Robo-Advice – Ersatz für den menschlichen Anlageberater?

Online-Vermögensverwaltung erlebt in Deutschland seit einigen Jahren einen rasanten Aufschwung. Seit 2017 wuchs die Anzahl der Nutzer um den Faktor 7 von ca. 291.000 im Jahr 2017 auf ca. 2,01 Millionen im Jahr 2020 (vgl. Statista 2020), während das Anlagevolumen sich von ca. 756 Millionen Euro auf 8,068 Milliarden Euro mehr als verzehnfachte (vgl. Statista 2020). Ausschlaggebend für diesen Trend sind vor allem zwei Faktoren: zum einen der durch die Finanzkrise 2007 verursachte Vertrauensverlust in die persönliche Bankberatung, zum anderen die zunehmende Nachfrage nach digitalen Angeboten durch die Digital Natives. Die neue, mit Smartphone und Tablets aufgewachsene Kundengeneration, auch bekannt als „Generation Y“, ist viel mehr der elektronischen Kommunikation verbunden, wodurch der persönliche Kontakt wie beispielsweise zu Kundenberatern bei Banken an Relevanz verliert (vgl. Alt/Puschmann 2016, 29). Im Zuge des Wandels vom persönlich-individuellen Kundenerlebnis bei einer Bank hin zu dem Wunsch standardisierter und digitalisierter Prozesse gewinnt „Robo-Advice“, das die persönliche, menschliche Beratung durch das Angebot algorithmenbasierter Anlagevorschläge ersetzt, zunehmend an Bedeutung (vgl. Dapp 2016, 1).

Aus diesem Grund gibt diese Beitragsreihe einen Überblick darüber, was Robo-Advice ist, welche Geschäftsmodelle und Strategien Robo-Advisors verfolgen und wie sich der traditionelle Kundenberatungsprozess durch den Einsatz von Robo-Advice verändert. Die Beiträge basieren auf meiner Bachelorarbeit „Eine Analyse des Einflusses von Robo-Advice auf den Kundenberatungsprozess im Kapitalanlage-Bereich“, die ich am Institut für Wirtschaftsinformatik der Wirtschaftswissenschaftlichen Fakultät der Universität Leipzig verfasst habe. 


In meinem letzten Beitrag habe ich erklärt, welche Eigenschaften den Beratungsprozess eines Robo-Advisors von dem der traditionellen Kundenberatung durch einen menschlichen Berater unterscheidet. Heute erkläre ich, wie genau diese Eigenschaften sich auf den traditionellen Kundenberatungsprozess auswirken und ihn so verändern, dass der Robo-Advisory-Prozess entsteht, den ich im dritten Beitrag dieser Serie vorgestellt habe. Abschliessend beantworte ich die Frage, welcher der beiden Beratungsprozesse der bessere ist.

Auswirkungen von Robo-Advice auf den traditionellen Kundenberatungsprozess

Das Ziel dieser Beitragsreihe ist es, zu erklären, wie und warum der Robo-Advisor den Prozess der traditionellen Kundenberatung beeinflusst und ob dadurch der Beratungsprozess verbessert oder verschlechtert wird. Dafür habe ich untersucht, wie sich die im vierten Beitrag vorgestellten, für einen Robo-Advisor charakteristischen Prozesseigenschaften auf den traditionellen Kundenberatungsprozess auswirken. Die ermittelten Einflüsse habe ich anschliessend in die Kategorien «visuell» (anhand des traditionellen Kundenberatungsprozesses visualisierbar) und «spezifisch» (nicht visualisierbar) unterteilt. Visualisiert werden können die fünf Ausprägungen Verschmelzung, Eliminierung, Mögliche Eliminierung, Fehlende Lokalisierbarkeit sowie die Verschiebung eines Sub-Prozesses. Der spezifische Unterschied lässt sich in folgende sechs Ausprägungen untergliedern: Beschleunigung, Passivierung, Mögliche Fehlallokation, Abbruch des Kundenberatungsprozesses, Kundeneinbindung und Kundenausschluss.

Tabelle 1: Visuelle Prozessunterschiede
Tabelle 2: Spezifische Prozessunterschiede

Inwiefern der Robo-Advisor den traditionellen Anlageberatungsprozess beeinflusst, welche Sub-Prozesse dadurch betroffen sind und auf welche Prozesscharakteristika eines Robo-Advisors dies zurückzuführen ist, wird in folgender Matrix zusammengefasst:

Tabelle 3: Einfluss von Robo-Advice anhand der Sub-Prozesse

Zur besseren Orientierung wurden die ermittelten visuellen Einflüsse in Tabelle 4 und Abbildung 3 mit Farben unterlegt. Wie aus der Matrix abzulesen, führen alle sieben aus der Literatur abgeleiteten Prozesscharakteristika zu einer Veränderung des Beratungsprozesses. Lediglich zwei der Sub-Prozesse bleiben gleich.

Abbildung 1: Visuelle Unterschiede von Robo-Advice im Vergleich zur traditionellen Kundenberatung (in Anlehnung an Nueesch et al. 2016, 50, 53)

Ein Beispiel für die Verschiebung eines Sub-Prozesses ist das erste Kundenberatungsgespräch, das bei der traditionellen Anlageberatung erst zu Beginn der zweiten Prozessphase Profil eingeleitet wird. Bei einem Robo-Advisor findet fast der gesamte Prozess innerhalb eines einzigen «Beratungsgesprächs» statt, das direkt zu Beginn der ersten Prozessphase Initiierung beginnt und erst bei Abschluss der Prozessphase Angebot endet.  Ein Beispiel für die Fehlende Lokalisierbarkeit eines Sub-Prozesses ist die Dokumentation des ersten Kundenberatungsgespräches (13), da ein Robo-Advisor die Angaben eines Kunden direkt erfasst. In Abhängigkeit der gewählten Managementstrategie ist es auch möglich, dass durch den Einsatz von Robo-Advice die Beurteilung der Kompatibilität zwischen dem Anlagevorschlag und der Marktentwicklung (25) entfällt. So wäre dieser Sub-Prozess im Falle eines aktiven Managements des Robo-Advisors ein Beispiel für die Elimination eines Sub-Prozesses, während der Prozess bei passivem Management gleich bliebe.

Im Gegensatz zum visuellen Einfluss, bei dem ein Sub-Prozess maximal eine Ausprägung aufweisen kann, kann ein und derselbe Sub-Prozess mehrere spezifische Ausprägungen aufweisen. Das heisst, der Prozess kann z. B. gleichzeitig beschleunigt werden, neu im Hintergrund ausgeführt werden und zu einer möglichen Fehlallokation führen. Acht der insgesamt 29 Sub-Prozesse werden durch den Einsatz von Robo-Advice passiviert, wodurch die jeweiligen Handlungen automatisch im Hintergrund ausgeführt werden und keine aktive Komponente aufweisen. In 15 Prozent aller Sub-Prozesse wird durch Robo-Advice eine Mögliche Fehlallokation des Kundenportfolios bestärkt. Somit besteht durch diese sieben Sub-Prozesse das Risiko, dass der Kunde durch Robo-Advice am Ende des gesamten Beratungsprozesses ein für ihn ungeeignetes Produkt empfohlen bekommt. Im Falle dieses Szenarios und der Kenntnis des Kunden über die Fehlallokation muss der Beratungsprozess mit Robo-Advice zum Zeitpunkt der Ausarbeitung einer neuen Gesamtlösung (18) des traditionellen Beratungsprozesses abgebrochen werden, da der Robo-Advisor dem Kunden aufgrund von Standardisierung auch keinen alternativen Anlagevorschlag anbieten kann. Aufgrund dessen, dass bei einem Robo-Advisor die Bestimmung von Einschränkungen (9) bezüglich eines Investments automatisiert im Hintergrund ausgeführt wird, kommt es in diesem Sub-Prozess dadurch neben einer Beschleunigung auch dazu, dass der Kunde im Gegensatz zum traditionellen Beratungsprozess von einer aktiven Mitwirkung ausgeschlossen wird. Andererseits werden die Kunden durch Robo-Advice in vier anderen Sub-Prozessen stärker eingebunden, da hierbei eine Vorbereitung auf ein Kundenberatungsgespräch gänzlich entfällt und dem Kunden der Anlagevorschlag inklusive der Simulation der optimalen Lösung (15) präsentiert wird. Ausserdem ist es in gewissem Rahmen möglich, das Risiko des Portfolios eigenständig zu bestimmen. Auf lediglich sieben Prozent bzw. drei aller Sub-Prozesse wird kein spezifischer Einfluss ausgeübt.

Fazit

Im Rahmen der Analyse wurde ersichtlich, dass der Robo-Advisory-Prozess sich in ganzen 27 von 29 Sub-Prozessen vom traditionellen Anlageberatungsprozess unterscheidet. Dabei werden 20 von insgesamt 29 Sub-Prozessen durch Robo-Advice eliminiert oder verschmolzen, hauptsächlich begründet durch Standardisierung bzw. Effizienz, während die Beschleunigung des End-to-End-Prozesses, die beinahe die Hälfte aller Sub-Prozesse betrifft, den bedeutendsten spezifischen Unterschied zwischen traditioneller Anlageberatung und Robo-Advisory darstellt. Beschleunigt wird der Prozess grösstenteils durch die Eliminierung oder Passivierung des jeweiligen Sub-Prozesses.

Ob Robo-Advice nun besser oder schlechter ist als die traditionelle Anlageberatung, kann nicht eindeutig beantwortet werden. Auf der einen Seite kann der traditionelle Kundenberatungsprozess in quantitativer Hinsicht unter anderem durch eliminierte und verschmolzene Sub-Prozesse beschleunigt werden. Dadurch, dass Aktivitäten im Hintergrund automatisiert ausgeführt werden und lediglich ein einziges Beratungsgespräch bei Robo-Advice benötigt wird, wird der Beratungsprozess zusätzlich verkürzt. Die hohe Usability des Robo-Advisors führt ausserdem zu einer stärkeren Einbindung des Kunden in den Beratungsprozess. Auf der anderen Seite kann sich eine Eliminierung eines Sub-Prozesses in qualitativer Hinsicht auch negativ auswirken. So besteht das Risiko, dass dem Kunden eine unpassende Anlageempfehlung präsentiert wird und der Beratungsprozess im Anschluss abgebrochen werden muss. Ursache einer Möglichen Fehlallokation liegt vor allem auch an den standardisierten Produkten und vordefinierten Antwortmöglichkeiten für den Kunden, durch die der Beratungsprozess erheblich an Individualität einbüsst. Als negativ einzustufen ist auch ein Ausschluss des Kunden von einem Sub-Prozess, der jedoch nur marginal durch Robo-Advice hervorgerufen wird.

In Anbetracht der Ergebnisse können wir feststellen, dass der Robo-Advisory-Prozess gegenüber dem traditionellen Kundenberatungsprozess im Kapitalanlage-Bereich zum derzeitigen Zeitpunkt lediglich eine Evolution hinsichtlich der Zeitersparnis darstellt. Bezüglich der Qualität des Kundenberatungsprozesses erfolgt im Vergleich zur traditionellen Anlageberatung eindeutig ein Rückschritt.

Dementsprechend kann der Robo-Advisor einen menschlichen Berater zurzeit noch nicht ersetzen, aber sehr wohl ergänzen. Auf dem Kapitalmarkt zeichnet sich bereits eine Lösung ab, bei der Mensch und Maschine zusammenarbeiten – ein „Hybrid Advisor“, der sowohl die Vorteile der traditionellen als auch der robotergestützten Anlageberatung in sich vereinen soll (vgl. Fisch et al. 2018, 22). Ein solcher Prototyp wird bereits bei einigen Vermögensverwaltern eingesetzt.

Es bleibt abzuwarten, wie sich der Kundenberatungsprozess im Kapitalanlage-Bereich in Zukunft weiterentwickeln wird. Robo-Advice aber scheint für diese Entwicklung wohl unverzichtbar.


Quellen
[Alt/Puschmann 2016]Alt, R., Puschmann, T., Digitalisierung der Finanzindustrie, Springer-Verlag, Berlin, 2016.
[Dapp 2016]Dapp, T.-F., Robo Advice, Deutsche Bank Research, 2016.
[Fisch et al. 2018]Fisch, J.E., Labouré, M., Turner, J.A., The Emergence of the Robo-advisor, University of Pennsylvania Law School (Institute for Law and Economics)/Harvard University/Pension Policy Center, 2018.
[Nueesch et al. 2016]Nueesch, R., Zerndt, T., Alt, R., Ferretti, R.G., Tablets Penetrate the Customer Advisory Process: A Case from a Swiss Private Bank, Business Engineering Institute St. Gallen AG/University of Leipzig/University of Lugano, 2016.
[Statista 2020]Statista, Robo-Advisors, 2020, https://de.statista.com/outlook/337/137/robo-advisors/deutschland#market-revenue
Konstantin T. von Ehrlich-Treuenstätt
Latest posts by Konstantin T. von Ehrlich-Treuenstätt (see all)

Leave a Reply