Research · Marktanalyse
Diese Datenanalyse ordnet die verfügbare Evidenz zu algorithmischem Handel, quantitativen Methoden und künstlicher Intelligenz in Kapitalmärkten ein. Sie trennt historische Marktstrukturmessungen von aktuellen Offenlegungen und Umfragen. Im Fokus stehen Messgrenzen, die Rolle von KI im Asset Management, aufsichtliche Anforderungen sowie Daten-, Modell- und Betriebsrisiken.
Datenzeitraum: Mai 2013 bis Sommer 2025; Rechtsstand 07.10.2026. Methode: Ausgewertet wurden ausschließlich datierte Primärquellen von ESMA, BIS, IOSCO, BaFin, EUR-Lex und SEC sowie die geprüfte Datenbasis. Kennzahlen bleiben in ihrem jeweiligen Markt-, Stichproben- und Zeitkontext; aus nicht vergleichbaren Quellen wird kein gemeinsamer Marktanteil gebildet. Der bereitgestellte Datenbestand enthält keine belastbare Reihe mit mindestens vier Punkten, daher enthält diese Analyse keine series.
Auf einen Blick
ESMA untersuchte die Aktivität des Hochfrequenzhandels auf einer europäischen Aktienmarktstichprobe im Mai 2013. Je nach Identifikation lagen die geschätzten Anteile am gehandelten Wert und an eingereichten Orders weit auseinander. Die Flag-Methode ordnet Firmen nach ihrer primären Tätigkeit zu; die Order-Lifetime-Methode leitet HFT-artige Aktivität aus kurzen Orderlaufzeiten ab.
Die beiden Methoden bilden keine Fortschreibung für den heutigen Gesamtmarkt. ESMA bezeichnet die direkte Sicht als untergrenzennahe und die Lifetime-Sicht als obergrenzennahe Schätzung, weil letztere auch HFT-artige Aktivität von Investmentbanken erfassen kann.
Für die Analyse ist der Abstand zwischen den Methoden selbst relevant. Er zeigt, dass Prozentwerte zu HFT ohne Definition des Marktes, des Zeitraums und der Messmethode nicht vergleichbar sind.
| Kennzahl | Wert | Zeitraum | Quelle |
|---|---|---|---|
| HFT-Anteil am gehandelten Wert – direkte HFT-Flag-IdentifikationUntergrenzen-nahe Stichprobenschätzung. | 24,0 Prozent | Mai 2013; ESMA-Stichprobe europäischer Aktienhandelsplätze | ESMA Economic Report: High-frequency trading activity in EU equity marketsAbruf 06.10.2026 |
| HFT-Anteil am gehandelten Wert – Order-Lifetime-IdentifikationObergrenzen-nahe Stichprobenschätzung. | 43,0 Prozent | Mai 2013; ESMA-Stichprobe europäischer Aktienhandelsplätze | ESMA Economic Report: High-frequency trading activity in EU equity marketsAbruf 06.10.2026 |
| HFT-Anteil an eingereichten Orders – direkte HFT-Flag-IdentifikationDie höhere Orderquote ist mit kleineren durchschnittlichen Trades und höheren Order-to-Trade-Ratios konsistent. | 58,0 Prozent | Mai 2013; ESMA-Stichprobe europäischer Aktienhandelsplätze | ESMA Economic Report: High-frequency trading activity in EU equity marketsAbruf 06.10.2026 |
| HFT-Anteil an eingereichten Orders – Order-Lifetime-IdentifikationObergrenzen-nahe Stichprobenschätzung, nicht auf spätere Perioden übertragbar. | 76,0 Prozent | Mai 2013; ESMA-Stichprobe europäischer Aktienhandelsplätze | ESMA Economic Report: High-frequency trading activity in EU equity marketsAbruf 06.10.2026 |
Grenzen dieser Aussage
Der BIS-Bericht schätzte den Anteil von Ausführungsalgorithmen am globalen FX-Spot-Volumen auf eine Bandbreite. Solche Algorithmen teilen Aufträge typischerweise auf und verteilen sie über Liquiditätspools. Sie dienen der Ausführung eines vorgegebenen Handelsauftrags; daraus folgt keine Aussage über die Richtung einer Marktposition oder über den Einsatz künstlicher Intelligenz.
BIS beschreibt Ausführungsalgorithmen als verbreitet, aber nicht dominierend. In fragmentierten Märkten können sie frische Informationen über mehrere Handelsplätze verarbeiten. Damit verändern sie die Marktstruktur und die Anforderungen an die Messung von verfügbarer Liquidität.
Die Ausführung bleibt ein Zielkonflikt: Marktpreisrisiko, Markteinfluss und Opportunitätskosten lassen sich nicht gleichzeitig durch einen einzelnen Algorithmus optimieren. Belastbarkeit und Kontrollen müssen insbesondere unter Stressbedingungen geprüft werden.
| Kennzahl | Wert | Zeitraum | Quelle |
|---|---|---|---|
| Geschätzter Anteil von Ausführungsalgorithmen am globalen FX-Spot-Volumen – UntergrenzeBezieht sich auf Execution Algorithms im FX-Spot, nicht auf sämtliche Formen algorithmischen Handels. | 10,0 Prozent | BIS-Schätzung zum Veröffentlichungszeitpunkt | BIS Markets Committee: FX execution algorithms and market functioningAbruf 30.10.2020 |
| Geschätzter Anteil von Ausführungsalgorithmen am globalen FX-Spot-Volumen – ObergrenzeDie Bandbreite betrifft den globalen FX-Spotmarkt. | 20,0 Prozent | BIS-Schätzung zum Veröffentlichungszeitpunkt | BIS Markets Committee: FX execution algorithms and market functioningAbruf 30.10.2020 |
Grenzen dieser Aussage
ESMA durchsuchte Fondsunterlagen nach Angaben zur operativen Nutzung von künstlicher Intelligenz oder Machine Learning im Anlageprozess. Die so identifizierten Fonds hatten im ersten Quartal 2024 gemessen am EU-UCITS-Vermögen eine kleine Marktpräsenz. Die Auswertung trennt ausdrücklich die Nutzung solcher Methoden von Anlagen in Unternehmen mit KI-Bezug.
Die Erhebung basiert auf einem Dokumentenscreening ab 2020 und manueller Prüfung relevanter Fundstellen. Sie misst damit Offenlegungen gegenüber Anlegern, nicht jede interne Anwendung in Recherche, Betrieb, Compliance oder Risikomanagement.
Der Befund lässt keine Schlussfolgerung über Qualität oder mögliche Wertentwicklung einzelner Fonds zu. Er beschreibt lediglich Umfang und Art der in Unterlagen erkennbaren Nutzung.
| Kennzahl | Wert | Zeitraum | Quelle |
|---|---|---|---|
| EU-Investmentfonds mit offengelegter Nutzung von KI oder Machine Learning im AnlageprozessKeine Vollerhebung interner KI-Nutzung. | 145 Fonds | Dokumentenscreening ab 2020, Auswertung bis erstes Quartal 2024 | ESMA TRV: Artificial intelligence in EU investment fundsAbruf 25.02.2025 |
| Verwaltetes Vermögen dieser offengelegt KI- oder ML-nutzenden EU-FondsESMA beschreibt die Marktpräsenz als klein. | 13,0 EUR Milliarden | Erstes Quartal 2024 | ESMA TRV: Artificial intelligence in EU investment fundsAbruf 25.02.2025 |
| Anteil des Vermögens KI- oder ML-offenlegender Fonds am EU-UCITS-VermögenMisst offen gelegte Fonds, nicht die gesamte KI-Nutzung von Fondsmanagern. | 0,1 Prozent | Ende 2023; von ESMA bezeichnete UCITS-Teilstichprobe | ESMA TRV: Artificial intelligence in EU investment fundsAbruf 25.02.2025 |
Grenzen dieser Aussage
Nach der ESMA-Auswertung erscheint künstliche Intelligenz nur bei einem Teil der offengelegt KI- oder ML-nutzenden Fonds als wesentlicher Treiber der Anlageentscheidung. Häufiger unterstützen Modelle Recherche oder andere Schritte im Prozess. Diese Abgrenzung ist wichtig, weil eine allgemeine KI-Erwähnung keine Aussage über den Grad menschlicher Eingriffe oder die konkrete Entscheidungslogik enthält.
IOSCO berichtete bereits für Asset Manager, dass KI und Machine Learning überwiegend die menschliche Entscheidungsfindung, Portfolioarbeit, interne Recherche und Backoffice-Funktionen unterstützen. Auch Anwendungen für Orderausführung, Brokerauswahl oder Routing sind möglich.
Die Einordnung der ESMA beruht auf qualitativer Auslegung von Offenlegungen. Die in den Unterlagen verwendeten Formulierungen können unterschiedlich präzise sein und erlauben keine vollständige technische Prüfung eines Modells.
| Kennzahl | Wert | Zeitraum | Quelle |
|---|---|---|---|
| Anteil der offengelegt KI- oder ML-nutzenden Fonds mit KI als wesentlichem Treiber der AnlageentscheidungQualitative Einordnung der Offenlegungen; der Wert ist ausdrücklich als ungefähr ausgewiesen. | 30,0 Prozent (circa) | ESMA-Analyse der Fondsunterlagen bis erstes Quartal 2024 | ESMA TRV: Artificial intelligence in EU investment fundsAbruf 25.02.2025 |
Grenzen dieser Aussage
Eine freiwillige ESMA-Erhebung im Sommer 2025 zeigt eine uneinheitliche KI-Nutzung unter antwortenden Wertpapiermarktunternehmen. Ein erheblicher Teil meldete weder produktive Anwendungen noch Anwendungen in Entwicklung oder Erprobung. Die häufigsten berichteten Fälle lagen laut ESMA im internen Bereich; die Befragung misst Selbstangaben und keine vollständige Marktstatistik.
ESMA untersuchte Antworten von Unternehmen aus verschiedenen Bereichen der Wertpapiermärkte. Die Behörde weist darauf hin, dass Teilnahme und Rücklauf nach Ländern und Sektoren variierten. Die Werte sind deshalb nicht ohne Weiteres auf die Gesamtheit der EU-Unternehmen übertragbar.
Als erwartete Vorteile wurden unter anderem Verarbeitung großer strukturierter und unstrukturierter Datenmengen, Effizienz und Kostenreduktion genannt. Zugleich nannten die Befragten Daten- und Modellrisiken, Cybersicherheit sowie Drittanbieterabhängigkeiten als wesentliche Herausforderungen.
| Kennzahl | Wert | Zeitraum | Quelle |
|---|---|---|---|
| Befragte EU-Wertpapiermarktunternehmen ohne KI-Anwendungsfall in Produktion oder Entwicklung/ErprobungFreiwillige Umfrage, laut ESMA nicht notwendigerweise repräsentativ. | 45,0 Prozent | EU-Erhebung im Sommer 2025 | ESMA TRV: AI adoption and trends in securities markets: EU evidenceAbruf 20.02.2026 |
Grenzen dieser Aussage
KI-Anwendungen im Finanzmarkt benötigen Daten, Modelle und Recheninfrastruktur. In der ESMA-Erhebung nutzte ein großer Teil der antwortenden Unternehmen für KI-Infrastruktur ausschließlich kommerzielle Cloud-Lösungen. Das kann den Zugang zu Rechenleistung erleichtern, rückt aber Drittanbietersteuerung, Konzentration, Ausfallszenarien und Datenzugriff in den Mittelpunkt der operativen Risikobetrachtung.
IOSCO nennt Konzentration, Outsourcing und Drittanbieterabhängigkeit neben Modell- und Datenfragen als häufig berichtete Risikofelder. Gemeinsame Infrastruktur oder Datenquellen können Abhängigkeiten zwischen Marktteilnehmern schaffen, die in Einzelbetrachtungen nicht sichtbar sind.
Die BaFin ordnet KI-Systeme dem IKT-Risikomanagementrahmen zu. Sie nennt unter anderem Schwachstellen in Modelltraining, Datenpipelines und Inferenz sowie dokumentierte Maßnahmen und regelmäßige Überprüfung der Modelldrift.
| Kennzahl | Wert | Zeitraum | Quelle |
|---|---|---|---|
| Befragte Unternehmen mit ausschließlicher Nutzung kommerzieller Cloud-Lösungen für KI-InfrastrukturIndikator für mögliche Drittanbieter- und Konzentrationsrisiken, keine Aussage zur Ausfallsicherheit einzelner Anbieter. | 62,0 Prozent | EU-Erhebung im Sommer 2025 | ESMA TRV: AI adoption and trends in securities markets: EU evidenceAbruf 20.02.2026 |
Grenzen dieser Aussage
MiFID II definiert algorithmischen Handel über die automatisierte Bestimmung wesentlicher Orderparameter und verpflichtet Wertpapierfirmen zu wirksamen Systemen und Risikokontrollen. Die EU-KI-Verordnung ergänzt den Rahmen mit gestaffelten Anwendungsterminen. Für eine Handels- oder Asset-Management-Anwendung ergibt sich daraus keine automatische Risikokategorie; entscheidend bleibt der konkrete Verwendungszweck.
RTS 6 verlangt vor Einsatz oder wesentlichen Änderungen klar abgegrenzte Entwicklungs- und Testmethoden, eine getrennte Testumgebung, vordefinierte Limits und kontrollierte Bereitstellung. Danach sind jährliche Selbstbewertung und Validierung vorgesehen.
Die EU-KI-Verordnung enthält mehrere Stichtage. Verbote und allgemeine Bestimmungen galten früher als der allgemeine Geltungsbeginn. Sektorale Finanzmarktpflichten gelten daneben fort und müssen je nach Tätigkeit berücksichtigt werden.
| Kennzahl | Wert | Zeitraum | Quelle |
|---|---|---|---|
| Geltungsbeginn von Verboten und allgemeinen Bestimmungen der EU-KI-VerordnungWeitere Regelungsteile haben eigene Anwendungstermine. | 2025 Jahr | ab 2025-02-02 | EUR-Lex: Verordnung (EU) 2024/1689Abruf 12.07.2024 |
| Allgemeiner Geltungsbeginn der EU-KI-VerordnungDer allgemeine Geltungsbeginn ist nicht der einzige relevante Stichtag. | 2026 Jahr | ab 2026-08-02 | EUR-Lex: Verordnung (EU) 2024/1689Abruf 12.07.2024 |
Grenzen dieser Aussage
Historische Störungen belegen, dass Softwarebereitstellung, Überwachung und Marktzugangskontrollen Teil des Risikoprofils automatisierter Systeme sind. Im SEC-Fall Knight Capital führte eine fehlerhafte Bereitstellung zu Millionen unbeabsichtigter Ausführungen und hohen Verlusten. Das ist kein Maß für heutige Systeme, verdeutlicht aber die Relevanz unabhängiger Tests, Limits, Monitoring und Abschaltverfahren.
Der SEC-Beschluss beschreibt unter anderem eine unvollständige Codebereitstellung, fehlende zweite Prüfung und unzureichende Kontrollen der Systemausgaben. Warnmeldungen wurden vor Handelsbeginn nicht zur Fehleranalyse genutzt. Der Fall verbindet technische und organisatorische Ursachen.
MiFID II und RTS 6 adressieren solche Risiken mit Belastbarkeits-, Test-, Überwachungs- und Kontinuitätsanforderungen. Eine belastbare Kontrollkette umfasst Datenqualität, Modellvalidierung, Positions- und Orderlimits, Ausführungsüberwachung, Änderungsmanagement und dokumentierte Notfallverfahren.
| Kennzahl | Wert | Zeitraum | Quelle |
|---|---|---|---|
| Dauer der fehlerhaften automatisierten Orderweiterleitung bei Knight CapitalDie SEC verbindet den Zeitraum mit fehlerhafter Softwarebereitstellung und fehlenden wirksamen Kontrollen. | 45,0 Minuten | Ereignis am 2012-08-01 | SEC Administrative Order: Knight Capital AmericasAbruf 16.10.2013 |
| Ausführungen infolge der fehlerhaften automatisierten Orderweiterleitung bei Knight CapitalDie SEC nennt über vier Millionen Ausführungen. | 4,0 Millionen Ausführungen (über) | Ereignis am 2012-08-01 | SEC Administrative Order: Knight Capital AmericasAbruf 16.10.2013 |
| Realisiertes Ergebnis aus unbeabsichtigten Positionen bei Knight CapitalDie SEC nennt einen Verlust von über USD 460 Millionen. | 460,0 USD Millionen Verlust | Ereignis am 2012-08-01 | SEC Administrative Order: Knight Capital AmericasAbruf 16.10.2013 |
Grenzen dieser Aussage
Investment Report
Algorithmischer Handel, quantitative Strategien und KI im Asset Management
Version 1.0 · Oktober 2026 · Datenstand 06.10.2026
ESMA, BIS, IOSCO, BaFin, EU-Rechtsakte und weitere Primärquellen.
Für diesen Marktbereich gibt es derzeit keine Linden-Anleihe.
Fragen
Die direkte Methode ordnet Firmen anhand ihrer primären Geschäftstätigkeit zu. Die indirekte Methode nutzt kurze Orderlaufzeiten und kann auch HFT-artige Aktivität von Investmentbanken erfassen. ESMA beschreibt die erste Sicht als untergrenzennahe und die zweite als obergrenzennahe Schätzung.
Nein. Sie wertet offen gelegte KI- oder ML-Nutzung im Anlageprozess aus. Interne Anwendungen etwa in Recherche, Verwaltung, Compliance oder Risikomanagement können in Fondsunterlagen fehlen. Die Ergebnisse sind deshalb keine Vollerhebung des gesamten KI-Einsatzes im Asset Management.
Nein. Die Einordnung richtet sich nach dem vorgesehenen Verwendungszweck und den gesetzlichen Kategorien. Daneben können sektorale Finanzmarktpflichten gelten, etwa für algorithmischen Handel. Für eine rechtsverbindliche Bewertung müssen Funktion, Rolle des Unternehmens und konkrete Anwendung geprüft werden.
MiFID II und RTS 6 nennen unter anderem belastbare Systeme, Risikokontrollen, Tests, Limits, Überwachung, Aufzeichnungen und Vorkehrungen für Ausfälle. Vor Einsatz oder wesentlichen Änderungen sind getrennte Testumgebungen und kontrollierte Bereitstellung zentral; danach folgen Validierung und Änderungsmanagement.
Weiterlesen
Quellen
Diese Seite dient der allgemeinen Information und ist keine Anlageberatung, keine Empfehlung und keine Prognose.