Wo man KI-Finanzberatern misstrauen sollte

Immer mehr Privatanleger nutzen künstliche Intelligenz (KI) für ihre Trades. Knapp drei Jahre nach dem Start des Chatbot-Hypes kann jeder Aktien auswählen, beobachten und Analysen erhalten, die früher nur Großbanken oder institutionellen Investoren zur Verfügung standen. Nun steigt auch der KI-Pionier Open AI in das Geschäft mit KI-gestützter Finanzberatung für Kleinanleger ein. Bei ChatGPT Pro können Abonnenten, zunächst nur in den USA, ihre Bankkonten mit KI verbinden, Ausgaben tracken und Investmentportfolios erstellen.

Eine Umfrage des Brokers Etoro unter 11.000 Privatanlegern weltweit ergab, dass etwa die Hälfte der Befragten bereit wäre, KI-Tools wie ChatGPT oder Gemini von Google für die Aktienauswahl zu nutzen. Rund 13 Prozent tun dies demnach auch bereits. In Großbritannien gaben in einer Umfrage des Onlinebrokers Finder sogar 40 Prozent an, Chatbots und KI für die persönliche Finanzberatung genutzt zu haben. Und so stellt ihnen die Etoro mit dem Anlageassistenten Tori seit vergangenem Jahr auch gleich selbst ein KI-Tool für ihre Anlageentscheidungen zur Verfügung.

Ein vom britischen Onlineportal Finder im März 2023 gestartetes Experiment lässt die Leistungsfähigkeit der Technologie tatsächlich beeindruckend wirken. Das Unternehmen bat ChatGPT, ein Portfolio aus 38 Aktien zusammenzustellen, basierend auf Kriterien wie niedriger Verschuldung und nachhaltigem Wachstum. Dieses Portfolio, das sowohl den KI-Vorreiter Nvidia als auch Konsumgüter-Riesen wie Procter & Gamble enthält, hat bis dato fast 55 Prozent zugelegt. Damit übertrifft es zumindest die durchschnittliche Rendite der zehn meistgekauften Fonds in Großbritannien um fast 19 Prozentpunkte.

Markus Auer, Portfolio Manager bei der Erste Asset Management, meint jedoch: „Es gibt immer wieder Headlines, in denen kolportiert wird, ein Portfolio, das alleine durch den Output von künstlicher Intelligenz gesteuert wird, habe eine gewisse Benchmark geschlagen. Das mag für den oft sehr kurzen Betrachtungszeitraum zwar stimmen, wir haben uns aber diese Portfolios – wenn öffentlich – nach längerer Zeit angeschaut und mussten dabei feststellen, dass die Outperformance in allen Fällen von kurzer Dauer war. Oft wurden sehr negative Renditen erzielt.“

Die Performance-Ergebnisse von KI-gesteuerten Investmentfonds bestätigen Auers Analyse: Seit 2024 beobachtet die deutsche Stiftung Warentest Fonds, die von KI gemanagt werden. Von ursprünglich 32 sind elf bereits wieder verschwunden. Und die vier globalen ­Aktienfonds „Acatis AI Global Equities“, „Pictet Quest AI-Driven Global Equities“, „Vontobel AI Powered Global Equity“ und „WWK KI Aktien Welt“ liefern über ein Jahr zwar eine ansehnliche Performance, längerfristig können sie jedoch kaum überzeugen.

Der Boom auf dem Markt für digitale Anlageberatung birgt nach Ansicht von Experten auch hohe Risiken. Selbst Dan Moczulski von Etoro in Großbritannien warnt vor übertriebenem Vertrauen in die Technologie: „Wenn Menschen allgemeine Modelle wie ChatGPT oder Gemini wie eine Kristallkugel behandeln, entsteht ein großes Risiko.“ Solche Modelle könnten Zahlen und Daten falsch wiedergeben oder sich zu sehr auf vergangene Kursentwicklungen stützen. Auch ChatGPT selbst warnt in der frei zugänglichen Version davor, sich bei wichtigen Finanzentscheidungen auf das Programm zu verlassen. Befragt man die Software in der gebührenfreien Version direkt nach aussichtsreichen Investments oder nach der zukünftigen Kursentwicklung einer Aktie, bekommt man meist die gleiche Antwort: Als KI-Modell sei die Software nicht in der Lage, die Zukunft vorherzusagen. Der Chatbot weist nur lapidar daraufhin hin, dass die Entwicklung der Aktienmärkte sehr komplex sei und von vielen Faktoren abhänge, die sich jederzeit ändern könnten.

Im Profi-Portfoliomanagement hingegen ist KI mittlerweile jedoch eine fixe Größe. Alois Wögerbauer, Geschäftsführer der 3 Banken Generali Investmentgesellschaft: „Die größte Veränderung ist, dass sich Researchtätigkeiten massiv verändert und vereinfacht haben. Vergleiche von Unternehmen, Stärken, Schwächen usw. sind einfach zu machen. Das reduziert den Zeitaufwand massiv und macht auch weniger abhängig von Analysten und Investmenthäusern.“ Christian Nemeth, ehemaliger erfolgreicher Fondsmanager und jetzt im Vorstand der Liechtensteinischen Landesbank (LLB) Österreich, sagt: „Die Zeitersparnis bei Recherchen für Investmententscheidungen ist durch den Einsatz von KI gewaltig.“ Mussten Fondsmanager früher Daten aus verschiedensten Quellen zusammentragen, wird das nun durch einen Prompt erledigt. Aufgrund des umfangreichen Datenmaterials und der Analyse können schneller Hypothesen gebildet und finale Entscheidungen gründlich überdacht werden.

Erste-AM-KI-Experte Auer erzählt von einem Beispiel aus der Praxis: „Zu Beginn der Irankrise stellten wir uns während eines Meetings die Frage, wie sich die Verzögerung des LNG-Exports aus dem arabischen Golf auf das Befüllen der europäischen Gasspeicher für den nächsten Winter auswirken wird. Früher hätte man einige Stunden investiert, um dafür die nötigen Daten zu sammeln und auszuwerten. Heute konnten wir noch während des Meetings ein KI-Modell dazu befragen und erhielten eine grobe Berechnung. Natürlich muss man den Output von Large Language Models (LLMs) immer noch kontrollieren, aber in dem Moment war das schnelle Feedback hilfreich, um die Diskussion unmittelbar fortzuführen.“

Für Suchanfragen, Textanalysen oder Zusammenfassungen kommen bei Assetmanagern auch einfachere Modelle wie ChatGPT von Open AI oder Claude von Anthropic zum Einsatz. Für komplexere finanzspezifische Analysen werden aber AskB von Bloomberg, Github Copilot oder Workspace AI der Ratingagentur LSEG genutzt. Die LLMs werden von Fondsmanagern auch als intellektuelle Sparringpartner genutzt, um dann mit anderen Kollegen über die eigene Marktmeinung zu diskutieren und Investmentideen challengen zu lassen. Das fängt mit einer simplen Konversation mit einem der Modelle zu einer bestimmten Aktie an und führt meist zu einem Researchprozess über die gesamte Peer Group, bei dem mehrere KI-Agenten zum Einsatz kommen.

Mittlerweile arbeiten wohl alle wesentlichen Asset-Management-Teams mit KI. Karin Kunrath, CIO bei Raiffeisen Capital Management, meint zu der hohen Durchdringungsrate: „Das führt auch zu neuen Kompetenzprofilen für unsere Branche. Erfolgreiche Fondsmanagerinnen und Fondsmanager benötigen künftig zusätzliche Fähigkeiten. Nämlich die richtigen Fragen zu stellen, KI-Ergebnisse kritisch zu bewerten und ein solides Verständnis für Datenqualität und für Modellgrenzen mitzubringen.“

Die Verantwortung nimmt tendenziell zu. Gerade bei stark systematisierten Prozessen können Fondsmanager KI-Agenten einsetzen, um schneller die notwendigen Schritte im Research durchzuführen. Robert Karas, CIO der Gutmann Privatbank, meint daher: „KI kann auch dazu führen, dass weniger kritisch nachgedacht und geurteilt wird. Die Arbeitsweise mit KI zeigt, dass die Inputs der User einen sehr hohen Einfluss auf den Output haben. Schon vor KI war es wichtig, welche Fragen man stellt. Das hat sich auch mit KI nicht geändert.“

So vielversprechend der Einsatz von KI im Anlageprozess ist, er bringt auch Grenzen und Herausforderungen mit sich. Ein zentrales Problem bleibt die mangelnde Transparenz vieler Modelle. Komplexe neuronale Netze agieren nach Regeln, die oft nicht nachvollziehbar sind. Ebenso entscheidend ist die Datenqualität. KI kann nur so gut sein wie die Informationen, mit denen sie trainiert und gespeist wird. Verzerrte oder veraltete Daten führen zu fehlerhaften Prognosen.

Zudem neigen KI-Systeme dazu, sich zu stark an historischen Mustern zu orientieren. In stabilen Phasen kann das präzise Ergebnisse liefern, in Krisenzeiten jedoch in die Irre führen. Ohne menschliches Urteilsvermögen und Marktgefühl bleibt KI daher anfällig für Fehlinterpretationen.

Erste-AM-KI-Experte Auer meint daher: „KI ist ein Werkzeug, kein Allheilmittel. Dem Output von LLMs ist grundsätzlich zu misstrauen. Bei der Auswahl des LLMs oder Tools empfiehlt es sich, mehrere Anbieter mit denselben Fragen zu testen und die Antworten gründlich zu überprüfen.“ Das bedeutet auch, den enthaltenen Links und Quellen zu folgen, denn hin und wieder sind diese falsch oder von fragwürdiger Qualität und vermitteln lediglich den Schein einer fundierten Analyse. „Eine Investmententscheidung sollte nie allein auf Empfehlung der KI getroffen werden“, warnt Auer.

Gutmann-CIO Karas sieht bei der Anwendung von KI-Tools durch Kleinanleger aber auch eine gute Seite: „Privatanleger neigen dazu, aus dem Bauch heraus zu agieren. Die KI gibt die Chance, einen Advocatus Diaboli zu installieren. Die kritische Hinterfragung der eigenen These durch KI gießt kühlendes Wasser über hitzige Kauf- oder Verkaufsentscheidungen.“

Mittlerweile gibt es eine Vielzahl von KI-Modellen, die Kleinanlegern Erfolg und hohe Renditen beim Einsatz für ihre Trades versprechen. Einer Analyse der Firma Research and Markets zufolge sollen die Umsätze in diesem Sektor von 61,75 im vergangenen Jahr auf 470,91 Milliarden US-Dollar im Jahr 2030 steigen. Das wäre ein Zuwachs von rund 600 Prozent.

Doch weil nicht alle KI-Investment-Tools halten, was sie versprechen – die fünf in dem Kasten auf Seite 6 präsentierten zählen zu den transparentesten am Markt –, sollten Privatanleger KI vor allem als Informationswerkzeug begreifen, das beim Verständnis von Märkten und Unternehmen unterstützt, nicht jedoch als Entscheidungsmaschine, die eine eigenständige Risikoabwägung ersetzt. Da große Sprachmodelle durchaus plausibel klingende, aber fehlerhafte Antworten liefern können, ist es absolut essenziell, die Ergebnisse stets kritisch zu hinterfragen und mit verlässlichen Quellen zu überprüfen.

Wolfgang Matejka, erfahrener Fondsmanager und Gründer der Investmentboutique Matejka & Partner, hat auf die Frage nach dem besten KI-Modell für Kleinanleger eine nicht ganz unlogische Antwort: „Wenn eine Investitionsentscheidung auf Basis von KI getroffen wird, ist das Ergebnis ja im Netz bekannt. Man kann den Erfolg also nachvollziehen. Dann müsste also ein digitales Wettrennen der KI-Investmentmodelle im Netz entstehen, um die besten Ergebnisse zu liefern.“ Und mit einem augenzwinkernden Nachsatz: „Vielleicht wäre es daher am einfachsten, gleich der KI die Frage zu stellen, welches Modell für Anleger das beste ist.“