Generation Data

Bei Quoniam arbeiten KI-Agenten bereits als digitale Junior-Researcher: Sie schreiben Code, durchsuchen die Angebote von Datenanbietern und werten wissenschaftliche Publikationen aus. So helfen sie dabei, neue Investmenthypothesen schneller zu testen. Den größten Nutzen sieht Dr. Laura Jehl nicht darin, Forschende zu ersetzen. Vielmehr ermöglicht KI, mehr Ideen parallel zu prüfen. Doch auch der digitale Traumkollege braucht klare Leitplanken: Halluzinationen können sich tief im Code verbergen. Deshalb bleiben sorgfältige Reviews, begrenzte Zugriffsrechte und der menschliche "grüne Knopf" unverzichtbar. Der "Grill-Skill" (Quelle: https://github.com/mattpocock/skills)) prüft bereits vor Arbeitsbeginn, ob ein Auftrag präzise genug formuliert ist. Und weil jedes von der KI verarbeitete Wort Geld kostet, gilt beim "Caveman-Skill" (Quelle: https://github.com/JuliusBrussee/caveman)): kurze Sätze, klare Antworten, weniger Tokens. Das Fazit: weniger Schrauben im Maschinenraum, mehr Zeit zum Denken am Reißbrett - doch den Schlüssel behält der Mensch.

Machine Learning als Korrektiv statt KI-Autopilot: Carsten Rother, Co-Head of Research Forecasts bei Quoniam, erklärt bei "Generation Data", warum Börsenmodelle gerade an den Extremen ins Rutschen kommen. Billig ist nicht automatisch besser, und Verschuldung wird oft erst ab einem Kipppunkt wirklich gefährlich. Genau solche Nichtlinearitäten soll das seit 2018 eingesetzte Machine Learning erkennen. Der messbare Effekt: Im europäischen Modell habe die KI-Komponente trotz nur 5 bis 10 % Gewichtung über acht Jahre rund 3 bis 4 % Mehrwert geliefert und im Quantwinter ab 2018 geholfen, Value-Verwerfungen besser abzufedern. Black Box? Laut Rother nein: Value, Quality, Momentum und ML-Beitrag lassen sich bis auf Aktienebene zerlegen. Trotzdem bleibt der Mensch entscheidend für Risikomanagement, Krisen und neue Research-Ideen. Die Take-away-Formel: besserer Kurvenleser ja, Glaskugel nein.

Künstliche Intelligenz verspricht Effizienz, doch bevor der erste Euro gespart ist, entstehen Setup-Kosten, Schulungsaufwand und neue Kontrollpflichten. Im Podcast "Generation Data" spricht Börsenradio-Host Peter Heinrich mit Thomas Kieselstein, Mitgründer und Senior Partner von Quoniam Asset Management, über die oft unterschätzte Rechnung hinter dem KI-Boom. Wer nur auf amerikanische Komplettlösungen setzt, macht sich abhängig von Anbietern, Rechenzentren und politischen Entscheidungen. Chinesische Open-Weight-Modelle sind weniger komfortabel, aber häufig günstiger, anpassbar und auf eigener Hardware betreibbar. Europa dagegen fehlt es nicht nur an konkurrenzfähigen Sprachmodellen, sondern auch an Rechenleistung und ausreichend verfügbarem Strom. Kieselsteins Rat: KI nicht mit dem Dampfhammer einführen, sondern gezielt dort, wo sie echten Mehrwert schafft. Auch für Anleger ist Vorsicht gefragt: Der KI-Boom sorgt für extreme Konzentrationen in Aktien und ETFs. Wo Algorithmen übertreiben, bekommt aktive, durchaus auch analoge Intelligenz wieder ihre Chance.

KI im Asset Management klingt oft nach Rendite aus der Steckdose. Prof. Tim Frenzel rückt den Hype im Gespräch mit Peter Heinrich zurecht: Mehr KI bedeutet nicht automatisch mehr Alpha. Sie hilft bei alternativen Daten, Textsignalen, Nachrichten, Audio, Video und Research-Tempo. Aber dauerhafte Outperformance bleibt Handwerk, Prozess und Erfahrung. Der belastbarere Hebel liegt für Frenzel im "Operational Beta": KI senkt Kosten, beschleunigt Prüfungen, macht Reporting dynamischer und kann aus 50 Broker-E-Mails pro Tag verwertbare Signale filtern. Aus dem Chatbot wird ein Agent: nicht nur Antwortgeber, sondern digitaler Mitarbeiter mit Werkzeugkasten. Genau deshalb braucht er Leitplanken, sogenannte „Harnesses“: Sie steuern Datenzugriff, Tool-Nutzung, Kosten, Quellenprüfung, Compliance und menschliche Freigaben. Der Mensch in der Kontrollschleife entscheidet, ob KI produktiv wird oder gefährlich. Je näher der Agent an echtes Kapital kommt, desto enger die Kontrolle. Auch die Kosten werden zur Kernfrage: Für eins plus eins braucht man keinen Doktoranden mit Token-Abrechnung. Frenzels Fazit: Modelle werden austauschbarer, der Wert liegt in eigenen Daten, Infrastruktur und Urteilskraft. Die USA bauen schneller, Europa kontrollierter. Gewinnen wird, wer beides verbindet.

Generation Data-Podcast: Kann KI den Fondsmanager ersetzen? Thomas Kieselstein, Co-Founder und Senior Partner bei Quoniam, sieht das nüchtern: Der Mensch verschwindet nicht, aber sein Job verändert sich massiv. KI liest Geschäftsberichte, fasst Research zusammen, wertet Daten aus, schreibt Software und sortiert Investmentideen vor. Der große Hebel liegt dabei nicht automatisch in mehr Rendite, sondern im sogenannten Operational Alpha: bessere Prozesse, schnellere Analysen und mehr Zeit für die wirklich wichtigen Entscheidungen. Denn Kapitalmärkte bleiben extrem schwer prognostizierbar. Ob DAX, VW-Aktie oder Jahresendziel: Auch KI schlägt den Zufall nicht einfach aus dem Stand. Spannend wird es dort, wo KI den Arbeitsalltag verändert. Aus dem Fondsmanager wird weniger ein Datensammler, mehr ein Entscheider, Kontrolleur und Übersetzer. Gleichzeitig entstehen neue Risiken: mehr Rauschen, KI-polierte Geschäftsberichte, wegfallende Junior-Aufgaben und die offene Frage, wo künftig Erfahrung herkommt. Die Botschaft: Der Prompt ersetzt nicht die Verantwortung. Wer KI klug nutzt, arbeitet mit Rückenwind. Wer sie ignoriert, fährt irgendwann mit Handbremse.

Im dritten Teil von "Generation Data" wird aus der Nachrichtenflut ein Anlageprozess. Dr. Markus Ebner von Quoniam erklärt, warum das eigentliche Problem längst nicht mehr der Datenmangel ist, sondern das Datenübergewicht. Täglich laufen mehr als 1,5 Mio. Artikel durch die Systeme. Doch nicht jede Schlagzeile bewegt die Märkte, und nicht jede Wiederholung liefert neue Erkenntnisse. Entscheidend ist der Filter: seriöse journalistische Quellen statt Social-Media-Rauschen, Themen mit Marktbezug statt Datenballast, Ausblick statt Rückspiegel. Quoniam reduziert über 50.000 Themenfelder zunächst KI-gestützt und dann mit Analystenverstand auf die wirklich relevanten Signale. Daraus entstehen konkrete Positionen in Aktienindex-Futures, Renten-Futures und Währungen. Ebner betont: Das ist keine Blackbox und keine KI-Magie, sondern ein nachvollziehbarer Werkzeugkasten. Das Ergebnis ist eine "Global-Data-Sentiment-Strategie" (LU3056066932) mit über fünf Jahren Track Record, rund 12 % p.a., niedriger Korrelation zu Aktien und Anleihen und seit Jahresbeginn einem Plus von mehr als 6 %. Kurz gesagt: Quoniam handelt nicht den Lärm, sondern das, was nach dem Filtern übrig bleibt.

Warum fällt eine Aktie trotz guter Zahlen? Warum kippt ein Markt, obwohl im Chart noch alles ruhig aussieht? Im zweiten Teil des Generation Data Podcasts mit Dr. Markus Ebner von Quoniam geht es genau um diesen Vorsprung vor der sichtbaren Bewegung. Die These: Nicht der Preis setzt das erste Signal, sondern die Stimmung. Märkte handeln Erwartungen, und die zeigen sich oft früher in Sprache als im Kurs. Quoniam analysiert dafür täglich mehr als eine Million Nachrichtenartikel und filtert mit KI heraus, welche Themen, Narrative und Tonlagen für Anleger wirklich relevant sind. Beispiele wie Corona, Russland-Ukraine, Iran oder Nvidia zeigen, dass sich Stimmungswechsel oft schon Tage oder sogar Wochen vor dem eigentlichen Marktausschlag andeuten. Entscheidend ist dabei nicht nur, was berichtet wird, sondern wie über die Zukunft gesprochen wird. Genau dort liegt der Informationsvorsprung. Oder anders gesagt: Der Chart zeigt die Reaktion, die Sprache verrät den Wendepunkt.

Warum kann ein Nebensatz in einer Pressekonferenz manchmal mehr bewegen als die eigentliche Entscheidung? Und warum reicht es nicht, „positive“ oder „negative“ Wörter zu zählen, um eine Stimmung verlässlich zu ermitteln?

Willkommen bei Generation Data –- der Podcast über systematisches Investieren im KI-Zeitalter.