KI in der Finanzbranche: Wie Analysten sich für die Zukunft rüsten

Die rasante Entwicklung der Künstlichen Intelligenz (KI) verändert die Finanzbranche grundlegend. Finanzanalysten wie Alexander Vasylenko bereiten sich aktiv auf diesen Wandel vor, indem sie KI-Modelle trainieren und ihre Expertise einbringen. Dieser proaktive Ansatz ist entscheidend, um in einer Arbeitswelt zu bestehen, in der die Grenzen zwischen menschlicher und maschineller Arbeit zunehmend verschwimmen.

Der Wandel in der Finanzanalyse durch KI

Alexander Vasylenko, ein Finanzanalyst bei einem großen Stahlproduzenten, beobachtet, wie sich der Arbeitsaufwand in der Finanzbranche in den nächsten Jahren verändern wird. Die technologischen Fortschritte der letzten zwei Jahre sind "erstaunlich" und "ein bisschen beängstigend". Während er vor zwei Jahren noch jeden einzelnen Schritt und Input durchgehen musste, um ein großes Sprachmodell den Free Cash Flow berechnen zu lassen, kann er heute fünf PDF-Dateien und drei externe Quellen bereitstellen und das Modell bitten, diese Annahmen für die Berechnung zu nutzen.

KI automatisiert zunehmend repetitive, regelbasierte und Einstiegsaufgaben in Bereichen wie Kundenservice, Dateneingabe, Programmierung, Rechtsforschung und Finanzanalyse. Experten prognostizieren, dass bis 2030 bis zu 30 % der US-Jobs automatisiert sein könnten, was weltweit bis zu 300 Millionen Arbeitsplätze durch KI und verwandte Technologien gefährdet.

Alexander Vasylenkos Weg: Vom Finanzanalysten zum KI-Trainer

Vasylenko begann 2023 mit dem KI-Training, während er eine Stelle im Bereich der Aktienbewertung suchte. Eine Personalvermittlerin kontaktierte ihn auf LinkedIn, da sie Experten in Finanzen und Wirtschaft suchte, um KI-Modelle zu schulen. Er war zunächst skeptisch, erkannte aber schnell, dass ihm die Arbeit Spaß machte und er seine Erfahrungen einbringen konnte, während er gleichzeitig bezahlt wurde.

Sein Arbeitstag dauert nun von neun bis neun: Er arbeitet bis fünf in seinem Hauptjob und widmet sich danach bis neun Uhr abends dem KI-Training. Auch samstags und gelegentlich sonntags arbeitet er daran, insgesamt 15 bis 20 Stunden pro Woche. Seine Karriere begann in seiner Heimat Ukraine als Aktienhändler, bevor er zu einer der größten ukrainischen Investmentbanken wechselte. Vor neun Jahren zog er nach Kanada, wo er studierte und Analyst bei CIBC wurde. Nach Kriegsbeginn in der Ukraine folgte er seiner Familie nach New York. Dort begann er zunächst mit KI-Training bei Remotasks für 30 Dollar pro Stunde, was er später als geringe Bezahlung erkannte. Heute ist er in seiner Vollzeitrolle als Finanzanalyst tätig, bewertet strategische Projekte und Investitionen und analysiert die Auswirkungen der Gesamtwirtschaft auf sein Unternehmen.

Die Arbeit als KI-Trainer: Herausforderungen und Vergütung

Die Arbeit als KI-Trainer ist projektbasiert, doch Vasylenko erinnert sich an keinen einzigen Tag, an dem kein Projekt verfügbar war. Teamleiter kontaktieren die Trainer mit Aufgaben, die oft sehr enge Fristen haben. Das Ziel ist es, einen Prompt zu schreiben, der anspruchsvoll genug ist, um das Modell zu überfordern, zusammen mit den Kriterien oder Schritten zur Problemlösung. KI-Ingenieure beurteilen die Modellantworten anhand dieser Kriterien, um zu verstehen, warum das Modell versagt.

Als Autor muss man "kleine Fallen" in die Aufgaben einbauen und das Modell auffordern, Informationen aus so vielen verschiedenen Quellen wie möglich zu ziehen. Die Aufgabe besteht darin, jede Aufgabe knifflig, aber nicht mehrdeutig zu gestalten. Als Reviewer stellt man sicher, dass die Prompts tatsächlich dazu führen, dass das Modell die Frage nicht beantworten kann, und nicht, weil die Aufgabe schlecht formuliert war. Derzeit dauert es zwischen drei und acht Stunden, eine Aufgabe zu schreiben, die ein Modellversagen auslöst, und es wird erwartet, dass dies bald ein bis zwei Tage in Anspruch nehmen könnte. Die Vergütung für Autoren liegt typischerweise zwischen 50 und 70 Dollar pro Stunde, während Reviewer 90 bis 120 Dollar verdienen können. Vasylenko hat mit seiner Erfahrung sogar bis zu 160 Dollar pro Stunde gesehen, was darauf hindeutet, dass KI weiterhin auf menschliche Expertise angewiesen ist.

Die Zukunft der Finanzbranche: Mensch und KI im Team

Alexander Vasylenko ist zuversichtlich, dass seine Kombination aus Finanz- und KI-Erfahrung ihn besser für die kommenden Veränderungen positionieren wird. In Zukunft werden Fachleute mit den entsprechenden Fähigkeiten und Kenntnissen in ihrem Bereich KI-Bots haben, die die Aufgaben ausführen, die sie derzeit erledigen. Die Aufgabe des Fachmanns wird es sein, die Arbeit der Bots zu überprüfen und die Verantwortung für die Ergebnisse zu übernehmen.

Diejenigen, die in diesem Umfeld erfolgreich sein werden, sind diejenigen, die ihr Fachgebiet gut beherrschen und wissen, wie sie ihr Wissen mit KI kombinieren können. Der globale KI-im-Bildungsmarkt wird bis 2030 voraussichtlich auf 41,01 Milliarden US-Dollar wachsen, mit einer jährlichen Wachstumsrate (CAGR) von 42,83 %. Das World Economic Forum betont, dass Fähigkeiten wie ethisches Urteilsvermögen, Empathie und Anpassungsfähigkeit – Attribute, die KI nicht replizieren kann – in einer KI-gesteuerten Wirtschaft zunehmend entscheidend werden. Bildungseinrichtungen wie die Harvard Business School und Wharton haben ihre Programme neu gestaltet, um ethische KI-Führung und strategisches Denken zu fördern.

KI in Investments: Wertschöpfung versus Hype

Eine zentrale Herausforderung in der Investmentbranche ist es, echte Forschungsverbesserungen durch KI von generischer Automatisierung zu unterscheiden. Letztere umfasst gängige KI-Aufgaben wie Zusammenfassungen, erste Analysen und routinemäßige Dokumentenverarbeitung, die zwar die Arbeit beschleunigen, aber keine differenzierten Einblicke schaffen.

Warnsignale für nicht wirklich differenzierende KI-Verbesserungen sind überfüllte Signale und Alpha-Verfall in Quant-Strategien, die auf ähnlichen Text-Embeddings oder Sentiment-Modellen basieren. Zudem beginnen einige Forschungsteams, ähnlicher zu klingen, da sie sich auf gemeinsame LLM-Interpretationen stützen. Es besteht auch das Risiko einer Überabhängigkeit, die zu einem "Deskilling" unter Forschungsanalysten führen kann.

Gleichzeitig hilft KI dabei, echte Fähigkeiten zu identifizieren. Neue Analysen trennen beispielsweise Aktienauswahlentscheidungen von Portfolio-Konstruktionsentscheidungen und messen Timing-Effekte über Branchen und Faktoren hinweg. Durch die Verknüpfung dieser Analysen mit umfassenden Managerdatenbanken kann interpretiert werden, woher der Wert wirklich kommt – etwa bei Managern, deren Renditen auf Wertpapierebene wichtiger sind als Trefferquoten, oder deren disziplinierte Ein- und Ausstiegsentscheidungen langfristige Outperformance unterstützen. In diesem Sinne ist KI nicht die Quelle von Alpha, sondern die "Linse, die nachhaltiges Alpha leichter sichtbar macht".

Karriereschutz in der KI-Ära: Menschliche Fähigkeiten im Fokus

Die am stärksten gefährdeten Jobs sind solche mit repetitiven, regelbasierten oder Einstiegsaufgaben. Dazu gehören Kundenservice, Dateneingabe, administrative Arbeiten, aber zunehmend auch Rollen in Softwareentwicklung, Content-Erstellung, Finanzen, Recht und Medizin. Anzeichen dafür, dass ein Job gefährdet sein könnte, sind ein softwaregetriebenerer Workflow, Tools mit "KI-powered"-Funktionen und Managementgespräche über "Co-Pilots" und "automatisierte Einblicke".

Experten sind sich einig, dass der beste Weg, relevant zu bleiben, darin besteht, sich auf die Eigenschaften zu konzentrieren, die uns einzigartig menschlich machen. KI kann Daten verarbeiten, aber sie kann Urteilsvermögen, Empathie oder ethische Entscheidungsfindung nicht replizieren. Das Demonstrieren dieser menschlichen Fähigkeiten ist entscheidend, um die eigene Karriere in der sich wandelnden Arbeitswelt zu schützen und erfolgreich zu sein.