AKTUELLE NEWS AUS DER KI-WELT

AI LEADERS - DER FONDS

Das neue Jahr hat wieder sehr erfreulich gestartet. Bedingt durch die zwischenzeitlichen Korrekturen liegt der AI Leaders C bei einem leichten Minus von -1,63% – Stand: 13.04.2026. Über die letzten 3 Jahre konnte ein Zuwachs von +47,33% erwirtschaftet werden.

Performance

Das Fondsvolumen blieb die letzten Wochen konstant und pendelte um die 130 Mio. Euro.

Ländergewichtung

In den letzten Wochen ist der Anteil der US-Aktien auf 58,29% leicht gesunken. Im Vergleich zu anderen KI-Aktienfonds ist die USA deutlich untergewichtet.

AI Leaders C im Vergleich

Seit Einführung von TOPAS für das Risikomanagement im September 2022 konnten wir den S&P 500 und den MSCI World Index schlagen:

Risiko-Rendite-Matrix – 36 Monate

Durch den Einsatz von TOPAS (KI gestütztes Risikomanagement), seit September 2022, weist der AI Leaders konstant das beste Risiko-Ertrags-Verhältnis aller KI Aktienfonds auf und kann damit jedes Aktienportfolio nachhaltig optimieren.

Volatilität

Wie in den obigen Vergleichen schon dargestellt wurde, konnten wir durch den Einsatz von gestütztes (K gestütztes Risikomanagementseit September 2022 die Volatilität im Vergleich zu anderen KI-Fonds deutlich reduzieren.

Lfd. Jahr:    16,38%
6 Monate: 16,32%
12 Monate:        15,76%
36 Monate:        16,06%

TOP 10

Die Börsenschwankungen den letzten Wochen hat zu veränderten Gewichtungen der Subportfolios geführt. Neu unter den Top 10 ist die Schweizer Aktie Novartis und ASML aus den Niederlanden.

Branchen

Der Anteil von Technologieaktien hat sich auf 49,99% weiter verringert. Unter anderem wurden Pharma- und HealthCare Aktien im Gegenzug erhöht.

Fazit

Für die weitere Entwicklung des AI-Leaders sind wir sehr optimistisch, da unsere investierten Unternehmen ein hohes, stabiles Wachstum aufzeigen.

DIE NEUESTEN KI- ENTWICKLUNGEN UND TRENDS IM APRIL 2026

Physical AI: Wenn KI in Maschinen wirkt und Industrieprozesse neu strukturiert

Künstliche Intelligenz verlässt in wachsendem Tempo reine Softwareumgebungen und wird zum Steuerungs- und Entscheidungsmodul physischer Systeme. Robotik, Sensorik, Simulation und Echtzeit-Computing bilden dabei eine gemeinsame technische Klammer. Für langfristig ausgerichtete Aktienanleger entsteht ein Investitionsfeld, das von mehrjährigen Industrieprogrammen und klaren Effizienzzielen getragen wird.

Physical AI beschreibt die Verbindung von KI-Modellen mit Wahrnehmung, Planung und Ausführung in der realen Welt. In Fabriken, Logistikzentren und Energieanlagen wird KI zunehmend dort eingesetzt, wo Prozesse bisher entweder manuell überwacht oder über starre Automationslogik geregelt wurden. Der Fortschritt entsteht aus der Kombination leistungsfähiger Inferenzmodelle, präziser Sensorik, robustem Edge-Computing und digitalen Zwillingen, die Entwicklung und Betrieb über Simulation beschleunigen. International gewinnt dieser Ansatz an Breite, weil er sich nicht auf einen einzelnen Robotertyp oder eine Branche beschränkt, sondern als Architekturprinzip für verschiedenste Umgebungen funktioniert, in denen Wahrnehmung und Handlung eng gekoppelt sind.

Wachstum von Zulieferern und Plattformanbietern begünstigen

Für die Kapitalmarktlogik ist entscheidend, dass sich Physical AI entlang einer klaren Wertschöpfungskette investierbar abbilden lässt. Ein Teil der Wertschöpfung entsteht in der Rechen- und Speicherinfrastruktur, die niedrige Latenz und hohe Verfügbarkeit im Dauerbetrieb ermöglicht. Ein weiterer Teil liegt in Komponenten- und Plattformebenen, die Hardware, Sensoren, Steuerungssoftware und Sicherheitsmechanismen zu integrierten Systemen verbinden und dadurch wiederkehrende Erlösmodelle über Updates, Service und Betrieb schaffen. Auf der Anwenderseite wird Physical AI vor allem dort skaliert, wo sich Produktivität, Ausschussquoten, Anlagenverfügbarkeit oder Energieverbrauch messbar verbessern lassen. Diese Messbarkeit schafft in vielen Unternehmen die Grundlage für mehrjährige Investitionsprogramme, die unabhängig von kurzfristigen Zyklen angelegt sind und das Wachstum von Zulieferern, Plattformanbietern und spezialisierten Integrationsschichten begünstigen.

Langfristige Chancen ergeben sich insbesondere in Segmenten, die als Infrastruktur für Skalierung fungieren. Wenn physische KI-Systeme in größere Flotten übergehen, rücken Betrieb, Wartung, Monitoring, sichere Updates und standardisierte Schnittstellen in den Vordergrund. Unternehmen, die diese Schichten bereitstellen oder die zugrunde liegenden Komponenten liefern, profitieren in der Regel mit einer breiteren Basis als einzelne Projektanbieter.

Handlungsspielraum von Maschinen erweitern

Physical AI wird in den nächsten Jahren auch deshalb an Bedeutung gewinnen, weil sich in der Industrie ein Wandel von punktueller Automatisierung hin zu lernfähigen Systemen vollzieht, die mit Varianz und Unsicherheit umgehen können. Klassische Automationslösungen sind oft dort stark, wo Prozesse stabil sind und sich Abläufe präzise vorab definieren lassen. In vielen realen Umgebungen entstehen jedoch Abweichungen durch Materialschwankungen, wechselnde Produkte, unvollständige Sensordaten oder dynamische Logistikbedingungen, sodass die Grenzkosten zusätzlicher Automatisierung überproportional steigen. Physical AI adressiert genau diesen Bereich, indem Wahrnehmung, Planung und Ausführung in einem Regelkreis verbunden werden, der über Daten fortlaufend besser wird und damit den Handlungsspielraum von Maschinen erweitert.

Aus Investorensicht ist dieser Übergang relevant, weil er neue Nachfrage nach durchgängigen Plattformen erzeugt, die Datenerfassung, Simulation, Edge-Inferenz, Sicherheit und Lifecycle-Management zusammenführen und dadurch von Einmalprojekten zu wiederkehrenden Umsätzen führen können. Sobald Physical AI in Flotten ausgerollt wird, gewinnt außerdem die Fähigkeit an Gewicht, Modelle über unterschiedliche Hardwaregenerationen, Sensor-Setups und Einsatzorte hinweg konsistent zu betreiben, zu aktualisieren und zu validieren, was zusätzliche Eintrittsbarrieren schafft und Anbieter mit hoher Integrations- und Systemkompetenz strukturell begünstigt.

Profiteure der Physcial AI:

John Deere (Deere & Co.): Oft als traditioneller Maschinenbauer unterschätzt, ist Deere heute ein Software-Unternehmen. Ihre autonomen Traktoren nutzen Physical AI, um Unkraut von Nutzpflanzen zu unterscheiden und gezielt zu behandeln, was den Herbizid-Einsatz um bis zu 90% senkt.
Cognex (US): Ein Spezialist für Machine Vision. Ihre Systeme ermöglichen es Robotern in der Logistik, Objekte nicht nur zu sehen, sondern deren Beschaffenheit und Lage in Echtzeit zu interpretieren – essenziell für autonomes Greifen.
Teledyne Technologies (US): Anbieter von High-End-Bildgebungssensoren, die in Drohnen und autonomen Unterwasserfahrzeugen zum Einsatz kommen.
Tesla: Mit dem Optimus-Programm und dem Cybercab (Robotaxi) setzt Tesla voll auf Physical AI. Ziel ist es, die KI aus dem Auto in den humanoiden Formfaktor zu übertragen, um Arbeitskräftemangel in Fabriken zu lösen.
Amazon: Amazon ist einer der weltweit größten Betreiber von Physical AI. Mit dem Sequoia-System und über einer Million Robotern in seinen Logistikzentren hat das Unternehmen seine Effizienz bei der Paketsortierung massiv gesteigert.
AutoStore (NO): Ihr kubisches Lagersystem ist ein Paradebeispiel für Physical AI: Roboter koordinieren sich auf engstem Raum autonom, um die Effizienz der Flächennutzung zu maximieren.

Herzliche Grüße aus Stuttgart

Tilmann Speck

Christian Hintz

Gerd Schäfer

christian.hintz@ai-leaders.de
tilmann.speck@ai-leaders.de

Zurück