Berater sind in der Lage, die Informationen wesentlich effizienter zu verarbeiten, zu nutzen und zu kategorisieren als menschliche Berater.
Darüber hinaus standardisieren automatisierte Prozesse die angebotenen Dienstleistungen für die Kunden, wodurch sichergestellt wird, dass die Kunden bei bestimmten Ereignissen fair und ähnlich behandelt werden.
Die automatisierten Prozesse erleichtern es auch, die Gründe für jede Investitionsentscheidung nachzuvollziehen, da die Algorithmen die Empfehlungen in einer sehr konsistenten und logischen Art und Weise geben. Dies erleichtert die Online-Erfassung von Transaktionen und Beratungen sowie die Bearbeitung möglicher Kundenbeschwerden auf der Grundlage dieser Informationen.
Robo Advisor geben Anlageempfehlungen auf der Grundlage von Algorithmen ab, die aus den Antworten des Kunden auf den Online-Fragebögen abgeleitet werden. Dabei müssen Logik und Kompatibilität der Entscheidungsalgorithmen gewährleistet sein.
Gleichzeitig müssen die Kunden Verständnis und Kenntnisse über die ihnen angebotenen Finanzdienstleistungen haben, um die mit den verschiedenen vorgeschlagenen Finanzprodukten verbundenen Risiken verstehen und akzeptieren zu können.
Kampf um Akzeptanz durch Hybridmodelle
Trotz der Kosteneinsparungen, die Robo Advisor für Kunden bieten, haben diese Dienste tendenziell mit der Kundenakzeptanz zu kämpfen. Kunden scheinen hybride Modelle zu bevorzugen, bei denen sie online nach Informationen suchen und Produkte vergleichen können, aber immer noch in der Lage sind, vor Abschluss der endgültigen Investition einen menschlichen Berater zu kontaktieren.
Die Kundenakzeptanz zu erhöhen, erfordert zusätzliche Marketing- und Werbeinvestitionen. Darüber hinaus erhöhen sich durch die Implementierung eines intelligenten Robo Advisors die IT-Investitionen.
Die neuen Entwicklungen in der KI-Technologie reduzieren einerseits die Hürden für den Einstieg technologiebasierter Start-up-Unternehmen in die Vermögensverwaltung. Andererseits wird das Wettbewerbsumfeld für Fintechs schwieriger, wenn traditionelle Finanzdienstleister verstärkt eigene Robo Advisor anbieten, da sie oft nicht über ein großes Kundennetzwerk verfügen.
Fazit
Für Kunden bieten intelligente Robo Advisor einen besseren Zugang zu Finanzdienstleistungen, Mehrwertdiensten und kostengünstigen Services. Mögliche Nachteile sind der fehlende persönliche Kontakt und die unzureichende Bewertung der Risikotoleranz.
Unternehmen können mit Robo Advisors einen erweiterten Kundenstamms, ein stabiles Einkommen in Form von Verwaltungsgebühren, eine bessere Dienstleistungsqualität und eine leichtere Nachvollziehbarkeit von Transaktionen und Verfahren generieren.
Hybridmodell-Ansätze scheinen im Licht der skizzierten Argumente die richtige Alternative bei der Entwicklung intelligenter Robo Advisor zu sein. Unternehmen, die die KI-Effizienz und persönliche Anforderungen an Vertrauen und menschliches Verständnis kombinieren können, bieten einen echten Mehrwert für die Kunden an.
Literatur
Betterment (2020): Startseite: www.betterment.com/ (Stand: 20. Mai 2020).
BVI (2019): DEUTSCHER FONDSVERBAND BVI, Pressemitteilung vom 11. Mai 2020, Startseite: www.bvi.de/aktuelles/detail/news/deutschland-ist-groesster-eu-markt-fuer-robo-berater/ (Stand: 25. Mai 2020).
Samavesto (2020): Startseite: www.smavesto.de/ (Stand: 25. Mai 2020).
Wealthfront (2020): Startseite: www.wealthfront.com/ (Stand: 20. Mai 2020).
Autor
Prof. Dr. Dirk Neuhaus, MBA ist Professor für Informationssysteme in Finanzdienstleistungsunternehmen an der Hochschule der Sparkassen-Finanzgruppe in Bonn und forscht auf dem Gebiet der Künstlichen Intelligenz.
