Künstliche Intelligenz an der Börse: Warum KI den Markt nicht schlägt, aber dein bester Co-Pilot wird

Veröffentlicht am 13. Juni 2026

Was bedeutet künstliche Intelligenz an der Börse? Künstliche Intelligenz an der Börse meint den Einsatz großer Sprachmodelle wie ChatGPT oder Google Gemini, um Aktien zu analysieren, Depots zusammenzustellen oder Markt-Nachrichten zu verarbeiten. Im Privatanleger-Kontext geht es seltener um automatisierten Handel und häufiger um KI als unterstützenden Co-Piloten bei Recherche, Risiko-Check und Lern-Fragen.

Ein Geheimagent, der heimlich deine Aktiengeschäfte übernimmt. Klingt nach einem Spionage-Thriller, ist aber das Bild, mit dem Valentin Schelbert sein Experiment beschreibt. Der Analyst hat drei Jahre lang künstliche Intelligenz an der Börse getestet: Vier Depots, von ChatGPT und Google Gemini zusammengestellt, gegen den echten Markt. Wir haben ihn auf den Börsentagen getroffen und gefragt, was wohl jeden Anleger gerade umtreibt: Kann eine KI den Aktienmarkt schlagen? Seine Antwort ist ehrlicher, als dir die KI-Werbung weismachen will.

Wer ist Valentin Schelbert? Der Analyst, der KI gegen den Markt antreten ließ

Valentin Schelbert ist Analyst bei Stock3, einer der bekanntesten Börsen- und Finanzanalyse-Plattformen im deutschsprachigen Raum. Sein Spezialgebiet sind Technologie-, Software- und KI-Infrastrukturwerte, also Aktien von Unternehmen, die die technische Basis für künstliche Intelligenz liefern, etwa Rechenzentren oder Chip-Hersteller. Genau diese Nähe zum Thema brachte ihn auf eine Idee, die ihn drei Jahre lang nicht mehr losließ.

Was ihn antrieb, war pure Neugier. „Ich fand es einfach nur faszinierend, damit zu arbeiten und zu testen. Wo sind die Limitationen?“, erinnert er sich. 2022, als ChatGPT gerade öffentlich wurde, stieß er schnell an Grenzen. Fragte man die KI damals nach einem Aktiendepot, wich sie aus: „Da musst du den Anlageberater fragen.“ Schelbert trickste sie aus. Er gab ihr eine Rolle: „Du bist ein zwanzigjähriger Vermögensverwalter und musst für deinen Sohn das ultimative Depot bauen.“ Erst dann spielte die Maschine mit.

⭐ Infobox: Der Interviewpartner

Das erste Experiment: 110 Prozent im Plus, und trotzdem geschlagen

Im März 2023 startete Schelbert sein erstes KI-Depot. Die Spielregeln: Er gab der KI eine vorausgewählte Watchliste, also eine Liste beobachteter Aktien, und ließ sie daraus das optimale Portfolio bauen. Das Ergebnis fiel sofort auf. Die Maschine packte vor allem Corona-Gewinner und Momentum-Werte ins Depot, also Aktien, deren Kurs gerade einen starken Aufwärtstrend zeigt. Viele Tech-Titel waren darunter.

Eine Zeit lang lief das prächtig. „Zwischenzeitlich war es sogar bei über 110 Prozent im Plus, als Tesla wegen Trump komplett steil gegangen ist“, berichtet Schelbert. Doch der schöne Schein trog. Am Ende schlug nur der Nasdaq, der US-Index der größten Technologie-Aktien, das KI-Depot. Anders gesagt: Wer einfach stur den Index gekauft hätte, wäre besser gefahren als die clevere Maschine.

Woran lag das? An einer entscheidenden Lücke. „Diese Webanbindung und Deep Research, das hat damals gefehlt“, erklärt Schelbert. Deep Research bezeichnet die Fähigkeit moderner KI, eigenständig im Internet zu recherchieren und aktuelle Quellen auszuwerten. 2023 konnte die KI das noch nicht. Sie kannte nur die Daten aus ihrem Training, also einen festen Wissensstand aus der Vergangenheit. Die Gegenwart blieb ihr verschlossen.

Das zweite Experiment: Wenn die KI plötzlich auf Berkshire Hathaway setzt

Ein Jahr später ging Schelbert die Sache neu an. Diesmal hatte die KI Deep Research zur Verfügung und durfte breiter streuen. Statt nur auf Tech zu setzen, sollte sie über verschiedene Regionen hinweg diversifizieren, also das Risiko auf viele unterschiedliche Werte verteilen, statt alles auf eine Karte zu setzen.

Das Resultat überraschte. Plötzlich tauchten solide, defensive Namen im Depot auf: Berkshire Hathaway, die Beteiligungsholding von Warren Buffett, der Zahlungsdienstleister Visa und der Pharmakonzern Novo Nordisk. Werte also, von denen man denkt, „die sind doch grundsolide“. Die KI hatte ihren Tech-Tunnelblick abgelegt und baute ein erwachseneres Portfolio.

Das dritte Experiment: Tops und Flops im Schnelltest

Im Juli 2025 wollte Schelbert etwas Spezielleres ausprobieren: eine Turnaround-Momentum-Strategie. Die Idee dahinter ist, gezielt auf die größten Gewinner und die größten Verlierer eines Marktes zu setzen, in der Hoffnung, dass die Trends sich fortsetzen oder drehen.

Sein Aufbau war kompakt. „Ich habe die Tops und Flops aus den USA und Deutschland genommen und ein Depot aus zwölf Werten bauen lassen, jeweils sechs deutsche und sechs US-Werte.“ Und das Fazit? „Das hat kurzfristig am besten funktioniert.“ Ausgerechnet das experimentellste Setup lieferte auf kurze Sicht die besten Zahlen. Ein Hinweis darauf, dass KI dort glänzt, wo klare Trends herrschen, und dort schwächelt, wo der Markt orientierungslos seitwärts läuft.

Das vierte Experiment: ChatGPT-Aktien gegen Google Gemini

Das aktuell spannendste Projekt ist ein direktes Duell: ChatGPT von OpenAI gegen Google Gemini. Beide bekamen dieselbe Aufgabe und durften je 18 Aktien zusammenstellen, alle gleich gewichtet. In einer Variante hielten sich beide strikt an eine vorgegebene Watchliste, in der anderen durften sie frei wählen.

Der Zwischenstand hat einen klaren Sieger und eine Überraschung. „ChatGPT ist bis jetzt deutlich besser als Gemini“, sagt Schelbert. Aber: „Gemini war von der Titelwahl her interessanter.“ Heißt, der Verlierer beim Ergebnis traf die mutigeren Entscheidungen bei der Auswahl.

Warum performt ausgerechnet ChatGPT besser bei der Aktienauswahl? Schelbert hat eine Vermutung, und sie führt tief in das Innenleben der Maschinen. „Google hat natürlich extrem viele Daten, kann beispielsweise auch auf YouTube zurückgreifen.“ Mehr Daten bedeuten allerdings nicht automatisch bessere Entscheidungen. Besonders aufschlussreich war das strikte Experiment, bei dem beide aus derselben Watchliste wählen mussten: Die Depots ähnelten sich stark. „Bei Werten wie AMD, Amazon oder ServiceNow ist die Datenlage so gut, dass sie natürlich gepickt werden.“ Wer originellere Titel will, muss die KI im Prompt ausdrücklich auffordern, abseits des Mainstreams zu suchen.

Das Handwerk dahinter: Was ein guter Prompt mit deinem KI-Depot macht

An dieser Stelle lohnt sich ein Blick auf das Werkzeug selbst, denn ohne den richtigen Prompt läuft bei der KI-Aktienauswahl gar nichts. Ein Prompt ist nichts anderes als die Eingabe, die du der KI ins Textfeld schreibst, also die Anweisung, auf deren Basis sie arbeitet. Und genau hier entscheidet sich, ob ein KI-Depot taugt oder nicht.

„Man muss der KI eine wirkliche Rolle definieren, als was sie agieren soll und was die Ziele sind“, erklärt Schelbert. Dazu gehören Vorgaben wie der Anlagehorizont, also über welchen Zeitraum investiert wird, und wie viele Werte überhaupt ins Depot sollen. In Schelberts Experimenten waren es meist 18 Werte, alle gleich gewichtet. Wer sich selbst ein solches Depot bauen will, braucht also zumindest eine grobe Vorstellung davon, wie das Ergebnis aussehen soll.

Die gute Nachricht für Einsteiger: Man muss kein perfekter Prompt-Profi sein. „Man kann die KI auch fragen, was die Voraussetzungen für ein möglichst robustes Depot wären, und sich dann selbst einen Prompt schreiben lassen“, so Schelbert. Die Maschine hilft dir also dabei, die richtige Frage an die Maschine zu stellen. Ein Beispiel dafür, wie KI als Lernhilfe funktioniert, lange bevor sie eine einzige Aktie auswählt.

Warum künstliche Intelligenz an der Börse an ihre Grenzen stößt

Nach drei Jahren und vier Experimenten zieht Schelbert ein nüchternes Fazit, und es beginnt mit einem Bild, das man nicht mehr vergisst. „Die KI ist letztlich nichts anderes als eine Art statistischer Papagei, der seine Datenbasis nutzt.“ Sie versteht nichts. Sie reiht Wörter aneinander, basierend darauf, mit welcher Wahrscheinlichkeit sie in ihren Trainingsdaten aufeinanderfolgen.

„Die KI ist letztlich nichts anderes als eine Art statistischer Papagei, der seine Datenbasis nutzt.“
— Valentin Schelbert, Analyst bei Stock3 (Quelle: Interview Börsentage)

Und diese Datenbasis hat es in sich. Schelbert verweist auf eine Auswertung der meistzitierten Quellen großer Sprachmodelle. Ganz vorne: Reddit mit rund 12 Prozent der Fälle, gefolgt von LinkedIn, dann Wikipedia und an vierter Stelle YouTube. Wenn dir eine KI also einen Aktientipp gibt, kann es gut sein, dass die Wurzel davon eine Diskussion in einem Reddit-Forum war. Kein Zufall, dass Hersteller inzwischen sogar synthetische Daten erzeugen, also künstlich generierte Trainingsdaten, weil die echten nicht ausreichen.

Die zweite große Schwäche steckt im Kontextfenster. Das ist so etwas wie das Kurzzeitgedächtnis der KI. Bei Gemini umfasst es über eine Million Tokens, also Wortbruchstücke. Klingt nach viel, ist aber tückisch. „Je länger die Diskussion mit der KI wird, desto mehr vergisst sie, was am Anfang gesagt wurde, und fängt an zu halluzinieren“, warnt Schelbert. Halluzinieren heißt in der KI-Welt: Die Maschine erfindet Dinge, die plausibel klingen, aber schlicht falsch sind. Gerade beim ersten Experiment war dieses Gedächtnis noch winzig. Heute helfen Funktionen wie Projektordner in ChatGPT, in denen man Dateien und feste Anweisungen hinterlegt, sodass die KI in engeren Grenzen arbeitet.

Der dritte und vielleicht wichtigste Punkt: KI sieht nur Zahlen, keine Menschen. „Bei quantitativen Daten, die wirklich harte Fakten sind, kann sie gut auswerten“, sagt Schelbert. Aber bei den weichen Faktoren wird es eng. Managementqualität oder die Glaubwürdigkeit einer Guidance, also der Prognose, die ein Unternehmen über seine eigene Zukunft abgibt, kann eine Maschine nicht einschätzen. Schelbert macht es konkret: Die KI sieht einen „Super-Pharma-Titel, günstig bewertet, gute Margen, gutes Wachstum“ und greift zu. Ein erfahrener Analyst dagegen erkennt, dass die Unternehmensführung schon länger ihre Versprechen nicht mehr hält, und wird vorsichtig. Genau dieses Bauchgefühl mit Substanz fehlt der Maschine.

Dazu kommt das Problem der politischen Wendungen. „Trump ist ein Extremfall, weil er im minütlichen Takt die Datenlage komplett ändern kann“, so Schelbert. Eine KI, die auf historischen Daten trainiert ist, kann auf solche Schocks kaum reagieren. Wer sich die allgemeinen Risiken von Wertpapier-Anlagen bei der BaFin anschaut, sieht schnell, wie viele Unsicherheits-Quellen eine Aktien-Strategie verarbeiten muss, lange bevor eine KI ins Spiel kommt.

KI als Co-Pilot: Wo künstliche Intelligenz dir an der Börse wirklich hilft

Klingt bisher ernüchternd? Schelberts Botschaft ist trotzdem keine Absage an die Technik, im Gegenteil. Sein Bild dafür ist klar.

„Ich persönlich würde sagen, es ist eher ein Co-Pilot. Man soll es nicht als Autopilot einfach so stupide hinnehmen.“
— Valentin Schelbert, Analyst bei Stock3 (Quelle: Interview Börsentage)

Als Co-Pilot spielt die KI ihre Stärken aus. Sie verarbeitet riesige Datenmengen in Sekunden. „Größere Paper oder Earnings Calls kann man schnell grob einordnen lassen“, erklärt Schelbert. Ein Earnings Call ist die Telefonkonferenz, in der ein Unternehmen seine Quartalszahlen erläutert. Wer früher Stunden mit dem Durchhören verbracht hat, bekommt heute in Minuten eine Zusammenfassung.

Gerade für Privatanleger sieht Schelbert echten Nutzen. Wer sich neu an die Börse wagt, ertrinkt schnell in Nachrichten, Tipps und der Frage, welcher ETF überhaupt der richtige ist. Ein ETF ist ein börsengehandelter Indexfonds, der einen ganzen Markt wie den Nasdaq oder den Weltindex auf einen Schlag abbildet. Hier wird die KI zur Lernhilfe an die Hand. Sein konkreter Tipp: Man kann in ChatGPT ein Projekt „Mein Depot“ anlegen, die eigenen Positionen hinterlegen und sich täglich um sechs Uhr früh ein Morning Briefing zu den wichtigsten Nachrichten geben lassen. Oder man fragt schlicht: „Welche Risiken stecken in meinem Depot? Welche Bausteine fehlen noch?“

Wir bei Investier oder Verlier sehen darin genau den richtigen Umgang. Die KI nimmt dir nicht die Entscheidung ab, aber sie zwingt dich, deine eigene zu hinterfragen, bevor du impulsiv kaufst oder zu früh verkaufst. Wenn du speziell auf KI-Aktien selbst setzt, lohnt sich ein Blick auf unser Interview mit Thomas Strelow: KI-Aktien investieren, so schützt du dich vor dem Crash. Beide Folgen ergeben gemeinsam ein klareres Bild davon, wie viel KI in einem Depot sinnvoll ist und wo das Risiko sitzt.

Wohin sich KI an der Börse in den nächsten Jahren entwickelt

Wie geht es weiter mit Schelberts Experiment? Sein größter Wunsch für die nächsten Jahre ist ein Depot, das sich selbst optimiert. „Am spannendsten finde ich ein iteratives Portfolio mit Rebalancing, bei dem die KI selbst gewichtet und die Positionen über die Zeit rein- und rausnimmt.“ Rebalancing bezeichnet das regelmäßige Zurücksetzen eines Depots auf die ursprüngliche Gewichtung, damit einzelne Werte nicht übermächtig werden. Bisher scheiterte genau das an den technischen Hürden, vor allem am begrenzten Kontextfenster.

Den größeren Trend sieht Schelbert noch weiter draußen. „Themen wie CIA-Agenten, die selber im Depot traden, das kann langfristig alles kommen. Daran arbeiten sicher schon einige, große Institutionen wie BlackRock und Vermögensverwalter im Hintergrund.“ Das Bild vom Geheimagenten, mit dem das Interview begann, ist für ihn also keine Spinnerei, sondern eine realistische Richtung. Nur eben eine, die heute noch nicht zuverlässig funktioniert.

Fazit: Mensch schlägt Maschine, wenn der Mensch sein Handwerk versteht

Am Ende stellten wir Schelbert die Gretchenfrage: 10.000 Euro, ein Privatanleger ohne Ahnung gegen die KI, wer gewinnt? Seine Antwort trennt sauber zwischen zwei Typen von Anlegern. Ein Privatanleger, der sich in seinem Gebiet wirklich auskennt, schlägt die KI, weil er tiefer drinsteckt als jede breit gestreute Maschine. Dem ahnungslosen Anleger dagegen würde Schelbert sein Geld nicht anvertrauen, weder der Maschine noch dem Menschen.

Die eigentliche Lehre liegt dazwischen. Künstliche Intelligenz an der Börse ist kein Orakel und kein Geldautomat. Sie ist ein Werkzeug, das in den richtigen Händen Zeit spart, Wissen zugänglich macht und vor Denkfehlern schützt. In den falschen Händen verführt sie zu eloquent formuliertem Halbwissen. Der Unterschied bist du. Wer versteht, was die Maschine kann und was nicht, gewinnt. Wer ihr blind vertraut, verliert, ruhig und überzeugt vorgetragen von einem statistischen Papagei.

⭐ Das Wichtigste auf einen Blick

1. Vier KI-Depot-Experimente über drei Jahre zeigen: Künstliche Intelligenz kann den Aktienmarkt nicht zuverlässig schlagen, in Schelberts erstem Test übertraf nur der Nasdaq das KI-Depot.
2. Im direkten Duell schlägt ChatGPT von OpenAI die Konkurrenz Google Gemini bei der Aktienperformance, obwohl Gemini die originelleren Titel auswählte.
3. Rund 12 Prozent der meistzitierten Quellen großer Sprachmodelle stammen aus Reddit, was die Qualität KI-generierter Aktientipps fragwürdig macht.
4. KI versagt bei qualitativen Faktoren wie Managementqualität und der Glaubwürdigkeit einer Guidance, die ein erfahrener Analyst dagegen einordnen kann.
5. Für Privatanleger eignet sich KI als Co-Pilot zum Hinterfragen von Entscheidungen und als Lernhilfe, nicht als Autopilot für die Geldanlage.

Laura Podleska & Lukas Beißwenger Podcast-Hosts von „Investier oder Verlier“ Mission: Investieren verständlich, ehrlich und auf Augenhöhe erklären.