Der Reibungstest: Was der Markt bei der KI-Disruption falsch versteht

„Die Zukunft ist bereits da – sie ist nur nicht gleichmäßig verteilt.“
William Gibson

Es liegt eine schwierige Zeit für den Fonds hinter uns. Zum Zeitpunkt der Erstellung dieses Beitrags stehen einige unserer Positionen vor der Herausforderung, dass die Aussichten auf eine nachhaltige Wertschöpfung in einer von künstlicher Intelligenz (KI) geprägten Welt zunehmend skeptisch beurteilt werden. Auf der einen Seite stehen die offensichtlichen Nutznießer des aktuellen KI-Ausbaus – Halbleiter, Speicherhersteller, ausgewählte Sachwerte im Zusammenhang mit Investitionen in Rechenzentren, Teile des Verteidigungssektors und andere Unternehmen, die an physische Kapazitäten gebunden sind. Auf der anderen Seite stehen die digitalen und kapitalarmen Unternehmen, die wir tendenziell bevorzugen; viele von ihnen wurden so behandelt, als ob eine Disruption nicht nur bevorstehe, sondern auch ihre langfristige Wirtschaftlichkeit erheblich beeinträchtigen würde. In den meisten dieser Unternehmen sind die zugrunde liegenden Gewinne weiter gewachsen, die Aktienrückkäufe haben im Allgemeinen zugenommen, und die Wettbewerbspositionen scheinen intakt – in einigen Fällen sogar gestärkt. Dennoch haben sich die Aktienkurse deutlich abgeschwächt.

Unserer Ansicht nach liegt ein Teil des Problems darin, dass Anleger einen pauschalen „KI-Abschlag“ auf Unternehmen anwenden, die aus der Ferne ähnlich aussehen mögen, deren Wirtschaftlichkeit, Wettbewerbspositionen und Anfälligkeit für Disruption sich jedoch deutlich unterscheiden. Wir sehen dies weiterhin als einen Bereich, in dem ein langfristig orientierter Anleger einen Mehrwert schaffen kann: nicht indem er die Bedeutung von KI leugnet, sondern indem er zwischen Unternehmen unterscheidet, bei denen KI die langfristige Branchenstruktur und die Beständigkeit des Cashflows tatsächlich verändern könnte, und solchen, bei denen die Auswirkungen unserer Meinung nach zu weitreichend extrapoliert werden.

In einem Begleitartikel erörtern wir die wichtigsten Performance-Treiber und die aktuelle Positionierung im gesamten Portfolio. Hier möchten wir jedoch tiefer in das Thema KI eintauchen, um zu beurteilen, wo sie die Wirtschaftlichkeit einer Branche bereits verändert, wo wir glauben, dass die Auswirkungen überbewertet werden, und was das konkret für die Unternehmen bedeutet, an denen wir beteiligt sind. Wir glauben, dass die eigentliche Frage nicht lautet, ob die Gewinne heute stabil bleiben, sondern ob KI ein Unternehmen dauerhaft schwächen könnte. In vielen Fällen vermischen Anleger unserer Meinung nach das, was große Sprachmodelle (LLMs) bereits gut können, mit einem viel breiteren Spektrum an Fähigkeiten, über die sie nicht zuverlässig verfügen.

Das Muster, wie KI heute tatsächlich eingesetzt wird, ist ziemlich klar. KI funktioniert dort, wo fünf Merkmale gemeinsam vorliegen: 1) Die Eingabe ist strukturiert – Text, Code oder formale Daten; 2) die Ausgabe kann verifiziert werden, entweder deterministisch durch einen Test oder eine Abgleichung oder schnell durch einen Prüfer; 3) die Rückkopplungsschleifen sind kurz; 4) der Arbeitsablauf ist durchgängig digital; und 5) die Aufgabe ist begrenzt. Wo alle fünf Merkmale vorhanden sind, sorgt KI heute für bedeutende Produktivitätssteigerungen und übernimmt in manchen Fällen die Arbeit sogar vollständig. Wenn auch nur zwei oder drei Merkmale fehlen – zum Beispiel, wenn der Zeitrahmen für die Ausführung lang ist; implizites Urteilsvermögen und der reale physische Kontext weiterhin Vorrang haben; oder wenn der Output vollkommen vertrauenswürdig und zuverlässig sein muss –, ist die aktuelle Leistung weitaus weniger konsistent.

Das Programmieren ist der eindeutig beste Anwendungsfall. Die Eingabe ist Text, die Ausgabe ist Text, und Tests oder Compiler können das Ergebnis deterministisch überprüfen. Das Feedback erfolgt unmittelbar, der Arbeitsablauf ist vollständig digital, und die Aufgaben sind naturgemäß auf Funktionsebene abgegrenzt. Anstatt eine kategorische Ausnahme zu sein, ist das Programmieren die Speerspitze eines allgemeinen Musters. Die interessante Frage ist, welche angrenzenden Arbeitsabläufe dieselben Merkmale aufweisen.

In den meisten Dienstleistungsbranchen gibt es eine Arbeitsebene, die heute wirklich im Fadenkreuz steht. Die Erstprüfung von Rechtsdokumenten, Abstimmungs- und Kontrollaufgaben in der Buchhaltung und Wirtschaftsprüfung, die Kandidatenauswahl, die Moderation von Inhalten, Skripte für den First-Level-Kundensupport, grundlegende Aktivitäten von Sales Development Representatives (SDR) und die Lead-Qualifizierung sowie ein bedeutender Teil der routinemäßigen Programmier-, Test- und Migrationsarbeiten in IT-Dienstleistungen – all diese Aufgaben weisen den oben beschriebenen strukturierten, überprüfbaren und abgegrenzten Charakter auf. Der gemeinsame Nenner ist nicht eine Branche, sondern eine Art von Aufgabe. In jeder Branche sind die Aufgaben, die alle fünf Kriterien erfüllen, am stärksten gefährdet.

Zwei weitere Beobachtungen sind erwähnenswert. Erstens gleicht der Einsatz von KI im Bürobereich heute meist eher einer Unterstützung als einem Ersatz. Seriöse Anwender nutzen diese Tools in der Regel, um Arbeit zu entwerfen, zu prüfen, zu verfeinern und zu beschleunigen, nicht als Black-Box-Ersatz für menschliches Urteilsvermögen. Dieser Unterschied ist entscheidend. Viele Geschäftsmodelle, die auf dem Hosten oder Organisieren von Wissensarbeit basieren – Workflow-Plattformen, Datenplattformen, professionelle Dienstleistungen und Ähnliches – werden so diskutiert, als würde KI die Aufgabe einfach automatisieren und damit überflüssig machen. Wenn KI den Menschen jedoch hauptsächlich dabei hilft, ihre Arbeit besser zu erledigen, anstatt sie gänzlich überflüssig zu machen, könnte die Plattform, auf der diese Arbeit gehostet wird, ein entscheidender Teil des Workflows bleiben.

Zweitens befinden sich B2B-Workflow-KI und Verbraucher-KI nicht auf dem gleichen Stand, auch wenn sie oft so diskutiert werden, als ob dies der Fall wäre. B2B-Workflow-KI – Programmierassistenten, programmatische Agenten in Produktionspipelines und in Unternehmenssoftware eingebettete Copiloten – ist bereits Realität, monetarisierbar und skalierbar. Autonome Agenten für Verbraucher sind es nicht. Achtzehn Monate, nachdem leistungsfähige Agenten weit verbreitet waren, machen die über Agenten-Schnittstellen abgewickelten Transaktionsvolumina von Verbrauchern – Einkaufen, Reisen, Buchungen und ähnliche Aktivitäten – nach wie vor nur einen sehr kleinen Teil der relevanten Endmärkte aus. Man denke beispielsweise an die Einstellung des „Instant Checkout“-Programms von OpenAI, das Partnerschaften mit großen Einzelhändlern umfasste und es Kunden ermöglichte, Einkäufe direkt über ChatGPT zu tätigen. Walmart zog sich im März 2026 aus dem Programm zurück, nachdem verschiedene Probleme aufgetreten waren, darunter Kundenbeschwerden, dass ChatGPT falsche Artikel in ihre Warenkörbe legte. Auch Etsy stieg aufgrund mangelnder Umsätze über die Plattform aus.

Das soll nicht heißen, dass solche Initiativen in Zukunft nicht erfolgreicher sein werden. Es ist lediglich eine Erinnerung daran, dass sich Verhalten, Vertrauen und Gewohnheiten tendenziell langsamer und weniger geradlinig entwickeln als der zugrunde liegende Code.

Ein einfacher Test, den wir bei der Betrachtung unserer digitalen Beteiligungen als nützlich empfunden haben, ist der sogenannte Reibungstest. Er ist unserer Ansicht nach eine der klarsten Methoden, um zwischen Unternehmen zu unterscheiden, die tatsächlich gefährdet sind, und solchen, bei denen dies nicht der Fall ist.

Die Frage ist nicht, ob ein KI-Tool einen Teil der Benutzererfahrung nachahmen kann. Die Frage ist, ob es die Aufgabe tatsächlich einfacher, kostengünstiger oder zuverlässiger macht, den Nutzer von der etablierten Plattform wegzuholen. In vielen Fällen ist das nicht der Fall. Es verlagert die Reibung lediglich an eine andere Stelle. Dies ist besonders im Bereich des Consumer-Internets von Bedeutung. Selbst wenn ein Agent technisch in der Lage ist, einen Browser zu bedienen oder einen Teil eines Workflows abzuschließen, bedeutet das nicht, dass er einen besseren Service bietet. In vielen Kategorien steht die Absicht des Nutzers zu Beginn nicht fest. Die Entdeckung ist Teil des Produkts. Ein Nutzer, der nach einem Hotel, einem Flug, einer Wohnung oder einem Restaurant sucht, verfeinert seine Präferenzen oft im Laufe des Prozesses – er vergleicht Optionen, ändert Termine, wägt Vor- und Nachteile ab und reagiert auf Preis, Lage, Bewertungen, Verfügbarkeit und Präsentation. Dieser Prozess ist nicht nur eine Hürde auf dem Weg zur Transaktion. In vielen Fällen ist er die Transaktionsreise selbst.

Selbst wenn die Vermittler bei der Ausführung besser werden, kann das Entfernen des Nutzers aus dem Ökosystem auch bedeuten, den Zugang zu dem zu verlieren, was die Plattform überhaupt erst wertvoll macht – Live-Bestände, Händlerdichte, Zimmervefügbarkeit, Preisgestaltung, Abwicklung, Vertrauen, Service und Integration mit Zahlungssystemen. In diesem Sinne wird die Reibung nicht beseitigt. Sie wird verlagert. Der Nutzer spart vielleicht einen Schritt, verliert aber an Qualität, Auswahl, Zuverlässigkeit oder Preis. Hier spielt auch ein verhaltensbezogener Aspekt eine Rolle. Die Reibung ist in vielen dieser Kategorien bereits gering. Das bestehende Produkt funktioniert gut, ist vertraut und wird zunehmend auf Komfort optimiert. Es ist daher nicht offensichtlich, dass Nutzer in nennenswerter Zahl zu einer neuen Schnittstelle wechseln werden, die zumindest heute wahrscheinlich eine schlechtere Erfahrung, eine schwächere Wirtschaftlichkeit und ein größeres Sicherheitsrisiko bietet. Das bedeutet nicht, dass der obere Teil des Trichters immun ist. Die Entdeckung ist eindeutig ein Bereich, den es zu beobachten gilt. Es ist jedoch weitaus weniger klar, ob sich ein neuer Gewinner abzeichnet, und der Umfang der Veränderungen, die erforderlich sind, um etablierte Verhaltensweisen zu verdrängen, sollte nicht unterschätzt werden.

Schließlich stehen unsere digitalen Beteiligungen nicht still, während sich dies entwickelt. Es handelt sich hier nicht um Unternehmen, die erst spät auf einen neuen Technologiezyklus aufmerksam werden. Sie befinden sich bereits nahe an der Grenze, verstehen die Richtung der Entwicklung und integrieren diese Tools in ihre eigenen Produkte und Arbeitsabläufe. In vielen Fällen ist das wahrscheinlichere Ergebnis nicht Disintermediation, sondern Anpassung – stärkere Produkte, besserer Service und tiefere Kundenbeziehungen. Das war Teil der ursprünglichen These, die wir in unserem Brief vom Oktober 2025 „On AI: the Age of Extremes“ dargelegt haben, und die jüngsten Produktentwicklungen im gesamten Portfolio haben diese Ansicht nur noch bestärkt. Die Agenten von Tencent und Genie von Trip.com sind gute Beispiele dafür. In beiden Fällen wird KI eingesetzt, um das Produkt von innen heraus zu verbessern – indem Suche, Planung, Service und Ausführung effizienter gestaltet werden –, während die grundlegenden Vorteile der Plattform erhalten bleiben: Nutzerbeziehungen, Vertrauen, Bestand, Vertrieb und Kontrolle über die Arbeitsabläufe.

Vor diesem Hintergrund hat die jüngste Schwäche bei einer Reihe dieser Unternehmen unserer Ansicht nach eine noch attraktivere Chance für langfristige Anleger geschaffen. Wir haben diese Phase daher genutzt, um eine Reihe unserer Bestände aufzustocken, wobei wir uns auf Unternehmen konzentriert haben, bei denen wir davon ausgehen, dass die zugrunde liegende Wirtschaftskraft robust bleibt und sich in einigen Fällen sogar noch verstärken dürfte.

Ein Bereich, in dem diese Unterscheidung von Bedeutung ist, ist Unternehmenssoftware. TOTVS hat sich teilweise schwach entwickelt, weil der Markt befürchtet, dass KI die Rolle von Softwareanbietern schwächen könnte, indem sie es Kunden erleichtert, Workflows selbst zu erstellen, anzupassen oder zu koordinieren. Wir sind der Meinung, dass dieses Risiko zu weit gefasst wird.

Der Grund dafür ist einfach. TOTVS ist keine generische Software-Schnittstelle, die auf einem Workflow aufsetzt. Es ist tief in den Workflow selbst eingebettet. Ihre Produkte sind in den Bereichen Buchhaltung, Lohnabrechnung, Steuern, Lagerverwaltung, Compliance und anderen alltäglichen Betriebsabläufen angesiedelt, wo die Daten strukturiert sind, Handlungen Konsequenzen haben und Zuverlässigkeit wichtiger ist als Eleganz. In diesem Umfeld mag KI zwar die Art und Weise verändern, wie Nutzer mit dem System interagieren, aber sie macht ein geregeltes System der Datenerfassung nicht überflüssig. Dort befinden sich nach wie vor die Berechtigungen, dort liegen die Prüfpfade, dort ist die Compliance-Logik eingebettet und dort wird der zugrunde liegende Prozess ausgeführt. Genau aus diesem Grund hat das Management deutlich gemacht, dass KI nicht als Bedrohung für das Enterprise Resource Planning (ERP) betrachtet werden sollte, sondern als Möglichkeit, die Leistungsfähigkeit der Plattform zu erweitern.

Unserer Ansicht nach ist es interessanter zu beobachten, wie sich das Modell von hier aus weiterentwickelt. Der entscheidende Punkt ist, dass KI die Notwendigkeit dessen, was TOTVS leistet, nicht beseitigt; sie verändert vielmehr, wie Wert geschaffen wird und, im Laufe der Zeit, wie dieser bewertet wird. Heute hängt der Großteil des Umsatzes von TOTVS noch immer direkt oder indirekt von Lizenzen und Modulen ab – Kunden zahlen für den Zugang zu Software, die es ihnen ermöglicht, ihre Geschäftsabläufe zu betreiben. KI stellt dieses Modell am Rande in Frage. Wenn ein Kunde einen Teil des Arbeitsablaufs automatisieren kann, sinkt möglicherweise die Anzahl der für den Betrieb des Systems erforderlichen Nutzer. Für sich genommen sieht das wie ein Hindernis aus. Doch diese Sichtweise lässt die wichtigere Dynamik außer Acht. Die relevante Frage ist nicht, wie viele Nutzer vor dem System sitzen, sondern wie viel Arbeit durch das System fließt. Wenn KI es einem Kunden ermöglicht, dasselbe Geschäft mit weniger Personal zu betreiben, steigt der Wert des Systems, er sinkt nicht. Das System leistet mehr, nicht weniger. In diesem Zusammenhang wird sich die Preisgestaltung im Laufe der Zeit wahrscheinlich von Lizenzen hin zu Nutzung, Ergebnissen oder Aufgaben verlagern – was das Management als „Task as a Service“ bezeichnet.

Das ist keine Theorie. Schon heute machen die Kosten für die Software nur einen sehr kleinen Teil der Gesamtkostenbasis des Kunden aus, oft nur einen Bruchteil eines Prozents des Umsatzes. Wenn KI es einem Kunden ermöglicht, Personal abzubauen oder die Produktivität zu steigern, entsteht der wirtschaftliche Mehrwert in erster Linie auf der Ebene der Arbeitsabläufe, nicht an der Benutzeroberfläche. Selbst ein kleiner Anteil an diesem Wertpool würde den Druck durch weniger Lizenzen mehr als ausgleichen.

Deshalb halten wir die Debatte um „KI, die Software verdrängt“ in diesem Zusammenhang für etwas fehl am Platz. Das Stammdatensystem bleibt dort, wo die Ausführung stattfindet. KI sitzt darüber, macht es nützlicher und ermöglicht es dem Anbieter im Laufe der Zeit, in der Wertschöpfungskette aufzusteigen – von der Ermöglichung der Arbeit hin zur Übernahme eines Teils der Arbeit selbst. Das Risiko besteht nicht darin, dass die Nachfrage verschwindet, sondern dass sich das Monetarisierungsmodell weiterentwickelt. Dieser Übergang wird nicht reibungslos verlaufen, und es wird in Teilen des Modells Druck geben, aber die Richtung ist nicht offensichtlich negativ.

Unser Basisszenario ist daher nicht von einem strukturellen Rückgang geprägt, sondern von anhaltendem Wachstum, das von drei Faktoren getragen wird: der fortschreitenden Verbreitung von ERP und Cloud in Brasilien, einer tieferen Einbettung bei bestehenden Kunden im Zuge der Ausweitung von Arbeitsabläufen sowie einem allmählichen Beitrag durch KI-gestützte Produkte und Dienstleistungen im Laufe der Zeit. Der genaue Weg wird von der Umsetzung abhängen, doch die zugrunde liegende Nachfrage nach der Organisation, Steuerung und zunehmend auch Ausführung von Geschäftsprozessen scheint intakt zu sein.

E-Commerce ist der andere Bereich, in dem die aktuelle Debatte unserer Meinung nach zu stark vereinfacht wurde. Die Sorge ist, dass autonome KI sich zwischen den Kunden und die Plattform schieben, die Entdeckung auf einen Prompt reduziert und den etablierten Marktplatz zu kaum mehr als einer Fulfillment-Ebene machen wird. Wir schließen dieses Risiko nicht gänzlich aus, insbesondere am oberen Ende des Trichters. Aber wir glauben, dass diese Schlussfolgerung dem Mechanismus vorgreift.

Der entscheidende Punkt ist, dass der Kauf selten eine reine Ausführungsaufgabe ist. In vielen Kategorien beginnt der Nutzer nicht mit einer festen Anweisung und benötigt lediglich einen KI-Agenten, der diese ausführt. Die Produktsuche ist Teil des Produkts. Nutzer vergleichen, verfeinern ihre Suche, stöbern, ändern ihre Meinung, reagieren auf Preis, Bewertungen, Lieferzeiten und Verfügbarkeit und wissen oft erst genau, was sie wollen, wenn sie sich auf der Plattform befinden. In diesem Zusammenhang ist der Marktplatz nicht nur eine Schnittstelle, die der Transaktion im Weg steht. Er ist ein wesentlicher Bestandteil der Transaktion selbst. Deshalb bleibt unsere Arbeitshypothese, dass entdeckungsorientierte Marktplätze KI eher zur Verbesserung von Empfehlungen und Suchfunktionen nutzen werden, als dass sie dadurch verdrängt werden. Wenn sie allein aufgrund von KI-Befürchtungen herabgestuft werden, sieht das eher nach einer Fehlbewertung der Kandidaten aus als nach einem bestätigten strukturellen Schaden.

Dies ist sowohl für MercadoLibre als auch für Sea von Bedeutung. Was oft einfach als „E-Commerce“ bezeichnet wird, ist in Wirklichkeit ein integriertes Ökosystem aus Marktplatz, Logistik, Zahlungsverkehr, Kreditwesen, Werbung und Händler-Tools. Es handelt sich hierbei nicht um einfache Einkaufsoberflächen. Es sind Betriebssysteme, die auf Händlerdichte, Fulfillment, Vertrauen und zunehmend auch Finanzdienstleistungen basieren. Der Marktplatz mag der Ausgangspunkt für den Kunden sein, doch ein großer Teil des Wertes liegt darunter. Im Fall von MercadoLibre ist Mercado Envios ein integraler Bestandteil des Angebots: Es reduziert Reibungsverluste, verbessert die Benutzererfahrung und ermöglicht schnellere Lieferungen zu wettbewerbsfähigen Kosten, während Mercado Pago das Vertrauen und die Bindung sowohl bei Transaktionen auf der Plattform als auch außerhalb vertieft. Im Fall von Sea lässt sich dasselbe Muster in der Kombination aus dem Logistiknetzwerk von Shopee und SeaMoney erkennen, das Zahlungen, Kreditgeschäfte und umfassendere Finanzdienstleistungen im gesamten Ökosystem unterstützt.

Das ist auch der Grund, warum wir die Wirtschaftlichkeit von MercadoLibre oder Sea nicht auf den Checkout-Button reduzieren würden. In beiden Fällen sind Zahlungen, Kredite und Händlerservices keine Nebenggeschäfte; sie vertiefen die Kundenbindung, verbessern die Kundentreue und schaffen zusätzliche Monetarisierungsmöglichkeiten im gesamten Ökosystem. Proprietäre Daten und Machine-Learning-Modelle unterstützen zudem das Underwriting und das Risikomanagement auf eine Weise, mit der traditionelle Finanzinstitute oft nicht mithalten können. Selbst wenn sich die Entdeckung am Rande weiterentwickelt, liegt ein großer Teil des Werts immer noch weiter unten in der Struktur.

Allerdings ist die jüngste Schwäche dieser Unternehmen nicht allein auf KI zurückzuführen. Eine eher konventionelle Sorge hat die Stimmung ebenfalls belastet: dass sich der Wettbewerb verschärfen wird, die Margen länger niedrig bleiben und sich die Wirtschaftlichkeit als weniger nachhaltig erweisen wird, als Investoren einst angenommen hatten. China hat Investoren darauf konditioniert, eine brutale Konvergenz hin zu ein oder zwei dominanten Modellen zu erwarten, doch Lateinamerika und Südostasien unterscheiden sich strukturell davon. Die geografischen Gegebenheiten sind schwieriger, die Logistik ist lokaler, die Händlerbasis ist fragmentierter und die Umsetzung spielt eine größere Rolle. Das bedeutet nicht, dass der Wettbewerb harmlos ist. Es bedeutet jedoch, dass niedrigere kurzfristige Margen nicht automatisch eine schwächere langfristige Wirtschaftlichkeit bedeuten.

Wir sind weiterhin der Ansicht, dass MercadoLibre und Sea mit anderen ernstzunehmenden Akteuren in ihren jeweiligen Regionen koexistieren und dennoch im Laufe der Zeit attraktive Renditen erzielen können. Im Fall von Sea spiegelt die jüngste Schwäche (zusätzlich zur Angst vor KI) die bekannte Sorge wider, dass der Wettbewerb in der ASEAN-Region die Rentabilität länger auf einem niedrigeren Niveau halten wird. Das mag sich kurzfristig als wahr erweisen. Die relevantere Frage ist jedoch, ob der aktuelle Investitionszyklus defensiv oder offensiv ist. Wenn die Ausgaben dazu dienen, die Logistik zu vertiefen, das Serviceniveau zu verbessern und die Kundenbindung zu stärken, während schwächere Wettbewerber zu kämpfen haben, dann könnten die heute niedrigeren Margen der Preis für eine stärkere Plattform von morgen sein. Wir glauben nicht, dass Anleger diese Unterscheidung klar genug treffen.

Die vergangenen neun Monate waren ernüchternd. Doch die zugrunde liegenden Werttreiber im GEM Focus-Portfolio waren stabiler, als die jüngsten Kursbewegungen vermuten lassen. Der freie Cashflow ist in weiten Teilen des Portfolios weiter gewachsen, und das Kapital wurde im Allgemeinen diszipliniert eingesetzt. Mit anderen Worten: Die Unternehmen in unserem Portfolio haben insgesamt ihren inneren Wert weiter gesteigert.

Mit Blick auf die Zukunft erwarten wir, dass das Portfolio mittelfristig ein jährliches Wachstum von etwa 15 % bei Gewinn und freiem Cashflow erzielen wird. Bei den heutigen Kursen zahlen wir für dieses Wachstum eine freie Cashflow-Rendite von rund 5 %, bei einer Kapitalrendite im niedrigen Zwanzigerbereich.¹ Wir halten diese Kombination auf absoluter Basis für wirklich attraktiv, und sie stellt einen erheblichen Abschlag gegenüber dem langfristigen Durchschnitt dar, zu dem das Portfolio typischerweise gehandelt wurde. Diese Konstellation erfordert keine Neubewertung, um von hier aus attraktive Renditen zu erzielen. Es ist lediglich erforderlich, dass unsere Unternehmen weiterhin das tun, was sie bisher getan haben. Und sollten die Bewertungen irgendwann die Ertragskraft der von uns gehaltenen Unternehmen einholen, verbessert sich das Renditeprofil von hier aus noch weiter.

Es ist schwer, ein Gefühl der Unruhe in Zeiten rascher technologischer Veränderungen abzuschütteln, insbesondere wenn der Wandel so schnell voranschreitet und so anfällig für übertriebene Hochrechnungen ist wie im Fall der KI. Doch für langfristige Anleger bieten sich oft genau in solchen Phasen die attraktivsten Chancen. Wenn wir uns die Unternehmen in unserem Portfolio, die Manager, die sie leiten, und die aktuellen Kursniveaus ansehen, bleiben wir zuversichtlich hinsichtlich ihrer langfristigen Aussichten. Wie ein bekanntes Sprichwort sagt: Schwere Zeiten gehen vorbei, starke Unternehmen bleiben.

Wir danken Ihnen für Ihre anhaltende Geduld und Unterstützung.

Das FSSA-Team

Referenz

¹ FSSA Investment Managers, April 22, 2026.