Alpha nachweisen: Wie ein Hedgefonds den ROI von KI misst – Hari Kumar, Contour Asset Management

하이라이트

• Contour Asset Management verwaltet 6 Milliarden Dollar an Anlagevermögen und beschäftigt etwa 15 bis 20 Mitarbeiter im TMT-Sektor.

• Das Unternehmen setzt Live-A/B-Tests ein, um die Produktivität von rund 10 Analysten mit und ohne KI-gestützte Recherche-Workflows zu vergleichen.

• Durch die Integration von APIs und MCP-Schnittstellen für externe Datenquellen wie Yipit oder Alphasense werden isolierte Datensätze direkt in interne Agenten eingespeist.

• Eine speziell entwickelte Kennzahl misst die Kosten pro nützlicher Erkenntnis anhand der täglichen Arbeitszeit und der GuV-Ergebnisse der Analysten.

• Wartungsaufwände und Ausfälle von API-Verbindungen erfordern fortlaufende Zeitinvestitionen zur Fehlerbehebung.

타임라인

1. 00:00 - 02:25

   Hintergrund und Herausforderungen bei der KI-Integration

   Der Hedgefonds mit einem Anlagevermögen von 6 Milliarden Dollar und etwa 15 bis 20 Mitarbeitern treibt die Automatisierung interner Prozesse voran. Investoren erwarten verstärkt den Einsatz von künstlicher Intelligenz in den täglichen Abläufen. Dabei erweist sich die genaue Ermittlung des Nutzens im Verhältnis zu den getätigten Ausgaben als äußerst komplex.

   • Contour Asset Management ist ein fundamentaler Long-Short-Fonds mit einem Fokus auf den TMT-Sektor.
   • Die Einbindung von KI-Workflows erstreckt sich auf die Bereiche Recherche, Handel, Betrieb, Compliance und Finanzen.
   • Die direkte Messung des Return on Investment für KI-Ausgaben stellt eine erhebliche Herausforderung dar.
2. 02:25 - 06:19

   Live-A/B-Tests und Recherche-Workflows

   Etwa 10 Analysten betreuen jeweils Dutzende Unternehmen und nutzen traditionelle Methoden zur Ideengenerierung. Um den tatsächlichen Nutzen der KI zu bewerten, dokumentiert das Team die Ergebnisse mit und ohne automatisierte Werkzeuge. Da sich Anlageentscheidungen oft erst nach Monaten im Aktienkurs niederschlagen, konzentriert sich die Bewertung primär auf Prozessverbesserungen.

   • Live-A/B-Tests vergleichen den traditionellen Rechercheprozess von Analysten mit KI-gestützten Arbeitsabläufen.
   • Agenten übernehmen Teilaufgaben wie Experteninterviews und Verbraucherbefragungen.
   • Die Validierung von Anlageideen erfordert Zeiträume von drei Monaten bis zu einem Jahr.
3. 06:19 - 10:05

   Ideengenerierung, Timing und alternative Daten

   Vergessene oder nicht weiterverfolgte Ideen werden durch automatisierte Systeme im Blick behalten, um günstige Einstiegszeitpunkte nicht zu verpassen. Zudem werden alternative Datensätze von Anbietern wie Yipit direkt mit Transkripten und Expertenanrufen verknüpft. Diese Integration bricht bisherige Datensilos auf.

   • KI-Agenten unterstützen die kontinuierliche Überwachung von Anlageideen, um das Timing für Käufe und Verkäufe zu optimieren.
   • API-Zugriffe und Model Context Protocols verbinden externe Datenquellen wie Kreditkarten-Panels direkt mit internen Agenten.
   • Die Zusammenführung isolierter Datensätze vereinfacht die Analyse.
4. 10:05 - 11:56

   Messung von Analystenzeit und Kennzahlen

   Im Fokus steht die Frage, womit Analysten ihre tägliche Arbeitszeit verbringen. Durch die Erfassung der täglichen Erkenntnisse und des damit verbundenen Zeitaufwands entstehen messbare Leistungskennzahlen. Die Gewinne und Verluste aus Handelsentscheidungen liefern die ultimative Messgröße für den Anlageerfolg.

   • Die Verfolgung der für bestimmte Aktien aufgewendeten Arbeitszeit dient als Kernmetrik.
   • Die Kennzahl der Kosten pro nützlicher Erkenntnis bewertet die Effizienz der Recherche.
   • GuV-Ergebnisse bilden die langfristige Erfolgsmetrik für getroffene Entscheidungen.
5. 11:56 - 18:22

   Ausweitung auf Handel, Betrieb und Systemwartung

   Die Automatisierung entlastet auch den Handel und die Betriebsabläufe von repetitiven Aufgaben, damit Mitarbeiter mehr Zeit für die Generierung neuer Ideen aufbringen können. Gleichzeitig zeigt sich, dass instabile Verbindungen und Modellfehler Zeit für die Fehlerbehebung erfordern. Diese Instandhaltungsaufwände sind ein fester Bestandteil der wirtschaftlichen Gesamtrechnung.

   • Agenten unterstützen den Handel bei der Überwachung von Positionen über verschiedene Branchen hinweg.
   • In den Bereichen Betrieb und Compliance werden repetitive Aufgaben auf einer einheitlichen Plattform konsolidiert.
   • Fehlerbehebungen und technische Ausfälle fließen als Zeitaufwand in die Gesamtbilanz ein.