Robo-Advisor nutzen KI – aber kaum für die eigentliche Geldanlage

Künstliche Intelligenz spielt bei deutschen Robo-Advisorn bislang vor allem im Onboarding, bei der Betrugserkennung und in Compliance-Prozessen eine Rolle. Für die eigentliche Zusammenstellung und Steuerung der Portfolios setzen die Anbieter dagegen überwiegend weiterhin auf klassische Verfahren wie Markowitz, Black-Litterman oder Risk Parity. Das zeigt die fünfte Ausgabe der Vergleichsstudie „Asset Management im Robo-Advisory“ des Leipziger Vermögensverwalters Evergreen.

Die Untersuchung betrachtet 33 Anbieter auf dem deutschen Robo-Advisory-Markt und legt in diesem Jahr einen Schwerpunkt auf deren Umgang mit KI. Sieben der untersuchten Unternehmen werben laut Evergreen ausdrücklich mit künstlicher Intelligenz. Einen nachweisbaren Einsatz von maschinellem Lernen bei der eigentlichen Anlageentscheidung konnten die Studienautoren jedoch bei keinem der etablierten deutschen Anbieter feststellen. Evergreen unterscheidet in der Untersuchung vier technologische Entwicklungsstufen: regelbasierte Automatisierung, statistische Optimierung, maschinelles Lernen und generative KI. Um Aussagen der Anbieter einzuordnen, betrachtet die Studie unter anderem, welches Modell eingesetzt wird, an welcher Stelle der Technologieeinsatz erfolgt und wie nachvollziehbar beziehungsweise erklärbar die Ergebnisse sind.

Drei Anbieter geben demnach an, bei ihren Anlageverfahren über klassische Portfoliomodelle hinauszugehen. Ob beziehungsweise in welcher Form dabei tatsächlich KI oder maschinelles Lernen zum Einsatz kommt, ließ sich anhand öffentlich verfügbarer Informationen allerdings nicht überprüfen. Eine technische Auditierung der Systeme war nicht Bestandteil der Studie.

Ein Robo-Advisor klingt nach Maschine, deshalb liegt die KI-Erzählung nahe. Unser Befund ist unaufgeregter: In der Anlageentscheidung steckt bewährte Portfoliotheorie, und das ist kein Makel, sie ist transparenter und günstiger. Interessant wird es dort, wo das Marketing mehr verspricht, als sich nachvollziehen lässt.“

Iven Kurz, Gründer und CEO, Evergreena

KI vor allem in unterstützenden Prozessen

Nach Einschätzung der Studienautoren ist der Einsatz komplexer KI-Verfahren für langfristig ausgerichtete und breit diversifizierte ETF-Portfolios bislang auch nicht zwingend erforderlich. Für die Gewichtung einer überschaubaren Zahl von ETFs könnten klassische mathematische Verfahren ausreichend sein. Evergreen verweist dabei auch auf den US-Robo-Advisor Betterment. Dieser habe maschinelles Lernen für die Portfoliokonstruktion getestet, sich anschließend jedoch wieder für klassische Modelle entschieden, da diese bessere Ergebnisse geliefert hätten.

Deutlich weiter verbreitet ist KI dagegen außerhalb des eigentlichen Asset Managements. Die Technologie kommt der Studie zufolge beispielsweise bei der Identitätsprüfung im digitalen Onboarding, bei der Erkennung von Betrugsfällen und Anomalien sowie bei regulatorischer Dokumentation und anderen Compliance-Aufgaben zum Einsatz. Gerade kleinere Anbieter könnten dadurch Prozesse automatisieren, für die ansonsten zusätzliche Mitarbeitende erforderlich wären.

Für die Untersuchung wurden nach Angaben von Evergreen auch die Websites der 33 Anbieter im ersten Halbjahr 2026 ausgewertet. Etwas mehr als ein Fünftel der Unternehmen werbe dort ausdrücklich mit KI. Jeweils rund ein Drittel verwende Formulierungen wie „smart“ oder „intelligent“, ohne damit eine konkrete Technologie zu verbinden, oder verzichte vollständig auf entsprechende Aussagen. Einzelne Anbieter grenzen sich sogar ausdrücklich von algorithmischen oder automatisierten Anlageansätzen ab. Insgesamt sieht Evergreen deshalb keine flächendeckende Tendenz zum sogenannten KI-Washing. Für Anlegerinnen und Anleger soll das in der Studie entwickelte Prüfschema dennoch helfen, konkrete KI-Versprechen besser einzuordnen.

Robo-Advisory-Markt wächst langsamer als erwartet

Neben dem KI-Schwerpunkt enthält die Untersuchung erneut einen Vergleich des deutschen Robo-Advisory-Marktes. Das verwaltete Vermögen lag 2025 nach Angaben der Studienautoren – abhängig von der jeweiligen Abgrenzung – zwischen 19 und 25 Milliarden Euro. Damit habe sich der Markt deutlich schwächer entwickelt als noch vor einigen Jahren prognostiziert. Insbesondere Neobroker mit günstigen oder kostenlosen ETF-Sparplänen hätten einen Teil der potenziellen Robo-Advisor-Kundschaft für sich gewonnen. Neue Wachstumschancen könnten sich nach Einschätzung von Evergreen durch das geplante Altersvorsorgedepot ergeben, das zum 1. Januar 2027 starten soll. Dessen Zielgruppe überschneide sich stark mit den Kunden digitaler Vermögensverwaltungen. Die Studie kann hier heruntergeladen werden. tw