Warum KI Warren Buffett noch nicht ersetzen kann

Vor acht Jahren, als die ersten KI-gestützten Investmentfonds gestartet wurden, wurden sie von Branchenveteranen als teure Spielerei abgetan. Heute ist künstliche Intelligenz leise zum wertvollsten Mitarbeiter der Finanzindustrie geworden und übernimmt Aufgaben wie das Extrahieren von Daten aus Tausenden von Dokumenten, die Analyse von Märkten mit übermenschlicher Geschwindigkeit und die effizientere Verwaltung der Finanzen von Investmentfirmen als je zuvor. Was sie immer noch nicht kann, ist Warren Buffett zu sein.

Während das Orakel von Omaha diesen Monat 95 Jahre alt wird, bleibt er typischerweise vorsichtig gegenüber der Technologie, die das Investieren verändert hat. Beim letztjährigen Berkshire Hathaway $BRK.B-Jahrestreffen verglich Buffett KI mit Atomwaffen und sagte, sie "macht mir höllische Angst." Doch das hat ihn nicht davon abgehalten, stark in Unternehmen zu investieren , die wie Apple $AAPL und Amazon $AMZN Geld in die Entwicklung leistungsstarker KI-Systeme stecken, von denen viele befürchten (oder hoffen), dass sie menschliche Arbeiter ersetzen können.

Dazu gehört auch, Buffett selbst zu ersetzen. Der Intelligente Livermore ETF, der diesen Herbst gestartet wurde, setzt ChatGPT, Gemini und Claude als sein "Investitionskomitee" ein und trainiert die großen Sprachmodelle auf Jahrzehnte von Schriften legendärer Investoren und bittet sie, in ihrem Stil Aktien auszuwählen. Der Prospekt des Fonds verspricht, die Strategien der berühmtesten Köpfe der Investmentwelt zu nutzen und Warren Buffetts volkstümliche Aktionärsbriefe in algorithmische Investitionsentscheidungen zu verwandeln.

Doug Clinton, der Intelligent Alpha leitet, die Firma hinter dem ETF und anderen KI-Investment-Angeboten, sagte, seine KI-Modelle können viele Aspekte von Buffetts Ansatz erfolgreich replizieren. Sie können nach Unternehmen mit niedrigen Kurs-Gewinn-Verhältnissen und hohen Gewinnspannen suchen, genau wie das Orakel. Für Clinton geht es nicht darum, irgendeine geheime Zutat zu entschlüsseln.

"Wir haben nicht darüber nachgedacht, 'Hey, wo ist die Einsicht, die einzigartig von menschlichen Wesen ist?'", sagte Clinton. "Wir versuchen herauszufinden, wo wir maßstabsgetreu die Benchmark übertreffen können." Etwa 80 % der 30 KI-gesteuerten Strategien seiner Firma schlagen ihre Benchmarks, sagte er, im Durchschnitt um 1000 Basispunkte seit ihrer Einführung.

Selbst mit dieser Bilanz verwendet Clintons KI-Komitee menschliche Aufsicht. Seine Firma umfasst eine letzte Schicht, in der ein Mensch das endgültige Portfolio genehmigt, das er als Absicherung fand, um sicherzustellen, dass die KI nicht halluziniert. Die Herausforderung, räumte Clinton ein, ist etwas, das er "Geschmack" nennt - die unfassbare Qualität, die einem Investor erlaubt, 50 Unternehmen anzusehen, die alle quantitativen Kriterien erfüllen, und instinktiv zu wissen, nur zwei von ihnen auszuwählen.

"Das ist immer noch das Delta, das noch nicht herausgefunden wurde", sagte er.

Jenseits von Buffetts Gebiet

Während Buffett sein Vermögen größtenteils auf öffentlichen Märkten gemacht hat, findet KI verschiedene Chancen auf privaten Märkten, einem Bereich, in dem das Orakel von Omaha nicht konkurriert und die Datenlandschaft Maschinen neue Vorteile bietet. Anders als öffentliche Märkte, wo Jahrzehnte von quantitativen Analysten bereits Handelsstrategien optimiert haben, blieben private Märkte bis vor kurzem weniger erkundet von der algorithmischen Revolution.

Private Märkte stellen sowohl für Menschen als auch für KI eine grundsätzlich andere Herausforderung dar, laut Matt Malone, Leiter des Investmentmanagements bei Opto Investments, einer Plattform, die Vermögensverwaltern hilft, private Marktplattformen für ihre Kunden aufzubauen. Anstatt schnelle Handelsentscheidungen zu treffen, treffen Investoren eine entscheidende Wahl: welcher Fondsmanager ihr Geld bekommt. Dann sind sie über Jahre hinweg mit dabei. Die meisten privaten Märkte operieren durch Aufruf von Fonds, bei denen Investoren Geld zusagen, das im Laufe der Zeit eingesetzt und über einen noch längeren Zeitraum zurückgegeben wird.

"Wir haben jetzt multimodale KIs, die Informationen aus einer Präsentation ziemlich effizient extrahieren können, viel effizienter als ein Mensch es kann", sagte Malone. "Und ehrlich gesagt, will ein Mensch das nicht tun, weil es langweilig und repetitiv ist." Seine Firma nutzt KI, um relevante Daten aus diesen PDFs zu ziehen, sie zu standardisieren und Datenbanken zu erstellen, die es ihnen ermöglichen, Fondsmanager anhand von Metriken zu vergleichen, wie sie Renditen erzielen.

Aber Malones Team trifft immer noch die endgültigen Entscheidungen darüber, welche Manager unterstützt werden sollen. Die KI glänzt bei rückwärtsgewandten Analysen und der Berechnung historischer Leistungsdaten, während sich Menschen auf zukunftsorientierte Entscheidungen über Inflation, Zinssätze und branchenspezifische Aussichten konzentrieren. Manchmal bedeutet das, Manager abzulehnen, die laut KI in der Vergangenheit eine hervorragende Leistung gezeigt haben.

"Wir können sagen, dass [ein Fondsmanager] großartig in Hotels investiert hat", sagte Malone, "aber wenn wir nicht glauben, dass Hotels in Zukunft eine gute Investition sind, wollen wir jetzt trotzdem nicht mit diesem Manager investieren."

Die Quant-Realitätsprüfung

Die KI-Revolution im Finanzbereich war laut Bob Elliott, einem ehemaligen Leiter der Makroforschung bei Bridgewater Associates, der jetzt Unlimited Funds leitet, ein evolutionärer Prozess. Unlimited Funds verwendet maschinelles Lernen, um kostengünstige Versionen von Hedgefonds- und Private-Equity-Strategien zu erstellen. Als jemand, der seit Jahrzehnten als systematischer Investor tätig ist, sieht Elliott den aktuellen AI-Moment anders als die breite Öffentlichkeit. "Viele Leute denken an AI als eine radikale Veränderung, die mit ChatGPT passiert ist", sagte er. "Und so sehe ich das überhaupt nicht."

Elliotts Skepsis rührt aus der Arbeit in einem Bereich, der seit Jahrzehnten fortschrittliche Algorithmen verwendet. Quantitative Fonds haben lange Zeit komplexe mathematische Modelle eingesetzt, und die jüngsten Fortschritte in großen Sprachmodellen haben ihre Kernarbeit nicht dramatisch verändert. Stattdessen sind laut Elliott sinkende Rechenkosten und schrittweise Verbesserungen in der maschinellen Lernen-Technik wertvoller als alles, was mit ChatGPT zu tun hat.

Das Ergebnis ist ein teures AI-Wettrüsten, bei dem alle den gleichen Vorteil jagen. Elliott spricht mit Managern, die AI-Tools auf ihre bestehenden quantitativen Strategien aufsetzen und viel in große Sprachmodelle und maschinelle Lerninfrastrukturen investieren. Die Frage ist, ob all diese AI-Ausgaben einen echten Vorteil schaffen oder nur die Geschäftskosten erhöhen.

Selbst im systematischen Investieren bleibt die menschliche Rechenschaftspflicht entscheidend, sagte Elliott, weshalb der nächste Warren Buffett wahrscheinlich kein AI sein wird. Abgesehen vom Hochfrequenzhandel wollen Anleger immer noch jemandem in die Augen schauen und ihn verantwortlich machen.

"Für den Super-Hochfrequenzmarkt geht es um die Maschine", sagte Elliott. "Für fast alle anderen schauen sie die Person auf der anderen Seite des Tisches an und sagen: 'Es ist mir egal, wie du die Entscheidung triffst, aber du bist es, der die Entscheidung trifft. Wenn es nicht funktioniert, bist du dafür verantwortlich.'"