Wenn Korrelationen im Krisenfall zusammenbrechen — und KI trotzdem versagt.

Die Versprechen vieler KI-Anbieter drehen sich um Frühwarnung: Modelle sollen Krisen erkennen, bevor sie eintreten. In der Praxis ist das Gegenteil der Fall. Warum maschinelles Lernen in Regimewechseln oft zu spät reagiert — und welche manuellen Kontrollen wir deshalb einbauen.

Was ein Regimewechsel ist.

Ein Regimewechsel ist nicht einfach ein starker Tag. Er ist eine Änderung der Datenstruktur selbst: Korrelationen, die jahrelang stabil waren, brechen auf; Volatilitäten springen; Faktoren, die vorher erklärten, verlieren ihre Kraft. 2008, 2020 und 2022 waren drei sehr verschiedene Regimewechsel, aber alle drei mit derselben Folge: Modelle, die in der alten Struktur gelernt hatten, galten plötzlich für eine Welt, die nicht mehr existierte.

Warum KI hier versagt.

Maschinelle Modelle lernen aus Vergangenheit. In einem Regimewechsel ist die Vergangenheit gerade die schlechteste Referenz. Wer ein Modell auf Daten vor 2008 trainiert und es im Frühjahr 2008 abfragt, bekommt eine Empfehlung für eine Welt, die gerade verschwunden ist. Das Modell merkt das nicht — es hat keine Metrik für „meine Struktur gilt nicht mehr“.

Dazu kommt die Verzögerung: Die meisten Modelle brauchen Wochen, bis sie genug neue Beobachtungen haben, um das neue Regime zu lernen. In dieser Lücke sind sie nicht vorausschauend, sondern nachschleppend.

Welche manuellen Kontrollen wir einbauen.

Wir vertrauen in der Diversifikationsanalyse nicht auf ein Modell, sondern auf drei Schichten. Erstens: eine Regimeprüfung anhand historischer Stressepisoden, die zeigt, wie sich das Portfolio in 2008, 2020 und 2022 verhalten hätte. Zweitens: eine manuelle Streichung von Clusterergebnissen, die nur in einem Regime stabil waren. Drittens: eine qualitative Einordnung durch einen Analysten, der das Modell kennt und seine Grenzen nennt.

Das ist nicht „KI gegen Mensch“. Es ist KI mit Mensch, und der Mensch hat das letzte Wort.

„Ein Modell, das in einer Krise lernt, lernt zu spät. Die Frage ist nicht, ob KI warnt, sondern wer warnt, wenn KI schweigt.“

Fazit

Regimewechsel sind der Schwachpunkt maschineller Prognosen. Wer sie ignoriert, überschätzt KI. Wer sie kennt, setzt sie ein, wo sie trägt — und behält die Entscheidung dort, wo sie versagt.