Branchenleitfaden: Asset Management
Claude im Asset Management nutzen: Ein Leitfaden für Buy-Side-Investmentteams
Den Markt schneller erfassen und mit besseren Notizen entscheiden.
Dieser Leitfaden richtet sich an Portfolio Manager, Analysten und Investment-Operations-Teams bei Asset Managern und Hedgefonds, die Claude von Anthropic für Research, die Earnings-Saison, IC-Memos, Portfolio-Reviews und quantitative Workflows einsetzen wollen. Er zeigt, was Anthropic für Financial Services veröffentlicht hat und was namentlich genannte Firmen in Anthropics eigenen Beiträgen dazu gesagt haben.
Claude im Asset Management nutzen bedeutet, es gezielt auf das Lesen und Schreiben anzusetzen, das sonst die eigentliche Analyse verdrängt: Earnings Calls und Filings zu Model-Updates zusammenfassen, Initiations- und Thesis-Notes entwerfen, IC-Memos und Portfolio-Reviews aus Holdings-Daten aufbauen, Python für Datenanalysen schreiben und Kunden- sowie Compliance-Dokumente vorbereiten. Claude liefert schnell strukturierte erste Entwürfe. Die Investmententscheidung bleibt beim Portfolio Manager, und jede Zahl, die an einen Kunden, ein Komitee oder eine Aufsichtsbehörde geht, wird gegen die Quelle geprüft.
Veröffentlicht
Das Wichtigste in Kürze
- Die wichtigsten Buy-Side-Anwendungen sind Earnings-Reviews, Research-Notes, IC-Memos, Portfolio-Reviews und Analyst-Tools in Python und Excel.
- Anthropic hat Agent Skills für Earnings-Analysen und die Aufnahme von Coverage veröffentlicht, dazu Agent-Vorlagen, darunter ein Earnings Reviewer und ein Valuation Reviewer.
- In Anthropics Beiträgen äußern sich Citadel, Bridgewater und Walleye Capital dazu, wie ihre Teams Claude einsetzen.
- Claude beschleunigt die Research, erzeugt aber nicht von selbst Alpha. Das leisten Ihr Prozess und Ihr Urteilsvermögen.
- Holdings- und Kundendaten gehören nur in einen Workspace, den Ihre Firma dafür freigegeben hat.
Kopieren und einfügen
Prompts, die Sie heute nutzen können
Earnings Call zu Model-Update
Du bist Buy-Side-Analyst und deckst das unten genannte Unternehmen ab. Liste anhand des hier eingefügten Earnings-Call-Transkripts und der Pressemitteilung auf: jede Änderung der Guidance mit alten und neuen Zahlen, die Erklärung des Managements dazu, die drei wichtigsten Analystenfragen und wie das Management sie beantwortet hat, sowie jede Zeile in meiner Model-Zusammenfassung, die jetzt falsch erscheint. Zitiere für jeden Punkt das Transkript. Verwende kein externes Wissen. Material: [Transkript, Pressemitteilung und Model-Zusammenfassung einfügen].
Erst das Einfügen der eigenen Model-Zusammenfassung macht aus einer generischen Call-Zusammenfassung eine Liste von Model-Updates.
Update des Thesis-Trackers
Hier ist unsere schriftliche Investmentthese für ein aktuelles Holding mit den drei Säulen und den Bedingungen, die uns zum Verkauf bewegen würden. Hier sind die Nachrichten des letzten Quartals, eine Filings-Zusammenfassung und unsere Notizen. Sage für jede Säule, ob die neue Evidenz sie stärkt, schwächt oder neutral ist, und warum. Liste alles auf, was eine Verkaufsbedingung berührt. Halte es unter dreihundert Wörter und markiere jede Stelle, an der du interpretierst statt aus dem Material zu lesen. Material: [einfügen].
Erst eine schriftliche These mit expliziten Verkaufsbedingungen macht diesen Prompt nützlich. Schreiben Sie eine, falls noch keine vorliegt.
IC-Memo-Entwurf aus der Research
Entwirf ein Investment-Committee-Memo, das eine neue Position empfiehlt, ausschließlich anhand der unten stehenden Research-Notes, Model-Outputs und Bewertungszusammenfassung. Abschnitte: Empfehlung und Begründung der Positionsgröße, Unternehmensüberblick, These, Bewertung, Hauptrisiken und was uns widerlegen würde, Katalysatoren und Portfolio-Fit. Schreibe für ein Komitee, das schnell liest und harte Fragen stellt. Füge keine Zahlen hinzu, die nicht in meinem Material stehen; markiere Lücken als [DATEN FEHLEN]. Material: [einfügen].
Lassen Sie sich zuerst den Risikoabschnitt geben, wenn Ihr Komitee dort besonders genau hinschaut.
Kommentar zum Portfolio-Review
Schreibe anhand der unten eingefügten Holdings, Gewichtungen, Benchmark-Gewichtungen und Periodenrenditen einen Quartals-Portfolio-Review für ein Kundenkomitee: Performance gegenüber der Benchmark, die wichtigsten Contributors und Detractors mit je einer Zeile Begründung, im Quartal vorgenommene Änderungen und die Positionierung für die Zukunft. Halte die Sprache klar und sachlich, vermeide Prognosen und markiere jede Zahl, die du berechnet statt aus den Daten gelesen hast. Daten: [einfügen].
Prüfen Sie die Attribution gegen Ihr Performance-System, bevor etwas an einen Kunden geht.
Python für eine Research-Frage
Schreibe ein Python-Skript mit pandas, das die unten beschriebene CSV lädt, die rollierende neunzig-Tage-Volatilität und die Korrelation jedes Holdings zur Benchmark berechnet und eine nach Beitrag zur Portfoliovolatilität sortierte Tabelle der Holdings erzeugt. Füge Kommentare hinzu, die jeden Schritt erklären, behandle fehlende Kurse explizit und ergänze einen kurzen Test auf einem kleinen Fake-Datensatz, damit ich die Logik prüfen kann, bevor ich es auf echte Daten anwende. CSV-Spalten: [beschreiben].
Ein Test mit Fake-Daten erlaubt es, die Logik zu prüfen, ohne echte Holdings offenzulegen.
Von Anthropic
Was Anthropic für Asset Management anbietet
Claude for Financial Services
Anthropics im Juli 2025 angekündigtes Financial-Services-Angebot kombiniert Claude-Modelle, Claude Code und Enterprise-Zugang mit Connectors zu Datenanbietern wie FactSet, Morningstar, S&P Global, Snowflake und Databricks. Anthropic erklärt, dass Daten standardmäßig nicht zum Training verwendet werden.
· Quelle
Advancing Claude for Financial Services
Ein Update vom Oktober 2025, das Agent Skills für Earnings-Analysen, Initiating-Coverage-Reports, Comparable-Company-Analysen und DCF-Modelle ergänzt, dazu Connectors, darunter Aiera für Earnings-Call-Transkripte, LSEG für Marktdaten, Moody's für Kreditdaten und MT Newswires für Nachrichten.
· Quelle
Agents for financial services
Zehn im Mai 2026 veröffentlichte Agent-Vorlagen, darunter ein Earnings Reviewer, Market Researcher, Valuation Reviewer und Statement Auditor, ausgeliefert als Plugins in Claude Cowork und Claude Code, mit allgemein verfügbaren Add-ins für Excel, PowerPoint und Word.
· Quelle
In der Praxis
Wie Asset Management-Teams Claude nutzen
Laut der von Anthropic veröffentlichten Kundengeschichte
Citadel
Laut Anthropics Financial-Services-Beitrag vom Mai 2026 sagte der Head of Core Engineering von Citadel, dass Analysten Claude in Excel nutzen, um Coverage-Models zu bauen, zu aktualisieren und ihre Arbeit auf Belastbarkeit zu prüfen.
Laut der von Anthropic veröffentlichten Kundengeschichte
Bridgewater Associates
In Anthropics Financial-Services-Ankündigung vom Juli 2025 erklärten die AIA Labs von Bridgewater, dass Claude die ersten Versionen ihres Investment Analyst Assistant antrieb, der Python-Code generierte, Datenvisualisierungen erstellte und komplexe Finanzanalysen bearbeitete.
Laut der von Anthropic veröffentlichten Kundengeschichte
NBIM (Norges Bank Investment Management)
Anthropics Customer Story berichtet, dass NBIM, das den norwegischen Staatsfonds verwaltet, wöchentliche Zeitersparnisse pro Mitarbeiter bei Claude-gestützten analytischen und operativen Aufgaben sowie eine breite Einführung über alle Abteilungen hinweg innerhalb von zwei Monaten verzeichnete.
Laut der von Anthropic veröffentlichten Kundengeschichte
Walleye Capital
In Anthropics Financial-Services-Beitrag vom Mai 2026 sagte der CEO und CIO von Walleye Capital, dass alle Mitarbeiter der Firma Claude Code nutzen.
Beispielhafter Ablauf
Earnings-Abend für einen zuständigen Analysten
- Der Analyst fügt das Transkript, die Pressemitteilung und eine kurze Zusammenfassung des aktuellen Models in das Coverage-Projekt ein.
- Claude listet Guidance-Änderungen, Erklärungen des Managements und die Model-Zeilen auf, die jetzt falsch erscheinen, und zitiert dabei jeweils das Transkript.
- Der Analyst prüft jedes Zitat, aktualisiert das Model und verwirft einen vorgeschlagenen Änderungsvorschlag, der eine Segmentdefinition falsch gelesen hat.
- Claude entwirft anhand der aktualisierten Einschätzung des Analysten eine kurze Notiz an den Portfolio Manager.
- Der Portfolio Manager liest die Notiz und entscheidet, ob sich die Position ändert.
Asset Management und Claude: die veröffentlichten Zahlen
| Kennzahl | Kontext | Quelle |
|---|---|---|
| 20% time saved weekly per employee | NBIM, bei Claude-gestützten analytischen und operativen Aufgaben, laut Anthropics Customer Story | Quelle |
| 600+ active users across all departments within the first two months | NBIMs Rollout, laut Anthropics Customer Story | Quelle |
| 100% of Walleye employees use Claude Code | Erklärt vom CEO und CIO von Walleye Capital in Anthropics Financial-Services-Beitrag vom Mai 2026 | Quelle |
Kernworkflows
Claude im Asset Management: Anwendungsfälle auf der Buy-Side
Das sind die Aufgaben, bei denen KI im Asset Management Analysten am meisten Zeit spart.
KI für Earnings-Analysen
Transkripte, Pressemitteilungen und Filings zusammengefasst zu Guidance-Änderungen, Management-Kommentaren und einer Liste von Model-Zeilen zum Überprüfen.
KI für Buy-Side-Research
Sektorüberblicke, Wettbewerbsanalysen, Initiations-Entwürfe und Thesis-Updates, erstellt aus Filings, Transkripten und eigenen Notizen.
IC-Memos
Ein KI-Investmentmemo-Generator ist nur mit der eigenen Research als Input nützlich. Claude entwirft das Committee-Memo in Ihrem Format und markiert Lücken.
KI für das Portfoliomanagement
Portfolio-Reviews, Attributionskommentare, Exposure-Zusammenfassungen und Rebalancing-Begründungen, entworfen aus von Ihnen bereitgestellten Holdings-Daten.
Quant- und Datenarbeit
Python und SQL für Screens, Risikoberechnungen und Datenbereinigung, geschrieben mit Kommentaren und Tests, damit ein Analyst die Logik prüfen kann.
Operations und Compliance
Prüfung von Anlagerichtlinien, Reviews von LP-Statements und Entwürfe für Kundenreportings, wobei jede Zahl bis zum System of Record zurückverfolgt wird.
Research
Wie Asset Manager KI für Research und die Earnings-Saison nutzen
Fragt man, wie Asset Manager KI nutzen, lautet die häufigste Antwort: Research-Durchsatz. Ein Analyst, der einige Dutzend Namen abdeckt, kann in der Earnings-Saison nicht jedes Transkript, jedes Filing und jede Wettbewerber-Meldung im Detail lesen. Claude liest sie vollständig und erstellt strukturierte Zusammenfassungen: Guidance-Änderungen, Ton des Managements, die Fragen, bei denen Analysten nachgehakt haben, und was das für Ihr Model bedeutet. Claude-gestützte Investment-Research funktioniert am besten, wenn Sie die eigene Model-Zusammenfassung und These mitgeben, sodass der Output sich auf Ihre Position bezieht statt auf eine generische Zusammenfassung.
Anthropic hat direkt für diese Arbeit gebaut. Das Financial-Services-Update vom Oktober 2025 ergänzte Agent Skills für Earnings-Analysen und Initiating-Coverage-Reports sowie Connectors, darunter Aiera für Earnings-Call-Transkripte, LSEG für Marktdaten, Moody's für Kreditdaten und MT Newswires für Nachrichten. Im Mai 2026 veröffentlichte Anthropic Agent-Vorlagen, darunter einen Earnings Reviewer, Market Researcher und Valuation Reviewer.
Generative KI im Asset Management ist nur so verlässlich wie die Prüfprozesse drumherum. Bewährt hat sich, Zitate und Seitenverweise zu verlangen, Claude bei Genauigkeitsanforderungen auf das bereitgestellte Material zu beschränken und den Analysten jede Zahl bestätigen zu lassen, die ein Model oder eine Empfehlung verändert.
Hedgefonds
KI für Hedgefonds: Was die genannten Beispiele zeigen
KI für Hedgefonds zieht die lautesten Behauptungen an, daher hilft es, sich an das zu halten, was Firmen tatsächlich öffentlich gesagt haben. In Anthropics Beitrag vom Mai 2026 beschrieb der Head of Core Engineering von Citadel, wie Analysten Claude in Excel nutzen, um Coverage-Models zu bauen und zu aktualisieren, Signal von Rauschen zu trennen und ihre Arbeit auf Belastbarkeit zu prüfen. Der CEO von Walleye Capital sagte, dass jeder Mitarbeiter der Firma Claude Code nutzt.
Bereits zuvor erklärten die AIA Labs von Bridgewater, dass Claude die ersten Versionen ihres Investment Analyst Assistant antrieb, der Python-Code generierte, Datenvisualisierungen erstellte und komplexe Finanzanalysen bearbeitete. Der gemeinsame Nenner ist nicht, dass KI Investmententscheidungen trifft. Es ist, dass Analysten mehr Analysen schaffen und Engineers sowie Quants Tools schneller ausliefern.
Keines dieser Beispiele behauptet, dass KI die Renditen verbessert hat, und kein ehrlicher Leitfaden kann das versprechen. Betrachten Sie Claude als Hebel für Ihren Research-Prozess. Hat der Prozess einen Edge, hilft KI dabei, ihn auf mehr Namen anzuwenden. Hat er keinen, liefert KI auch keinen.
Toolauswahl
Claude vs. ChatGPT im Asset Management
Der faire Weg, Claude vs. ChatGPT im Asset Management zu entscheiden, ist, beide an der eigenen Arbeit zu testen. Nehmen Sie ein Transkript, das Sie bereits zusammengefasst haben, ein Memo, das Sie bereits geschrieben haben, und eine Python-Aufgabe, die Sie bereits gelöst haben. Führen Sie dieselben Prompts in jedem Tool aus und vergleichen Sie Genauigkeit, Zitierverhalten, Codequalität und den Umgang mit fehlenden Daten. Wiederholen Sie das, wenn sich eines der Tools ändert.
Für die meisten Firmen ist die praktische Frage Integration und Governance: welches Tool an die Datenanbieter anbindet, die man bereits bezahlt, welche Datenbedingungen für Holdings- und Kundeninformationen gelten und was Compliance freigegeben hat. Anthropic listet Connectors zu FactSet, S&P Global, Morningstar, LSEG und weiteren und erklärt, dass das Financial-Services-Angebot Daten standardmäßig nicht zum Training verwendet.
Viele Teams nutzen am Ende mehr als ein Tool für unterschiedliche Aufgaben. Entscheidend ist, dass jede Nutzung freigegeben ist, dass der Output geprüft wird und dass das Team die Prompts und Review-Gewohnheiten teilt, die funktionieren.
Erste Schritte
Ein Investmentteam für KI-gestützte Research aufstellen
Thesen schriftlich festhalten
Claude kann nur eine These prüfen, die es lesen kann. Schriftliche Säulen und Verkaufsbedingungen machen jeden Thesis-Update-Prompt schärfer.
Mit der Earnings-Saison beginnen
Wenden Sie den Earnings-Prompt auf ein bereits abgedecktes Quartal an. Vergleichen Sie den Output mit Ihren Notizen, bevor Sie ihm bei laufenden Namen vertrauen.
Code an Fake-Daten testen
Lassen Sie Claude Tests schreiben und zunächst an einem kleinen Fake-Datensatz ausführen. Erst danach das Skript auf echte Positionen ansetzen.
Was funktioniert, teilen
Pflegen Sie eine Team-Prompt-Bibliothek für wiederkehrende Aufgaben, damit Analysten konsistente Notizen und Reviews erstellen.
Grenzen
Was KI für ein Investmentteam nicht leisten kann
Claude kann eine Tabelle falsch lesen, eine Zahl dem falschen Quartal zuordnen oder einen veralteten Fakt aus seinen Trainingsdaten mit Überzeugung wiedergeben. In Research, die in einen Trade einfließt, und in Reportings, die Kunden oder Aufsichtsbehörden erreichen, muss jede Zahl gegen die Quelle oder das System of Record geprüft werden.
Claude sieht keine Live-Kurse oder Ihr Order-Management-System, sofern Ihre Firma diese nicht angebunden hat. Alles, was Claude ohne angebundene Datenquelle über aktuelle Märkte sagt, ist bestenfalls veraltet. Beschränken Sie es auf die Analyse des Materials, das Sie bereitstellen.
Holdings, Kundeninformationen und unveröffentlichte Research sind sensibel. Nutzen Sie ausschließlich den von Ihrer Firma freigegebenen Workspace, halten Sie sich an Ihre Information-Barrier- und Aufbewahrungsregeln und halten Sie private Accounts vollständig aus der Investmentarbeit heraus.
Aus Research-Gewohnheiten KI-Gewohnheiten machen
Diese Prompts zu kennen und sie in der Earnings-Saison auch gut einzusetzen sind zwei verschiedene Dinge. Das kostenlose Nightschool-AI-Curriculum ist von der ersten Lektion an praxisnah, damit die Gewohnheiten sitzen, wenn das Volumen ansteigt.
Häufig gestellte Fragen
Wie nutzen Hedgefonds KI?
Hedgefonds nutzen KI für Research-Durchsatz, Updates von Coverage-Models, Code für quantitative Arbeit und interne Tools. In Anthropics Beiträgen beschreibt Citadel, wie Analysten Claude in Excel nutzen, um Coverage-Models zu bauen, zu aktualisieren und Arbeit auf Belastbarkeit zu prüfen, und Walleye Capital sagt, dass alle Mitarbeiter Claude Code nutzen. Investmententscheidungen bleiben bei den Portfolio Managern.
Wie nutzen Asset Manager KI?
Asset Manager nutzen KI, um Earnings und Filings zusammenzufassen, Research-Notes und IC-Memos zu entwerfen, Portfolio-Reviews und Kundenreportings zu schreiben und Analyse-Tools in Python und Excel zu bauen. Anthropics Customer Story über NBIM, den Verwalter des norwegischen Staatsfonds, berichtet von breiter Nutzung über alle Abteilungen hinweg und wöchentlichen Zeitersparnissen pro Mitarbeiter.
Welche KI-Tools nutzen Hedgefonds?
Die meisten kombinieren einen allgemeinen Assistenten wie Claude mit Coding-Tools, Marktdatenanbietern und internen Systemen. Anthropic listet Connectors für FactSet, S&P Global, LSEG, Moody's, Aiera und weitere sowie Agent-Vorlagen für Earnings-Review und Valuation-Review. Welche Tools ein Fonds nutzt, hängt von seinen Datenbedingungen und Compliance-Freigaben ab.
Kann KI ein Investmentmemo erstellen?
Claude kann aus Ihren Research-Notes und Model-Outputs ein Investmentmemo im Format Ihres Komitees entwerfen und markieren, wo Evidenz fehlt. Die These selbst sollte es nicht erzeugen. Ein Memo, das aus Ihrem Material entworfen und vom Analysten überarbeitet wird, ist nützlich. Ein Memo, das aus dem Nichts erzeugt wird, ist ein Risiko.
Wird KI Hedgefonds-Analysten ersetzen?
KI übernimmt einen Großteil des Lesens und der Erstentwürfe, die Analysten früher von Hand erledigt haben, sodass Analysten mehr Namen abdecken und mehr Zeit auf Urteilsbildung verwenden können. Eine differenzierte Sichtweise zu entwickeln und sie vor einem Portfolio Manager zu vertreten, bleibt Aufgabe des Menschen.
Wie stark verbessert KI die Renditen von Hedgefonds?
Es gibt keine belastbaren öffentlichen Belege dafür, dass KI-Assistenten allein die Renditen verbessern, und entsprechende Behauptungen sollte man skeptisch sehen. Die dokumentierten Vorteile in Anthropics Customer Stories sind Zeitersparnis und schnelleres Tooling. Ob daraus bessere Performance wird, hängt vom Prozess des Fonds ab.
Wie sollte ein Investmentteam KI-Research prüfen?
Verlangen Sie Zitate und Seitenverweise, beschränken Sie Claude bei Genauigkeitsanforderungen auf das bereitgestellte Material und prüfen Sie jede Zahl, die ein Model oder eine Empfehlung verändert, gegen die Quelle. Verlangen Sie bei Code Tests und führen Sie sie an Fake-Daten aus, bevor echte Positionen verwendet werden.
Ist es sicher, KI mit Holdings-Daten zu nutzen?
Nur innerhalb eines Workspace, den Ihre Firma freigegeben hat, mit Datenbedingungen, die Ihr Compliance-Team geprüft hat. Anthropic erklärt, dass das Financial-Services-Angebot Daten standardmäßig nicht zum Training verwendet. Halten Sie sich unabhängig vom Tool an die Aufbewahrungs- und Information-Barrier-Regeln Ihrer Firma.
Weiterlernen
Verwandte Leitfäden und Kurse
Private Equity & Finance with Claude
Screen CIMs, run diligence, review models, and draft IC memos with Anthropic's Claude, and know when not to trust the output.
Kurs startenStrategic Prompting
Context, iteration, and advanced techniques that get output you actually use.
Kurs startenWeiterführende Artikel
Claude in Asset Management, nach Rolle
Mehr Namen abdecken, ohne Abstriche zu machen
Praxisnahe Lektionen, aufgebaut um echte Research-Arbeit.