Den Nutzen von Ratings erschließen

Wie KI-gestütztes Coding mit Smart Glasses die Resilienz und Flexibilität von Unternehmen neu definiert

Von Dr. Oliver Everling | 25.April 2026

Die Dynamik des Codings verändert sich derzeit grundlegend, insbesondere durch den Einsatz von KI-gestützten Agenten und neuen Schnittstellen wie Wearables. Diese Entwicklung hat das Potenzial, die Resilienz und Flexibilität von Unternehmen nachhaltig zu beeinflussen, da sie Arbeitsweisen beschleunigt, dezentralisiert und zugleich stärker vernetzt. Ein aktueller Einblick in diese Entwicklung findet sich im Beitrag „Even Journal, Episode 4“ von Even Realities.

Ein zentraler Aspekt ist die zunehmende Verschmelzung von Entwicklungsumgebungen mit dem Alltag. Wenn Entwickler „ihren Coding-Agenten über Smart Glasses“ nutzen können, verschiebt sich der Ort der Produktivität. Coding wird mobil, kontextabhängig und kontinuierlich verfügbar. Diese neue Form des Arbeitens stärkt die Flexibilität von Unternehmen erheblich, da Teams nicht mehr an feste Arbeitsplätze gebunden sind. Entscheidungen und Anpassungen können schneller getroffen werden, was in dynamischen Märkten ein klarer Vorteil ist. Gleichzeitig erhöht sich die Resilienz, weil Arbeitsprozesse weniger anfällig für physische Einschränkungen oder Standortprobleme sind.

Hinzu kommt, dass Feedbackzyklen deutlich verkürzt werden. Im Beitrag wird beschrieben, wie „Feedback direkt unsere neuesten Patches und Infrastruktur-Renovierungen antreibt“. Diese enge Rückkopplung zwischen Nutzern und Entwicklern fördert eine kontinuierliche Verbesserung von Systemen. Unternehmen, die solche iterativen Prozesse übernehmen, können schneller auf Veränderungen reagieren und bleiben auch in unsicheren Zeiten handlungsfähig. Resilienz entsteht hier durch Anpassungsfähigkeit – durch die Fähigkeit, Fehler nicht nur zu tolerieren, sondern aktiv in Fortschritt umzuwandeln.

Ein weiterer wichtiger Punkt ist die wachsende Bedeutung von sogenannten agentischen Systemen. Die Einführung eines Features, „das deinen Coding-Agenten sichtbar macht“, deutet darauf hin, dass KI nicht mehr nur unterstützend im Hintergrund arbeitet, sondern zu einem aktiven Partner im Entwicklungsprozess wird. Dies verändert die Rolle von Fachkräften und ermöglicht es Unternehmen, komplexe Aufgaben effizienter zu bewältigen. Flexibilität entsteht hier durch Skalierbarkeit: Teams können mehr leisten, ohne proportional zu wachsen, weil KI-Agenten Aufgaben übernehmen oder beschleunigen.

Auch die globale Vernetzung spielt eine entscheidende Rolle. Der Beitrag verweist auf internationale Erfahrungen und Veranstaltungen, bei denen Entwicklergemeinschaften zusammenkommen. So heißt es, man wolle „mit weiteren Entwicklern und Communities in Kontakt treten“. Solche Austauschformate stärken die Innovationskraft und helfen Unternehmen, frühzeitig neue Trends zu erkennen. Resiliente Unternehmen sind nicht isoliert, sondern eingebettet in Netzwerke, die Wissen und Ressourcen teilen.

Besonders hervorzuheben ist zudem die radikale Vereinfachung der technischen Zugangsbarrieren: Anwender benötigen künftig lediglich eine leichte Brille, um aktiv Code zu schreiben und mit ihrem KI-Agenten zu interagieren. Das Aufklappen eines Notebooks oder das Einrichten klassischer Entwicklungsumgebungen wird damit zunehmend überflüssig. Diese Verschiebung hin zu nahezu unsichtbarer Technologie senkt nicht nur die Einstiegshürden, sondern ermöglicht auch spontane Produktivität in unterschiedlichsten Situationen. Für Unternehmen bedeutet das eine neue Qualität von Flexibilität, da kreatives Arbeiten nicht mehr an Geräte oder Orte gebunden ist, sondern unmittelbar im Alltag stattfinden kann.

Schließlich wird deutlich, dass es sich nicht nur um technologische Updates handelt, sondern um eine breitere Vision: „Dies ist mehr als nur ein Produktupdate. Es ist ein offenes Gespräch darüber, wohin sich die Technologie entwickelt.“ Genau diese Perspektive ist entscheidend für Unternehmen. Wer Coding nicht nur als technische Disziplin versteht, sondern als dynamischen Bestandteil der eigenen Organisationsentwicklung, kann langfristig widerstandsfähiger und anpassungsfähiger agieren.

Insgesamt zeigt der Beitrag von Even Realities, dass die Dynamik des modernen Codings – geprägt durch KI, Mobilität und globale Zusammenarbeit – Unternehmen dazu zwingt, sich neu zu organisieren. Wer diese Entwicklungen aktiv nutzt, kann nicht nur effizienter arbeiten, sondern auch resilienter gegenüber Krisen und flexibler im Umgang mit Veränderungen werden.

Themen: Nachrichten | Kommentare deaktiviert für Wie KI-gestütztes Coding mit Smart Glasses die Resilienz und Flexibilität von Unternehmen neu definiert

Agentic AI revolutioniert die Prozesse in der Finanzindustrie

Von Dr. Oliver Everling | 22.April 2026

Im Workshop „Agentic AI revolutioniert die Prozesse in der Finanzindustrie“ auf der Konferenz an der Frankfurt School of Finance & Management zeigten Jens Heilmann und Jochen Papenbrock, wie sich Künstliche Intelligenz zunehmend von einem isolierten Werkzeug zu einer mehrschichtigen Infrastruktur entwickelt, die Prozesse, Geschäftsmodelle und Wertschöpfung im Finanzsektor grundlegend verändert. Im Zentrum stand dabei das Konzept der sogenannten „Agentic AI“, also KI-Systeme, die nicht nur analysieren, sondern eigenständig Aufgaben ausführen, Entscheidungen vorbereiten und Prozessketten orchestrieren können.

Die technologische Grundlage dieser Entwicklung bilden unterschiedliche Modellklassen, deren Abkürzungen im Workshop eingeordnet wurden. LLM steht für Large Language Models, also große Sprachmodelle, die natürliche Sprache verstehen und generieren können. VLM bezeichnet Vision Language Models, die Bild- und Sprachinformationen kombinieren. VLA meint Vision Language Action Modelle, die zusätzlich Aktionen ausführen können. MMLLM steht für Multimodal Large Language Models, die verschiedene Datentypen integrieren. GPT bezeichnet Generative Pre-trained Transformer, eine spezifische Modellarchitektur für generative KI. DM steht für Decision Models, also Modelle zur Entscheidungsunterstützung. GNN sind Graph Neural Networks, neuronale Netze zur Analyse komplexer Beziehungsstrukturen. MOE bedeutet Mixture of Experts, ein Modellansatz, bei dem spezialisierte Teilmodelle kombiniert werden. SSM steht für State Space Models, die zeitliche Dynamiken abbilden. LBM kann als Large Behavioral Models verstanden werden, die komplexe Verhaltensmuster modellieren.

Ein zentrales Argument des Workshops war, dass Open-Source-KI zur tragenden Säule der Innovation geworden ist. Offene Modelle erreichen mittlerweile Leistungsniveaus an der technologischen Spitze und ermöglichen gleichzeitig größere Unabhängigkeit, insbesondere im Hinblick auf Datenhoheit und Kostenkontrolle. In diesem Kontext wurde auch die Modellfamilie NVIDIA Nemotron vorgestellt, die auf hohe Leistungsfähigkeit, Effizienz und Offenheit ausgelegt ist. Ergänzend dazu beschleunigt die sogenannte RAG-Technologie, Retrieval-Augmented Generation, Anwendungen, bei denen generative KI mit unternehmensspezifischem Wissen kombiniert wird, indem relevante Daten gezielt abgerufen und in die Antwortgenerierung integriert werden.

Die Umsetzung solcher Anwendungen erfolgt zunehmend über modulare Infrastrukturen, etwa durch Microservices, also kleine, spezialisierte Softwarekomponenten, die zusammen komplexe Systeme bilden. Diese treiben sogenannte RAG-Pipelines an, also Prozessketten, die Daten in verwertbares Wissen transformieren. Unterstützt werden sie durch optimierte Inferenz-Engines, also Systeme zur effizienten Ausführung trainierter Modelle, die auf Plattformen wie NVIDIA NIM, einer Laufzeitumgebung für KI-Modelle, basieren. Ziel ist es, hochgradig anpassbare, produktionsreife Systeme zu schaffen, die flexibel eingesetzt werden können und gleichzeitig eine schnelle Verarbeitung großer Datenmengen ermöglichen, etwa durch beschleunigte Vektorsuche.

Ein weiteres zentrales Konzept war die Idee von „AI Factories“, also KI-Fabriken, die als integrierte Systeme aus Rechenleistung, Netzwerken, Speicher und Software eine neue industrielle Infrastruktur bilden. Diese gelten als Treiber einer neuen industriellen Revolution, da sie die Skalierung und Industrialisierung von KI-Anwendungen ermöglichen. NVIDIA liefert hierfür Referenzarchitekturen, die Unternehmen als Blaupause für den Aufbau solcher Systeme nutzen können.

Im Bankenkontext wurde diese Entwicklung anhand von Architekturprinzipien für eine KI-getriebene Bank veranschaulicht. Dazu gehören souveräne Grundlagen durch Open-Source-Modelle zur Sicherstellung von Plattformunabhängigkeit, Datenschutz und geringeren Gesamtkosten, proprietäre Präzision durch die Nutzung und Veredelung interner Daten sowie die agentische Ausführung als „Intelligence Flywheel“, also ein sich selbst verstärkender Kreislauf aus Daten, Modellen und Entscheidungen. Praxisbeispiele wie die Royal Bank of Canada zeigen, dass durch den gezielten Einsatz solcher Technologien signifikante Wachstumsziele unterstützt werden können.

Abschließend wurde deutlich, dass sogenannte Transaction Foundation Models, also grundlegende Modelle für Transaktionsdaten, als nächste Entwicklungsstufe gelten. Insbesondere Graph Neural Networks spielen hierbei eine wichtige Rolle, da sie komplexe Beziehungen in Finanzdaten, etwa zwischen Kunden, Transaktionen und Netzwerken, besonders gut abbilden können. Insgesamt machte der Workshop klar, dass Agentic AI nicht nur einzelne Prozesse optimiert, sondern als umfassende Infrastruktur die Grundlage für eine tiefgreifende Transformation der Finanzindustrie bildet.

Themen: Bankenrating | Kommentare deaktiviert für Agentic AI revolutioniert die Prozesse in der Finanzindustrie

Next-Gen Banking 2030: Wie GenAI, Plattformpartner und neue Betriebsmodelle die Resilienz von Banken neu definieren

Von Dr. Oliver Everling | 22.April 2026

Der Vortrag „Next-Gen Banking 2030: Wie GenAI, Plattformpartner und neue Betriebsmodelle die Resilienz von Banken neu definieren“ von Andreas Bruckner, Director bei PPI, stellt auf der Konferenz „Finanzdienstleister der nächsten Generation“ auf der Frankfurt School of Finance and Management eine zentrale Frage in den Mittelpunkt: Was ist der nicht substituierbare Kern einer Bank – und weiß sie überhaupt noch, ob Künstliche Intelligenz diesen Kern stärkt oder überflüssig macht? Der Vortrag argumentiert, dass viele Banken diese Frage bislang nicht klar beantworten und damit faktisch durch jede Einzelentscheidung über Technologie, Partnerschaften und Auslagerungen ihr künftiges Betriebsmodell mitgestalten.

Im Kern beschreibt Bruckner eine Branche, in der sich die traditionellen Grenzen zwischen Eigenbetrieb, Plattformbezug und Orchestrierung verschieben. GenAI senkt die Produktionskosten vieler Bankfunktionen, während spezialisierte Plattformpartner in Bereichen wie Core Banking, Payment oder KYC/AML Skalenvorteile erzielen. Gleichzeitig bleibt der regulatorische Druck hoch, weil DORA, der EU AI Act, die Outsourcing-Leitlinien der EBA und der Cyber Resilience Act klare Anforderungen an Steuerbarkeit, Auditierbarkeit, Exit-Fähigkeit und technische Sicherheit stellen. Damit wird die alte Frage „kaufen oder selbst bauen?“ durch eine neue ersetzt: Was muss unter eigener Governance bleiben, und was kann unter externer Steuerung laufen?

Der Vortrag macht deutlich, dass Banken nicht nur technologisch, sondern vor allem organisatorisch unter Veränderungsdruck stehen. Bruckner ordnet KI in mehreren Stufen ein, von klassischer KI über GenAI und KI-Agenten bis zu Multi-Agent-Systemen, und zeigt, dass besonders operative Bereiche, Dokumentenverarbeitung, Kreditvergabe, Compliance und Risikomanagement von Effizienzgewinnen betroffen sind. Zugleich verweist er darauf, dass bereits heute ein großer Teil der Bank-FTEs in Operations gebunden ist und dass Agentic AI diese Tätigkeiten zunehmend automatisieren kann. Für Banken entsteht dadurch nicht nur ein Effizienzthema, sondern auch ein strategisches Risiko: Wer heute ohne klare Leitplanken investiert, baut Datenarchitekturen, Abhängigkeiten und Governance-Strukturen auf, die später schwer korrigierbar sind.

Besonders prägnant ist die Gegenüberstellung zweier tragfähiger Betriebsmodelle. Das erste Modell ist der fokussierte Spezialist, der seine Ressourcen auf einen klar definierten Kern konzentriert und dort mit hoher operativer Exzellenz, geringer externer Abhängigkeit und robuster Resilienz arbeitet. Das zweite Modell ist der souveräne Orchestrator, der die Kundenschnittstelle und die Steuerung eines Partner-Ökosystems behält, während Leistungserbringung und Spezialisierung weitgehend ausgelagert werden. Beide Modelle können erfolgreich sein, aber sie verlangen völlig unterschiedliche Investitionsprioritäten, Fähigkeiten und Governance-Logiken. Die eigentliche Gefahr liegt laut Vortrag nicht in der Wahl eines der beiden Wege, sondern in der unentschlossenen Mitte, die hohe Komplexität, regulatorische Exposition und fehlenden Wettbewerbsvorteil miteinander verbindet.

Der regulatorische Teil des Vortrags verleiht dieser strategischen Entscheidung zusätzliches Gewicht. DORA zwingt Banken, kritische IKT-Funktionen nachweisbar steuerbar zu halten und Drittparteien transparent zu kontrollieren; der EU AI Act erhöht die Anforderungen an Erklärbarkeit, menschliche Aufsicht und Auditierbarkeit von KI-gestützten Entscheidungen; der Cyber Resilience Act erweitert den Fokus auf Produktsicherheit in vernetzten Systemen. Für Banken bedeutet das: Governance ist nicht mehr nur eine Unterstützungsfunktion, sondern eine Kernkompetenz. Gerade im Orchestrator-Modell wird die Fähigkeit, Partner zu überwachen, Datenflüsse zu kontrollieren und Exit-Optionen vorzuhalten, selbst zum Wettbewerbsvorteil.

Am Ende ist die Botschaft des Vortrags klar: KI ist nicht das Betriebsmodell, sondern das Instrument. Die eigentliche Managemententscheidung besteht darin, die Wertschöpfung der Bank sauber zu kartieren, das passende Modell bewusst zu wählen und Governance-Kompetenz als strategisches Investitionsfeld zu behandeln. Resilienz entsteht dann nicht zufällig, sondern durch Kohärenz zwischen Strategie, Operating Model und regulatorischer Umsetzung. Wer diesen Zusammenhang heute ernst nimmt, gestaltet die Bank von 2030 aktiv; wer ihn ignoriert, wird durch Kosten, Regulierung und neue Marktstrukturen dazu gezwungen.

Die Konferenz „Finanzdienstleister der nächsten Generation“ an der Frankfurt School of Finance & Management hat sich als zentrale Plattform etabliert, auf der sich Entscheiderinnen und Entscheider aus Banken, Versicherungen, Technologieunternehmen und Aufsicht über die Zukunft der Finanzindustrie austauschen. Im Mittelpunkt stehen dabei die tiefgreifenden Veränderungen durch Künstliche Intelligenz, Cloud-Technologien und neue regulatorische Rahmenbedingungen, die das Zusammenspiel von Innovation, Risiko und Governance neu definieren. Charakteristisch für die Veranstaltung ist die enge Verzahnung von wissenschaftlicher Analyse, praktischer Umsetzung und strategischer Perspektive, wodurch nicht nur Trends diskutiert, sondern konkrete Transformationspfade aufgezeigt werden. Die Konferenz schafft damit einen Raum, in dem die Finanzbranche ihre Rolle zwischen technologischer Disruption und stabilitätsorientierter Verantwortung neu verhandelt und sich auf die nächste Entwicklungsstufe digitaler Finanzdienstleistungen ausrichtet.

Themen: Bankenrating | Kommentare deaktiviert für Next-Gen Banking 2030: Wie GenAI, Plattformpartner und neue Betriebsmodelle die Resilienz von Banken neu definieren

Transformation für die vermehrte Nutzung von Modellen und KI in der Finanzindustrie

Von Dr. Oliver Everling | 22.April 2026

Die Podiumsdiskussion „Risk Modelling & Decisioning – Transformation für die vermehrte Nutzung von Modellen und KI in der Finanzindustrie“ auf der Konferenz der Frankfurt School of Finance & Management markierte einen zentralen programmatischen Schwerpunkt der Veranstaltung, da sie exemplarisch die Verschiebung von klassischen Entscheidungslogiken hin zu daten- und modellbasierten Steuerungsmechanismen im Finanzsektor sichtbar machte. Die Bedeutung der Runde lag dabei weniger in einzelnen Beiträgen als vielmehr in der Zusammensetzung der Perspektiven aus Bankpraxis, Technologieanbietern und digitaler Produktentwicklung, die gemeinsam ein realistisches Bild der aktuellen Transformation zeichneten.

Mit Vertreterinnen und Vertretern aus Instituten wie der Deutsche Bank AG, der Deutsche Kreditbank AG sowie der DZ PRIVATBANK S.A. und einem führenden Technologieanbieter wurde deutlich, dass sich Risikomodellierung und Entscheidungsfindung zunehmend von statischen Verfahren hin zu dynamischen, KI-gestützten Systemen entwickeln. Diese Entwicklung ist nicht nur technologisch getrieben, sondern stellt insbesondere Governance, Organisation und regulatorische Aufsicht vor neue Anforderungen.

Die Relevanz der Diskussion liegt vor allem darin, dass sie die Schnittstelle zwischen Innovation und Verantwortung adressiert. Während der Einsatz moderner Modelle und KI-Systeme erhebliche Effizienzgewinne in der Kreditvergabe, im Fraud Detection und im Compliance-Management ermöglicht, entstehen gleichzeitig neue Fragestellungen hinsichtlich Modelltransparenz, Validierung und Kontrolle. Genau an diesem Punkt wird die Transformation für Finanzinstitute strategisch bedeutsam: Es geht nicht mehr nur um die Einführung neuer Technologien, sondern um die Fähigkeit, diese in bestehende Entscheidungsarchitekturen sicher und nachvollziehbar zu integrieren.

Besonders hervorzuheben ist zudem die Rolle der Diskussion als Brücke zwischen verschiedenen Funktionsbereichen innerhalb der Finanzindustrie. Risk Management, IT, Produktentwicklung und Regulierung rücken enger zusammen, da KI-basierte Entscheidungsmodelle diese Bereiche zunehmend miteinander verschränken. Dadurch entsteht ein interdisziplinärer Dialog, der für die Weiterentwicklung der Branche entscheidend ist, da isolierte Betrachtungen einzelner Funktionen nicht mehr ausreichen, um die Komplexität moderner Modelle zu beherrschen.

Insgesamt zeigte die Podiumsdiskussion exemplarisch, dass die Transformation im Bereich Risk Modelling und Decisioning weit über technische Implementierungsfragen hinausgeht. Sie ist vielmehr Ausdruck eines grundlegenden Wandels in der Finanzindustrie, in dem datengetriebene Entscheidungen zur neuen Norm werden und gleichzeitig neue Anforderungen an Kontrolle, Governance und Vertrauen entstehen. Damit wurde die Runde zu einem zentralen Baustein der Konferenz, der die strategische Tragweite der KI- und Modelltransformation im Bankensektor besonders deutlich machte.

Themen: Bankenrating | Kommentare deaktiviert für Transformation für die vermehrte Nutzung von Modellen und KI in der Finanzindustrie

Stabilität in stürmischen Zeiten: Die Perspektiven der Pfandbriefbanken für 2026

Von Dr. Oliver Everling | 22.April 2026

Wie stark und wie sicher sind die Credit Ratings für Pfandbriefbanken? Das lässt sich auf Basis der aktuellen Geschäftszahlen und Verbandspositionen differenziert beantworten. Ein wesentlicher Pfeiler für die Stabilität der Ratings ist die robuste Verfassung des Pfandbriefmarktes selbst. Wie vdp-Präsident Gero Bergmann betont, hat das Produkt seine Rolle als Stabilitätsanker für die Pfandbriefbanken und die Immobilienfinanzierung erneut eindrucksvoll unterstrichen. Der Pfandbrief stelle seine traditionelle Krisen-Resilienz unverändert unter Beweis, was eine fundamentale Voraussetzung für eine dauerhaft hohe Bonitätseinstufung darstellt.

Ein weiterer Faktor für die Sicherung der Ratings ist die Erholung der zugrunde liegenden Immobilienmärkte. Nachdem die Preise für Wohnimmobilien im Jahr 2025 deutlich zulegten, wird für die Zukunft eine Fortsetzung dieses Trends erwartet. Aus heutiger Sicht ist nach wie vor mit leicht steigenden Preisen im Jahr 2026 zu rechnen, so die Einschätzung von Bergmann. Insbesondere im Bereich der Wohnimmobilien näherten sich die Werte bereits wieder ihrem Rekordniveau von 2022 an. Auch im Gewerbesegment scheinen die größten Risiken vorerst gebannt, da die Preise für von Banken finanzierte Büros 2025 die Bodenbildung abgeschlossen und sich wieder leicht positiv entwickelt haben.

Trotz dieser operativen Erfolge sieht der Verband deutscher Pfandbriefbanken jedoch Risiken in der regulatorischen Landschaft, die die finanzielle Schlagkraft und damit indirekt auch die langfristige Sicherheit beeinflussen könnten. Jens Tolckmitt, Hauptgeschäftsführer des vdp, warnt davor, dass regulatorische Vorgaben häufig ausufernd, komplex und in sich nicht konsistent seien. Besonders kritisch wird die Umsetzung von Basel III in Europa gesehen, die im Gegensatz zu den Lockerungen in den USA zu erheblichen Mehrbelastungen beim Eigenkapital führen könnte. Um die Substanz der Institute nicht zu gefährden, fordert der Verband daher eine Deckelung der Anforderungen: Der Output-Floor muss auf seinem Ursprungsniveau von 50 % eingefroren werden.

Zusätzlich zur Abwehr belastender Regulierung setzt der Verband auf aktive gesetzliche Verbesserungen, um die Qualität der Deckungsstöcke und damit die Sicherheit der Emissionen weiter zu erhöhen. Im Rahmen der anstehenden Novellierung des Pfandbriefgesetzes wird das Ziel verfolgt, den Pfandbrief generell noch sicherer und attraktiver zu machen und die Wettbewerbsfähigkeit deutscher Emittenten zu stärken. Eine konkrete Maßnahme hierfür ist die angestrebte Erhöhung der Beleihungsgrenze. Mit einer Ausweitung der Beleihungsgrenze auf 80 % könnte der Pfandbrief sein Potenzial für Wohnungsbau und -erwerb noch besser entfalten, erklärt Bergmann. Solche strukturellen Anpassungen könnten dazu beitragen, die hohen Credit Ratings der deutschen Pfandbriefe auch in einem schwierigen geopolitischen Umfeld, das durch Kriege und wirtschaftliche Unsicherheiten geprägt ist, dauerhaft zu untermauern.

Themen: Pfandbriefrating | Kommentare deaktiviert für Stabilität in stürmischen Zeiten: Die Perspektiven der Pfandbriefbanken für 2026

Risikoorientierte KI-Governance: Zwischen Regulierung, Verantwortung und praktischer Umsetzung

Von Dr. Oliver Everling | 22.April 2026

Auf der Konferenz „Finanzdienstleister der nächsten Generation“ an der Frankfurt School of Finance & Management rückte neben technologischen Innovationen insbesondere die Frage in den Mittelpunkt, wie Künstliche Intelligenz verantwortungsvoll gesteuert werden kann. In der Session zur „Risikoorientierten Governance für verantwortungsvolle KI“ diskutierten Tobias Hainz und Patrick Kappler-Henne praxisnah, wie Organisationen tragfähige Governance-Strukturen für den Einsatz von KI entwickeln und implementieren können.

Dr. Tobias Hainz eröffnete die Diskussion mit einem strukturierten Blick auf den Aufbau eines KI-Governance-Frameworks. Dieses sei bewusst hierarchisch konzipiert, wobei jede Ebene eine klar definierte Funktion erfüllt. Ausgangspunkt bilden ethische und regulatorische Überlegungen sowie übergeordnete KI-Prinzipien, aus denen sich die grundlegende Ausrichtung ableitet. Damit diese Prinzipien nicht abstrakt bleiben, werden sie durch interne Richtlinien formal verankert und operationalisiert, wodurch Verbindlichkeit entsteht. Die eigentliche Umsetzung erfolgt über konkrete Instrumente wie KI-Inventare, klar definierte Rollenmodelle und systematische Risikoassessments. Diese Elemente sorgen nicht nur für Transparenz, sondern ermöglichen auch eine konsistente Anwendung im gesamten Unternehmen, setzen jedoch gleichzeitig entsprechende Kompetenzen und Schulungen voraus.

Hainz betonte, dass ein solches Framework den gesamten Lebenszyklus von KI-Systemen abdecken muss – von der ersten Idee über die Entwicklung bis hin zur produktiven Nutzung. In jeder Phase seien sowohl ethische als auch regulatorische Anforderungen zu berücksichtigen. Besonders hervor hob er fünf zentrale Bausteine, die für ein funktionierendes KI-Governance-Modell entscheidend sind: ein vollständiges und transparentes KI-Inventar als Grundlage, ein umfassendes Verständnis aller Risiken durch strukturierte Assessments, ein klar definiertes Rollenkonzept zur Zuweisung von Verantwortlichkeiten, verbindliche Richtlinien sowie der gezielte Aufbau von KI-Kompetenz innerhalb der Organisation.

Anschließend ergänzte Dr. Patrick Kappler-Henne die Perspektive um konkrete Einblicke aus der industriellen Praxis bei der Mercedes-Benz Group AG. Unter dem Leitgedanken „AI @ Mercedes-Benz“ erläuterte er, wie das Unternehmen die Prinzipien verantwortungsvoller KI mit Leben füllt. Dazu zählen insbesondere der verantwortungsvolle Einsatz von KI, die Sicherstellung von Erklärbarkeit, der Schutz der Privatsphäre sowie hohe Anforderungen an Sicherheit und Zuverlässigkeit. Entscheidend sei jedoch, dass diese Prinzipien nicht nur formuliert, sondern durch ein funktionierendes Governance-System in den Alltag integriert werden.

Dieses Governance-System basiert bei Mercedes-Benz auf mehreren ineinandergreifenden Maßnahmen: einer klaren Informations- und Führungsstruktur, gezielten Trainings- und Awareness-Programmen, regelmäßigen Risiko-Selbstbewertungen sowie einer engen Einbindung von Rechts- und Ethikexpertise. Dadurch wird sichergestellt, dass KI nicht isoliert als Technologie betrachtet wird, sondern als integraler Bestandteil unternehmerischer Verantwortung. Die Diskussion machte deutlich, dass risikoorientierte Governance kein statisches Regelwerk ist, sondern ein dynamischer Prozess, der kontinuierlich weiterentwickelt werden muss.

Insgesamt zeigte die Session eindrucksvoll, dass der erfolgreiche Einsatz von KI weit über technische Fragen hinausgeht. Entscheidend ist vielmehr die Fähigkeit von Organisationen, klare Strukturen, Verantwortlichkeiten und Kompetenzen aufzubauen, um Innovation mit Verantwortung zu verbinden. Gerade für die Finanzbranche, in der Vertrauen, Regulierung und Stabilität zentrale Rollen spielen, wird ein solches Governance-Verständnis zunehmend zum entscheidenden Erfolgsfaktor.

Themen: OR-Rating | Kommentare deaktiviert für Risikoorientierte KI-Governance: Zwischen Regulierung, Verantwortung und praktischer Umsetzung

Zwischen Innovation und Souveränität: Wie die Bundesbank Cloud und KI strategisch steuert

Von Dr. Oliver Everling | 22.April 2026

In ihrer Opening Keynote „Von Cloud bis KI: Strategie und Governance im Spannungsfeld von Souveränität und Innovation“ zeichnete Fritzi Köhler-Geib ein differenziertes Bild davon, wie tief Technologie heute in die Arbeit von Zentralbanken eingebettet ist und welche strategischen Konsequenzen sich daraus ergeben. Als Mitglied des Vorstands der Deutsche Bundesbank machte sie deutlich, dass Institutionen wie die Bundesbank längst keine rein geldpolitischen Akteure mehr sind, sondern hochgradig technologiegetriebene Organisationen, in denen Innovation und Regulierung eng miteinander verflochten sind.

Ausgangspunkt ihrer Ausführungen war die Frage, wie Technologie konkret innerhalb der Bundesbank eingesetzt wird. Sie verwies dabei nicht nur auf klassische IT-Anwendungen, sondern auch auf spezifische Beispiele wie die vertragliche Absicherung von Patenten, die zeigen, wie stark technologische Entwicklung auch institutionelle Prozesse prägt. Künstliche Intelligenz ist dabei längst Teil des Arbeitsalltags geworden. Ihr Einsatz reicht von der Analyse großer Datenmengen bis hin zur Unterstützung komplexer regulatorischer Aufgaben. Besonders anschaulich wurde dies am Beispiel der Bankenaufsicht: Rund 27.000 Seiten regulatorischer Vorgaben sollen durch KI-Systeme künftig effizienter erschlossen und für Aufseher besser nutzbar gemacht werden.

Gleichzeitig betonte Köhler-Geib, dass mit diesen Möglichkeiten erhebliche Herausforderungen einhergehen. Deutschland verfüge insbesondere im industriellen Mittelstand über einen enormen Datenschatz, der als Grundlage für leistungsfähige KI-Anwendungen dienen könne. Doch die Art und Weise, wie KI-Systeme – insbesondere autonome Agenten – eingesetzt werden, habe potenziell direkte Auswirkungen auf die Finanzstabilität. Diese Erkenntnis habe dazu geführt, dass die Bundesbank ihre Forschungsaktivitäten im Bereich KI deutlich ausgeweitet hat, um die Risiken und Wechselwirkungen besser zu verstehen.

Vor diesem Hintergrund gewinnt das Thema Governance zentrale Bedeutung. Der Einsatz von KI erfordert klare Regeln und Verantwortlichkeiten, die über rein technische Fragestellungen hinausgehen. Die Bundesbank verfolgt dabei einen strukturierten Ansatz, der drei zentrale Rollen unterscheidet: Anbieter von KI-Systemen, Entwicklerinnen und Entwickler sowie die Nutzerinnen und Nutzer. Ziel ist es, ein Umfeld zu schaffen, in dem sich alle Beteiligten sicher fühlen und KI verantwortungsvoll einsetzen können. Governance wird hier nicht als Einschränkung verstanden, sondern als Voraussetzung dafür, dass Innovation überhaupt stattfinden kann.

Ein weiterer Schwerpunkt der Keynote lag auf der Frage technologischer Souveränität. Köhler-Geib verdeutlichte die aktuelle Abhängigkeit Europas von außereuropäischen Anbietern, indem sie ein Bild zeigte, das von Flaggen der USA und Chinas dominiert war. Mehr als 80 Prozent der digitalen Infrastruktur und Technologien würden derzeit importiert, was strategische Risiken mit sich bringe. Daraus leitete sie die Notwendigkeit eines aktiven Managements technologischer Abhängigkeiten ab, das sowohl politische als auch unternehmerische Entscheidungen umfasst.

Ein konkretes Beispiel für diesen Ansatz ist die Überarbeitung der Cloud-Strategie der Bundesbank. Unter dem Leitprinzip „Cloud First, Smart Placement“ wird angestrebt, Cloud-Technologien gezielt und differenziert einzusetzen. Dabei stehen drei Kriterien im Mittelpunkt: Einfachheit, Sicherheit und Souveränität. Es geht nicht darum, alles in die Cloud zu verlagern, sondern bewusst zu entscheiden, welche Anwendungen wo betrieben werden, um sowohl Effizienz als auch Kontrolle zu gewährleisten.

Abschließend verwies Köhler-Geib auf Initiativen wie IDA2Cloud, mit denen die Innovationskraft gezielt gestärkt werden soll. Diese Programme stehen exemplarisch für den Versuch, technologische Modernisierung mit strategischer Unabhängigkeit zu verbinden. Die Keynote machte deutlich, dass sich das Spannungsfeld zwischen Innovation und Souveränität nicht auflösen lässt, sondern aktiv gestaltet werden muss. Gerade für Institutionen wie Zentralbanken bedeutet dies, technologische Entwicklungen nicht nur zu nutzen, sondern auch deren Rahmenbedingungen entscheidend mitzuprägen.

Fritzi Köhler-Geib ist Mitglied des Vorstands der Deutsche Bundesbank und zählt zu den prägenden Stimmen an der Schnittstelle von Finanzsystem, Digitalisierung und Regulierung. Mit ihrer Erfahrung aus internationalen Institutionen und ihrer Arbeit in der deutschen Zentralbank bringt sie eine Perspektive ein, die technologische Innovation stets im Kontext von Stabilität und Governance betrachtet. Ihre Keynote hielt sie auf der Konferenz „Finanzdienstleister der nächsten Generation“ an der Frankfurt School of Finance & Management, einem etablierten Branchentreff, der führende Vertreterinnen und Vertreter aus Banken, Aufsicht, Technologie und Wissenschaft zusammenbringt, um aktuelle Entwicklungen rund um Künstliche Intelligenz, Cloud und die Transformation des Finanzsektors zu diskutieren.

Themen: Nachrichten | Kommentare deaktiviert für Zwischen Innovation und Souveränität: Wie die Bundesbank Cloud und KI strategisch steuert

Finanzdienstleister der nächsten Generation 26

Von Dr. Oliver Everling | 22.April 2026

Die Vorstellung des Programms der Konferenz „Finanzdienstleister der nächsten Generation“ wurde in diesem Jahr von zwei Persönlichkeiten geprägt, die seit Langem eng mit der inhaltlichen und organisatorischen Entwicklung der Veranstaltung verbunden sind: Armgard Dahmen und Daniel Beimborn. Gemeinsam gaben sie den Teilnehmenden nicht nur einen Überblick über die Agenda, sondern vermittelten auch die konzeptionelle Leitidee hinter der diesjährigen Ausrichtung.

Armgard Dahmen, Director des Frankfurt School Forum, ist zentrale Ansprechpartnerin für alle Referentinnen und Referenten und verantwortet maßgeblich die inhaltliche Gestaltung der Konferenz. In ihrer Einführung wurde deutlich, wie sorgfältig das Programm kuratiert ist und wie stark der Fokus auf aktuelle Herausforderungen und konkrete Umsetzungsfragen in der Finanzbranche gelegt wurde. Sie beschrieb die Konferenz als Plattform, die unterschiedliche Perspektiven aus Praxis, Wissenschaft und Regulierung zusammenführt, um den Austausch über die Zukunft des Bankings greifbar und lösungsorientiert zu gestalten. Dabei wurde auch sichtbar, wie eng sie mit den Vortragenden zusammenarbeitet, um ein Programm zu entwickeln, das sowohl strategische Leitlinien als auch operative Einblicke bietet.

Ergänzt wurde diese Perspektive durch Prof. Dr. Daniel Beimborn, Professor für Wirtschaftsinformatik an der Universität Bamberg, der die Konferenz seit Jahren als erfahrener Moderator begleitet. Mit seiner wissenschaftlichen Expertise und seinem Gespür für die Dynamik der Branche ordnete er die einzelnen Programmpunkte in einen größeren Zusammenhang ein. Seine Moderation steht für Kontinuität und Tiefe, indem er Diskussionen strukturiert, Verbindungen zwischen den Themen herstellt und den Dialog zwischen den Teilnehmenden fördert. In der Vorstellung des Programms machte er deutlich, dass es nicht nur um einzelne Trends wie Künstliche Intelligenz oder Cloud-Technologien geht, sondern um ein umfassendes Verständnis der Transformation von Finanzdienstleistern.

Ein fester Bestandteil der Konferenz ist traditionell auch die Veröffentlichung eines begleitenden Buches, das die Inhalte und Diskussionen vertieft. Bereits dreimal ist der Titel „Finanzdienstleister der nächsten Generation“ in unterschiedlichen Ausgaben erschienen und hat sich als praxisnahes Nachschlagewerk etabliert. In diesem Jahr wird das neue Praxishandbuch „Digitale Dimensionen in der Finanzbranche – Intelligence, Resilience, Simplicity“ vorgestellt, das thematisch eng an das aktuelle Konferenzprogramm anknüpft. Es greift zentrale Fragestellungen rund um digitale Innovation, Widerstandsfähigkeit und Vereinfachung von Prozessen auf und übersetzt diese in konkrete Ansätze für die Praxis.

Für die Teilnehmenden bietet sich damit nicht nur die Möglichkeit, die Inhalte der Konferenz unmittelbar zu erleben, sondern diese auch nachhaltig zu vertiefen. Das Buch wird am Konferenztag auf dem Campus der Frankfurt School of Finance & Management kostenfrei ausgegeben und unterstreicht den Anspruch der Veranstaltung, Wissen nicht nur zu vermitteln, sondern langfristig verfügbar zu machen. In der Verbindung aus sorgfältig kuratiertem Programm, erfahrener Moderation und begleitender Publikation zeigt sich der ganzheitliche Ansatz der Konferenz, der sie seit Jahren zu einem wichtigen Treffpunkt für die Finanzbranche macht.

Themen: Ratings | Kommentare deaktiviert für Finanzdienstleister der nächsten Generation 26

Neue Anleiheära und ihre Folgen für Credit Ratings

Von Dr. Oliver Everling | 21.April 2026

Die globalen Anleihemärkte befinden sich in einem strukturell veränderten Umfeld, das weitreichende Implikationen für Credit Ratings mit sich bringt. Die Rückkehr zu höheren Renditeniveaus, kombiniert mit einer zunehmenden Divergenz geldpolitischer und fiskalischer Entwicklungen, verschiebt die Bewertungsmaßstäbe für Kreditrisiken und verlangt eine differenziertere Analyse der Schuldentragfähigkeit sowohl auf Unternehmens- als auch auf Staatsebene. Wie Julien Houdain, Head of Global Unconstrained Fixed Income bei Schroders, betont, liegen „die Renditen nahe ihrem höchsten Stand seit mehreren Jahrzehnten“, was zwar attraktive Einstiegspunkte schafft, gleichzeitig aber die Sensitivität gegenüber makroökonomischen Faktoren erhöht und damit auch die Stabilität von Ratings stärker unter Druck setzen kann.

Der Wendepunkt im Jahr 2022 hat nicht nur die Ära der Niedrigzinsen beendet, sondern auch die Mechanik hinter der Kreditbewertung verändert. Die Kombination aus Inflationsschock und aggressiven Zinserhöhungen hat dazu geführt, dass sich die Finanzierungskosten nachhaltig erhöht haben. Für Ratingagenturen bedeutet dies eine Neubewertung der Zinsdeckungskennzahlen und Refinanzierungsprofile vieler Emittenten. Wenn, wie Houdain hervorhebt, „ein größerer Teil der Gesamtrendite von Unternehmensanleihen aus den Zinsen stammt“, rückt die Fähigkeit von Schuldnern, diese Zinslast dauerhaft zu tragen, stärker in den Mittelpunkt. Unternehmen mit bislang stabilen Ratings könnten unter Druck geraten, wenn ihre Margen die gestiegenen Finanzierungskosten nicht kompensieren können.

Gleichzeitig führen enge Kreditaufschläge bei attraktiven Gesamtrenditen zu einer gewissen Verzerrung der Risikowahrnehmung. Die Märkte preisen Risiken derzeit nur begrenzt ein, obwohl sich die fundamentalen Rahmenbedingungen verschärft haben. Für Credit Ratings bedeutet dies ein erhöhtes Risiko von abrupten Anpassungen, sollten sich makroökonomische Annahmen als zu optimistisch erweisen. Die Aussage Houdains, dass „eine rein ertragsorientierte Anleihestrategie heute nicht mehr existiert“, lässt sich direkt auf die Kreditanalyse übertragen: Ratings können nicht mehr isoliert auf Basis historischer Kennzahlen vergeben werden, sondern müssen stärker forward-looking und szenariobasiert sein.

Die zunehmende Divergenz zwischen Volkswirtschaften verstärkt diese Entwicklung. Unterschiedliche geldpolitische Zyklen und fiskalische Spielräume führen zu heterogenen Risiko-Profilen, die sich unmittelbar in den Ratings widerspiegeln dürften. Während einige Länder von sinkendem Inflationsdruck profitieren, sehen sich andere mit steigenden Renditen am langen Ende konfrontiert, etwa infolge expansiver Fiskalpolitik. Diese Dynamik erhöht die Bedeutung der geografischen Differenzierung in der Kreditbewertung. Für Emittenten bedeutet dies, dass ihr Rating nicht nur von unternehmensspezifischen Faktoren abhängt, sondern zunehmend auch vom makroökonomischen Umfeld ihres Sitzlandes und dessen fiskalischer Glaubwürdigkeit.

Besonders relevant ist in diesem Zusammenhang die Beobachtung, dass fiskalische Risiken zunehmend in entwickelten Märkten konzentriert sind. Houdain weist darauf hin, dass „es tatsächlich die entwickelten Volkswirtschaften sind, in denen sich fiskalische Risiken zunehmend konzentrieren“. Für staatliche Credit Ratings impliziert dies einen potenziellen Paradigmenwechsel. Während Schwellenländer traditionell als risikoreicher galten, könnten sich deren relative Fundamentaldaten – insbesondere im Verhältnis von Verschuldung zu Realrenditen – stabilisierend auf ihre Bonität auswirken. Umgekehrt könnten hochverschuldete Industrieländer stärker unter Beobachtung geraten, was mittelfristig zu Ratingherabstufungen oder zumindest negativen Ausblicken führen kann.

Ein weiterer zentraler Aspekt ist die Trennung von Zinssensitivität und Kreditrisiko, die laut Houdain „ein entscheidender Vorteil bei der Verwaltung globaler Portfolios“ ist. Für Ratingagenturen bedeutet dies, dass Marktbewegungen nicht mehr automatisch als Indikator für Kreditverschlechterungen interpretiert werden können. Steigende Renditen können sowohl Ausdruck höherer Zinsen als auch gestiegener Kreditrisiken sein. Die analytische Herausforderung besteht darin, diese Effekte sauber zu isolieren. Fehlinterpretationen könnten zu prozyklischen Ratinganpassungen führen, die die Marktvolatilität zusätzlich verstärken.

Schließlich fungieren die aktuell hohen Ausgangsrenditen als eine Art Puffer gegen negative Entwicklungen, was kurzfristig stabilisierend auf Credit Ratings wirken kann. Houdain spricht in diesem Zusammenhang von „Startrenditen als Sicherheitsnetz“, das in unterschiedlichen makroökonomischen Szenarien Schutz bieten kann. Dennoch ist dieses Sicherheitsnetz nicht gleichbedeutend mit struktureller Stabilität. Sollte es zu einer unerwartet starken Verschlechterung der wirtschaftlichen Rahmenbedingungen kommen, könnten selbst hohe laufende Erträge die Bonitätseintrübung nicht vollständig kompensieren.

Insgesamt deutet sich eine Phase an, in der Credit Ratings volatiler und stärker differenziert ausfallen dürften. Die Kombination aus höheren Zinsen, fiskalischen Spannungen und global divergierenden Entwicklungen zwingt zu einer präziseren, dynamischeren Bewertung von Kreditrisiken. Die Zeit pauschaler Einschätzungen ist vorbei; entscheidend ist die Fähigkeit, komplexe Wechselwirkungen zwischen Makroökonomie, Marktstruktur und Emittentenprofilen zu erfassen und in belastbare Bonitätsurteile zu übersetzen.

Themen: Anleiherating | Kommentare deaktiviert für Neue Anleiheära und ihre Folgen für Credit Ratings

Tracking Error und Fondsrating

Von Dr. Oliver Everling | 16.April 2026

Ein niedriger Tracking Error wird in der Praxis häufig als Hinweis auf mangelnde Überzeugung eines aktiven Portfoliomanagers interpretiert, doch diese Sichtweise greift zu kurz. „Ein niedriger Tracking Error bedeutet nicht automatisch eine geringe Überzeugung des Portfoliomanagers“, betont Paul Moghtader, Portfoliomanager im Advantage-Team von Lazard Asset Management, und verweist damit auf ein verbreitetes Missverständnis unter Investoren. Vielmehr sei diese Kennzahl lediglich ein Ergebnis des Investmentprozesses und nicht dessen Zielgröße. Entscheidend sei stattdessen, wie effizient Risiko eingesetzt wird, was sich besser in der Information Ratio widerspiegelt, also dem Verhältnis von Ertrag zu eingegangenem Risiko.

Der Tracking Error misst die Abweichung eines Portfolios von seiner Benchmark und wird deshalb oft als Ausdruck aktiver Entscheidungen gewertet. „Deshalb wird er oft als Maß für bewusst eingegangenes aktives Risiko interpretiert“, erklärt Moghtader. Daraus werde fälschlicherweise abgeleitet, dass ein hoher Tracking Error für starke Überzeugungen stehe, während ein niedriger Wert Zurückhaltung signalisiere. Tatsächlich hängt die Höhe dieser Kennzahl jedoch stark davon ab, wie ein Portfolio strukturiert ist und welche Art von Risiken eingegangen werden.

Besonders deutlich wird dies bei Strategien, die stark auf makroökonomische Entwicklungen oder Stilfaktoren setzen. Solche Ansätze führen häufig zu hohen Abweichungen von der Benchmark, bergen aber auch erhebliche Risiken. „Stilrotationen sind schwer vorherzusagen“, so Moghtader und verweist auf historische Beispiele wie die Dotcom-Blase, bei der viele Investoren zwar Überbewertungen erkannten, jedoch durch zu frühe Umschichtungen Renditechancen verpassten. Auch in jüngerer Zeit hätten Konzentrationseffekte an den Märkten diese Problematik verschärft. Die Dominanz großer Technologiewerte habe zu erheblichen Performance-Unterschieden zwischen Sektoren geführt, während in den Emerging Markets gegenläufige Entwicklungen einzelner Länder zusätzliche Herausforderungen darstellen. „Für Portfolios wäre eine Übergewichtung Indiens bei gleichzeitiger Untergewichtung Chinas seit Mitte 2024 entsprechend kostspielig gewesen“, erläutert er.

Vor diesem Hintergrund setzt das Advantage-Team bewusst nicht auf große makroökonomische Wetten, sondern auf eine Vielzahl kleiner, unabhängiger Entscheidungen auf Einzeltitelebene. „Wir strukturieren unsere Portfolios bewusst so, dass sie aus Länder-, Sektor- und Größensicht eng an der Benchmark ausgerichtet sind“, sagt Moghtader. Innerhalb dieses Rahmens konzentriere sich das Team auf fundamentale Faktoren wie Cashflow-Qualität, Bewertung, Marktstimmung und Wachstumsperspektiven einzelner Unternehmen. Dieser Bottom-up-Ansatz zielt darauf ab, unerwünschte makroökonomische Risiken zu minimieren und gleichzeitig konsistente Renditebeiträge zu generieren.

In der Konsequenz führt dieser Ansatz häufig zu einem niedrigeren Tracking Error, der jedoch keineswegs als Schwäche interpretiert werden sollte. „Ein niedriger Tracking Error steht nicht im Widerspruch zu aktivem Management – im Gegenteil: Er kann Ausdruck eines gezielten und effizienten Einsatzes von aktivem Risiko sein“, so Moghtader. Entscheidend ist, dass das eingegangene Risiko tatsächlich zu Mehrertrag führt und nicht durch schwer prognostizierbare Makroentwicklungen dominiert wird.

Gerade im Kontext von Fondsratings gewinnt diese Differenzierung an Bedeutung. Klassische Bewertungsansätze berücksichtigen neben der absoluten und relativen Performance zunehmend auch risikoadjustierte Kennzahlen wie die Information Ratio oder die Volatilität. Ein Fonds mit niedrigem Tracking Error kann in solchen Modellen durchaus besser abschneiden, wenn er stabile Überrenditen bei kontrolliertem Risiko erzielt. Strategien, die auf breit diversifiziertes Stock-Picking setzen und extreme Abweichungen von der Benchmark vermeiden, können somit über verschiedene Marktphasen hinweg konsistentere Ergebnisse liefern und dadurch in Ratingsystemen positiv hervorstechen.

Damit verschiebt sich der Fokus weg von der reinen Höhe der Benchmarkabweichung hin zur Qualität des Investmentprozesses. Ein niedriger Tracking Error ist dann kein Indiz für mangelnde Aktivität, sondern kann vielmehr ein Hinweis darauf sein, dass Risiken bewusst gesteuert und effizient genutzt werden – ein Aspekt, der im Fondsrating zunehmend an Gewicht gewinnt.

Themen: Fondsrating | Kommentare deaktiviert für Tracking Error und Fondsrating

« Voriger Beitrag Folgender Beitrag »

Dr. Oliver Everling