Aktien handeln: KI ist Lernhilfe, keine Anlageentscheidung
In diesem Artikel geht es nicht darum, welchen ETF oder welche Aktie man kaufen sollte. Es geht auch nicht um konkrete Anlageempfehlungen. Entscheidend ist, wie Finanzexperten, die bei ihrer Arbeit tatsächlich auf diese Tools zurückgreifen, den Nutzen von Chatbots wie ChatGPT, Gemini und ähnlichen Diensten einschätzen. Deshalb haben wir mit dem Finanzanalysten Nikola Maljković und dem Vermögensverwalter Matej Gosar gesprochen. Beide nutzen KI im Finanzalltag und erklären, wo ChatGPT Anlegern hilft und wo es gefährlich wird.
Nikola Maljković, Finanzanalyst bei der Handelsplattform OptimTrader, beobachtet in Gesprächen mit Kunden, dass Chatbots immer häufiger genutzt werden, berichtet das Finanzportal Casnik Finance. „Ich sehe das weniger bei jungen Menschen, sondern vor allem bei älteren Generationen. Im Sinne von: Ich habe mich ein paar Stunden mit ihm unterhalten, bei Kaffee, wir haben Meinungen ausgetauscht“, sagt er.
Nach seiner Einschätzung kann KI bei finanzieller Bildung helfen, aber nur, wenn der Nutzer bei den Grundlagen beginnt und das Modell richtig führt. „Wenn du nicht weißt, wie du die Frage stellen sollst, bekommst du eine schlechte Antwort. Wenn du sehr allgemein bleibst, bekommst du eine schlechte Antwort. Schon am Anfang musst du dem Chatbot klar sagen, dass er kritisch sein soll.“
Der Nutzer sollte dem Modell deshalb klar sagen, wie viel er weiß. Wer keine Finanzkenntnisse hat, sollte das schreiben. Wer Anfänger ist, sollte mit Grundfragen beginnen. Namen, Nachnamen oder andere persönliche Daten sind nicht nötig und sollten nicht offengelegt werden. Sinnvoll ist aber die Angabe, wie viel Erfahrung vorhanden ist, was interessiert, welches Ziel verfolgt wird und welches Risiko überhaupt verstanden wird. „Wenn du nicht weißt, was du fragen sollst, wirst du glauben, eine super Antwort bekommen zu haben. In Wirklichkeit hat sie nur bestätigt, was du hören wolltest“, warnt Maljković.
Matej Gosar, CFA und Vermögensverwalter bei NLB Skladi, ergänzt, dass bei der Nutzung von KI weiterhin eigenes Wissen notwendig bleibt. Der Nutzer muss die richtige Frage stellen, die Antwort verstehen und sie kritisch bewerten können. „Wenn jemand den Weg der eigenständigen Auswahl und des Kaufs von Aktien geht, braucht er viel Verständnis. Was ist überhaupt eine Aktie? Was können wir als Kleinanleger von einer Aktie erwarten? Man muss auch bei sich selbst ein Bild haben, was man macht, wenn die Aktie um 20 Prozent fällt“, sagt Gosar.
ChatGPT kann vielleicht erklären, weshalb etwas um 20 Prozent gefallen ist. Das hilft dem Anleger aber nicht, wenn er psychologisch nicht auf einen solchen Wertverlust vorbereitet ist. „Man muss sich psychologisch und auch mit Wissen vorbereiten. Die Antworten von KI können manchmal wirklich auch ziemlich daneben sein“, ergänzt er.
KI spart Zeit, ersetzt aber keine Prüfung beim Aktienhandel
Den größten Nutzen von Chatbots sehen die Finanzexperten bei Recherche, Lernen, Zusammenfassen von Informationen, Vergleichen und Zeitersparnis.
Gosar sieht bei seiner Arbeit den größten Mehrwert gerade in der Geschwindigkeit. Er nutzt Chatbots als Hilfe beim Schreiben von Texten, bei wiederkehrenden Aufgaben und bei der ersten Recherche von Anlageideen.
„Der Vorteil ist auch, dass man mit Hilfe von KI schneller Unternehmen finden kann, die gerade vielleicht nicht modern sind oder über die nicht so viel gesprochen wird. Man kann Aktien bekommen, von denen man noch nie gehört hat“, sagt er. Doch das sei erst der Anfang: „Danach muss man weiter analysieren und Anlagen mit klassischeren Werkzeugen auswählen. Auf ChatGPT beziehungsweise künstliche Intelligenz verlasse ich mich dabei nicht.“
Auch Nikola Maljković betont die Geschwindigkeit bei der Grundanalyse von Unternehmen. „So bekomme ich sehr schnell Daten dazu, womit sich das Unternehmen beschäftigt, in welcher Industrie es tätig ist, wie das Umsatzwachstum aussieht, wie das Gewinnwachstum ist und wo die Risiken liegen“, sagt er.
In wenigen Minuten kann ein Nutzer ein Gefühl dafür bekommen, was ein Unternehmen macht, auch wenn er zuvor nur dessen Börsenticker kannte.
Deshalb ist KI aus seiner Sicht sehr nützlich für die Grundbildung: Was ist eine Aktie? Was ist ein ETF? Welche historischen Renditen gab es? Welche Risiken bestehen? Wie viel kann ein Anleger verlieren? Wie lange wäre er in den vergangenen hundert Jahren im Minus gewesen, wenn er einen bestimmten ETF gekauft hätte? Oder was bedeutet DCA, also regelmäßiges Investieren gleicher Beträge über längere Zeit?
Die Gefahr beginnt dort, wo KI selbstbewusst Fehler macht. Sie gibt immer eine Antwort. Wenn der Nutzer nicht weiß, dass diese Antwort falsch ist, nimmt er sie möglicherweise als korrekt an.
Maljković nennt als Beispiel die steuerliche Behandlung von Kapitalgewinnen. Wenn ein Modell falsch angibt, nach wie vielen Jahren ein Kapitalgewinn nicht mehr besteuert wird, und der Nutzer die Gesetzeslage nicht kennt, kann er der falschen Information glauben. Wird das Modell korrigiert, antwortet es oft im bekannten Stil: „Guter Hinweis, ich habe mich geirrt.“
Quellen bleiben Pflicht
Man darf sich nicht allein auf Chatbots verlassen. Besondere Vorsicht ist bei Steuern, Gesetzen, konkreten Daten zu Fonds und Unternehmen sowie bei neuesten Ereignissen nötig. „Ideal finde ich, wenn bei jeder Antwort eine Quelle angegeben ist. In letzter Zeit ermöglichen Chatbots das. Sonst fordern wir sie dazu auf“, sagt Maljković. Bei historischen Daten und historischen Portfolio-Tests hat er gute Erfahrungen mit den Werkzeugen gemacht. Dennoch bleibt eine wichtige Einschränkung: Ein Finanzexperte kann beurteilen, ob die Daten sinnvoll sind. Ein Anfänger kann das vielleicht nicht.
Bei Steuern und Gesetzen ist die Grenze klarer. „Für steuerliche oder rechtliche Dinge ist es immer gut, eine Quelle zu bekommen. Im Gesetz steht es so, und anders kann es nicht sein. Als ich viel mit Steuern gearbeitet habe, habe ich immer verlangt, dass mir gesagt wird, welches Gesetz, welcher Artikel, welcher Absatz, damit ich es prüfen kann. Es gab auch einige Halluzinationen, bei denen andere Gesetze genannt wurden“, sagt er.
Auch Gosar empfiehlt, immer eine Quelle zu verlangen. „Ich habe das Gefühl, vielleicht ist das auch meine Psychologie, aber wenn das Modell weiß, dass es eine Quelle nennen muss, bemüht es sich stärker. Ich glaube, dann gibt es weniger Fehler. Wenn etwas seltsam ist, klickt man die Quelle an, und das war es“, sagt er.
Bei detaillierten Unternehmensanalysen lohnt es sich aus seiner Sicht, primäre oder spezialisierte Quellen wie Seeking Alpha und Investing.com zu verwenden, da die Daten dort standardisiert sind. „Dort sind die Daten schön geordnet und für alle Unternehmen irgendwie standardisiert. Zum Beispiel sind Bilanz und Gewinn- und Verlustrechnung immer in derselben Form. Nach meiner Erfahrung ist das besser, als wenn man der KI sagt: Erstelle mir jetzt eine Bilanz. Wenn man zu Primärquellen geht, sind die Daten verlässlicher“, sagt Gosar.
ETF mit KI richtig recherchieren
Der Anfang ist relativ einfach: Man sagt dem Modell etwa, dass man vollständiger Anfänger ist, und bittet es, zu erklären, was ein ETF ist. Bei einer solchen Grundfrage ist die Antwort meist brauchbar, da es um eine allgemeine und gut bekannte Erklärung geht.
Da es sehr viele ETFs gibt, wird die Auswahl jedoch schnell komplizierter. Entscheidend ist der Kontext. Das Modell muss wissen, wie das Portfolio des Anlegers aussieht, was bereits vorhanden ist, ob Immobilienbesitz besteht, welcher Zeithorizont gilt, wie das Verhältnis zum Risiko aussieht und welches Ziel verfolgt wird.
Dabei sollten nur Verhältnisse und Umstände genannt werden, keine persönlichen Daten. Also etwa, welcher Anteil des Vermögens in Immobilien steckt, ob diese vermietet werden, welche Rendite erzielt wird und welcher Teil des Vermögens in Finanzanlagen fließen soll.
Eine schlechte Frage lautet: Welcher ETF ist gut für Anfänger? Besser ist ein konkreter Ansatz wie: „Ich bin 45 Jahre alt, lebe in Deutschland, möchte 20 bis 25 Jahre investieren, vor allem als Ergänzung zur Rente. Ich habe eine mittlere Risikotoleranz, möchte den Rückgang des Portfolios auf etwa 20 Prozent begrenzen und bin bereit, dafür einen geringeren potenziellen Ertrag zu akzeptieren. Wie würdest du mein Portfolio nach Anlageklassen strukturieren, wenn ich alle Anlageklassen über ETF kaufen kann und die Strategie über viele Jahre halten will?“
Ein solches Frageformat zeigt dem Modell, für wen es die Antwort vorbereitet, weshalb investiert wird und wie viel Schwankung tragbar ist. Nach dem ersten Antwortvorschlag darf der Nutzer nicht aufhören. Sinnvoll sind Anschlussfragen:
- Welcher ETF passt zu welcher Anlageklasse?
- Welcher ETF hat die niedrigsten Kosten?
- Welcher ist am größten und liquidesten?
- Welcher ist am längsten am Markt?
- Wie hätte sich ein solches Portfolio historisch verhalten?
- Wie hoch waren die größten Rückgänge?
- Welche Risiken könnten künftig verhindern, dass ähnliche Renditen erzielt werden?
Bei historischen Tests muss der Nutzer verstehen, dass viele ETF keine 30 oder 50 Jahre existieren. Dann muss das Modell angewiesen werden, Näherungswerte oder Ersatzdaten für einzelne Anlageklassen zu nutzen. Auch hier gilt: Vergangene Entwicklung bedeutet nicht, dass sich die Zukunft genauso entwickelt.
Maljković empfiehlt zudem die Website JustETF, mit der sich ETF suchen und filtern lassen. Die Zahl der verfügbaren ETF kann Anfänger zwar abschrecken. Doch Begriffe wie ausschüttend, thesaurierend oder Replikationsmethode kann ein Chatbot erklären.
Sobald ein konkreter ETF gefunden ist, sollte die Prüfung beim Anbieter erfolgen. „Ich sage immer: Gehen Sie direkt auf die Website des Anbieters. Wenn Sie von Vanguard oder iShares kaufen wollen, gehen Sie auf deren Website und prüfen Sie alle Daten: Wie hoch sind die Kosten, wie lange ist der Fonds am Markt, wie viel Vermögen verwaltet er und so weiter.“ Anderswo können Daten veraltet sein. Beim Anbieter findet der Nutzer die offizielle Quelle.
Aktienanalyse mit KI braucht klare Fragen
Bei Einzelaktien ist das Risiko falscher Fragen und überhöhter Selbstsicherheit noch größer. Fragen wie „Ist Apple eine gute Aktie?“, „Lohnt es sich, sie jetzt zu kaufen?“ oder „Welche Aktie hat ab 2026 das größte Potenzial?“ sind problematisch, da sie zu allgemein sind. Zuerst muss zwischen einem guten Unternehmen und einer guten Anlage unterschieden werden. „Am Markt gibt es viele gute Unternehmen, bei denen im Preis bereits fast ein perfektes Szenario eingerechnet ist. Ihre Aktie ist so teuer, dass sie bereits die Erwartung sehr hochwertiger Geschäfte und sicherer Cashflows ausdrückt“, sagt Gosar.
Wenn man KI fragt, welches das beste Unternehmen der Welt ist, kann man den Namen eines sehr hochwertigen Unternehmens erhalten. Das sagt aber noch nicht, ob der Kauf seiner Aktie eine gute Anlage ist. Eine gute Anlagechance kann auch eine Aktie eines Unternehmens sein, das gerade unbeliebt ist, schwächere Ergebnisse zeigt und deshalb unterbewertet ist. Dreht sich die Geschichte, kann die Rendite höher sein als bei einem sehr hochwertigen und stabilen Unternehmen, dessen Aktie bereits teuer ist.
Bei Einzelaktien liegt der größte Nutzen von Chatbots dort, wo der Anleger eine konkrete Investmentthese prüfen will. Wer etwa annimmt, dass Strompreise in Europa steigen könnten, kann das Modell fragen, welche Unternehmen dafür besonders sensibel wären. Danach beginnt erst die eigentliche Analyse. Das Modell kann helfen, das Geschäftsmodell eines Unternehmens zu erklären, Wettbewerber zu vergleichen, Themenexpositionen zu prüfen, weniger offensichtliche Unternehmen einer Branche zu finden, eine erste Auswahlliste zu erstellen oder Fragen für die weitere Prüfung vorzubereiten.
Der größte Vorteil ist Geschwindigkeit. Doch jede Aussage muss geprüft werden. Das Modell kann schreiben, dass eine Aktie stark vom Kohlepreis profitiert. Danach muss geprüft werden, ob das wirklich stimmt oder ob irgendwo ein Fehler steckt. Beim Aktienhandel gibt es eine weitere Falle. Das Modell schlägt häufig vor, worüber gerade am meisten geschrieben wird und was besonders beliebt ist. Gerade bei Aktien kann es gefährlich sein, zu stark der Herde zu folgen. Dann kann eine Aktie bereits nahe am Hoch stehen.
Aktuelle Ereignisse bleiben die schwächste Stelle
Besonders schwach ist KI bei den neuesten Ereignissen. „Das zeigt sich sehr stark bei Ereignissen, die in den vergangenen 24 Stunden passiert sind. Die letzten 24 Stunden sind überhaupt ein Problem. In diesem Fall weiß sie nichts beziehungsweise man muss es sehr aus ihr herausziehen und dann sehr vorsichtig sein“, sagt Gosar.
Je weiter ein Ereignis zurückliegt, desto stabiler sind die Informationen. Wenn etwas eine oder zwei Wochen alt ist, wird der Nutzen bereits größer. Bei den neuesten Ereignissen ist die Gefahr höher, da viele ungeprüfte Informationen im Umlauf sind.
KI ist keine Kristallkugel
Künstliche Intelligenz ist keine Kristallkugel. Sie kann die Zukunft nicht zuverlässig vorhersagen und keine Verantwortung für Anlageentscheidungen übernehmen. „Investieren ist nichts Leichtes, wir plaudern ein bisschen mit ChatGPT und haben dann Millionen. So einfach ist es nicht. Sonst wären alle Millionäre. Man muss ernsthaft an die Sache herangehen“, sagt Maljković.
Chatbots können bei historischen Recherchen, bei der Übersicht über Kapitalmaßnahmen, Dividenden und andere Daten helfen. Sie können Tabellen historischer Dividenden und Dividendenrenditen vorbereiten und erklären, was passiert ist. Nutzer können sie auch fragen, welche Sektoren oder Branchen in den kommenden Jahrzehnten interessant sein könnten.
Am Ende bleibt die Entscheidung beim Anleger. „Man kann sich mit ihm unterhalten. Aber am Ende, wenn man auf Kaufen klickt, muss man wissen, weshalb man klickt, welche Risiken bestehen und welche Folgen das hat“, sagt Maljković. Gosar bringt die Grenze auf den Punkt: „Das Modell wird am Ende nur sagen: Ups, du hattest recht. Wir aber tragen die Last dieser minus 30 Prozent.“
