Zwar richten KI-Tools bei der Anlageberatung in der Regel keinen großen Schaden an – deutlich besser als konventionelle Anlageberatung sind sie aber auch nicht.
Künstliche Intelligenz kommt bei Finanzanlagen momentan hauptsächlich in zwei Bereichen zum Einsatz: Bei Beratungs- und Prognose-Tools, die versuchen, Marktentwicklungen vorherzusagen – und beim Robotrading. Das sind Anwendungen, die direkt automatisiert Geld anlegen
Schon ChatGPT kann auf die Frage nach ganz allgemeinen Investitionsempfehlungen brauchbare Antworten und Verhaltensregeln liefern, sagt Deutschlandfunk-Nova-Reporterin Friederike Walch-Nasseri. Sie nennt beispielsweise:
- Denke langfristig.
- Achte auf versteckte Gebühren.
- Habe stets Geld verfügbar, das nicht angelegt ist, einen Notgroschen also.
- Investiere regelmäßig, beispielsweise über Sparpläne.
- Stelle dich divers auf. Streue deine Investments.
Bei spezifischen Aktien performt ChatGPT nicht so gut, findet Friederike Walch-Nasseri. Anfang Januar 2025, hat sie ChatGPT gefragt, ob es sich noch lohnt, in Nvidia zu investieren. Das ist ein Unternehmen aus Kalifornien, das besonders effiziente Grafikprozessoren und Chips auf den Markt bringt.
Aktualität als Problem
Die Aktie ist 2024 durch die Decke gegangen. ChatGPT äußerte sich dazu sinngemäß folgendermaßen: Die meisten Fachleute gehen davon aus, dass der Kurs auch in diesem Jahr noch weiter nach oben geht.
Allerdings kam der Deepseek-Hype dazwischen, erklärt Friederike Walch-Nasseri. Deepseek ist eine chinesische KI, die ohne Grafikkarten von Nvidia trainiert wurde.
"Deepseek hat Anfang des Jahres große Schlagzeilen gemacht und plötzlich ging die Nvidia-Aktie in den Keller."
Hinzu kamen dann im Frühjahr die Trump-Zölle, die ChatGPT ebenfalls nicht vorhersehen konnte. KIs, die auf Sprachmodellen basieren, üben auch im Bereich Wirtschaft mit historischen Daten, genauer mit Aktienkursen der Vergangenheit. Den Lauf der Weltgeschichte und die ökonomischen Effekte können auch sie nicht vorhersagen.
"Das ist die große Herausforderung, auch für KI-Anwendungen, die spezifisch für die Marktprognose trainiert wurden."
Tatsächlich beziehen sich Finanzberatungen schon seit Jahrzehnten auf statistische Modelle. In den letzten Jahren hat sich allerdings die Rechenpower vergrößert und KI-Modelle können immer mehr Informationen verarbeiten, nicht nur die Aktienkurse.
Trump und Twitter
Eine Studie aus dem Jahr 2021 beschreibt beispielsweise den Trump-Tweet-Effekt, also die Korrelation zwischen den Inhalten einzelner Trump-Twitter-Posts – heute heißt der Microbloggingdienst X – und dem S&P 500 Aktienindex, also dem Aktienkurs der 500 größten US-amerikanischen Unternehmen.
Ein KI-Modell konnte zwischen beiden Datengruppen einige Korrelationen finden. Zum Beispiel sind die Kurse im Schnitt leicht gesunken, wenn Trump in seinen Posts den Begriff "Trade War" verwendet hat, erklärt Friederike Walch-Nasseri.
Robo-Trader funktionieren anders. Sie können zum Teil eigenständig Aktienpakete zusammenstellen und je nach individueller Präferenz automatisch wieder verkaufen, abhängig von bestimmten Kriterien.
"Robo-Trader sind nicht abhängig von menschlicher Trägheit oder Unsicherheit."
Auf zwei Sachen gilt es beim Robo-Trading besonders zu achten, sagt unsere Reporterin:
- Versteckte Kosten – weil auch wenn der Robo-Trader im Schnitt etwas bessere Gewinne erzielt, sind die Transaktionskosten dann manchmal so hoch, dass es unterm Strich keinen Unterschied macht.
- Oft sind Robo-Adviser auch nicht so innovativ, wie sie beworben werden.
"Einen wirklich guten Algorithmus für einen Robo-Trader zu entwickeln und zu trainieren kostet viel Geld."
Es lohnt sich, beim Robo-Trading Folgendes zu prüfen:
- Handelt es sich um einen statischen Algorithmus, der Anlegende schlicht in verschiedene Gruppen eingeteilt, je nach Risikobereitschaft?
- Oder kommt ein komplexerer, selbst-trainierter Algorithmus zum Einsatz?
Letztere ist die anspruchsvollere Variante und einem Robo-Trader mit statischem Algorithmus in vielen Fällen vorzuziehen, findet Reporterin Friederike Walch-Nasseri.