Das US-Unternehmen Condor Capital Wealth Management führte ein Experiment durch, über das heute viele Kleinanleger sprechen. Drei KI-Agenten, die auf den Modellen Claude, ChatGPT und Gemini basierten, stellte es jeweils 500 Dollar auf einem echten Maklerkonto zur Verfügung und gab ihnen nur eine einzige Anweisung: so viel Geld wie möglich zu verdienen. Alle drei erhielten dasselbe Ziel, doch jeder schlug einen völlig anderen Weg ein. Gerade ihr Verhalten verriet mehr über künstliche Intelligenz in der Rolle eines Investors als die Ergebnisse selbst.
Chatbots an die Börse
Broker-Plattformen haben in den vergangenen Monaten damit begonnen, künstlicher Intelligenz direkten Zugriff auf das Geld ihrer Kunden zu gewähren. Der US-Anbieter Robinhood stellte Ende September integrierte KI-Agenten vor, die Investitionsmöglichkeiten suchen, Strategien vorschlagen und selbstständig Handelsaufträge erteilen können. Der Kunde legt ihnen Grenzen fest, und der Agent kann anschließend handeln, ohne dass jeder Auftrag genehmigt werden muss. Nach Angaben des Unternehmens haben seit Mai, als es begann, Agenten anderer Unternehmen zu unterstützen, mehr als 150.000 Menschen ein spezielles Konto für den Handel über KI eröffnet.
Auch Europa schlug einen ähnlichen Weg ein. Die Münchner Scalable Capital öffnete ihre Anlageplattform im August für die Assistenten ChatGPT, Claude und Grok. Kunden können so ihr Portfolio analysieren lassen, einen Sparplan einrichten oder mithilfe einiger in den Chat eingegebener Anweisungen einen Aktienkauf vorbereiten. Die Bank bezeichnet sich selbst als den ersten Anbieter in Europa, der großen KI-Assistenten auf diese Weise Zugang zu Investitionen gewährt.
Wenn Menschen jedoch beginnen, Chatbots ihre Ersparnisse anzuvertrauen, stellt sich die einfache Frage, ob diese überhaupt vernünftig investieren können. Genau darauf versuchte Condor Capital eine Antwort zu finden.
Drei Agenten, drei Broker, drei Handelstage
Jeder Agent erhielt ein eigenes Konto bei einem anderen Broker. Claude handelte über Robinhood, ChatGPT über Public und Gemini über Webull. Die Modelle konnten Aktien und börsengehandelte Fonds, also ETFs, kaufen. Die Regeln enthielten eine wichtige Einschränkung: Am Ende jedes Handelstages mussten sie alles verkauft haben und durften nur Bargeld halten. Es handelte sich somit um reines Daytrading ohne langfristiges Halten.
Nach drei Tagen schnitt Claude am besten ab und verdiente rund 14 Dollar, was 2,9 Prozent entspricht. Gemini lag mit knapp fünf Dollar beziehungsweise 0,9 Prozent im Plus. ChatGPT machte als Einziger Verlust, büßte mehr als drei Dollar ein und sein Konto sank um 0,7 Prozent. Die Autoren des Tests weisen jedoch darauf hin, dass drei Tage zu kurz sind, um die Anlagefähigkeiten zu beurteilen. Die Ergebnisse könnten leicht durch eine einzige stärkere Marktbewegung beeinflusst worden sein.
Einer vorsichtig, einer nachdenklich, einer unruhig
Weitaus aufschlussreicher war das Verhalten der einzelnen Agenten. Gemini wählte den bequemsten Weg. Während der gesamten drei Tage führte er nur drei Transaktionen durch und kaufte jedes Mal Aktien von Nvidia, die er am Abend wieder verkaufte.
Claude handelte häufiger, insgesamt zehnmal. Besonders interessant war, dass er ein Tagebuch über seine eigenen Fehler führte. Wenn er bei einem Geschäft Verlust machte, notierte er dies und passte seine nächsten Schritte entsprechend an.
ChatGPT wirkte wie ein hyperaktiver Händler. In drei Tagen schaffte er 28 Käufe mit anschließendem Verkauf und überprüfte den Markt ungefähr alle fünf Minuten. Der Anlagepublizist Karl Kaufman, der über das Experiment schrieb, bemerkte dazu, sein bevorzugter KI-Assistent habe offenbar angenommen, für jede ausgeführte Transaktion bezahlt zu werden.
Eine Anweisung ist keine Strategie
Kaufman zufolge lässt sich aus dem Test nicht ableiten, wer gewonnen hat. Die Aufforderung, möglichst viel Geld zu verdienen, ist nämlich ein Befehl und kein Anlageplan. Jeder Agent ergänzte die fehlenden Aspekte auf seine eigene Weise, von der Auswahl der Vermögenswerte über das Risikoniveau bis hin zur Handelshäufigkeit. Wer einen Agenten sinnvoll einsetzen möchte, braucht ihm zufolge weiterhin eine eigene Strategie, klare Risikogrenzen und jemanden, der die Ergebnisse kontrolliert. Kaufman sieht darin ein Paradox, denn am besten können diejenigen einen KI-Investor beaufsichtigen, die ihn am wenigsten benötigen.
Condor Capital ließ die Agenten auch eine völlig andere Aufgabe ausprobieren. In einem separaten Test sollten sie ein einfaches Portfolio zusammenstellen, das zu 60 Prozent aus Aktien und zu 40 Prozent aus Anleihen bestand. In diesem Fall gingen sie ruhiger vor, und ihre Vorschläge konzentrierten sich auf einige günstige Indexfonds, darunter ETFs auf US-amerikanische und ausländische Aktien. Das Unternehmen erinnert jedoch daran, dass die Qualität des Ergebnisses von einer detaillierten Aufgabenstellung und einer kontinuierlichen Aufsicht abhängt. Es sei ein sehr leistungsfähiges Werkzeug, mit dem sich viele Dinge erledigen ließen. Wir stünden jedoch erst am Anfang, sagt David Goldstone, der im Unternehmen die Anlageforschung leitet.
Den Markt können sie einschätzen, mit Geld können sie nicht umgehen
Zu einem ähnlichen Ergebnis kam bereits im Juni das US-Unternehmen Elm Wealth. Seine Forscher entwickelten ein Spiel namens Kristallkugel. Sie zeigten den Modellen Claude, ChatGPT, Gemini und Grok historische Titelseiten der Zeitung The Wall Street Journal mit Nachrichten, die den Markt bewegten, verrieten ihnen jedoch nicht, wie die Börse letztlich reagierte. Ihre Aufgabe bestand darin, die Marktrichtung einzuschätzen und zu entscheiden, wie viel Geld sie in den Handel investieren sollten.
In rund zweihundert Runden schlug Claude die menschlichen Spieler in 76 Prozent der Fälle, ChatGPT in 63 Prozent. Grok war in 51 Prozent der Runden erfolgreich und Gemini nur in 43 Prozent. Bei der Einschätzung, in welche Richtung sich der Markt bewegen würde, schnitten die besten Modelle somit ordentlich ab.
Das Problem trat bei der zweiten Frage auf, nämlich wie viel sie setzen sollten. Theoretisch kannten die Modelle die Regeln für eine vernünftige Risikodosierung, bei tatsächlichen Entscheidungen konnten sie diese jedoch nicht anwenden. Ihre Aktienpositionen waren im Durchschnitt sieben- bis zwölfmal so groß wie das eingesetzte Kapital. Die Forscher erinnern daran, dass sich der US-Aktienmarkt seit dem Jahr 2000 an 23 Tagen um mehr als 5 Prozent und an sieben Tagen um mehr als 9 Prozent bewegte. Mit einer solchen Hebelwirkung könnte ein einziger schlechter Tag den Verlust praktisch des gesamten Geldes bedeuten.
Das letzte Wort hat vorerst der Mensch
Die Broker sind sich dieser Schwächen offenbar bewusst. Die Agenten von Robinhood dürfen nur mit Geld handeln, das der Kunde auf ein spezielles Konto überträgt, und die manuelle Genehmigung von Transaktionen ist standardmäßig aktiviert. Sie lässt sich zwar deaktivieren, Kaufman würde dies jedoch nicht tun. Scalable Capital verlangt, dass Nutzer jede Transaktion und jeden Sparplan selbst bestätigen, und die KI-Assistenten können weder Zahlungen vom Konto senden noch Geld abheben.
Kaufman nutzt künstliche Intelligenz beim Investieren. Er lässt sie Informationen suchen, Transkripte von Gesprächen mit Unternehmensführungen vergleichen und seine eigenen Annahmen widerlegen. Die Entscheidungen möchte er jedoch selbst treffen. Wie er schreibt, würde er einem autonomen Auto auf der Autobahn ohne Weiteres das Steuer überlassen, weil menschliche Emotionen und Unaufmerksamkeit am Steuer eher schaden. An der Börse sei es ihm zufolge umgekehrt: Ein durch jahrelanges Studium von Unternehmen und ihren Zahlen erworbenes Urteilsvermögen könne für einen Anleger von Vorteil sein. Die Agenten im Experiment von Condor Capital mussten jeden Nachmittag alles verkaufen, ein langfristig orientierter Anleger muss jedoch niemandem Rechenschaft ablegen und kann einfach kaufen und warten. Für die meisten Transaktionen gibt es keinen Preis. Kaufman zufolge ist das Erste, was künstliche Intelligenz beim Investieren lernen sollte, daher vielleicht, überhaupt nichts zu tun.
Robinhood plant dennoch den Aktienhandel an Wochenenden sowie eine Funktion namens Loops, dank der Agenten vorab festgelegte Anweisungen ausführen werden, selbst wenn ihr Besitzer schläft. Die 2014 gegründete Scalable Capital verwaltet mehr als 60 Milliarden Euro an Kundengeldern und hat über eine Million Kunden, vor allem in Deutschland und Österreich. Ihr Produktchef Alexander Seipp räumt offen ein, dass bislang niemand weiß, ob Menschen gemeinsam mit ihrem KI-Assistenten den heiligen Gral hoher Renditen bei geringem Risiko finden werden.
Quellen: fortune.com und investicniweb.cz
