TEQ General Artificial Intelligence ETF

Taleb würde den ETF nicht danach beurteilen, ob KI wichtig ist. Er würde fragen, wo die versteckte Fragilität sitzt. Auf den ersten Blick ist das Produkt besser als eine einzelne KI-Aktie, weil das Einzeltitelrisiko gestreut wird. Die Top-Positionen sind zwar hochgewichtet, aber nicht extrem konzentriert. Das reduziert Ruinrisiko gegenüber einer Einzelwette.

Gleichzeitig entsteht eine andere Form von Fragilität: thematische Konzentration. Der Fonds hängt stark an einem einzigen Narrativ, nämlich an der Fortsetzung des KI-Infrastrukturzyklus. Die Branchenstruktur mit 38,4 % Halbleitern und starker Hardware- sowie Speicherexposure zeigt, dass der Fonds zyklischer ist, als das Label „Artificial Intelligence“ vermuten lässt. Fällt die Investitionsdynamik bei Chips, Rechenzentren oder AI-Capex, kann der Fonds stark leiden.

Für Taleb ist auch die Produktstruktur relevant. Das Fondsvolumen von 9 Mio. EUR ist sehr klein. Ein kleines Produkt kann funktionieren, ist aber anfälliger für Schließungen, Spreads, geringe Liquidität und operative Reibung. Das ist kein Ruinrisiko des Produkts, wohl aber ein zusätzlicher Produkt-Tail, der in der Einordnung berücksichtigt werden muss.

Graham hätte mit dem ETF ein grundsätzliches Problem: Er sieht keine Bewertungsdisziplin. Ein Themenindex, der KI- und Technologiekomponenten abbildet, ist nicht automatisch teuer, aber er enthält keine offensichtliche Sicherheitspuffer-Logik. Die Top-Positionen reichen von Micron, AMD und Intel bis Oracle, Tesla, Alphabet, Nvidia, Apple und Amazon. Das sind sehr unterschiedliche Geschäftsmodelle mit sehr unterschiedlichen Bewertungsprofilen.

Graham würde positiv anmerken, dass die Kostenstruktur im Vergleich zum BIT deutlich moderater ist. Keine Einstiegsgebühr, keine Ausstiegsgebühr, 0,69 % Verwaltungs- und Betriebskosten, 0,10 % Transaktionskosten. Das ist aus Kostensicht sauberer als ein sehr teurer aktiver Fonds. Aber niedrige Kosten ersetzen keine Bewertungssicherheitsmarge.

Der KID-Abschnitt mit Performance-Szenarien ist für Graham ebenfalls nur begrenzt hilfreich. Die Szenarien beruhen auf einer geeigneten Benchmark, da das Produkt selbst noch keine lange Historie hat. Das Factsheet bestätigt, dass es 0 Jahre Preishistorie gibt. Damit fehlt ein echter empirischer Test des konkreten Fonds.

Buffett würde die enthaltenen Unternehmen teilweise mögen. Microsoft, Apple, Alphabet, Amazon, Oracle, Broadcom, TSMC, ASML, Nvidia und SAP sind Qualitätsunternehmen mit echten Burggräben. Viele davon haben starke Netzwerkeffekte, hohe Wechselkosten, Skalenvorteile oder technologische Eintrittsbarrieren. Ein ETF, der solche Unternehmen hält, besitzt also qualitativ starke Bestandteile.

Aber Buffett investiert nicht in Sammelkörbe, nur weil darin gute Unternehmen liegen. Er würde fragen, ob der Index die besseren Unternehmen höher gewichtet, die schwächeren meidet und Kapital rational allokiert. Genau das bleibt aus den Unterlagen nur begrenzt erkennbar. Die Top-Gewichte wirken nicht wie ein klassischer Quality-Filter, sondern wie ein thematischer KI-Infrastrukturkorb mit starker Halbleiterlastigkeit. Micron und Intel ganz oben sind keine typischen Buffett-Compounder.

Buffett würde außerdem sehen, dass der Fonds als Indexprodukt keine aktive Qualitätskontrolle im Buffett-Sinn hat. Er kauft Gewinner, Herausforderer, zyklische Infrastrukturwerte, Plattformen, Halbleiter und AI-Narrativwerte zusammen. Das ist nicht falsch. Aber es ist keine gezielte Moat-Auswahl.

Housel würde sofort auf die psychologische Verpackung achten. Ein „General Artificial Intelligence“-ETF klingt nach einem einfachen Weg, an einem großen Zukunftsthema beteiligt zu sein. Das ist emotional attraktiv, weil es FOMO reduziert: Man hat das Gefühl, nicht außen vor zu sein. Gerade für Anleger, die keine Einzeltitel auswählen wollen, kann ein solcher ETF psychologisch entlastend wirken.

In einem Portfolio, das bereits einen breiten Weltaktienkern, einen fokussierten Growth-Baustein und einzelne asymmetrische Positionen enthält, wird die zusätzliche Funktion dieses ETF schwieriger zu begründen. Housel würde deshalb fragen, ob der Fonds die mentale Architektur vereinfacht oder verkompliziert. Wird er lediglich ein weiterer Themenbaustein, kann aus vielen für sich plausiblen Ideen schrittweise unnötige Komplexität entstehen.

Psychologisch besonders relevant ist, dass der ETF vernünftig wirkt: niedrigere Kosten als manche aktive Growth-Lösung, bekannte Top-Namen, das große KI-Narrativ und keine notwendige Einzelaktienauswahl. Aber „vernünftig klingend“ ist nicht dasselbe wie „systemisch notwendig“. Housel würde daran erinnern, dass langfristige Tragfähigkeit häufig aus Einfachheit entsteht.

Dalio würde den ETF als konzentrierten Ausdruck eines bestimmten Regimes lesen: hohe KI-Investitionen, starker Capex in Rechenzentren, Halbleiterzyklus, Softwareplattformen, Cloud-Infrastruktur, Datenverarbeitung und Automatisierung. In einem Regime steigender Produktivität und anhaltender AI-Investitionen kann dieser Fonds stark profitieren.

Das Problem ist die Balance. Der Fonds ist stark US- und USD-lastig. Das Factsheet nennt 70,7 % USA und 84,6 % US-Dollar. Dazu kommt die Branchenkonzentration in Halbleitern. Damit ist der ETF kein diversifizierter globaler Growth-Baustein, sondern ein sehr konkreter Regime-Trade auf AI-Infrastruktur und US-Tech-Dominanz.

Dalio würde den ETF nicht als Gegenpol zu Bankexposure lesen, sondern als Wachstums- und Produktivitätswette. Entscheidend ist deshalb der Vergleich mit alternativen Growth- oder Technologiebausteinen: Bietet dieser ETF die bessere Balance aus Risiko, Kosten, Liquidität und Breite? Diese Frage ist auf Basis der kurzen Historie aktuell nicht eindeutig zu beantworten.

Kostolany wäre skeptischer als viele andere. Das KI-Narrativ ist stark, sichtbar und emotional aufgeladen. Neue thematische Produkte entstehen oft dann, wenn ein Thema bereits sehr populär ist. Das bedeutet nicht automatisch, dass der Fonds schlecht ist. Aber es erhöht die Gefahr, dass ein Anleger nicht die Zukunft kauft, sondern die bereits massenhaft erzählte Zukunft.

Die Top-Positionen zeigen genau diese Marktpsychologie: Halbleiter, Speicher, Rechenzentren, Mega-Caps und bekannte AI-Gewinner. Vieles davon ist richtig, aber vieles davon ist auch bekannt. Kostolany würde fragen, wo die Überraschung liegt. Ein junger KI-ETF mit bekannten Large Caps und sichtbarer AI-Story ist kein psychologisch versteckter Fall.

Zusätzlich würde Kostolany auf den Produktzeitpunkt achten. Auflage Ende 2025, Erstpreisberechnung Anfang 2026, sehr kleines Fondsvolumen. Das ist nicht negativ, aber für ihn ein Hinweis: Erst beobachten, ob echte Anlegernachfrage und belastbare Marktakzeptanz entstehen. Ein neuer ETF mit großem Narrativ ist aus psychologischer Sicht zunächst eher ein Produktangebot als ein Investmentbeweis.

Lynch würde die Grundstory mögen. KI, Rechenzentren, Chips, Speicher, Plattformen, Software und Infrastruktur sind reale Wachstumsmärkte. Der ETF enthält viele Unternehmen, die an unterschiedlichen Stellen dieser Wertschöpfungskette verdienen können. Gerade die Mischung aus Micron, AMD, Nvidia, Broadcom, TSMC, ASML, Oracle, Microsoft, Alphabet und Amazon bildet viele zentrale Ebenen des AI-Stacks ab.

Aus Lynch-Sicht ist das ein Pluspunkt: Man muss nicht den einzelnen Gewinner kennen, sondern investiert in ein breites Set von Profiteuren. Für Anleger, die keine Einzelwerte wie Nvidia, AMD oder Palantir gewichten wollen, kann das sinnvoll sein.

Aber Lynch würde auch nach der Klarheit der Story fragen. Ist das ein fokussierter AI-Winner-Basket oder ein sehr breiter Tech-Korb mit AI-Label? Wenn Snowflake mit 0,31 %, Cloudflare mit 0,36 %, ServiceNow mit 0,54 % und viele kleinere Softwaretitel nur gering gewichtet sind, während Speicher und Halbleiter dominieren, dann ist die Story weniger „General AI“ und mehr „AI-Infrastruktur plus Mega-Tech“. Das kann gut sein. Es muss aber bewusst verstanden werden.