Das Handelsblatt hat diese Woche eine Performance-Auswertung deutscher Robo-Advisor für 2025 veröffentlicht. Die Spitzenanbieter liegen bei bis zu 14 Prozent Jahresrendite. Das ist keine Marketing-Zahl, sondern messbare Performance gegen Benchmark.
Für Finanzberater, Vermögensverwalter und Privatbanken im DACH-Raum ist das ein Signal. Nicht weil Robo-Advisor neu wären. Sondern weil sich die Diskussion verschiebt: Es geht nicht mehr um „digital versus persönlich”. Es geht um die Frage, welche Rolle algorithmische Allokation in der eigenen Wertschöpfung spielt.
Was die Zahlen wirklich aussagen
14 Prozent klingen spektakulär. Sie sind es nicht. 2025 war ein gutes Aktienjahr, und die Spitzen-Robos fahren überwiegend offensive Aktienquoten von 80 bis 100 Prozent. Wer als Berater einen ähnlich offensiven Mandanten hatte, dürfte vergleichbar performt haben.
Interessant ist nicht der Spitzenwert. Interessant ist die Streuung. Zwischen Top und Flop liegen je nach Studie 6 bis 8 Prozentpunkte bei vergleichbarer Risikoklasse. Das deutet darauf hin, dass die Allokationslogik der einzelnen Anbieter sehr unterschiedlich gut funktioniert. Und genau hier wird es für die Branche relevant.
Die Robos der ersten Generation arbeiteten mit klassischer Modern Portfolio Theory und Rebalancing-Regeln. Die aktuelle Generation nutzt zunehmend ML-Modelle für Faktor-Timing, Risikoprognose und Allokations-Anpassung. Anbieter, die das sauber machen, ziehen davon. Anbieter, die es schlecht machen, verlieren.
Warum das jetzt für Berater zählt
Drei Entwicklungen kommen zusammen:
Erstens verändert sich die Erwartungshaltung der Kunden. Wer einen Robo-Advisor mit 8 Prozent Rendite kennt, fragt seinen Berater, warum das klassische Mandat 4 Prozent macht. Die Antwort „Steueroptimierung und individuelle Betreuung” trägt, aber sie wird brüchiger, wenn die Performance-Lücke groß wird.
Zweitens sind die Eintrittshürden für eigene KI-gestützte Allokationsmodelle gefallen. Was vor fünf Jahren ein eigenes Quant-Team brauchte, lässt sich heute mit verfügbaren Bibliotheken und ein paar guten Datenquellen aufbauen. Mittelgroße Vermögensverwalter können das. Sie tun es nur meist nicht.
Drittens und das ist der wichtigste Punkt: Die regulatorische Akzeptanz von algorithmischer Beratung steigt. MiFID II und die Geeignetheitsprüfung lassen sich automatisiert sauberer dokumentieren als manuell. BaFin und FMA haben sich in den letzten Monaten mehrfach pragmatisch zu KI-Einsatz in der Anlageberatung geäußert. Die Tür ist offen.
Die strategische Frage für die Branche
Aus meiner Sicht stehen Finanzberater und kleinere Vermögensverwalter vor einer klaren Weichenstellung. Drei Wege sind realistisch.
Weg eins: Robo-Advisor als Konkurrenz ignorieren und auf das eigene Beratungsverhältnis setzen. Funktioniert bei vermögenden Bestandskunden über 60. Skaliert nicht in die nächste Generation.
Weg zwei: White-Label-Robo einkaufen und unter eigener Marke anbieten. Schnell umsetzbar, aber wenig Differenzierung und volle Margenabhängigkeit vom Lieferanten.
Weg drei: Eigene KI-gestützte Allokationslogik aufbauen, kombiniert mit persönlicher Beratung. Aufwendiger, aber das einzige Modell, das langfristig sowohl Marge als auch Differenzierung sichert.
Mein Rat geht klar in Richtung Weg drei. Aber nicht naiv, sondern in Schritten.
Konkrete Handlungsempfehlung
Für Finanzberater und Vermögensverwalter, die jetzt reagieren wollen, drei Schritte.
Schritt 1: Performance-Vergleich gegen Robo-Advisor ehrlich machen. Nehmen Sie drei Ihrer Standard-Risikoklassen und vergleichen Sie die Rendite der letzten drei Jahre nach Kosten gegen die jeweils beste und mittlere Robo-Lösung im selben Risikoband. Wenn Sie über zwei Prozentpunkte hinter dem Median liegen, haben Sie ein strukturelles Problem, das nicht durch bessere Kundengespräche zu lösen ist. Diese Analyse macht ein Praktikant in zwei Wochen.
Schritt 2: KI-gestützte Beratungs-Assistenz einführen, bevor Sie an Allokation gehen. Der schnellste ROI liegt nicht im Portfoliomanagement, sondern in der Beratungs-Vor- und Nachbereitung. Marktanalyse, Produktrecherche, Geeignetheitsdokumentation, Kundenreporting. Hier sparen Sie pro Berater zwischen 8 und 15 Stunden pro Woche, ohne regulatorisches Risiko. Tools wie Claude oder GPT-5 mit eigenem Datenraum reichen für den Einstieg. Budget unter 200 Euro pro Berater und Monat.
Schritt 3: Mittelfristig eigene oder partnerschaftliche Allokations-Intelligenz aufbauen. Das ist das 12- bis 24-Monats-Projekt. Entweder Sie schließen sich mit anderen Mittelständlern zusammen und finanzieren gemeinsam ein Quant-Team. Oder Sie kaufen sich einen spezialisierten Allokations-Dienstleister hinzu, der Ihnen Modell-Signale liefert, die Sie in Ihre Beratung integrieren. Der reine Eigenbau lohnt unter 500 Millionen Euro Assets under Management selten.
Was Sie nicht tun sollten
Keinen eigenen Robo-Advisor unter eigenem Namen launchen, nur weil es alle machen. Die meisten White-Label-Lösungen am Markt sind unterdurchschnittlich, und der Markenschaden bei schlechter Performance trifft das Beratungsgeschäft mit.
Keine Pauschalaussagen gegenüber Kunden, dass „KI nichts für seriöse Vermögensverwaltung” sei. Diese Position wird in den nächsten 24 Monaten unhaltbar. Ihre Kunden lesen die gleichen Studien wie wir.
Und keine Investitionen in Trainings, die Beratern erklären, wie sie „mit KI persönlicher beraten”. Das ist Buzzword-Verkauf. Die echte Frage ist operativ und strategisch, nicht didaktisch.
Fazit
Die Robo-Advisor-Renditen von 2025 sind ein Datenpunkt, kein Erdbeben. Aber sie zeigen, dass algorithmische Vermögensverwaltung erwachsen geworden ist. Wer in der Finanzberatung in den nächsten zwölf Monaten nicht mindestens den eigenen Performance-Vergleich macht und in KI-gestützte Beratungs-Assistenz investiert, verliert nicht heute. Aber spätestens 2027 in der Generation, die jetzt erbt.