Die wichtigsten Erkenntnisse
- Es gibt viele europäische Fonds, die sich mit einem KI-Label schmücken, doch ihre Portfolios können sich erheblich voneinander unterscheiden.
- KI-Fonds lassen sich grob unterteilen in Kern-, dynamische und periphere Engagements.
- Der First Trust Bloomberg AI ETF erzielt nach den Kennzahlen von Morningstar die höchste Punktzahl.
Für die meisten Anleger ist KI ein Thema, das sich am besten über einen Fonds abbilden lässt. In einem sich rasch entwickelnden Bereich, in dem sich die Marktführer innerhalb weniger Quartale ändern können, ist das aktienspezifische Risiko hoch; ein diversifiziertes Portfolio bietet Anlegern eine bessere Chance, die Gewinner von morgen zu halten, ohne jeden einzelnen Kandidaten einzeln bewerten zu müssen.
Auf dem europäischen Markt gibt es Dutzende von Produkten, die mit einem KI-Label versehen sind. In den Marketingunterlagen sehen sie zwar ähnlich aus, doch ihre Portfolios – und ihr tatsächlicher Anteil an Kern-KI – unterscheiden sich erheblich.
Die Fonds mit den besten Bewertungen
Der First Trust Bloomberg AI ETF steht an der Spitze der europäischen Fondsrangliste. Sowohl seine Auswahl- als auch seine Gewichtungsmethode stützen sich direkt auf KI-bezogene Umsätze, was ihm den höchsten kombinierten Exposurewert aller Fonds in unserem europäischen Beobachtungsspektrum einbringt. Der iShares AI Infrastructure UCITS ETF belegt den zweiten Platz und spiegelt einen neueren Ansatz wider, der sich speziell auf das „Picks-and-Shovels“-Segment der Wertschöpfungskette konzentriert – und steht in starkem Einklang mit der Einschätzung der Morningstar-Analysten, dass Infrastruktur der Bereich ist, in dem das Exposure- wie das Bewertungsargumente am stärksten sind.
Die Top 10 verteilen sich zu etwa zu gleichen Teilen auf ETFs und offene Fonds, wobei die „AI Innovation“-Strategie von BlackRock in beiden Anlageformen vertreten ist. Die Fonds mit den höchsten Bewertungen eignen sich für eine Anlage in unterbewertete Kernwerte.
Am anderen Ende der Tabelle sind die Fonds mit den schlechtesten Ergebnissen nicht unbedingt schlechte Fonds – sie verfolgen lediglich einen anderen Ansatz.
Tangentiale Strategien mit Fokus auf Big Data oder Quantentechnologie sowie „AI-Adopter“-Fonds, die auf nachgelagerte Nutznießer wie Unternehmen im Gesundheitswesen abzielen, schneiden bei ihrem Kernengagement naturgemäß schlecht ab. Der Polar Capital AI Fund rangiert ebenfalls weiter hinten, da er häufig in Nicht-Kernwerte investiert, die er als die größten nachgelagerten Nutznießer der KI betrachtet, wobei die Bestände von Delta Air Lines bis Walmart reichen. Dass erschien letztes Jahr unkonventionell. Im Februar 2026, als Software-as-a-Service- oder SaaS-Titel stark nachgaben, führte das frühzeitige Umschichten des Fonds von Software zu Infrastruktur innerhalb eines einzigen Monats zu einer Outperformance von rund 14 Prozentpunkten gegenüber indexähnlichen Vergleichsfonds.
Drei Möglichkeiten, mit Fonds auf KI zu setzen
Der Kontrast verdeutlicht die tatsächliche Entscheidung, vor der Anleger stehen. Grob gesagt lassen sich KI-Fonds in drei Kategorien einteilen.
- Kern-KI-Fonds – wie beispielsweise der First Trust Bloomberg AI – bieten ein stabiles, betaähnliches Engagement in dem Themenbereich. Sie erzielen bei dieser Kennzahl die besten Werte und eignen sich besonders für Anleger, die lediglich ein KI-Engagement in ihrem Portfolio wünschen, das genau das hält, was es verspricht.
- Dynamische KI-Fonds wie der „CPR Invest Artificial Intelligence“ behalten ihr Engagement in den Leitwerten bei, passen ihre Ausrichtung jedoch aktiv an die Entwicklung des Themas an. Sie eignen sich für renditeorientierte Anleger, die mit aktiven Risiken vertraut und bereit sind, im Austausch für die Chance auf Alpha einen Tracking Error gegenüber dem breiteren KI-Thema in Kauf zu nehmen.
- Periphere KI-Fonds, wie beispielsweise der iShares AI Adopters & Applications UCITS ETF, zielen auf Nutznießer zweiter Ordnung – also auf Unternehmen, die KI einsetzen, um ihre Margen zu steigern, oder auf die Energie- und Rechenzentrumsanbieter, die das ermöglichen. Sie weisen von Natur aus ein geringeres Engagement im Kernsegment auf, bieten jedoch eine Diversifizierung weg von den überlaufenen Mega-Cap-Technologiewerten.
Die richtige Wahl hängt davon ab, welche Ziele Anleger verfolgen. Wenn jedoch das Bewertungsargument ausschlaggebend ist – nämlich dass der Kernbereich der KI im Verhältnis zu den Cashflows, die er generieren wird, unterbewertet ist –, dann sind die Fonds an der Spitze unserer Exposure-Tabelle der direkteste Weg, diese Einschätzung zum Ausdruck zu bringen.
Wie der KI-Fonds-Filter entwickelt wurde
Um den Überblick zu behalten, hat Morningstar einen kombinierten thematischen Exposure-Score entwickelt. Dieser verbindet zwei Faktoren: die Bottom-up-Einschätzung des Aktienresearch-Teams, inwieweit der Umsatz jedes Unternehmens tatsächlich mit KI verbunden ist (Gewichtung: 75 %), sowie ein Manager-Research-Signal, das misst, wie häufig eine Aktie weltweit in spezialisierten KI-Portfolios vertreten ist (Gewichtung: 25 %). Die Zusammenfassung dieser Bewertungen auf Fondsebene ergibt eine einzelne, vergleichbare Kennzahl dafür, wie viel Kern-KI-Engagement jede Strategie tatsächlich bietet.
Dieser Artikel stammt aus dem im Mai veröffentlichten Bericht „Opportunities in Artificial Intelligence“, verfasst von Michael Field und Kenneth Lamont.
