Franklin Templeton entwickelt mit OpenAI KI-gestützte Arbeitsabläufe für die Aktienanalyse

Franklin Templeton entwickelt mithilfe von Codex von OpenAI und weiteren Tools KI-gestützte Workflows für die Aktienanalyse. OpenAI erklärte in einem am 5. November 2026 veröffentlichten Kundenbericht. Das erste Ziel besteht darin, Portfoliomanagern zu helfen, verschiedene Forschungsperspektiven zu vergleichen und die Risiken hinter Anlageideen zu untersuchen. Die Mitteilung beschreibt ein Vorhaben, das sich noch von der Experimentierphase hin zum Produktiveinsatz bewegt, und keine bereits abgeschlossene unternehmensweite Einführung.

Beim ersten KI-Ansatz des Vermögensverwalters wurden Daten in einer Datenbank abgelegt und Modelle damit verknüpft. Diese Lösung lieferte jedoch nicht die benötigten Antworten, weil die Modelle nicht verstanden, wie die Daten miteinander zusammenhingen. Anschließend ergänzten die Teams Agenten und eine semantische Ebene, also ein strukturiertes Modell davon, was die Unternehmensdaten bedeuten und wie sie miteinander verknüpft sind. Codex und weitere Tools werden eingesetzt, um diese vernetzte Intelligenzebene zu entwickeln.

Das geplante System soll Informationen aus den Bereichen Research, Risikomanagement, Compliance und Handel zusammenführen, die jeweils unterschiedliche Perspektiven auf eine Anlage bieten. Seine Grundlage bilden vertrauenswürdige Konnektoren, der Kontext von Portfolios und Arbeitsabläufen sowie agentenbasierte Funktionen, die Analysten und Portfoliomanagern umsetzbare Erkenntnisse liefern sollen. Diese Elemente sollen das System wiederverwendbar und steuerbar machen und Anlageentscheidungen zugleich mehr Kontext bieten, als die ursprüngliche Datenbankanbindung liefern konnte.

Ein sequenzieller Research-Prozess wird neu gestaltet

Katrina Dudley, Senior Vice President für Investments an öffentlichen Märkten bei Franklin Templeton, beschrieb den früheren Aktienanalyseprozess als von Menschen gesteuert und sequenziell. Analysten führen eine erste Aktienanalyse durch, werten Telefonkonferenzen zu Geschäftsergebnissen aus und untersuchen Wettbewerber nach Geschäftsbereichen. Dabei bereiten sie neue Anlageideen für Portfoliomanager vor oder informieren über bestehende Portfoliopositionen.

„Wir sind davon, unseren Research-Prozess zu ergänzen, dazu übergegangen, den Investment-Research-Workflow neu zu denken“, sagte Dudley. Langfristig soll vernetzte Intelligenz allen Investmentteams zur Verfügung stehen – von den Analysten bis hin zu den Leitern der einzelnen Investmentgruppen. Dabei soll das menschliche Urteilsvermögen neben den Erkenntnissen des Systems erhalten bleiben.

Zur Umsetzung gehörten Codex-Hackathons, bei denen technische Fachleute gemeinsam mit Investmentpraktikern daran arbeiteten, dass diese eigene Tools entwickeln. KI-Multiplikatoren im Investmentbereich arbeiten daran, aus diesen Experimenten produktionsreife Workflows zu machen. Sicherheitsprüfungen, fachkundige Unterstützung, Datenkontrollen und Datenvereinbarungen sind Teil dieses Weges. Franklin Templeton hat außerdem kurz nach der Einführung neuer Technologien praxisorientierte Workshops für Teams veranstaltet. Dudley sagte, die Unternehmensleitung ermutige zu Experimenten innerhalb klar definierter Risikogrenzen und akzeptiere zugleich, dass nicht jede Initiative erfolgreich sein werde.

Research-Vielfalt und Risiken prägen das Design

Der Ansatz des Unternehmens berücksichtigt eine Schwäche von Tools, die aus Präferenzen lernen: Lernt ein System, dass ein Nutzer einen bestimmten Research-Anbieter bevorzugt, kann es vermehrt dessen Berichte anzeigen und dadurch die Perspektivenvielfalt im Anlageprozess einschränken. Franklin Templeton möchte den Investmentteams stattdessen eine Vielfalt an Research-Ergebnissen und Meinungen bieten.

Zudem soll KI neben der Anlagethese auch die Risiken in den Mittelpunkt rücken. „Wir müssen dafür sorgen, dass KI versteht: Eine großartige Anlageidee ist gut begründet, aber sie berücksichtigt auch die Risiken und macht unsere Portfoliomanager auf diese aufmerksam“, sagte Dudley. Diese Anforderung verknüpft die Ergebnisse der Technologie unmittelbar mit den Informationen, die Portfoliomanager bei der Bewertung einer Anlageidee benötigen.

Dudley möchte außerdem, dass Analysten mehr Zeit vor Ort verbringen, mit Experten und Fachleuten sprechen – darunter Führungskräfte privater Unternehmen – und deren Perspektiven in ihre Investmentteams einbringen. Das Vorhaben geht damit über die Einführung eines einzelnen Tools hinaus: Es verbindet Softwareentwicklung, Datenarchitektur und Anlagekontrollen. Entscheidend ist, ob sich Experimente für bestimmte Rollen in kontrollierte, produktive Arbeitsabläufe überführen lassen, ohne die Vielfalt der Research-Perspektiven, eine ausdrückliche Risikoanalyse und die menschliche Sichtweise zu verlieren, die Dudley für unverzichtbar hält.