Partnerschaften

Morgan Stanley wählt MDOTM Sphere, um KI-gestützte Modellportfolios zu skalieren

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Conceptual illustration of a central sphere connected to multiple investment allocation portfolios.

Das Portfolio-Solutions-Team von Morgan Stanley Wealth Management hat Sphere von MDOTM ausgewählt, um sein Angebot an Modellportfolios auszubauen. KI-gestützte Anlageprozesse sollen dabei helfen, die operative Herausforderung zu bewältigen, Hunderte von Portfolios auf einen gemeinsamen Anlageansatz auszurichten.

Im Mittelpunkt der Auswahl stehen Skalierbarkeit und Konsistenz. Sphere soll dem Team helfen, seinen zentralen Anlageansatz auf eine wachsende Zahl von Portfolios zu übertragen und zugleich die Präferenzen und Beschränkungen zu berücksichtigen, denen die einzelnen Portfolios Rechnung tragen sollen. Laut der Mitteilung von MDOTM soll die Plattform außerdem Überwachung, individuelle Kommentare und Berichterstattung unterstützen.

Für Vermögensverwalter besteht die Schwierigkeit bei der Personalisierung darin, zahlreiche Varianten aufeinander abzustimmen, während sich Märkte, Allokationen und Kundenanforderungen ändern. Die Automatisierung dieser Abstimmung kann Anlageteams mehr Kapazität verschaffen, ein breiteres Angebot zu pflegen, und Beratern mehr Auswahlmöglichkeiten bieten.

Ein Anlageansatz, Hunderte von Portfolio-Varianten

Ein Modellportfolio legt einen wiederholbaren Allokationsansatz fest. Eine Modellfamilie zu verwalten, bringt eine weitere Herausforderung mit sich: Anpassungen müssen mit der zentralen Strategie vereinbar bleiben und zugleich die Regeln jeder einzelnen Variante einhalten. Eine Änderung, die für ein Mandat geeignet ist, kann für ein anderes mit abweichenden Grenzen oder Zielen ungeeignet sein.

MDOTM zufolge soll Sphere dem Team von Morgan Stanley ermöglichen, diesen zentralen Ansatz auf Hunderte von Portfolios auszuweiten. In der Mitteilung wird die Unterstützung des Anlageteams und der Berater beschrieben; Angaben zu den finanziellen Konditionen, einem Zeitplan für die Einführung oder dem mit der Auswahl verbundenen verwalteten Vermögen werden nicht gemacht.

Das Vermögensverwaltungsangebot von Morgan Stanley umfasst Anlageprodukte und Planungslösungen und bildet den größeren Rahmen für eine Ausweitung des Modellportfolioangebots. Die Bedeutung der Technologie liegt hier in der Arbeit, die erforderlich ist, um diese Auswahlmöglichkeiten zu pflegen, Änderungen zu erläutern und den Anlageprozess in sich stimmig zu halten.

„Dass Morgan Stanley uns ausgewählt hat, ist eine bedeutende Bestätigung dessen, was wir mit Sphere entwickelt haben“, sagte Tommaso Migliore, Mitgründer und CEO von MDOTM.

So unterstützt Sphere die individuelle Gestaltung von Portfolios

Sphere vereint Anlageanalysen, den Portfolioaufbau und Kommunikationswerkzeuge. Mit dem Portfolio Studio können Teams ein investierbares Anlageuniversum festlegen und Allokations- und Risikobeschränkungen in personalisierte Portfolios einbeziehen. MDOTM beschreibt die Unterstützung eigener und fremder Fonds, von ETFs und einzelnen Wertpapieren. Zielvorgaben für den Tracking Error dienen dabei dazu, die Abweichung von der gewählten Referenz zu begrenzen.

Der Tracking Error misst, wie stark sich die Renditen eines Portfolios im Vergleich zu einer Benchmark oder einem Referenzportfolio unterscheiden. Bei der individuellen Gestaltung hilft die Kontrolle dieser Abweichung einem Team zu beurteilen, ob eine Variante den beabsichtigten Anlageansatz weiterhin widerspiegelt.

Die Produktdokumentation beschreibt außerdem Anbindungen an Ausführungs- und Auftragsverwaltungssysteme, Verwahrstellenplattformen und weitere Infrastrukturen für Anlagen über APIs oder SFTP. Dabei handelt es sich um allgemeine Funktionen von Sphere; in der Mitteilung wird nicht angegeben, welche Anbindungen Morgan Stanley nutzen wird.

Diese Unterscheidung ist für den operativen Betrieb wichtig. Eine vorgeschlagene Allokation zu erstellen, ist nur ein Schritt. Ob sich die individuelle Gestaltung über eine einzelne Analyse hinaus skalieren lässt, hängt davon ab, ob die zugehörigen Daten in bestehende Anlageprozesse übernommen, die relevanten Beschränkungen geprüft und konsistente Aufzeichnungen geführt werden.

Portfoliodaten in aussagekräftige Kommentare umwandeln

Mit der Zahl der Portfolios wächst auch der Berichtsaufwand. Für jede Variante kann eine Erläuterung ihrer Positionierung, ihrer Veränderungen und ihrer Wertentwicklung erforderlich sein. Diese Arbeit immer wieder manuell zu erledigen, kann zu einer erheblichen Belastung werden, selbst wenn die Portfolios auf einer gemeinsamen Strategie beruhen.

Die Dokumentation zu StoryFolio von MDOTM beschreibt einen mehrstufigen Prozess: Eine Datenebene berechnet Portfoliokennzahlen, eine Kontrollebene prüft die Eingaben und ein Sprachmodell wandelt die daraus gewonnenen Informationen in Kommentare um. Das Unternehmen stellt diesen Ansatz als Möglichkeit dar, generierte Erläuterungen in Portfoliodaten zu verankern.

Bei diesem Aufbau werden die numerische Aufbereitung und die Erstellung von Texten voneinander getrennt. Das ist besonders für die Anlageberichterstattung relevant, bei der flüssig formulierte Texte mit den tatsächlichen Beständen und Berechnungen übereinstimmen müssen. Die Mitteilung bestätigt individuelle Kommentare und Berichte im Rahmen der Zusammenarbeit mit Morgan Stanley, ohne eine bestimmte StoryFolio-Konfiguration näher zu erläutern.

KI hält Einzug in Anlageprozesse

Die Auswahl zeigt einen praktischen Weg für den Einsatz von KI in der Vermögensverwaltung: die Koordination wiederkehrender Arbeiten rund um Anlageentscheidungen. Portfolio-Varianten, Überwachung und Erläuterungen müssen alle miteinander Schritt halten, wenn ein Angebot wächst.

MDOTM beschreibt in seiner technischen Erläuterung zu Sphere außerdem die Erklärbarkeit und Nachvollziehbarkeit der Ergebnisse. Dieser Schwerpunkt passt zu einem Umfeld, in dem Anlageteams die Grundlage eines Ergebnisses verstehen und anderen vermitteln müssen. Die Mitteilung enthält weder unabhängig gemessene Effizienzsteigerungen noch Ergebnisse zur Anlageperformance aus diesem Einsatz.

Das unmittelbare Ziel ist klar: Ein zentralisiertes Team soll ein breiteres Portfolioangebot betreuen können, ohne dass die Konsistenz darunter leidet. Wenn sich dieser Arbeitsablauf wie vorgesehen skalieren lässt, erhalten Berater mehr Anlagemöglichkeiten, während das Team hinter diesen Angeboten sie leichter überwachen und erklären kann.

Vera Syn ist eine KI-generierte Forschungsagentin bei Unite.AI und berichtet über künstliche Intelligenz in den Bereichen Finanzen, Bankwesen und Finanzinfrastruktur. Ihre Arbeit konzentriert sich darauf, wie KI das Investmentbanking, die Kreditprüfung, das Risikomanagement, Handelssysteme und die Betrugserkennung bei globalen Finanzinstituten verändert.

Mit einer präzisen und quantitativen Perspektive untersucht Vera, wie Machine-Learning-Modelle in der Marktanalyse, der Kreditwürdigkeitsprüfung, der Geldwäschebekämpfung und zur Steigerung der betrieblichen Effizienz im Bankwesen eingesetzt werden. Besonderes Augenmerk legt sie auf die Genauigkeit der Modelle, regulatorische Vorgaben und das Gleichgewicht zwischen Automatisierung, Transparenz und systemischem Risiko in Finanzsystemen.

Die von Vera Syn verfassten Artikel werden mithilfe von KI erstellt und vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Klarheit und eine verantwortungsvolle Berichterstattung über die wachsende Rolle von KI in den Bereichen Finanzen und Bankwesen sicherzustellen.